2021 年度NSFC 人工智能學(xué)科基金項(xiàng)目申請資助情況及學(xué)科發(fā)展展望

吳國政，肖斌,2，趙瑞珍，陳廳

（1.國家自然科學(xué)基金委員會 信息科學(xué)部,北京 100085;2.重慶郵電大學(xué) 計算機(jī)科學(xué)與技術(shù)學(xué)院,重慶 400065）

1 人工智能學(xué)科項(xiàng)目申請資助總體情況

國家自然科學(xué)基金委（National Natural Science Foundation of China,NSFC）2017 年對學(xué)科代碼進(jìn)行調(diào)整，單獨(dú)設(shè)立了人工智能一級學(xué)科代碼（F06），2018 年開始受理各類項(xiàng)目申請。人工智能學(xué)科強(qiáng)調(diào)圍繞人工智能領(lǐng)域的核心科學(xué)問題與關(guān)鍵技術(shù)，進(jìn)行原創(chuàng)性、基礎(chǔ)性、前瞻性和交叉性研究；支持各領(lǐng)域的科研人員交叉合作，共同探索人工智能領(lǐng)域中的新概念、新理論、新方法和新技術(shù)。還特別鼓勵和支持科研人員研究有顛覆性的、有重要應(yīng)用需求的問題。具體受理和支持的領(lǐng)域包括人工智能基礎(chǔ)、復(fù)雜性科學(xué)與人工智能理論、機(jī)器學(xué)習(xí)、機(jī)器感知與機(jī)器視覺、模式識別與數(shù)據(jù)挖掘、自然語言處理、知識表示與處理、智能系統(tǒng)與人工智能安全、認(rèn)知與神經(jīng)科學(xué)啟發(fā)的人工智能、交叉學(xué)科中的人工智能問題等方向的理論方法與關(guān)鍵技術(shù)研究。本文詳細(xì)分析了人工智能學(xué)科2021 年度國家自然科學(xué)基金項(xiàng)目的申請、資助情況，并對人工智能的學(xué)科發(fā)展提出了若干展望。

1.1 面上、青年、地區(qū)科學(xué)基金項(xiàng)目情況

2021 年度信息科學(xué)部二處人工智能學(xué)科（學(xué)科代碼F06）收到面上、青年科學(xué)基金和地區(qū)科學(xué)基金項(xiàng)目申請總計3 061 項(xiàng)。如表1 所示，面上、青年科學(xué)基金和地區(qū)科學(xué)基金項(xiàng)目申請分別為1 535 項(xiàng)、1 190 項(xiàng)和336 項(xiàng)，獲資助項(xiàng)數(shù)分別為273項(xiàng)、290 項(xiàng)和50 項(xiàng)，資助率分別為17.79%、24.37%和14.88%。

表1 2021 年度人工智能學(xué)科（F06）面上、青年科學(xué)和地區(qū)科學(xué)基金項(xiàng)目申請與資助情況Table 1 The funding situations of general program,young scientists fund and fund for less developed regions of F06 in 2021

1.2 重點(diǎn)項(xiàng)目情況

2021 年度，信息科學(xué)部共發(fā)布了8 個重點(diǎn)項(xiàng)目群（計41 個研究方向）和72 個重點(diǎn)項(xiàng)目立項(xiàng)領(lǐng)域，F(xiàn)06 代碼下有1 個重點(diǎn)項(xiàng)目群（5 個研究方向）和6 個重點(diǎn)項(xiàng)目立項(xiàng)領(lǐng)域。F06 代碼下收到重點(diǎn)項(xiàng)目申請47 項(xiàng)，根據(jù)通信評議結(jié)果，10 個項(xiàng)目獲得上會答辯資格。經(jīng)過專家會議評審，2021 年度F06 共資助重點(diǎn)項(xiàng)目8 項(xiàng)。表2 統(tǒng)計了2018 年以來F06 代碼下重點(diǎn)項(xiàng)目的申請與資助情況。表3為2018 年以來F06 各二級代碼下的重點(diǎn)項(xiàng)目資助情況。通過對2018 年以來F06 代碼下資助的重點(diǎn)項(xiàng)目情況進(jìn)行統(tǒng)計分析，F(xiàn)06 代碼共資助重點(diǎn)項(xiàng)目52 項(xiàng)，獲資助項(xiàng)數(shù)排名前3 位的二級代碼分別為“F0609—認(rèn)知與神經(jīng)科學(xué)啟發(fā)的人工智能”“F0603—機(jī)器學(xué)習(xí)”“F0604—機(jī)器感知與機(jī)器視覺”和“F0608—智能系統(tǒng)與人工智能安全”（與F0604 并列）。

