CobiNet(寧波)推薦文章：

2016年(nian)10月，美(mei)國(guo)(guo)總統(tong)奧巴(ba)馬在(zai)(zai)白宮前(qian)沿峰(feng)會(hui)上發布報告《國(guo)(guo)家人工智能研(yan)究和發展戰略計劃》(以下簡稱 計劃 )。這項被(bei)奧巴(ba)馬稱美(mei)國(guo)(guo)新(xin) 阿波羅登月計劃 的(de)規劃，旨在(zai)(zai)運(yun)用聯邦基金的(de)資助不斷深化對(dui)AI的(de)認識和研(yan)究，從而使得該(gai)技術為(wei)社會(hui)提(ti)供更加積極的(de)影(ying)響(xiang)(xiang)，減少其消極影(ying)響(xiang)(xiang)。

2015年(nian)，美國(guo)政府在人(ren)工智能(neng)(AI)相關(guan)技(ji)(ji)術方面的(de)研(yan)發投入約(yue)為11億(yi)美元。AI在制造、物流、金融、通(tong)信、交通(tong)運(yun)輸、農業、銷售、科技(ji)(ji)等領(ling)域得到了應用。此外，AI在提(ti)高教育機(ji)會、更好的(de)改善人(ren)類生活質量、提(ti)高國(guo)土安(an)全等方面具(ju)有積極的(de)作用。

美國(guo)此(ci)次發布(bu)的(de) 計劃 是(shi)全球(qiu)首(shou)份(fen)國(guo)家層面的(de)AI發展戰略(lve)計劃，對于全球(qiu)各國(guo)尤其是(shi)我國(guo)未來AI發展戰略(lve)的(de)制定具有重要(yao)的(de)參考和借鑒(jian)意義(yi)。

計劃 主要包括下列七(qi)大戰略：

AI研究的(de)長期(qi)投資戰略;(基(ji)礎研究戰略)

開發有效的人類與人工智能合作措(cuo)施戰(zhan)略;(人機交互戰(zhan)略)

AI的(de)倫理、法律和社會(hui)學(xue)研究(jiu)戰略;(社會(hui)學(xue)戰略)

確保AI系統的安全戰略;(安全戰略)

開(kai)發適用于AI培訓(xun)和測試的公(gong)共共享數據集和環境戰(zhan)略;(數據和環境戰(zhan)略)

通過標準(zhun)和基準(zhun)測量和評估AI技(ji)術(shu)戰略;(標準(zhun)戰略)

更(geng)好的了解國家(jia)AI研發人力需求戰略(lve)。(人力戰略(lve))

七(qi)(qi)大戰(zhan)略的具(ju)體關系(xi)可以用下(xia)圖來展示(七(qi)(qi)大戰(zhan)略分別用數(shu)字1-7標(biao)明)：

一、 AI研究的長期(qi)投資(zi)戰略

AI的(de)研究投入(ru)需要(yao)在有長(chang)期潛在回報的(de)領(ling)域進行，同(tong)時這(zhe)(zhe)(zhe)些(xie)有長(chang)期回報的(de)領(ling)域伴(ban)隨著(zhu)高研發風險。以互(hu)聯網和深(shen)度學習為例，在這(zhe)(zhe)(zhe)兩個案例中(zhong)，對其(qi)基礎的(de)研究開始于20世(shi)紀60年(nian)代(dai)，經過30多年(nian)的(de)研究努力(li)，這(zhe)(zhe)(zhe)些(xie)概(gai)念(nian)變成了(le)在很(hen)多AI領(ling)域中(zhong)運用的(de)技術。在下列領(ling)域中(zhong)AI技術將進行持(chi)續投入(ru)：

