基金委：2021年人工智能学科资助情况及2022年拟重点资助项目

　　国家自然科学基金委（National Natural ScienceFoundation of China, NSFC）2017 年对学科代码进行调整，单独设立了人工智能一级学科代码（F06），2018 年开始受理各类项目申请。人工智能学科强调围绕人工智能领域的核心科学问题与关键技术，进行原创性、基础性、前瞻性和交叉性研究;支持各领域的科研人员交叉合作，共同探索人工智能领域中的新概念、新理论、新方法和新技术。还特别鼓励和支持科研人员研究有颠覆性的、有重要应用需求的问题。具体受理和支持的领域包括人工智能基础、复杂性科学与人工智能理论、机器学习、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、交叉学科中的人工智能问题等方向的理论方法与关键技术研究。

　　近日，国家自然科学基金委信息科学部二处吴国政处长等科研人员对2021 年度国家自然科学基金委员会信息科学部二处人工智能（F06）代码下部分基金项目的申请与资助情况进行了统计和说明，统计和分析了F06 代码下面上、青年科学基金和地区科学基金项目申请与资助依托单位分布情况、二级代码分布和项目科学属性分类评审试点情况，并对2021 年度人工智能学科基金项目部分评审原则与举措进行了介绍。最后对人工智能学科2022年度拟重点资助的项目进行了介绍。相关研究成果以《2021 年度NSFC 人工智能学科基金项目申请资助情况及学科发展展望》为题发表于《智能系统学报》2021年第6期。

一、人工智能学科项目申请资助总体情况

　　2021 年度人工智能学科（F06）面上、青年科学和地区科学基金项目申请与资助情况

　　2021 年度，信息科学部共发布了8 个重点项目群（计41 个研究方向）和72 个重点项目立项领域，F06 代码下有1 个重点项目群（5 个研究方向）和6 个重点项目立项领域。F06 代码下收到重点项目申请47 项，根据通信评议结果，10 个项目获得上会答辩资格。经过专家会议评审，2021 年度F06 共资助重点项目8 项。

　　2018 年以来F06 各个二级代码下重点项目资助情况

　　通过对2018 年以来F06 代码下资助的重点项目情况进行统计分析，F06 代码共资助重点项目52 项，获资助项数排名前3 位的二级代码分别为 “F0609—认知与神经科学启发的人工智能”“F0603—机器学习”“F0604—机器感知与机器视觉”和“F0608—智能系统与人工智能安全”（与F0604 并列）。

　　2018 年以来F06 各二级代码下优秀青年科学基金项目资助情况

　　2021 年度F06 代码下收到优秀青年科学基金项目申请84 项，获资助8 项。近年来，F06 代码受理青年项目共计346项，资助29 项，获资助项数排名前3 位的二级代码分别为： “ F 0 6 0 4 — 机器感知与机器视觉”“F0606—自然语言处理”“F0603—机器学习”和“ F 0 6 0 5 —模式识别与数据挖掘” （与F0603 并列）。

二、人工智能学科项目申请与资助高校分布情况

　　2021 年度人工智能学科申报面上项目、青年科学基金和地区科学基金项目的依托单位数量分别为432、448 和90 家，与2020 年度同类项目相比，申报面上项目依托单位数量减少13 家，申报青年科学基金依托单位保持不变，申报地区科学基金依托单位增加1 家。

　　统计发现，申报和获资助面上、青年科学基金项目数量排名前五的依托单位大部分是以传统信息学科为优势学科的双一流高校和研究所，如电子科技大学、西安电子科技大学、上海交通大学、哈尔滨工业大学、中国科学院自动化研究所等。从地区科学基金项目的申报和获资助单位排名情况来看，受制于地区基金所资助区域的教育、科技资源相对薄弱，依托单位的分布表现出一定的集中性。