表2 2018 年以來F06 代碼下重點(diǎn)項(xiàng)目申請與資助情況Table 2 The funding situations of key program of F06 since 2018

表3 2018 年以來F06 各個二級代碼下重點(diǎn)項(xiàng)目資助情況Table 3 The funding situations of key program under different second-level application code of F06 since 2018

1.3 優(yōu)秀青年科學(xué)基金項(xiàng)目情況

2021 年度F06 代碼下收到優(yōu)秀青年科學(xué)基金項(xiàng)目申請84 項(xiàng)，獲資助8 項(xiàng)。表4 統(tǒng)計了2018年以來F06 代碼下優(yōu)秀青年科學(xué)基金項(xiàng)目的資助情況。近年來，F(xiàn)06 代碼受理青年項(xiàng)目共計346項(xiàng)，資助29 項(xiàng)，獲資助項(xiàng)數(shù)排名前3 位的二級代碼分別為：“F0604—機(jī)器感知與機(jī)器視覺”“F0606—自然語言處理”“F0603—機(jī)器學(xué)習(xí)”和“F0605—模式識別與數(shù)據(jù)挖掘”（與F0603 并列）。2018 年以來F06 各二級代碼下優(yōu)秀青年科學(xué)基金項(xiàng)目資助情況見表5。

表4 2018 年以來F06 代碼下優(yōu)秀青年科學(xué)基金項(xiàng)目申請與資助情況Table 4 The funding situations of excellent young scientists fund of F06 since 2018

表5 2018 年以來F06 各二級代碼下優(yōu)秀青年科學(xué)基金項(xiàng)目資助情況Table 5 The funding situations of excellent young scientists fund under different second-level application code of F06 since 2018

2 人工智能學(xué)科項(xiàng)目申請與資助高校分布情況

2021 年度人工智能學(xué)科申報面上項(xiàng)目、青年科學(xué)基金和地區(qū)科學(xué)基金項(xiàng)目的依托單位數(shù)量分別為432、448 和90 家，與2020 年度同類項(xiàng)目相比，申報面上項(xiàng)目依托單位數(shù)量減少13 家，申報青年科學(xué)基金依托單位保持不變，申報地區(qū)科學(xué)基金依托單位增加1 家。2021 年度人工智能學(xué)科獲得面上、青年科學(xué)基金和地區(qū)科學(xué)基金項(xiàng)目資助的依托單位數(shù)量分別為154、181 和34 家，與2020 年度同類項(xiàng)目相比，獲資助面上項(xiàng)目、青年科學(xué)基金和地區(qū)科學(xué)基金項(xiàng)目依托單位分別減少3、8 和6 家。

2021 年度人工智能學(xué)科申報和獲資助面上項(xiàng)目、青年科學(xué)基金和地區(qū)科學(xué)基金項(xiàng)目數(shù)量排名前五的依托單位如表6 和表7 所示?？梢钥闯?，申報和獲資助面上、青年科學(xué)基金項(xiàng)目數(shù)量排名前五的依托單位大部分是以傳統(tǒng)信息學(xué)科為優(yōu)勢學(xué)科的雙一流高校和研究所，如電子科技大學(xué)、西安電子科技大學(xué)、上海交通大學(xué)、哈爾濱工業(yè)大學(xué)、中國科學(xué)院自動化研究所等。從地區(qū)科學(xué)基金項(xiàng)目的申報和獲資助單位排名情況來看，受制于地區(qū)基金所資助區(qū)域的教育、科技資源相對薄弱，依托單位的分布表現(xiàn)出一定的集中性。

表6 2021 年度F06 代碼下面上、青年科學(xué)基金、地區(qū)科學(xué)基金項(xiàng)目申請數(shù)排名前五的依托單位Table 6 The top-5 host institutions applying general program,young scientists fund and fund for less developed regions of F06 in 2021

表7 2021 年度F06 代碼下面上、青年科學(xué)基金和地區(qū)科學(xué)基金項(xiàng)目資助數(shù)排名前五的依托單位Table 7 The top-5 host institutions approved general program,young scientists fund and fund for less developed regions of F06 in 2021