基于(yu)數(shu)據驅動的(de)以知識(shi)開(kai)發為目的(de)方法論

在(zai)發(fa)展(zhan)機器學習算(suan)法(fa)中，可(ke)以(yi)運用(yong)(yong)(yong)大(da)數(shu)(shu)據(ju)(ju)(ju)來識(shi)別(bie)所有(you)有(you)用(yong)(yong)(yong)信息。很(hen)多開放性(xing)問題都圍繞著數(shu)(shu)據(ju)(ju)(ju)的(de)(de)創立和(he)使用(yong)(yong)(yong)，包括AI系統學習中的(de)(de)精確性(xing)和(he)恰當(dang)性(xing)。數(shu)(shu)據(ju)(ju)(ju)的(de)(de)精確性(xing)在(zai)處理大(da)量數(shu)(shu)據(ju)(ju)(ju)時(shi)是很(hen)大(da)的(de)(de)挑(tiao)戰，我們需要繼(ji)續(xu)研究數(shu)(shu)據(ju)(ju)(ju)清洗技術(shu)(shu)(data cleaning techniques)以(yi)提高數(shu)(shu)據(ju)(ju)(ju)的(de)(de)利(li)用(yong)(yong)(yong)效率，研發(fa)新的(de)(de)技術(shu)(shu)以(yi)發(fa)現(xian)數(shu)(shu)據(ju)(ju)(ju)中的(de)(de)矛(mao)盾和(he)異常(chang)。此外，還(huan)需要研發(fa)新技術(shu)(shu)保(bao)證數(shu)(shu)據(ju)(ju)(ju)挖掘和(he)與(yu)該數(shu)(shu)據(ju)(ju)(ju)相(xiang)關聯的(de)(de)元(yuan)數(shu)(shu)據(ju)(ju)(ju)的(de)(de)挖掘同時(shi)進行(xing)。

增(zeng)進AI系統的感知能力

感知(zhi)是智(zhi)能系統(tong)(tong)通(tong)往世(shi)界(jie)的(de)(de)(de)窗(chuang)戶。感知(zhi)開始(shi)于各(ge)種形式的(de)(de)(de)傳(chuan)感數據(ju)(sensor data)，感知(zhi)系統(tong)(tong)需要從眾多(duo)的(de)(de)(de)傳(chuan)感器(qi)和包括云計(ji)算在(zai)內的(de)(de)(de)其他(ta)來源中整合數據(ju)，從而(er)來確(que)定AI系統(tong)(tong)應(ying)該做出的(de)(de)(de)反應(ying)及對(dui)未來的(de)(de)(de)預測(ce)。在(zai)復(fu)雜多(duo)變的(de)(de)(de)環境下，AI對(dui)目(mu)標的(de)(de)(de)探測(ce)、分類(lei)、識別(bie)仍然面(mian)臨挑戰，感知(zhi)進(jin)程的(de)(de)(de)改進(jin)可以不斷提(ti)高AI系統(tong)(tong)的(de)(de)(de)認知(zhi)準確(que)性。

了解AI的理論(lun)能(neng)力(li)和限制

AI算法(fa)的(de)(de)(de)(de)最終(zhong)目標是(shi)(shi)可以挑戰人類解(jie)決問題(ti)的(de)(de)(de)(de)能力，但(dan)是(shi)(shi)目前我們對(dui)于AI的(de)(de)(de)(de)理論能力和限制達(da)到何(he)(he)種程度仍然沒有(you)很(hen)好(hao)的(de)(de)(de)(de)理解(jie)。我們缺乏對(dui)AI系統統一的(de)(de)(de)(de)理論模(mo)型或框架。我國需要(yao)同時研究現有(you)的(de)(de)(de)(de)硬件(jian)，從而了解(jie)硬件(jian)是(shi)(shi)如何(he)(he)影(ying)響這些算法(fa)的(de)(de)(de)(de)。

開展廣義的AI研(yan)究

AI可以劃分為 狹(xia)義(yi)(yi)AI 和(he) 廣(guang)義(yi)(yi)AI 。狹(xia)義(yi)(yi)的(de)(de)AI系(xi)統只專(zhuan)注于完成某(mou)個特別(bie)(bie)設定的(de)(de)任(ren)務，例如語音識(shi)別(bie)(bie)、圖像識(shi)別(bie)(bie)和(he)翻譯，也包括(kuo)近年來出現的(de)(de)IBM的(de)(de)Watson和(he)谷歌的(de)(de)AlphaGo，這些系(xi)統被稱為 超級人類(lei) ，因(yin)為他們的(de)(de)表現可以打敗人類(lei)。與 狹(xia)義(yi)(yi)AI 相對(dui)的(de)(de)是 廣(guang)義(yi)(yi)AI ，這些AI體系(xi)包括(kuo)了學習(xi)、語言、認(ren)知、推理、創造和(he)計(ji)劃。廣(guang)義(yi)(yi)的(de)(de)AI目標是將一(yi)個領域內的(de)(de)知識(shi)運用到另外一(yi)個領域，同時可以與人類(lei)開展交互式學習(xi)。廣(guang)義(yi)(yi)AI的(de)(de)目標還沒有達成，需要我們進行(xing)長期的(de)(de)、持續性的(de)(de)努力和(he)投入。

