Page 19 - 基于深度学习的人工智能技术研究

第一章 人工智能技术概述

计划局（DARPA）等陆续发布相关计划，不仅要进一步探讨主流的数据智能研
究范式，还努力从情境层面为未来人工智能算法应实现的功能开展前瞻性引导和
布局。一方面，进一步强化数据智能基础理论研究。《国家人工智能研发战略计
划（更新版）》特别指出，确保对人工智能基础研究的长期投资，优先领域包括

以数据为中心的知识发现方法，加速异质性数据的新知识发现问题，了解 AI 算
法的能力及局限，特别是其决策机制、推理过程等。另一方面，前瞻性探讨未来
算法特征。
AAAI、美国科学院等发布的《美国未来 20 年人工智能研究路线图》对未来

人工智能可能达到的理想功能状态进行了预测：一是集成智能发展应实现不同智
能系统间的有效整合，打破当前人工智能研究仅限于单个技术领域、仅可应用于
孤立问题的分立局面；二是实现人机、机机之间有意义的互动，开发具有社会特
征的智能体，实现人机、机机之间的有效协作，以及可了解人类意图的敏捷交互

机器人等；三是使人工智能具有自我意识的学习能力，使人工智能主动捕获超越
表面相关性的知识，或无需人工介入便可进行长时有效学习。DARPA 启动实施
的“AI Next”计划提出，要提升人工智能技术的情景适应性，可根据不同的应
用领域、基于不同的情景主动构建学习模型，目标是让机器从工具变成可信赖的

合作伙伴，使机器具备一定的常识和识别能力，以及终身学习能力，在没有相关
经验或提前训练的情况下应对新的情况。
2. 类脑智能研究
受脑科学研究成果启发的类脑智能已成为非常重要的发展方向。早在 2008

年，美国 DARPA 便启动了神经形态自适应可塑可扩展电子系统项目，力图打破
冯·诺依曼体系，实现计算与存储的高度融合，构建架构层面与人脑更为相似
的新型计算机。该项目的主要执行者之一 IBM 于 2011 年宣布完成区别于传统诺
依曼式架构的革命性电脑芯片设计方案，2014 年推出 TrueNorth 大脑芯片计划，

2017 年设计出第五代自学习神经形态测试芯片 Loihi。脑机接口、智能增强是另
一个优先发展领域，2016 年，DARPA 发起神经工程系统设计项目（NESD），
关注视觉、听觉及语言系统的智能增强，开发可将大脑神经元电化学活动翻译成
数字语言的可植入芯片；2018 年，DARPA 推出下一代非手术神经技术项目（N3），

旨在开发不需要手术的高分辨率神经接口技术；同时，DARPA 联合美国陆军、
美国空军等，推进一系列脑机交互 / 智能增强计划，包括定向神经可塑性训练

11