3 人工智能學(xué)科項(xiàng)目申請與資助代碼分布

2021 年度F06 各二級代碼下面上、青年科學(xué)基金和地區(qū)科學(xué)基金項(xiàng)目申請與資助情況如表8所示?？梢钥闯觯暾埡瞳@資助面上、青年科學(xué)基金和地區(qū)科學(xué)基金項(xiàng)目數(shù)較高的二級代碼為“F0604—機(jī)器感知與機(jī)器視覺”“F0610—交叉學(xué)科中的人工智能問題”“F0603—機(jī)器學(xué)習(xí)”和“F0605—模式識別與數(shù)據(jù)挖掘”等，與人工智能領(lǐng)域的熱門方向相對應(yīng)。但在“F0602—復(fù)雜性科學(xué)與人工智能理論”“F0607—知識表示與處理”“F0608—智能系統(tǒng)與人工智能安全”和“F0609—認(rèn)知與神經(jīng)科學(xué)啟發(fā)的人工智能”等二級代碼上的申請數(shù)量偏低，這說明人工智能領(lǐng)域的科研人員在圍繞人工智能基礎(chǔ)理論和類腦智能等新型技術(shù)方面的研究還有待進(jìn)一步提升。

表8 2021 年度F06 各二級代碼下面上、青年科學(xué)基金和地區(qū)科學(xué)基金項(xiàng)目申請與資助情況Table 8 The funding situations of general program,young scientists fund and fund for less developed regions under different second-level application code of F06 in 2021

續(xù)表8

4 人工智能學(xué)科項(xiàng)目分類評審試點(diǎn)情況

2021 年度F06 代碼下的重點(diǎn)、面上、青年科學(xué)基金和地區(qū)科學(xué)基金項(xiàng)目均開展了基于科學(xué)問題屬性的分類申請與評審機(jī)制?？茖W(xué)問題屬性A—鼓勵探索，突出原創(chuàng)；科學(xué)問題屬性B—聚焦前沿，獨(dú)辟蹊徑；科學(xué)問題屬性C—需求牽引，突破瓶頸；科學(xué)問題屬性D—共性導(dǎo)向，交叉融通[1-2]。

表9 列出了2021 年度F06 代碼下重點(diǎn)、面上、青年科學(xué)基金和地區(qū)科學(xué)基金項(xiàng)目科學(xué)問題屬性分布情況。這3 類項(xiàng)目的資助數(shù)在科學(xué)問題屬性上的分布特性與申請數(shù)一致，B 類和C 類科學(xué)問題屬性的申請與資助數(shù)明顯多于A 類和D類，A 類科學(xué)問題屬性的數(shù)量最少。由于人工智能學(xué)科具有一定的交叉特色，D 類科學(xué)問題屬性的項(xiàng)目申請數(shù)占比較其他學(xué)科略高，但申請數(shù)和資助數(shù)還是要明顯低于B 類和C 類。申請和獲資助重點(diǎn)項(xiàng)目的各類科學(xué)問題屬性滿足類似分布。因此，如何在國家自然科學(xué)基金委資助架構(gòu)下，加強(qiáng)人工智能基礎(chǔ)理論的原創(chuàng)探索研究和其他方向的深度交叉融合研究是亟待解決的問題。

表9 2021 年度F06 代碼下重點(diǎn)、面上、青年科學(xué)基金和地區(qū)科學(xué)基金項(xiàng)目科學(xué)問題屬性分布Table 9 The distribution of different scientific attributes of key program,general program,young scientists fund and fund for less developed regions of F06 in 2021

5 人工智能學(xué)科原創(chuàng)探索計劃項(xiàng)目申請資助情況

為深入貫徹落實(shí)《國務(wù)院關(guān)于全面加強(qiáng)基礎(chǔ)科學(xué)研究的若干意見》《關(guān)于深化項(xiàng)目評審、人才評價、機(jī)構(gòu)評估改革的意見》中關(guān)于提升原始創(chuàng)新能力、探索建立對重大原創(chuàng)項(xiàng)目等的非常規(guī)評審機(jī)制的要求，進(jìn)一步引導(dǎo)和激勵科研人員投身原創(chuàng)性基礎(chǔ)研究工作，加速實(shí)現(xiàn)前瞻性基礎(chǔ)研究、引領(lǐng)性原創(chuàng)成果重大突破[3]，國家自然科學(xué)基金委2020 年設(shè)立了原創(chuàng)探索計劃項(xiàng)目[4]。該類項(xiàng)目分為專家推薦申請和指南引導(dǎo)申請兩種類型，在資助方式、申請模式和評審方式上引入了新機(jī)制，如無申請資格限制、靈活的資助期限和資助強(qiáng)度、預(yù)申請和正式申請均采用雙盲評審方式等。

