研究内容：针对当前神经网络计算模型依赖大量标注样本、鲁棒性和适应性差、可解释性不足、能效比低等固有局 限，研究分析海量大脑皮层范围内的高分辨率响应数据，解析反演神经回路工作机理；受特定神经环路启发，发展具有记忆、稀疏编码等特征的新一代神经网络模型；研究大规模复杂网络的高效学习和计算方法，发展复杂网络泛化性理论；设计具有自纠错能力的神经网络结构，突破自学习、小 样本学习、可解释性等智能新理论与新方法。

研究内容：构建以神经系统可塑性为核心的多脑区协同脉冲神经网络计算模型，建立具备生物合理性和生物可解释性的多尺度脉冲神经网络学习算法，突破多脑区协同视听觉感知-学习-决策等复杂环路神经网络模型，以无人机、机器人等为载体探索自主智能实现途径。

研究内容：聚焦开放、动态、真实环境下推理与决策重大问题，开展常识学习、直觉推理、自主演化、因果分析等理论和方法研究，重点突破刻画环境自适应、不完全推理、自主学习、对抗学习、智能体协同优化等特点的认知计算理 论和算法，在自主智能、群体智能或混合增强智能等智能形 态方面实现应用验证。

研究内容：针对从互联网海量文本、自然标注大数据和多模态关联数据获取开放域知识等问题，研究基于知识图 谱、事理图谱等大规模多元知识的自然语言语义分析方法， 研究兼具逻辑性和艺术表现力的可理解、可解释文本生成方法，研究通过与环境和社会跨模态交互的语言进化计算模 型，突破层次深、鲁棒性强、对稀缺语料适应能力好的中文自然语言理解技术，为认知智能提供通用语言模型和基本工具支撑。

研究内容：研究具有自组织、自学习、自适应、自涌现等特点的机器学习新理论；研究不完全信息下推理决策与演化完善的学习理论；研究具有可解释性的机器学习理论和方法；研究小样本学习、深度强化学习、无监督学习、半监督学习、迁移学习、表征学习等理论和模型；研究量子机器学习、对偶学习、分布式学习、元学习及其它高级机器学习基础理论和方法等。

考核指标：围绕上述研究内容和具体需求场景，形成从数据、模型到算法的理论成果，建立可验证的系统、开源数据、模型和代码等。

研究内容：针对深度学习等模型，研究可信度量方法和安全形式化验证方法，支持复杂智能系统内在结构与行为功能的一致性、可达性、安全性判定；研究包含智能组件的软件系统的模型化开发和验证技术以及基于动态数据收集的 安全认证模型与方法，研制建模、开发与验证一体化工具； 在黑盒与白盒不同场景下，研究基于差分测试、变异测试、动态符号执行测试等软件测试技术的智能系统测试方法和 测试样本的自动生成等关键技术；针对恶意样本等攻击手段，研究具有可扩展性的可认证鲁棒学习模型，研究新型的 对抗实例训练策略及验证问题关系，提高测量防御技术的有效性；研究软硬件一体的安全攸关复杂智能系统的安全验证技术、优化技术和硬件架构安全适配。研究基于验证与测试技术的智能系统全周期安全评估、鲁棒性验证和性能保障技术与方法。

研究内容：聚焦语言大互通的需要，研发以中文为核心的多语种、多模态口语自动翻译技术，重点突破面向数据和 专家资源稀缺的小语种语音及语言技术研发的无监督/弱监 督学习、迁移学习、端到端语音翻译等技术，突破具备场景感知能力的图像光学字符识别、翻译、和图像生成技术，实 现高可用近远场口语语音识别和语音合成技术，以及相关语种到汉语之间的双向互译技术，并完成相应的语音翻译和图片翻译的云服务在智能终端上的应用，实现政务、教育、媒 体、商务、旅游、就医等典型场景的口语自动翻译服务。

研究内容：针对动态、开放的真实交通环境下无人驾驶车辆适应性差、安全性弱等问题，研究人类驾驶员和智能驾驶系统同时在环共享驾驶权的人机共驾方法，实现人在回路的数据、信息、语义及知识等多层次的人机交互与协同；建立人机协同的多模态感知、交互意图理解的计算模型，实现人机一致性的情境理解与预测、决策与控制；研究可解释的 自主决策与可解译的决策过程模型与算法，形成人机冲突机理分析及人机混合决策的在线评估理论与方法；构建人机共驾的云学习平台和支撑环境，实现安全、舒适、敏捷灵活的智能驾驶。