　　2021 年度F06 代码下面上、青年科学基金、地区科学基金项目申请数排名前五的依托单位

　　2021 年度F06 代码下面上、青年科学基金和地区科学基金项目资助数排名前五的依托单位

三、人工智能学科项目申请与资助代码分布

　　2021 年度F06 各二级代码下申请和获资助面上、青年科学基金和地区科学基金项目数较高的二级代码为“F0604—机器感知与机器视觉”“F0610—交叉学科中的人工智能问题” “ F0603 —机器学习”和“F0605—模式识别与数据挖掘”等，与人工智能领域的热门方向相对应。

　　但在“ F0602 —复杂性科学与人工智能理论”“F0607—知识表示与处理”“F0608—智能系统与人工智能安全”和“F0609—认知与神经科学启发的人工智能”等二级代码上的申请数量偏低，这说明人工智能领域的科研人员在围绕人工智能基础理论和类脑智能等新型技术方面的研究还有待进一步提升。

四、人工智能学科原创探索计划项目申请资助情况

　　根据国家自然科学基金原创探索计划项目实施方案，进一步强化原始创新，推动学科交叉，积极应对科学研究范式变革，2020 年人工智能学科设立了“面向复杂对象的人工智能理论基础研究”指南引导类原创探索计划项目。

　　主要资助方向为复杂数据感知、复杂系统构建、复杂行为智能分析；旨在聚焦人工智能可解释性问题，结合诸如深时数字地球大科学计划、煤和石油的高效洁净综合利用等各领域国家重大战略需求，通过探讨复杂系统的多层次、多尺度耦合关联机制以及动态时空结构，发展内嵌底层逻辑和物理内涵、融合复杂性科学和多尺度分析的人工智能新的理论体系，从系统科学角度建立大数据的精准认知和智能学习方法，为新一代基于复杂性的可解释精准智能提供理论基础。

　　2020 年度人工智能学科共收到144 项指南引导类和21 项专家推荐类原创探索计划项目申请，经预申请书双盲通讯评审、正式申请书双盲通讯评审、专家会议评审等环节，最终6 项指南引导类和1 项专家推荐类原创探索计划项目获得资助，并在获资助1 年后进行考核视项目执行与突破情况决定是否滚动支持。2021 年度人工智能学科共收到7 项专家推荐类原创探索计划项目申请，预计在2021 年底完成该类项目的所有评审与资助环节。

　　从原创探索计划项目近2 年的申请与资助情况上看，申请人在提出原创学术思想、开展探索性与风险性强的原创性基础研究工作方面还有待加强，扭转 “跟踪多、原创少”的被动局面，引领性原创成果重大突破是人工智能领域的广大管理人员和一线科研工作人员亟待重视的问题。

五、2021 年度人工智能学科基金项目评审原则与举措

　　（1）负责任、讲信誉、计贡献评审机制

　　2021 年度F06 代码下的所有面上项目采用负责任、讲信誉、计贡献（responsibility, credibility, contribution,RCC）的评审机制。鼓励评审专家认真负责对申请书进行评审，做出科学的判断；对评审专家的评审效果和公正性进行统计，包括评审的准确率和反馈意见的及时性和说服力等；鼓励评审专家在评审申请书过程中，尽可能对申请人的工作提出有价值的建议，特别是提出重要的学术思想。

　　（2）代表作规范标注工作

　　2021 年度通讯评审过程中，人工智能学科进行了代表作标注规范核查工作，对F06 代码下所受理的面上、青年科学基金和地区科学基金项目代表作开展核查工作。对非第一作者标成第一作者、非通讯作者标成通讯作者、漏了其他作者标成独立作者、未列作者4种情况进行严格把关并建议不予资助。F06 学科后续将进一步加大代表作标注规范核查力度，提醒科研人员在科研工作中一定要恪守科研诚信、严格按成果标注规范填写，如实体现自己的贡献。