根據(jù)國家自然科學(xué)基金原創(chuàng)探索計劃項(xiàng)目實(shí)施方案，進(jìn)一步強(qiáng)化原始創(chuàng)新，推動學(xué)科交叉，積極應(yīng)對科學(xué)研究范式變革，2020 年人工智能學(xué)科設(shè)立了“面向復(fù)雜對象的人工智能理論基礎(chǔ)研究”指南引導(dǎo)類原創(chuàng)探索計劃項(xiàng)目。主要資助方向?yàn)閺?fù)雜數(shù)據(jù)感知、復(fù)雜系統(tǒng)構(gòu)建、復(fù)雜行為智能分析；旨在聚焦人工智能可解釋性問題，結(jié)合諸如深時數(shù)字地球大科學(xué)計劃、煤和石油的高效潔凈綜合利用等各領(lǐng)域國家重大戰(zhàn)略需求，通過探討復(fù)雜系統(tǒng)的多層次、多尺度耦合關(guān)聯(lián)機(jī)制以及動態(tài)時空結(jié)構(gòu)，發(fā)展內(nèi)嵌底層邏輯和物理內(nèi)涵、融合復(fù)雜性科學(xué)和多尺度分析的人工智能新的理論體系，從系統(tǒng)科學(xué)角度建立大數(shù)據(jù)的精準(zhǔn)認(rèn)知和智能學(xué)習(xí)方法，為新一代基于復(fù)雜性的可解釋精準(zhǔn)智能提供理論基礎(chǔ)。

2020 年度人工智能學(xué)科共收到144 項(xiàng)指南引導(dǎo)類和21 項(xiàng)專家推薦類原創(chuàng)探索計劃項(xiàng)目申請，經(jīng)預(yù)申請書雙盲通訊評審、正式申請書雙盲通訊評審、專家會議評審等環(huán)節(jié)，最終6 項(xiàng)指南引導(dǎo)類和1 項(xiàng)專家推薦類原創(chuàng)探索計劃項(xiàng)目獲得資助，并在獲資助1 年后進(jìn)行考核視項(xiàng)目執(zhí)行與突破情況決定是否滾動支持。2021 年度人工智能學(xué)科共收到7 項(xiàng)專家推薦類原創(chuàng)探索計劃項(xiàng)目申請，預(yù)計在2021 年底完成該類項(xiàng)目的所有評審與資助環(huán)節(jié)。從原創(chuàng)探索計劃項(xiàng)目近2 年的申請與資助情況上看，申請人在提出原創(chuàng)學(xué)術(shù)思想、開展探索性與風(fēng)險性強(qiáng)的原創(chuàng)性基礎(chǔ)研究工作方面還有待加強(qiáng)，扭轉(zhuǎn)“跟蹤多、原創(chuàng)少”的被動局面，引領(lǐng)性原創(chuàng)成果重大突破是人工智能領(lǐng)域的廣大管理人員和一線科研工作人員亟待重視的問題。

6 2021 年度人工智能學(xué)科基金項(xiàng)目評審原則與舉措

負(fù)責(zé)任、講信譽(yù)、計貢獻(xiàn)評審機(jī)制[1,3]2021 年度F06 代碼下的所有面上項(xiàng)目采用負(fù)責(zé)任、講信譽(yù)、計貢獻(xiàn)（responsibility,credibility,contribution,RCC）的評審機(jī)制。鼓勵評審專家認(rèn)真負(fù)責(zé)對申請書進(jìn)行評審，做出科學(xué)的判斷；對評審專家的評審效果和公正性進(jìn)行統(tǒng)計，包括評審的準(zhǔn)確率和反饋意見的及時性和說服力等；鼓勵評審專家在評審申請書過程中，盡可能對申請人的工作提出有價值的建議，特別是提出重要的學(xué)術(shù)思想。