開(kai)發(fa)可拓展(zhan)的(de)AI系統

開發和使用多(duo)(duo)重AI系(xi)統對于(yu)計(ji)劃(hua)(hua)(hua)、協(xie)調、控(kong)制(zhi)方面(mian)帶(dai)來(lai)很多(duo)(duo)研究性(xing)挑戰。我(wo)們(men)之(zhi)前(qian)的(de)研究集中于(yu)中心(xin)計(ji)劃(hua)(hua)(hua)和協(xie)調技術(shu)，但(dan)是，這些方法存(cun)在不足。未來(lai)，多(duo)(duo)重的(de)AI系(xi)統需要運(yun)行的(de)足夠快(kuai)速(su)從(cong)而適(shi)用不斷變(bian)化(hua)的(de)環境。未來(lai)應著力研發在計(ji)劃(hua)(hua)(hua)、控(kong)制(zhi)與合作(zuo)方面(mian)更加有效、更具活(huo)力及可拓(tuo)展的(de)多(duo)(duo)重AI系(xi)統技術(shu)。

促進(jin)類人類AI的研究

類(lei)(lei)(lei)(lei)人類(lei)(lei)(lei)(lei)AI旨在讓AI系統能(neng)夠像人類(lei)(lei)(lei)(lei)一樣解釋(shi)自己從(cong)而(er)使得(de)人類(lei)(lei)(lei)(lei)明白(bai)。例(li)如智能(neng)家教(jiao)系統和(he)智能(neng)助手可(ke)(ke)以幫助人們更好的(de)完成(cheng)任務。人類(lei)(lei)(lei)(lei)可(ke)(ke)以從(cong)有限(xian)的(de)學習范例(li)中學習知識，但是AI可(ke)(ke)以從(cong)數以千計的(de)范例(li)中不(bu)斷(duan)學習和(he)優化(hua)自己，從(cong)而(er)達(da)到超(chao)越人類(lei)(lei)(lei)(lei)的(de)狀態(tai)。未來在這方面還要不(bu)斷(duan)研究新方法從(cong)而(er)達(da)到這一目標。

研(yan)發能力更強更可靠的機(ji)器人

機(ji)器(qi)(qi)人(ren)(ren)(ren)在人(ren)(ren)(ren)類(lei)的(de)(de)生活中應(ying)用(yong)廣泛。目前，我(wo)們正研究(jiu)如何更(geng)好的(de)(de)開(kai)展機(ji)器(qi)(qi)人(ren)(ren)(ren)與(yu)人(ren)(ren)(ren)類(lei)的(de)(de)合作(zuo)。機(ji)器(qi)(qi)人(ren)(ren)(ren)技術可(ke)(ke)以更(geng)好模仿并提高人(ren)(ren)(ren)類(lei)的(de)(de)體(ti)能和智能。未來科學家還需要繼續(xu)研究(jiu)如何使(shi)機(ji)器(qi)(qi)人(ren)(ren)(ren)系統(tong)更(geng)可(ke)(ke)信和方(fang)便使(shi)用(yong)。同(tong)時，提高機(ji)器(qi)(qi)人(ren)(ren)(ren)的(de)(de)認知和推理能力，使(shi)其可(ke)(ke)以更(geng)好地(di)進行自(zi)我(wo)評價，提高其處(chu)理復雜問題的(de)(de)能力，更(geng)好地(di)與(yu)人(ren)(ren)(ren)類(lei)開(kai)展互信合作(zuo)。

改善硬件提高AI性能

AI研究(jiu)經常與軟件研發相(xiang)關(guan)，但是AI系統的(de)(de)性能很大程度上取(qu)決于其硬件的(de)(de)運行。提升AI系統硬件運行功能需要通過可控(kong)的(de)(de)方式關(guan)閉和打開數(shu)(shu)據(ju)通道。未來的(de)(de)研究(jiu)需要使得機器學習算法可以有效的(de)(de)從大量的(de)(de)數(shu)(shu)據(ju)中進行有效的(de)(de)學習。基于機器學習反(fan)饋(kui)的(de)(de)方法可以使AI技術更好(hao)地進行數(shu)(shu)據(ju)取(qu)樣和分析，運用在例如智能建(jian)筑和物聯網等領域。

研發適用于先(xian)進硬件的AI

更先進的(de)硬件可(ke)以提高AI系(xi)統的(de)運行能(neng)(neng)力，同時更好(hao)的(de)AI系(xi)統可(ke)以反過來提高硬件的(de)性能(neng)(neng)。更好(hao)的(de)AI算(suan)(suan)法可(ke)以通過提升(sheng)多核系(xi)統的(de)性能(neng)(neng)，這(zhe)對于(yu)高性能(neng)(neng)計算(suan)(suan)(High Performance Computing,HPC)運行的(de)提升(sheng)尤為(wei)重要。

