成为自科基金一级学科两年,人工智能项目的申请情况与趋势

2018年,国家自然科学基金委首次设立了人工智能一级代码 (F06), 集中受理人工智能领域及相关交叉学科领域的基础理论、基本方法和关键技术研究项目。2020年,国家自然科学基金信息科学部对F06代码进行了梳理,原三级代码下沉为研究方向。同时,面向学科规划和交叉领域发展,F06增设了“复杂性科学与人工智能理论”“模式识别与数据挖掘”以及“交叉学科中的人工智能问题”三个新二级代码。

该学科申请基金情况到底如何?最近,来自国家自然科学基金信息科学部、江苏科技大学、西北工业大学等单位的学者团队总结分析了近年来人工智能学科申请/资助情况,并发表于《自动化学报》。文章显示,近三年来,F06面上项目、青年项目、地区项目和重点项目这四类项目的申请总量呈现逐年递增趋势,分别为2555项、2746项、3102项, 较前一年同比增幅为7.48%、12.96%,反映出人工智能学科在信息领域内的重要度和持续的关注度, 为信息科学的快速发展提供了良好的基础理论支撑。

近两年来,从面上和青年项目中依托单位的申请资助情况横向来看,以传统信息学科为优势学科的“985”“211”高校为主, 如电子科技大学、西安电子科技大学、哈尔滨工业大学、国防科技大学等。同时,一些新的特征也呈现出来: 例如广东工业大学和深圳大学在内的地方高校在项目申请和获资助上成绩斐然, 主要得益于所在地区的经济表现以及在人工智能领域的强大产业需求和财政方面的大力投入。

表8和表9为人工智能地区项目依托单位的申请和资助情况, 受制于地区基金所资助区域教育、科技资源的相对薄弱, 依托单位的分布也表现出相当的集中性。

表10和表11为人工智能重点项目依托单位的申请和资助情况, 受制于重点项目的体量和难度, 排名前五的高校基本以老牌“985” 高校为主, 人工智能重点项目的资助趋向于一定的集中度。同时一些综合性“985” 高校表现抢眼, 例如北京大学、天津大学、清华大学等, 这表明国内综合性一流大学也在逐步加强人工智能学科的建设, 并在项目申请和资助上表现出较强的竞争力, 这也说明人工智能领域项目的综合性和交叉性。

从总体上看,近两年, 参与人工智能领域面上项目、青年项目、地区项目和重点项目等申报的依托单位均保持高位。横向对比两年申请的数据, 绝大部分统计指标都在稳步增长, 这也反映了依托单位 (受资助层面), 对人工智能学科的关注热度。横向对比两年的资助数据, 基金委 (资助层面) 对于青年项目和地区项目的资助覆盖面在扩大, 而面上项目, 特别是重点项目的资助越来越趋于集中。

此外,从申请资助代码分布来看,纵向上, 面上项目资助率较高的二级代码为F0601(人工智能基础)、F0604(机器感知与机器视觉)、F0605(模式识别与数据挖掘)和F0606(自然语言处理);青年项目资助率较高的二级代码为F0601 (人工智能基础)、F0603 (机器学习)、F0604-F0609 (机器感知与机器视觉、模式识别与数据挖掘、自然语言处理、知识表示与处理、智能系统与人工智能安全、认知与神经科学启发的人工智能); 地区项目资助率较高的二级代码为F0601 (人工智能基础)。

横向来看, 2018 2020年度面上项目一直保持增长趋势的二级代码为F0608 (智能系统与人工智能安全);青年项目一直保持增长趋势的二级代码为F0605 (模式识别与数据挖掘)以及F0606 (自然语言处理)。资助率较高和保持稳定增长趋势的二级代码所对应人工智能研究方向的热度也较高。

研究强调,加大交叉融合研究项目的资助力度,一直都是基金委改革的重要方向之一。在人工智能学科方面,一个是人工智能与化学的交叉。2035年战略目标:智能的化学专家系统在化学与材料合成得到全面应用,实现化学材料逆向设计。发展新的人工智能算法,获得对化学图像的更深理解,发现新的化学规律和规则,构建出人工智能时代的化学语言,准确描述从化学结构的底层数据到应用性能指标之间的数学映射关系。

另一个是人工智能与生物学的交叉。2035年战略目标:基本建成可全面应用于生物学研究的人工智能技术体系。实现人工智能在结构生物学、细胞生物学、整合生理学与病理生理学、精准医疗和生物制药领域的全面应用,产生一系列重大技术突破和技术成果。利用人工智能深入探索生命本质问题,形成以人工智能生物学为研究技术内核的全新生物学研究范式。给出生命是什么的全新理论性描述,明确针对生命本质问题的研究方向,并能够清晰描述该方向研究能产生的理论和技术成果。

研究还根据国家十四五规划的整体布局, 在国家自然科学基金资助框架下, 就人工智能学科, 提出了信息学科发展战略和科学部优先发展领域:

安全可信人工智能基础理论。其中包括:大型知识库、常识库和跨模态知识库自动构建、表示与推理方法;领域知识、常识知识以及跨模态知识等支持下的逻辑推理、因果推断和博弈对抗等方法;自主完成复杂操作任务的通用智能本体理论框架和软硬件协议;人机混合增强智能的基础理论和方法;自主学习和模型进化等能力的新型学习范式和方法;人工智能赋能的教育信息科学与技术的基础理论和方法。

类脑模型与类脑信息处理。其中包括:复杂、动态环境的智能视觉传感器及高性能机器视觉系统技术;视听感知等生物智能对应脑区神经网络的精细解析、模拟和建模;类脑智能的自然环境感知与精确描述、理解和自主决策能力;大脑视觉智能和CMOS芯片功能验证;大脑信息处理和认知机制;类脑计算开源体系;视听觉等典型生物智能的技术验证。

此外,针对国家“十四五”规划的统一部署, 以及2021 2035年科学基金中长期发展规划的具体要求,国家自然科学基金委信息科学部设立了《工业信息物理系统基础理论与关键技术》和《可信人工智能理论、模型与系统》两个重点项目群。其中,后者下设5个具体的研究方向, 拟资助5个重点项目,分别为:1)面向复杂性问题的可解释深度学习框架和模型(F0601/F0602);2)融合人类认知机制与介观尺度知识表征的新型机器学习理论与方法(F0603);3)融合领域知识、常识的跨模态多粒度不确定性推理模型与方法(F0601);4)环境自适应、双向可理解人机群体智能协同理论与方法(F0608);5)基于区块链技术的可信人工智能验证模型与测试平台(F0608)。

希望此文能对人工智能学科领域的研究者提供一些借鉴和参考。


相关文章