供稿人：田倩飞
2019年10月，美国国家科学基金会（NSF）发布“国家人工智能研究院”项目指南，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。“国家人工智能研究院”项目将按“计划”和“研究院”两类来开展。
“计划”类项目重点关注基础和激发应用型研究，将获得为期2年、总额50万美元的资助，使团队能通过各样化、持续的活动，推动社区发展，并提升研究院的运作能力。预期的“计划”类活动形式包括研讨会、合作伙伴关系建立、初步研究和分析以及利益相关者参与等，此外，也鼓励采用新颖的活动形式来推进项目。
“研究院”类项目将获得为期4至5年，总额1600至2000万美元的资助，必须包括如下一项或多项主题：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。
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。
声明：本文来自新一代信息科技战略研究中心，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
