特朗普政府拨款 1.2 亿美元,启动「国家人工智能研究院」项目

特朗普政府拨款 1.2 亿美元,启动「国家<mark data-type=concepts data-id=2d28aa9c-942d-471d-bd96-8bfefb7144e0>人工智能</mark>研究院」项目

继今年 2 月份特朗普启动的美国人工智能技术发展的国家级战略「美国 AI 计划」后,不少人暗指这是一个空壳计划。

前不久,美国又宣布一项新的 AI 计划——「国家人工智能研究院」项目,由美国国家科学基金会联合美国农业部、国土安全部以及交通部共同牵头推动。比起上次的有名无实,美国似乎对此次人工智能战略的决心更强烈。

撰文 | 力琴、晏清

10 月 8 日,美国国家科学基金会(NSF)宣布一项新的 AI 计划——「国家人工智能研究院」项目,将与美国农业部、国土安全部、交通部等机构联合推动人工智能研究,预计在明年拨款 1.2 亿美元。

计划分两个阶段进行:

  • 拨款 50 万美元用于「计划」类项目,使各机构具备全面运作的能力;
  • 拨款 1600 至 2000 万美元用于「研究院」类项目,研究主题必须关注以下一个或多个主题:可信任的人工智能机器学习基础、农业和食品系统中的人工智能驱动创新、人工智能增强学习、促进分子合成与制造的人工智能以及促进物理学发现的人工智能

研究所的拨款申请将于 2020 年 1 月 28 日到期,规划计划的拨款申请将于 2020 年 1 月 30 日到期。

NSF 表示,人工智能研究所计划将支持对跨学科,多利益相关方的研究进行改进,以应对人工智能研究中规模更大,时间更长的挑战,而不是典型的研究资助。

NSF 计算机与信息科学与工程副主任 Erwin Gianchandani 表示,这些研究所将加速 AI 创新向许多经济领域的过渡,同时也将培养下一代 AI 研究人员和从业人员,「这将使美国保持全球领先地位」。

NSF,即美国国家科学基金会,旨在为美国在广泛的科学领域前沿保持领先地位提供支持而存在的独立联邦机构。以「自下而上」的方式,密切跟踪美国和世界各地的研究,在持续跟进中确定前沿科学的方向,并找到相关领域的美国先驱,为他们提供资金和必要的帮助,以确保他们在将来取得惊人的成果与进展。

1 六大主题聚焦前沿科学研究

此次 NSF 将研究主题聚焦在六个方面,涉及人工智能技术、农业食品、化学制造、物理学等多个领域。每一个主题均与前沿科学领域息息相关。例如探索可信赖的人工智能决策系统;在农业生产和食品安全领域以及化学制造领域探索人工智能的实际应用等等。

  • 主题一:可信任的人工智能发展强大且值得信赖的人工智能技术至关重要,该主题主要包括如下几方面:(1)功能可靠。在特定测试问题中,展现出远超现有常规汇报的能力。(2)能以人类用户可理解的术语充分解释其结论,以支撑决策。(3)机器学习系统不会在训练期间或之后泄露个人信息、侵犯个人隐私。(4)基于人工智能的决策系统不存在对社会有害的偏见。
  • 主题二:机器学习基础该主题将探索关于机器学习理论与应用的通用且严格的准则,重点解决如下部分或所有问题:(1)已有很多成熟的机器学习方法,包括神经网络支持向量机和概率图形模型。这些方法为何起作用?在什么条件下起作用?是否有通用机器学习理论能包含几种或所有的流行方法?(2)机器学习中的大多数研究旨在对事件之间的统计相关性进行建模。为基于模型而采取行动,有必要了解相关性底层的因果关系。研究人员对因果推理与发现的研究兴趣日益增长。如何才能从纯粹的统计关联中了解因果关系并将这两者区别开呢?
  • 主题三:农业和食品系统中的人工智能驱动创新长期以来,农民是创新者的典范,受用户启发而展开生产过程。推进和部署新的人工智能方法与应用可视为对农业生产和食品安全的自然延伸。把变革性的、数据驱动型的研究方法和算法应用于食品和农业部门,将为生产者、劳动力、食品处理与加工、运输与存储、批发与零售销售提供有意义的见解,同时也为消费者提供优质的产品和信息。
  • 主题四:人工智能增强学习该主题重点研究和推动人工智能驱动的创新,以从根本上改善人类学习和教育水平,从而既支持科学、技术、工程与数学(STEM)领域的认知、神经、洞察力和情感感知过程以及具有明确目标的学习成果,同时也支持 STEM 使能领域(如文化素质、自我调节、创造力、好奇心、沟通、协作与社交技能等)。
  • 主题五:促进分子合成与制造的人工智能该主题重点基于人工智能的工具来推动分子发现并确定化学转化途径,支持高效能源和可持续的化学制造。该研究将影响新分子的发现以及现有化学过程的替代方法的开发。其最终用途产品包括:小分子、医药品、特制化学药品、生化药剂、生物材料、高分子、纳米材料以及日用化学品,受其影响的技术则包括:清洁能源技术、先进制造和可持续发展。
  • 主题六:促进物理学发现的人工智能该主题将采用新型技术来解决物理领域中的特定挑战,加快发现并扩展人工智能的前沿领域。重点改善物理部门大型设施的运作和利用,促进异构数据集的集成和解释,加快模型的建立和不确定性问题的量化,并提供新颖的方法来了解复杂数据集的高维特征。

2 美国政府的AI力量

除了 NSF,美国还通过其他力量推动人工智能的部署工作。

美国能源部(DOE)在今年 10 月公布一项重大计划:利用 AI 加速科学发现。美国能源部官员在一次会议上表示,他们很可能会在十年内要求国会拨款 30 亿至 40 亿美元,大致相当于用于建造下一代「亿亿级」超级计算机的费用。「这有助于使美国研究人员保持领先地位。」能源部官员称。