二、 開發有效的人類與人工智能合作措施戰略(lve)

尋找具有人類感知的AI新算法

近年，AI算法已經可(ke)以(yi)解決越(yue)來越(yue)復雜的問(wen)題(ti)。人(ren)(ren)類(lei)可(ke)以(yi)感(gan)知的智能體系需(xu)要(yao)與用戶(hu)進行(xing)互動(dong)從而開(kai)(kai)展人(ren)(ren)機互動(dong)。我們需(xu)要(yao)開(kai)(kai)發中斷(duan)模式從而在(zai)合(he)適的時候打(da)斷(duan)人(ren)(ren)類(lei)。AI體系需(xu)要(yao)具有(you)提升人(ren)(ren)類(lei)認知的能力，在(zai)用戶(hu)不能準確描述自(zi)身需(xu)求時，可(ke)以(yi)了解用戶(hu)需(xu)求。未來的AI可(ke)以(yi)擁有(you)情感(gan)智能，可(ke)以(yi)了解用戶(hu)的情緒并作出恰當(dang)的反饋。另一個(ge)目標是建(jian)立 系統-系統 的互動(dong)即多(duo)個(ge)機器(qi)可(ke)以(yi)與多(duo)人(ren)(ren)同時進行(xing)互動(dong)。

開發(fa)增強(qiang)人類(lei)能力的AI技術

人(ren)類(lei)(lei)增強研(yan)究包括(kuo)算(suan)法在(zai)不同情形下的(de)運用(yong)，例(li)如在(zai)固(gu)定設(she)(she)備(bei)中、可(ke)穿戴(dai)設(she)(she)備(bei)中、植入設(she)(she)備(bei)中以(yi)(yi)及具體的(de)用(yong)戶(hu)環境中。以(yi)(yi)醫學助(zhu)手為例(li)，人(ren)類(lei)(lei)增強意(yi)識可(ke)以(yi)(yi)幫(bang)助(zhu)識別在(zai)手術中出現(xian)的(de)微小錯誤或將之前的(de)實驗(yan)經驗(yan)運用(yong)于用(yong)戶(hu)的(de)現(xian)有情況。另(ling)一個(ge)領域是(shi)在(zai)自主(zhu)學習(xi)方(fang)面。目(mu)前的(de)自主(zhu)學習(xi)還(huan)僅僅是(shi)在(zai)人(ren)類(lei)(lei)的(de)監督下進行的(de)，未來的(de)研(yan)究將會(hui)集中于在(zai)無人(ren)監督下的(de)自主(zhu)學習(xi)。

開發可視化和人類(lei)與(yu)AI交互(hu)界面技術

可(ke)視(shi)化和(he)(he)用(yong)(yong)戶界面必須以一(yi)種越(yue)來(lai)越(yue)清晰(xi)的并且可(ke)以被人(ren)類(lei)理解的方式(shi)呈現(xian)，這需(xu)(xu)要提供實(shi)時運行的結果和(he)(he)反饋。人(ren)類(lei)與AI的合(he)作可(ke)以被廣泛地運用(yong)(yong)于(yu)各個領(ling)域，例如人(ren)類(lei)和(he)(he)AI系統在(zai)(zai)太(tai)空中的遠程交流，在(zai)(zai)交流過(guo)程中需(xu)(xu)要評估自(zi)主運行狀態，其中的運行要求和(he)(he)限制是用(yong)(yong)戶界面研(yan)發者需(xu)(xu)要研(yan)究的問(wen)題。

開發更加有(you)效(xiao)的語言處理系統

讓人類(lei)與AI系統通過書面和口頭的(de)語言(yan)形式進行交流是AI研(yan)究者(zhe)的(de)一(yi)個長期研(yan)究目標。目前我(wo)們已經可(ke)以(yi)實(shi)現(xian)在(zai)安靜的(de)環(huan)境(jing)中AI對于流利英語的(de)識別，但這只是第一(yi)步。AI目前還無法對在(zai)嘈(cao)雜(za)的(de)環(huan)境(jing)中的(de)、有濃重(zhong)口音(yin)的(de)以(yi)及小孩的(de)語言(yan)進行識別。未來(lai)我(wo)們需(xu)要將該系統應用在(zai)不同語言(yan)中，從(cong)而達(da)到(dao)可(ke)以(yi)實(shi)現(xian)AI在(zai)實(shi)時(shi)狀態下與人類(lei)的(de)對話。