代表作規(guī)范標(biāo)注工作2021 年度通訊評審過程中，人工智能學(xué)科進(jìn)行了代表作標(biāo)注規(guī)范核查工作，對F06 代碼下所受理的面上、青年科學(xué)基金和地區(qū)科學(xué)基金項(xiàng)目代表作開展核查工作。對非第一作者標(biāo)成第一作者、非通訊作者標(biāo)成通訊作者、漏了其他作者標(biāo)成獨(dú)立作者、未列作者4種情況進(jìn)行嚴(yán)格把關(guān)并建議不予資助。F06 學(xué)科后續(xù)將進(jìn)一步加大代表作標(biāo)注規(guī)范核查力度，提醒科研人員在科研工作中一定要恪守科研誠信、嚴(yán)格按成果標(biāo)注規(guī)范填寫，如實(shí)體現(xiàn)自己的貢獻(xiàn)。

相似度核查工作[3]2021 年通訊評審過程中，人工智能學(xué)科對F06 代碼下所有面上、青年科學(xué)基金和地區(qū)科學(xué)基金項(xiàng)目申請書進(jìn)行相似度核查。若遇到本年度受理的申請書和往年未資助的申請書相似度大于40%，且申請人不同，則與相關(guān)申請人聯(lián)系并要求出具知情同意書，如被聯(lián)系人表示不知情，則對已受理的申請人按照相關(guān)規(guī)定處理。若本年度受理的申請書與已獲資助的申請書相似度高于40%，則將相關(guān)材料整理到會議評審現(xiàn)場，請會議評審專家們綜合評價并作決議。

優(yōu)先資助情況為落實(shí)中央精神，人工智能學(xué)科在2021 年度對F06 代碼下的“F0608—智能系統(tǒng)與人工智能安全”方向上的項(xiàng)目在同等情況下予以優(yōu)先資助。

7 總結(jié)與展望

根據(jù)國家“十四五”規(guī)劃的整體布局，在國家自然科學(xué)基金資助框架下，就人工智能學(xué)科，提出了如下信息學(xué)科發(fā)展戰(zhàn)略和科學(xué)部優(yōu)先發(fā)展領(lǐng)域[1]：

1）安全可信人工智能基礎(chǔ)理論。針對人工智能應(yīng)用中的安全可信復(fù)雜性難題，重點(diǎn)研究大型知識庫自動構(gòu)建、表示與推理等方法，探索自主遂行復(fù)雜任務(wù)的智能本體理論，建立具備自主學(xué)習(xí)和進(jìn)化能力的認(rèn)知模型，支持安全可信人工智能模型驗(yàn)證，有效支撐工業(yè)、醫(yī)療、公共安全等領(lǐng)域人機(jī)混合應(yīng)用的快速發(fā)展。

2）類腦模型與類腦信息處理。為克服構(gòu)建類腦智能模型等難題，通過研究復(fù)雜環(huán)境高性能智能視覺傳感器及系統(tǒng)技術(shù)，對視聽感知等生物智能對應(yīng)腦區(qū)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)精細(xì)模擬，從而構(gòu)建大腦視覺智能和芯片功能驗(yàn)證方法體系，探索大腦信息處理機(jī)理，為類腦自然環(huán)境的感知、理解和自主決策奠定理論基礎(chǔ)。

針對國家“十四五”規(guī)劃的統(tǒng)一部署，以及2021?2035 年科學(xué)基金中長期發(fā)展規(guī)劃的具體要求，國家自然科學(xué)基金委信息科學(xué)部2022 年度將在F06 代碼下設(shè)立《類腦智能與類腦信息處理》重點(diǎn)項(xiàng)目群，擬資助5 個重點(diǎn)項(xiàng)目，分別為：1）類腦系統(tǒng)信息傳遞的機(jī)制與理論方法（F0609）；2）基于神經(jīng)可塑性的類腦在線學(xué)習(xí)理論與方法(F0609)；3）受大腦認(rèn)知啟發(fā)的類腦神經(jīng)網(wǎng)絡(luò)理論與方法(F0609)；4）面向智能感知的類腦器件及仿生電路研究(F0609)；5）模擬生物智能的混合架構(gòu)類腦系統(tǒng)及應(yīng)用驗(yàn)證(F0609)。人工智能學(xué)科在2021 年征集到的25 份重點(diǎn)領(lǐng)域建議書基礎(chǔ)上，經(jīng)通訊評議、會議評審討論投票，2022 年度擬在F06 代碼下以重點(diǎn)項(xiàng)目的形式重點(diǎn)支持如下5 個方向：1）深度神經(jīng)網(wǎng)絡(luò)可解釋理論分析及決策度量方法（F0601）；2）多源信息融合的抑郁癥早期預(yù)警關(guān)鍵技術(shù)（F0603、F0609）；3）知識驅(qū)動的復(fù)雜場景多模態(tài)語義理解與文本生成（F0604）；4）少數(shù)民族古籍文獻(xiàn)智能分析與機(jī)器翻譯（F0605、F0606）；5）少標(biāo)注自然語言處理理論與方法（F0606）。

