上级规划
您现在所在的位置: 首页 >> 发展规划 >> 上级规划 >> 正文

高等学校人工智能创新行动计划(摘编)

来源:       发布日期:2019-11-27     浏览数:    分享到:


前沿创新

1.强化人工智能基础理论研究。在自主学习、直觉认知和综合推理等方面取得重要进展,突破逻辑推导、知识驱动和从经验中学习等人工智能方法的难点问题,建立解释性强、数据依赖灵活、泛化迁移能力强的人工智能理论新模型和方法,形成从数据到知识、从知识到决策的能力。

2.加强人工智能核心关键技术研究。围绕知识计算、跨媒体分析推理、群体智能、混合增强智能、自主无人系统等核心技术攻关,推进人工智能专用芯片、软件和硬件之间的协同,形成终端和云端之间协同的人工智能服务能力。

3.促进人工智能的技术体系构建。在类脑智能、自主智能、混合智能和群体智能等核心技术取得突破的基础上,重点提升跨媒体推理能力、群智智能分析能力、混合智能增强能力、自主运动体执行能力、人机交互能力,促进以算法为核心、以数据和硬件为基础的稳定成熟的人工智能技术体系的构建。

4.加强人工智能协同创新和战略研究。在人工智能基础理论、多元空间安全、知识服务、互联网金融、减灾防灾、社会精细管理、健康保障与疾病防护、科学化脱贫等方面推进协同创新;建设若干高水平人工智能科技智库,支持开展重大科技战略与政策研究,为社会经济发展提供理论支撑和战略指导,回应社会热点关切。

人才培养

1.加快人工智能领域学科建设。支持高校在计算机科学与技术学科设置人工智能学科方向,深入论证并确定人工智能学科内涵,完善人工智能的学科体系,推动人工智能领域一级学科建设。

2.加强人工智能领域专业建设。推进“新工科”建设,形成人工智能+X”复合专业培养新模式,到2020年建设100人工智能+X”复合特色专业;推动重要方向的教材和在线开放课程建设,到2020年编写50本具有国际一流水平的本科生和研究生教材、建设50门人工智能领域国家级精品在线开放课程;在职业院校大数据、信息管理相关专业中增加人工智能相关内容,培养人工智能应用领域技术技能人才。

3.加强人工智能领域人才培养。加强人才培养与创新研究基地的融合,完善人工智能领域多主体协同育人机制,以多种形式培养多层次的人工智能领域人才;到2020年建立50家人工智能学院、研究院或交叉研究中心,并引导高校通过增量支持和存量调整,加大人工智能领域人才培养力度。

4.构建人工智能多层次教育体系。在中小学阶段引入人工智能普及教育;不断优化完善专业学科建设,构建人工智能专业教育、职业教育和大学基础教育于一体的高校教育体系;鼓励、支持高校相关教学、科研资源对外开放,建立面向青少年和社会公众的人工智能科普公共服务平台,积极参与科普工作。

科技成果转化与示范应用

1.推动智能教育应用示范。加快推进人工智能与教育的深度融合和创新发展,研究智能教育的发展策略、标准规范,探索人工智能技术与教育环境、教学模式、教学内容、教学方法、教育管理、教育评价、教育科研等的融合路径和方法,发展智能化教育云平台,鼓励人工智能支撑下的教育新业态,全面推动教育现代化。

2.推动智能制造应用示范。实现智能制造中设计、生产、试验、保障、管理和服务于一体的产业链全生命周期智能化,研发新型智能传感器件、突破智能控制装备难点问题、部署智能制造云,建设泛在互联、数据驱动、知识引导、共享服务、自主智慧、万众创新的新生态系统,推进新一代人工智能与智能制造的深度融合。

3.推动智能医疗应用示范。针对人口老龄化、传染病与慢病、出生缺陷和生育障碍等主要健康问题,突破多模态流式健康大数据的分析与理解的瓶颈问题,促进非完全信息条件下综合推理、人机交互辅助诊断、医学知识图谱构建等技术在医疗领域高效融合,推动医学领域大数据与其他领域大数据的深度融合,搭建具有识别、判别、筛选和推理等功能的智能医疗人工智能辅助系统和创新服务云平台,增强智能医疗供给能力。

4.推动智能城市应用示范。基于泛在汇聚和智能感知技术,实现对城市生态要素和城市复杂系统的全面分析和深度理解;基于综合推理、知识计算引擎和群体智能等核心技术,构建城市典型智能应用系统,深度推进城市运行管理高水平决策,推动城市大数据平台建设,构建智能城市精细管理、知识发现和辅助决策的支撑体系,在环境、政务、便民等方面构建领域智能产品和系统。

5.推动智能农业应用示范。推动互联网、大数据、云计算和物联网等信息技术与现代生物技术、营养与健康、智能装备技术等深度融合,突破农业动植物信息感知、解析与智能识别、农业跨媒体数据挖掘分析、农业人机混合智能交互与虚拟现实、农业群体智能决策和农业人机物协同等关键技术,协同构建绿色化、高效化、智能化、多功能化的未来农业模式和示范基地。

6.推动智能金融应用示范。围绕“互联网+”战略在金融领域实施过程中的新问题和新需求,基于全息金融大数据,构建符合我国国情的宏观金融决策模型,突破金融内在的发展规律与外在社会环境之间的约束;基于银行、证券、网络等金融数据,利用深度学习等核心智能技术进行挖掘与分析,构建基于行业与领域的复杂金融指令模型;基于金融大数据的空间属性、时间属性及个体行为属性,利用知识图谱、推理计算等模型,准确实现金融风险防控、信用评估、态势演化等。

7.推动智能司法应用示范。促进法学类院校和相关学科与人工智能学科的结合,充分应用文本分析、语音识别、机器学习、知识图谱等技术,基于大规模历史司法数据、互联网数据和其他关联数据,研制智慧检务和智慧法务系统,研发自动案件线索发现、智能定罪和辅助量刑、自动文书生成、自动法律问答、智能庭审等智能辅助工具,在法院和检察院进行应用示范,进而提高办案人员工作效率,提高案件审理的规范性和准确性。

(来源:教育部网站,201843日)


返回顶部
常用链接:
设为首页| 加入收藏