研究内容：针对高动态、不确定、资源受限等复杂环境，面向协同区域搜索、集群优化调度等多任务应用需求，研究无人集群系统的通用/开放式体系架构和建模方法，提升无 人集群系统的场景适应能力和异构无人自主系统间的互操 作能力；研究不确定和资源受限条件下高质量传感数据处 理、共享及多源信息融合技术，提升无人集群系统的分布式 态势感知与认知能力；研究可引导、可信任、可进化的集群无人系统规划、决策与控制技术，提升无人集群系统的鲁棒性和智能化水平；面向灾害救援、环境监测、区域物流、应 急处理等应用场景，进行基于无人集群自主协同的验证。

研究内容：以具有产品型号多样、材质透明反光、尺寸大小不一、质检岗位劳动力密集等特点的典型制造领域为验证场景，研制具有人眼仿生机理的成像系统，针对复杂背景下高效率、高精度、弱对比、多种类的缺陷检测要求，研究 小样本、弱监督条件下具备强适应能力的外观缺陷技能学习关键技术；研究海量工业外观数据的快速重塑映射管理方 法，实现若干典型工业外观数据库的构建；研究知识增长型 的学习模型建立方法，实现甄别技能的在线学习与增强；研究技能迁移学习方法，实现多类别外观的技能高效传授，解决制造行业外观检测环节用工难的行业痛点。

研究内容：面向多源、异构和跨模态复杂社会信息，研究语义融合、网络表征和动态演化的理论框架；提出面向多维度、多尺度社会信息网络的风险感知、智能分析和群体决策的社会计算范式，研究和构建融合全球多语种、跨模态大数据驱动的社会风险机理和分析模型与方法；研究信息网络的实体及关联知识联合提取方法，构建支撑风险评估与智能决策的时序知识图谱，研究复杂社会网络图表征学习框架， 提出领域知识与数据驱动的智能群体决策方法，支持智能决策的自主评价与推演；构建面向重大需求的风险预警、智能分析、群体决策的软硬件一体化大数据计算平台。

研究内容：聚焦海量金融交易数据实时风险防控重大问题，研究建立多领域（股票、期货、债券、上市公司、金融 人物等）金融知识图谱技术；构建实时、动态、可追溯的超 大规模时序关联图及实时智能分析研究，突破面向时序关联图的快速构建、查询语言设计、动态分析以及实时智能决策等关键技术；研究时序关联图的挖掘、推理与归纳以及可解释规则自动生成，重点突破金融实时风控场景下的数据与知识混合驱动的风险预测研究并开展应用验证。通过对互联网金融用户十亿节点级别规模网络构建，并融合相关领域知识图谱，以及复杂异构网络上金融舆情/黑天鹅事件传播预测 及关键节点辨识、推理和控制，达到风险预警及防范目的。

研究内容：聚焦千万教师日常担负大量试卷和作业阅卷工作的减负迫切需求，开展多学科多题型纸笔考试和作业的智能阅卷技术研发，基于教育大数据、跨媒体分析及自然语言理解等，突破面向纸笔考试及作业的复杂版面分析、手写图文及公式识别、作文自动评分、文科答案语义理解评分、理科解题步骤分析评分及抄袭检测等智能阅卷关键技术，实现和教师阅卷能力协作的增强型高可用智能阅卷系统研发。

研究内容：面向电话、在线文本客服及面对面咨询、销售及服务等复杂场景，研究口语化语音识别、拟人语音合成和口语化处理技术；研究基于场景知识图谱的上下文语义解析和检索技术、基于对话管理和知识驱动的多轮对话技术、基于用户画像的个性化反馈对话技术，以及基于对话状态监测的自动反馈应答技术等；研究突破高噪声服务环境下的视听觉环境感知技术，基于语音、五官、表情、手势、肢体语言等多模态用户意图识别技术，基于语言及视觉的多模态知识表达与推理技术，突破真实场景下跨模态的多媒体及语义理解；研究用户情感感知与个性化智能服务技术，以用户体验为中心的人机协同智能用户服务技术；研究低资源场景下的迁移学习技术，研究解决对新场景系统冷启动等问题；构建具备反馈式学习能力的开放式智能客服平台，实现面向全领域可定制的对话理解。