國家自然科學(xué)基金委人工智能學(xué)科代碼從2018 年開始受理項(xiàng)目申請，至今已歷經(jīng)4 年。期間資助了一批包括科學(xué)中心、創(chuàng)新研究群體、重大、重點(diǎn)、杰青、優(yōu)青等在內(nèi)的項(xiàng)目，在人工智能基礎(chǔ)理論、關(guān)鍵技術(shù)、創(chuàng)新平臺建設(shè)、高端人才培養(yǎng)等方面取得了一定的進(jìn)展，但也面臨著更加艱巨的任務(wù)與挑戰(zhàn)。一是，人工智能基礎(chǔ)理論缺乏重大突破，人工智能基礎(chǔ)以及新設(shè)立的復(fù)雜性科學(xué)與人工智能理論方向申請數(shù)量偏少，反映出對人工智能的探索攻堅(jiān)克難者還是較小的群體，需要進(jìn)一步鼓勵和扶持。人工智能技術(shù)和應(yīng)用與世界領(lǐng)先水平也存在一定差距，自然語言處理、知識表示和處理這類應(yīng)用核心難點(diǎn)問題還沒有得到解決。二是，在面向國防建設(shè)、制造、醫(yī)療、城市建設(shè)、農(nóng)業(yè)等國家重大戰(zhàn)略需求領(lǐng)域還需建立完善的人工智能理論與技術(shù)體系。三是，人工智能開放工具、平臺和生態(tài)建設(shè)方面還缺乏系統(tǒng)性建設(shè)，開源共享的理念和實(shí)踐都處于萌芽階段。四是，智能安全問題日益突出且受到廣泛關(guān)注，但是安全系統(tǒng)建立、安全體系架構(gòu)、安全評估方法等尚待廣大科學(xué)工作者深入研究并重點(diǎn)突破，尤其是人工智能倫理道德體系建設(shè)研究需要加大投入和支持。未來結(jié)合人工智能發(fā)展趨勢，我們認(rèn)為類腦智能、可解釋人工智能和魯棒人工智能理論與方法、通用人工智能理論與方法等方向有可能成為人工智能理論研究的突破點(diǎn)。同時，人工智能研究途徑也在發(fā)生轉(zhuǎn)變，從數(shù)據(jù)驅(qū)動的研究方法轉(zhuǎn)變?yōu)閿?shù)據(jù)驅(qū)動與知識驅(qū)動融合的研究方法，實(shí)現(xiàn)從傳統(tǒng)的基于數(shù)據(jù)、算法與算力的三元研究，向基于知識、數(shù)據(jù)、算法與算力的四元研究轉(zhuǎn)變。在面向現(xiàn)有機(jī)器學(xué)習(xí)、大數(shù)據(jù)、機(jī)器人技術(shù)高速發(fā)展的趨勢下，數(shù)據(jù)與知識融合驅(qū)動有望成為新的人工智能研究范式途徑之一。國家自然科學(xué)基金委將繼續(xù)圍繞人工智能領(lǐng)域的核心科學(xué)問題與關(guān)鍵技術(shù)，進(jìn)行原創(chuàng)性、基礎(chǔ)性、前瞻性和交叉性研究，促進(jìn)人工智能學(xué)科與其他相關(guān)科學(xué)領(lǐng)域的共同發(fā)展，支撐我國人工智能基礎(chǔ)理論、關(guān)鍵技術(shù)、創(chuàng)新平臺建設(shè)和高端人才培養(yǎng)等方面的發(fā)展。