三(san)、 AI的倫理(li)、法(fa)律和社(she)會學研(yan)究戰略(lve)

該領域的(de)(de)主要(yao)研(yan)究目的(de)(de)在于(yu)了解AI技術(shu)的(de)(de)倫理、法(fa)律和社會意義。同時，研(yan)發新的(de)(de)方法(fa)來實現AI與(yu)人類預先設定的(de)(de)倫理、法(fa)律和社會準則相一致。隱私是需要(yao)考慮的(de)(de)重要(yao)因素，關于(yu)隱私方面(mian)的(de)(de)問題(ti)可以參見 國家隱私研(yan)究戰略 (National Privacy Research Strategy)。

通(tong)過(guo)設計提高公(gong)平(ping)性、透(tou)明度和(he)可(ke)責性

在(zai)AI系(xi)統(tong)設計(ji)時需要考慮本身(shen)的公平、合理(li)、透明和可信賴(lai)性(xing)。研究者必須了解(jie)如何設計(ji)AI系(xi)統(tong)從而使(shi)得保證(zheng)其決策的透明和容(rong)易被人類理(li)解(jie)。

構建AI倫理

倫理(li)(li)問(wen)題(ti)本身是哲學問(wen)題(ti)。研究(jiu)者(zhe)需要(yao)(yao)研究(jiu)出新的(de)算法(fa)確(que)保AI做出的(de)決策(ce)與現有(you)的(de)法(fa)律(lv)、社會倫理(li)(li)一致(zhi)，這是一項具有(you)挑戰性的(de)任務。倫理(li)(li)難題(ti)需要(yao)(yao)首(shou)先解決的(de)是如何將倫理(li)(li)難題(ti)準確(que)的(de)翻譯為AI可(ke)以識(shi)別(bie)的(de)語言。同(tong)(tong)時，當面臨新的(de)道德困境時，AI如何進(jin)行決策(ce)。倫理(li)(li)問(wen)題(ti)因各國文化、宗教和(he)信仰等的(de)不同(tong)(tong)而存在差別(bie)。我(wo)們需要(yao)(yao)構建一個可(ke)以被(bei)廣泛接受的(de)倫理(li)(li)框架(jia)來指導AI系統進(jin)行推理(li)(li)和(he)決策(ce)。

設(she)計AI倫(lun)理的(de)架(jia)構(gou)

另外(wai)一項基礎性的(de)(de)研(yan)究(jiu)(jiu)集(ji)(ji)中(zhong)在如(ru)何(he)在AI系(xi)(xi)統設計(ji)中(zhong)包含倫理推理。在這方面我們嘗試(shi)了多種方法。未來，AI倫理框架的(de)(de)構(gou)建，可能包括下(xia)屬(shu)的(de)(de)多體(ti)系(xi)(xi)、多層次(ci)的(de)(de)判斷(duan)，例如(ru)匹配(pei)規則(ze)的(de)(de)迅速回應、接(jie)收用戶(hu)信任(ren)的(de)(de)社會信號、遵守文化準(zhun)則(ze)等。研(yan)究(jiu)(jiu)者需(xu)要集(ji)(ji)中(zhong)于(yu)如(ru)何(he)描述和設計(ji)AI系(xi)(xi)統使其符合道德的(de)(de)、法律的(de)(de)和社會的(de)(de)目標。

四、 確(que)保AI系統的安全戰略

AI系(xi)統在全球(qiu)性(xing)范圍內投入使用之前，需要以可(ke)控的(de)方式確保該系(xi)統的(de)安全性(xing)。由于(yu)AI應用環(huan)境的(de)復雜性(xing)和不(bu)(bu)確定性(xing)、突發行(xing)為的(de)影(ying)響(xiang)、執行(xing)目標的(de)不(bu)(bu)明(ming)確性(xing)、人機(ji)交互等因素的(de)影(ying)響(xiang)，AI系(xi)統可(ke)能面臨著重大的(de)安全挑戰。

提高可(ke)解釋性和透明度

基于深度(du)學(xue)習的(de)許(xu)多(duo)算法(fa)對于使用(yong)者來說(shuo)是(shi)不(bu)透(tou)明的(de)。在很多(duo)領域例(li)如健康護理(li)，醫(yi)生(sheng)需要對于在治療過程中的(de)特殊治療方法(fa)進(jin)行合(he)理(li)性解釋(shi)。AI技術(shu)為很多(duo)決(jue)策提(ti)供了合(he)理(li)性解釋(shi)但是(shi)不(bu)夠準確。研(yan)究者需要研(yan)發更加透(tou)明的(de)決(jue)策體系(xi)，從(cong)而為用(yong)戶提(ti)供決(jue)策推理(li)的(de)合(he)理(li)解釋(shi)。