研究内容：针对在线教育存在情境多变难感知、用户体验难适配、认知过载易迷航等难题，研究虚实结合的体验式、 沉浸化学习环境。研究学习行为分析、意图理解、认知状态追踪等学习认知模型，实现学习认知过程的多维度、跨学科跟踪；综合多模态人机交互、知识图谱、强化学习等方法， 研究面向个性化伴学的智能导学方法，打通学习规划-内容推荐-辅导答疑等环节，构造因材施教的虚拟智能助教和导师；研究基于人机混合智能的群体化学习组织、激励、评测、 辅导和优化方法，建立支撑群体化课程学习和在线实践的智能平台;研究混合增强在线教学质量综合分析和优化方法。

研究内容：通过服务机器人、物理环境、运动目标等持续交互式学习建模，研究复杂家庭环境下服务机器人数字孪生系统；通过事件驱动机制（如智能抓取、多模感知、柔性交互、敏捷家政等）和虚实融合，实现持续高效的进化训练， 实现大规模智能实验模拟和智能增长；研究基于“感知—分析—决策—反馈”的多服务机器人群体智能，实现多个服务机器人自主协作；研究服务机器人决策行为评估、遂行任务效果的全过程评价方式，建设相关评价标准和过程评估体系。

研究内容：聚焦生物脑工作机理的可计算模型实现，开展信息存储与处理一体化理论研究，设计易于硬件实现的神经元、突触及网络模型；研究基于硬件的神经网络动态配置、 神经元地址快速并行查找和在线学习技术，设计新型神经形态计算架构；研究应用于神经形态芯片的新型器件及其集成技术。突破混合器件集成的大规模神经形态芯片技术，构建神经形态芯片与现有计算机系统结合的混合计算应用平台。

研究内容：针对工业互联网开放环境下、复杂制造过程调度面临的大规模异构制造资源高度动态不确定性等问题， 研究基于全类型数据处理和领域知识深度迁移的复杂制造任务自适应感知与调度方法；研究面向制造云端与边缘侧动态协同的异构制造资源高效调度方法；研究大规模跨组织、强耦合、不确定性制造应用流程协同优化调度方法；突破异构制造系统自适应集成技术、大规模制造资源协同云排产技术；研制面向工业互联网开放环境的智能制造资源云平台，提升制造过程整体效率，提高关键高价值设备利用率，给工业企业降本增效，面向高端装备、汽车等典型离散制造业， 在资源协同、协同设计、协同生产等典型场景开展应用研究。

研究内容：围绕制造业全产业链中供研产销服等核心业务环节，面向多源异构、跨媒体、多学科的工业数据（结构化、半结构化、非结构化），研究传统工业物理机理、模型机理和专家经验的知识表达范式理论；研究基于常识和专业知识图谱的工业跨媒体、多学科知识抽取、融合、验证、迁移、演化和表示学习技术；研究面向全产业链协同工作流的情境自适应知识索引、推理、推荐、可视交互决策技术；研制工业知识抽取与推理引擎，建立工业领域知识开放共享平台，面向智能制造供应链、研发设计、生产制造、经营管理、客户服务等典型业务领域开展智能决策应用研究。

研究内容：针对临床诊疗中信息负载高、医生重复劳动强度大、错误易发等问题，研发智能医生助理系统。研究复杂异构高维动态数据的呈现技术，实现患者信息的全景呈 现；面向诊疗，研究多尺度、多模态信息的融合分析技术； 突破医学知识图谱自动生成技术，实现从大规模临床数据向医疗知识的转化。面向临床重点科室，在智能分级导诊、辅助诊断、辅助治疗、电子病历辅助录入及质控、患者共决策与随访等环节开展应用。

研究内容：面向肿瘤多学科辅助诊疗，研究跨模态医学影像的综合分析技术，提高肿瘤治疗的精准性及全面性。研究影像数据的多维度、跨模态检索与匹配技术，为医学循证提供依据，支撑临床最佳治疗方案的决策；研究可解释跨模态推理技术，通过对推理不确定性建模，优化跨模态融合和人机分工；围绕癌症诊疗过程，构建医学循证、精确诊断、预后预测、疗效监控等模型；针对原发性与继发性肿瘤的诊治开展临床验证，提升临床决策效率和精准率。

研究内容：聚焦智慧医院建设，研究医疗行为的多模态感知并通过人机协同实现医疗流程的智能化。研究医疗行为的多维度感知关键技术，重点突破医疗行为时空特征表达、医疗行为细粒度识别、医疗行为操作合规性评估；研究高精度力觉机器手臂辅助应用，突破复杂应用场景下的人机协同关键技术，实现医务人员操作流程优化；研究全方位监测不同患者生活习惯、饮食特征、运动模式、作息规律、精细行为等对医疗结局的影响，为科学的行为干预提供依据。