Page 25 - 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

能研发投入、社会应用等方面尚存在差距，产业生态还不完善。因此在规划未来
AI 发展路线时，俄罗斯特别注重利用国家力量（包括国防部、联邦教育和科学部、
科学院、各公立学校等），通过自上而下方式来推动 AI 研发体系改革，希望在
核心算法及硬件方面有所突破，夯实 AI 发展所需的基础理论及技术体系，培育

本国 AI 产业生态。这一理念集中体现在 2019 年 10 月发布的《俄罗斯 2030 年前
国家人工智能发展战略》中：一是加强人工智能基础研究，优先发展模拟生物决
策的集群算法、自主学习算法、复杂任务的自主分解及解决、神经计算系统架构
基础等领域，成立算法研究基金；二是积极推动 AI 软硬件、数据基础的发展，

构建 AI 产业生态体系，包括研发及推广人工智能软件，提升数据的可访问性（如
创建、升级各类公共数据访问平台，开发数据采集、标记的统一方法等），提高
人工智能发展所需硬件的质量（如发展俄罗斯国产处理器、光电元器件，建立高
性能数据处理中心）。

（八）加拿大：前沿理论创新型模式
加拿大是深度学习理论的诞生地，在规划未来 AI 发展时，加拿大注重结合
其在深度学习方面的知识储备基础，推动 AI 基础理论创新，力图成为世界 AI 基
础创新和人才培养基地。2017 年 3 月，加拿大颁布“泛加拿大人工智能战略”，

成立三个卓越 AI 研究中心——艾伯塔省机器智能研究所、向量研究院和蒙特利
尔学习算法研究所。同时仿效硅谷，推进“人工智能超级集群”战略，形成“多
伦多 - 滑铁卢”（多伦多大学、向量学院、加拿大高等研究院等）、蒙特利尔（蒙
特利尔大学、蒙特利尔学习算法研究所等）和埃德蒙顿（艾伯塔大学、艾伯塔机

器智能研究所）三大超级人工智能研发中心。
理论基础创新是加拿大未来 AI 研究的重点，各主要研究机构基于其在深度
学习、强化学习基础理论方面的优势地位，力图实现 AI 基础理念的颠覆性突破。
例如，加拿大高等研究院重点研究人机交互、机器和大脑中的基本学习原理；艾

伯塔机器智能研究所则希望在未来的 AI 和机器学习领域做出里程碑式发现，强
化学习、启发式搜索、自然语言处理、博弈理论、深度学习是其主要研究方向；
向量研究院则关注序贯决策、生成模型、AI 算法的数学基础等基础性、前沿性
基础理论创新领域。

（九）启示
综上所述，全球主要国家基于本国的科技、产业、社会和文化等现状，探

17