建立互信

為了獲取(qu)信(xin)任，AI系統(tong)的(de)設計者需要(yao)建立用戶友好型的(de)交(jiao)互式界(jie)面，同時確保(bao)AI系統(tong)的(de)準確性(xing)和可信(xin)賴性(xing)。目前對于(yu)AI系統(tong)的(de)一(yi)個(ge)重要(yao)挑戰是軟件制造技術品質的(de)不一(yi)致性(xing)。隨著(zhu)人類與AI系統(tong)的(de)聯(lian)系越來越緊(jin)密(mi)，在該領域的(de)互信(xin)挑戰也面臨越來大(da)的(de)挑戰。

增強核實(shi)(verification)和驗證(validation)

在AI體(ti)系(xi)的(de)核實和驗證方面需(xu)要建立新的(de)方法。 核實 是(shi)(shi)確立一個滿足形式要求的(de)系(xi)統(tong)， 驗證 是(shi)(shi)確立一個滿足用(yong)戶(hu)操作需(xu)求的(de)系(xi)統(tong)。對于已經自(zi)動運(yun)行了一段時間的(de)系(xi)統(tong)，系(xi)統(tong)設計者或許沒有(you)考(kao)慮(lv)到在各(ge)種環境(jing)中(zhong)可能遇到的(de)情(qing)況，因此需(xu)要系(xi)統(tong)擁有(you)自(zi)我(wo)檢測、自(zi)我(wo)診斷和自(zi)我(wo)修復(fu)的(de)功能以(yi)確保其(qi)可信(xin)賴性。

對抗攻擊(ji)的安全戰略

AI體系為了應對各種(zhong)事故，需要(yao)(yao)具備預防惡意網絡攻擊(ji)的措施。安(an)全工程(cheng)需要(yao)(yao)了解該體系的脆弱性以(yi)及有可能進行(xing)攻擊(ji)的人。AI在網絡安(an)全體系中的運用需要(yao)(yao)高(gao)度的自治能力，這需要(yao)(yao)未來(lai)進一步(bu)的研究。

實現(xian)長期的AI安全和價值(zhi)一致(zhi)

AI系(xi)統最終的(de)目的(de)是實(shi)現 循(xun)環的(de)自我提(ti)高 。軟件(jian)的(de)改(gai)進(jin)是通過軟件(jian)自身修復完(wan)成的(de)而非(fei)由人(ren)(ren)類完(wan)成的(de)。為了達(da)成這一(yi)目標(biao)，我們需要進(jin)一(yi)步研究可以用來檢測(ce)(ce)人(ren)(ren)類設計的(de)目標(biao)與AI系(xi)統行為是否一(yi)致的(de)自我監測(ce)(ce)技(ji)術(shu)及使用者(zhe)的(de)目標(biao)等。

五、 開發適(shi)于(yu)AI培訓(xun)和測試的公共(gong)共(gong)享的數(shu)據集和環境(jing)戰(zhan)略(lve)

為不同種(zhong)類(lei)的(de)(de)AI興趣及(ji)應用開發和(he)制(zhi)作種(zhong)類(lei)廣泛的(de)(de)數據集

完整(zheng)和可利用(yong)的(de)(de)(de)AI培訓和測試數(shu)(shu)(shu)(shu)(shu)據(ju)集對于確保結果的(de)(de)(de)可信賴(lai)性(xing)來(lai)說(shuo)至關重要。機(ji)器學(xue)習領域的(de)(de)(de)AI挑(tiao)戰經常與大數(shu)(shu)(shu)(shu)(shu)據(ju)分析相關。在現實世界(jie)中，數(shu)(shu)(shu)(shu)(shu)據(ju)集經常因其不(bu)一致性(xing)、不(bu)完整(zheng)性(xing)而受到質疑(yi)。在建(jian)立AI應(ying)用(yong)的(de)(de)(de)數(shu)(shu)(shu)(shu)(shu)據(ju)集之前需要一系列的(de)(de)(de)數(shu)(shu)(shu)(shu)(shu)據(ju)預先處理技術，例(li)如(ru)數(shu)(shu)(shu)(shu)(shu)據(ju)清洗、整(zheng)合、轉(zhuan)化、還原(yuan)和展示。