DOE 尚未详细说明具体的计划,但可能包括为国家实验室提供资金,以优化现有的人工智能超级计算机,以及为人工智能计算机体系结构的学术研究提供外部资金。DOE 在推动 AI 与超级计算机方面的作用与 NSF 的计划「相吻合」。

美国国家安全委员会(NSC)11 月 4 日,发布了一份中期报告:建议政府利用全国各地的联邦设施吸引人才来到 AI 中心发展,并为他们提供职业中期奖学金,以激励他们留在学术界。

在美国政界,民主党高层查尔斯·舒默,在公开场合谈到,希望政府给 NSF 设立一个「子公司」,在 5 年内为 AI 基础研究投资 1000 亿美元,并与国防高级研究计划署(DARPA)建立联系。这个提议获得两党的认可,反映了两党人士对人工智能及相关领域日益浓厚的兴趣。

3 国家 AI 战略竞逐

美国不是这场将人工智能部署上升到国家层面的唯一玩家。为了抓住 AI 发展的战略机遇,各国竞相将人工智能计划上升至国家战略层面。

自 2013 年以来,全球已有包括美国、中国、欧盟、英国、日本、德国等在内的 20 余个国家发布人工智能相关战略、规划或重大计划。

目前来看,北美、东亚、西欧成为人工智能最为活跃的地区,其中美国、中国以及欧盟在人工智能领域里的布局相对活跃。

美国可能是全球人工智能的领导者,很大程度上要归功于美国科技巨头的投入。大部分世界领先的 AI 芯片是由英伟达、英特尔、苹果、谷歌和 AMD 等美国公司开发的。谷歌、苹果、亚马逊等企业为此投入数十亿资金。

中国在人工智能领域的布局也毫不示弱。2017 年 7 月,中国颁布《新一代人工智能发展规划》,计划在 2030 年成为全球人工智能创新的主要中心,实现人工智能产值达到 1 万亿人民币,相关行业的总产值达到 10 万亿人民币。同时中国的教育系统加大 AI 人才的培养力度,今年 3 月有 35 所大学获批人工智能本科专业。

目前中国拥有一批世界顶级的人工智能公司,如「四小龙」们在计算机视觉语音识别自然语言处理方面成果斐然。在 AI 芯片研发方面,中国虽不及美国,但差距在缩小。

欧盟表示将不遗余力追赶中国和美国,承诺到 2020 年将在人工智能领域投入 200 亿欧元。

各国纷纷将人工智能「枪支弹药」投入在科技创新领域。其中美国强调将对人工智能研究进行长期投资,以保持美国在这一领域的世界领先地位;欧盟委员会计划将「地平线 2020」等研究和创新项目中的人工智能投入增加 70%,预计在 2018 年至 2020 年间达到 15 亿欧元,并通过公私合作带动额外 25 亿欧元的投资。

在不断加强科技创新的同时,各国也尤为重视数据开放、人才培养等。数据成为人工智能力量的推动力,美国在《为人工智能的未来做好准备》报告提出,将实施「人工智能公开数据」计划,实现大量政府数据集的公开。

人才培养层面,人工智能应用的爆发加剧了人才短缺,因此加强国民教育、在职培训和人才引进成为解决人才缺口的重要手段。

人工智能上升到国家层面时,AI 的价值也在商业、政府和社会之中逐渐被放大,关乎道德、权力、公平、透明、伦理与审查方面的问题也亟需解决。

产业美国政府美国人工智能安全
相关数据
亚马逊机构

亚马逊(英语:Amazon.com Inc.,NASDAQ:AMZN)是一家总部位于美国西雅图的跨国电子商务企业,业务起始于线上书店,不久之后商品走向多元化。目前是全球最大的互联网线上零售商之一,也是美国《财富》杂志2016年评选的全球最大500家公司的排行榜中的第44名。

https://www.amazon.com/
相关技术
英特尔机构

英特尔(NASDAQ: INTC)是全球半导体行业的引领者,以计算和通信技术奠定全球创新基石,塑造以数据为中心的未来。我们通过精尖制造的专长,帮助保护、驱动和连接数十亿设备以及智能互联世界的基础设施 —— 从云、网络到边缘设备以及它们之间的一切,并帮助解决世界上最艰巨的问题和挑战。

https://www.intel.cn/content/www/cn/zh/homepage.html
相关技术
地平线机构

地平线作为嵌入式人工智能全球领导者,致力于提供高性能、低功耗、低成本、完整开放的嵌入式人工智能解决方案。面向智能驾驶、智能城市和智能商业等应用场景,为多种终端设备装上人工智能“大脑”,让它们具有从感知、交互、理解到决策的智能,让人们的生活更安全、更便捷、更美好。

http://www.horizon.ai
因果推理技术

基于因果关系的一类推理方法,是一种常见推理模式,涉及观察到的共同效应的原因的概率依赖性。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

支持向量机技术

在机器学习中,支持向量机是在分类与回归分析中分析数据的监督式学习模型与相关的学习算法。给定一组训练实例,每个训练实例被标记为属于两个类别中的一个或另一个,SVM训练算法创建一个将新的实例分配给两个类别之一的模型,使其成为非概率二元线性分类器。SVM模型是将实例表示为空间中的点,这样映射就使得单独类别的实例被尽可能宽的明显的间隔分开。然后,将新的实例映射到同一空间,并基于它们落在间隔的哪一侧来预测所属类别。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

推荐文章
暂无评论
暂无评论~