　　（3）相似度核查工作

　　2021 年通讯评审过程中，人工智能学科对F06 代码下所有面上、青年科学基金和地区科学基金项目申请书进行相似度核查。若遇到本年度受理的申请书和往年未资助的申请书相似度大于40%，且申请人不同，则与相关申请人联系并要求出具知情同意书，如被联系人表示不知情，则对已受理的申请人按照相关规定处理。若本年度受理的申请书与已获资助的申请书相似度高于40%，则将相关材料整理到会议评审现场，请会议评审专家们综合评价并作决议。

　　（4）优先资助情况

　　为落实中央精神，人工智能学科在2021 年度对F06 代码下的“F0608—智能系统与人工智能安全”方向上的项目在同等情况下予以优先资助。

六、总结与展望

　　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，提出了如下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，类脑模型与类脑信息处理。

　　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2022 年度将在F06 代码下设立《类脑智能与类脑信息处理》重点项目群，拟资助5 个重点项目，分别为：1）类脑系统信息传递的机制与理论方法（F0609）；2）基于神经可塑性的类脑在线学习理论与方法(F0609)；3）受大脑认知启发的类脑神经网络理论与方法(F0609)；4）面向智能感知的类脑器件及仿生电路研究(F0609)；5）模拟生物智能的混合架构类脑系统及应用验证(F0609)。

　　人工智能学科在2021 年征集到的25 份重点领域建议书基础上，经通讯评议、会议评审讨论投票，2022 年度拟在F06 代码下以重点项目的形式重点支持如下5 个方向：1）深度神经网络可解释理论分析及决策度量方法（F0601）；2）多源信息融合的抑郁症早期预警关键技术（F0603、F0609）；3）知识驱动的复杂场景多模态语义理解与文本生成（F0604）；4）少数民族古籍文献智能分析与机器翻译（F0605、F 0606） ； 5） 少标注自然语言处理理论与方法（F0606）。

　　虽然我国在人工智能基础理论、关键技术、创新平台建设、高端人才培养等方面取得了一定的进展，但也面临着更加艰巨的任务与挑战：

　　一是，人工智能基础理论缺乏重大突破，人工智能基础以及新设立的复杂性科学与人工智能理论方向申请数量偏少，反映出对人工智能的探索攻坚克难者还是较小的群体，需要进一步鼓励和扶持。人工智能技术和应用与世界领先水平也存在一定差距，自然语言处理、知识表示和处理这类应用核心难点问题还没有得到解决。

　　二是，在面向国防建设、制造、医疗、城市建设、农业等国家重大战略需求领域还需建立完善的人工智能理论与技术体系。

　　三是，人工智能开放工具、平台和生态建设方面还缺乏系统性建设，开源共享的理念和实践都处于萌芽阶段。

　　四是，智能安全问题日益突出且受到广泛关注，但是安全系统建立、安全体系架构、安全评估方法等尚待广大科学工作者深入研究并重点突破，尤其是人工智能伦理道德体系建设研究需要加大投入和支持。

　　未来结合人工智能发展趋势，我们认为类脑智能、可解释人工智能和鲁棒人工智能理论与方法、通用人工智能理论与方法等方向有可能成为人工智能理论研究的突破点。同时，人工智能研究途径也在发生转变，从数据驱动的研究方法转变为数据驱动与知识驱动融合的研究方法，实现从传统的基于数据、算法与算力的三元研究，向基于知识、数据、算法与算力的四元研究转变。在面向现有机器学习、大数据、机器人技术高速发展的趋势下，数据与知识融合驱动有望成为新的人工智能研究范式途径之一。

　　国家自然科学基金委将继续围绕人工智能领域的核心科学问题与关键技术，进行原创性、基础性、前瞻性和交叉性研究，促进人工智能学科与其他相关科学领域的共同发展，支撑我国人工智能基础理论、关键技术、创新平台建设和高端人才培养等方面的发展。

第一作者简介：吴国政，副研究员，博士，国家自然科学基金委员会信息科学部二处处长兼人工智能与智能系统项目主任，主要研究方向为人工智能、信息安全。