使訓練和測試資源能夠對(dui)商業和公共利益做出回應

隨(sui)著(zhu)數(shu)(shu)據的不斷(duan)增(zeng)多，數(shu)(shu)據資源(yuan)和信息技術(shu)(shu)都在不斷(duan)增(zeng)加。數(shu)(shu)據分(fen)析技術(shu)(shu)不能跟上原始信息資源(yuan)的產生數(shu)(shu)量。雖然我們現(xian)在擁(yong)有數(shu)(shu)據存儲(chu)器(qi)，但(dan)是仍然難以滿足成比例(li)增(zeng)長的數(shu)(shu)據，我們需要建立動態的和靈敏(min)的數(shu)(shu)據存儲(chu)器(qi)。

開發開源軟件庫和(he)工具集

不斷增加(jia)(jia)的(de)(de)(de)(de)(de)開(kai)(kai)源軟件(jian)庫和(he)(he)(he)工具集為(wei)開(kai)(kai)發(fa)者(zhe)提供了便捷的(de)(de)(de)(de)(de)入口。例如Weka工具集、MALLET,和(he)(he)(he)OpenNLP,它們都加(jia)(jia)速了AI技(ji)術的(de)(de)(de)(de)(de)發(fa)展和(he)(he)(he)應用。為(wei)了支(zhi)持該領(ling)(ling)域的(de)(de)(de)(de)(de)持續性創(chuang)新，美(mei)國政府(fu)促進在(zai)(zai)研發(fa)、支(zhi)持和(he)(he)(he)使用開(kai)(kai)放(fang)AI技(ji)術方面的(de)(de)(de)(de)(de)努力(li)，尤(you)其是使用開(kai)(kai)放(fang)格(ge)式或開(kai)(kai)放(fang)標準的(de)(de)(de)(de)(de)開(kai)(kai)放(fang)資(zi)源。美(mei)國政府(fu)同(tong)樣鼓(gu)勵在(zai)(zai)政府(fu)內(nei)部更(geng)廣泛的(de)(de)(de)(de)(de)采(cai)用開(kai)(kai)放(fang)AI資(zi)源以降低創(chuang)新者(zhe)的(de)(de)(de)(de)(de)準入門檻。政府(fu)應致力(li)于(yu)將算法和(he)(he)(he)軟件(jian)納入開(kai)(kai)放(fang)資(zi)源項目。同(tong)時(shi)，由于(yu)政府(fu)在(zai)(zai)某(mou)些領(ling)(ling)域有特別的(de)(de)(de)(de)(de)關注，例如數據的(de)(de)(de)(de)(de)隱私與安全。

六、 通過標(biao)準和(he)基準測量和(he)評估(gu)AI技術(shu)戰略

標準、基準、測試平(ping)臺是(shi)指(zhi)導AI研發戰略中(zhong)的核心要素。具(ju)體(ti)來說應在以(yi)下幾個(ge)方面做出努力：

開發(fa)范圍(wei)廣(guang)泛的AI標(biao)準

AI技術必須滿足客觀(guan)的標(biao)準從而保持其安(an)全性(xing)和可(ke)信賴性(xing)。目前一(yi)項與(yu)AI相關的標(biao)準是P187202015(機(ji)器(qi)人與(yu)自動機(ji)器(qi)標(biao)準)。該標(biao)準提(ti)供了(le)在現有(you)的知識體系下(xia)系統性(xing)的標(biao)準條(tiao)款和內容，為AI技術在機(ji)器(qi)人領域的應用(yong)提(ti)供了(le)基礎。此(ci)外，AI標(biao)準需要滿足安(an)全性(xing)、可(ke)用(yong)性(xing)、可(ke)追溯性(xing)、隱私保護等要求。

創建AI技術(shu)基準(benchmarks)

技術(shu)基準(zhun)包(bao)括測試(shi)(shi)和(he)評(ping)(ping)(ping)價，為(wei)(wei)標準(zhun)的(de)制定提供(gong)定量(liang)測量(liang)，同時評(ping)(ping)(ping)估標準(zhun)的(de)遵守情況。為(wei)(wei)了更有(you)效的(de)評(ping)(ping)(ping)估AI技術(shu)，相關的(de)測試(shi)(shi)方法必須標準(zhun)化。標準(zhun)的(de)測試(shi)(shi)方法應該描(miao)述(shu)AI技術(shu)評(ping)(ping)(ping)估、比較(jiao)、管(guan)理(li)的(de)方法和(he)程(cheng)序，包(bao)括但不(bu)限于：準(zhun)確(que)性、復(fu)雜(za)性、信任(ren)和(he)能力、風險(xian)和(he)不(bu)確(que)定性、可(ke)解釋性、與人類行為(wei)(wei)的(de)比較(jiao)以及經濟(ji)影響等。

增加AI測試平(ping)臺(testbeds)的可用性

測(ce)(ce)(ce)試(shi)(shi)(shi)平(ping)臺(tai)(tai)對(dui)于(yu)研(yan)究者至關重要(yao)，因為研(yan)究者可以利(li)用(yong)實(shi)際(ji)的研(yan)究數(shu)據(ju)在真(zhen)實(shi)的世界中進行建模(mo)和實(shi)驗。在AI的所有領域(yu)中都需要(yao)有足夠多的測(ce)(ce)(ce)試(shi)(shi)(shi)平(ping)臺(tai)(tai)。例如政(zheng)府有大量的敏感(gan)數(shu)據(ju)，這些(xie)數(shu)據(ju)不(bu)能對(dui)研(yan)究機構之(zhi)外(wai)的機構公開(kai)。我們可以為科研(yan)人員在安全的測(ce)(ce)(ce)試(shi)(shi)(shi)平(ping)臺(tai)(tai)中創設合適的項(xiang)目進行相關的測(ce)(ce)(ce)試(shi)(shi)(shi)。這些(xie)AI的實(shi)驗數(shu)據(ju)和實(shi)驗方法僅(jin)對(dui)AI科學家、工程師和學生在測(ce)(ce)(ce)試(shi)(shi)(shi)場景下(xia)公開(kai)。

組建AI標準和基準共同體(community)

AI共同體由(you)使用者(zhe)、產業(ye)人員、學術人員和政府人員組成，這些人員需要參與AI標準(zhun)和基(ji)準(zhun)制定的(de)項(xiang)目。基(ji)于(yu)共同體發起的(de)基(ji)準(zhun)可(ke)以通過(guo)提供測試數據來降低準(zhun)入(ru)門檻(jian)、強(qiang)化激勵，促進(jin)技術開(kai)發商之(zhi)間的(de)良性競爭(zheng)。

七、 更(geng)好的(de)了解國家AI研發(fa)人(ren)力需求(qiu)戰略

在(zai)(zai)研(yan)發領(ling)域(yu)擁有(you)強(qiang)大(da)實力的(de)(de)國家(jia)在(zai)(zai)未(wei)來(lai)的(de)(de)發展中也(ye)必將占據(ju)(ju)領(ling)先地位，而技術專(zhuan)家(jia)在(zai)(zai)其(qi)中發揮著重要作(zuo)用(yong)。雖然現在(zai)(zai)還沒有(you)AI研(yan)發人員的(de)(de)數據(ju)(ju)，但是(shi)根據(ju)(ju)商(shang)業和學術機(ji)構(gou)的(de)(de)報告(gao)顯示AI領(ling)域(yu)的(de)(de)專(zhuan)業人才(cai)存在(zai)(zai)不斷(duan)增(zeng)長(chang)性(xing)的(de)(de)缺口(kou)。高(gao)科技公司不斷(duan)增(zeng)加雇傭AI方面(mian)人才(cai)的(de)(de)投入。大(da)學和研(yan)究(jiu)機(ji)構(gou)也(ye)在(zai)(zai)不斷(duan)招募AI方面(mian)的(de)(de)專(zhuan)業人才(cai)。未(wei)來(lai)我們需(xu)要更好的(de)(de)了解國家(jia)AI研(yan)發人才(cai)的(de)(de)需(xu)求(qiu)數據(ju)(ju)，包括科研(yan)機(ji)構(gou)、政府和產業方面(mian)的(de)(de)需(xu)求(qiu)。我們需(xu)要對AI人才(cai)的(de)(de)供應和需(xu)求(qiu)量做出測(ce)算，從而可以(yi)幫助預測(ce)未(wei)來(lai)的(de)(de)人力需(xu)求(qiu)，并制定合理的(de)(de)計劃。

責任編輯：hang

文章編輯：CobiNet(寧波)  
本公司專注于電訊配件,銅纜綜合布線系列領域產品研發生產超五類，六類,七類屏蔽網線/屏蔽模塊及相關模塊配件, 我們是萬兆屏蔽模塊，10G屏蔽模塊，屏蔽線生產廠家。

歡迎(ying)來(lai)電(dian)咨(zi)詢0574 88168918,郵(you)箱sales@aliance.cn，網址aliance.cn