人工智能壓力變送器理論基礎

　　聚焦人工智能重大科學前沿問題，兼顧當前需求與長遠發展，以突破人工智能應用基礎理論瓶頸為重點，超前布局可能引發人工智能范式變革的基礎研究，促進學科交叉融合，為人工智能持續發展與深度應用提供強大科學儲備。人工智能的基礎理論：
　　1.大數據智能理論。研究數據驅動與知識引導相結合的人工智能新方法、以自然語言理解和圖像圖形為核心的認知計算理論和方法、綜合深度推理與創意人工智能理論與方法、非*信息下智能決策基礎理論與框架、數據驅動的通用人工智能數學模型與理論等。
　　2.跨媒體感知計算理論。研究超越人類視覺能力的感知獲取、面向真實世界的主動視覺感知及計算、自然聲學場景的聽知覺感知及計算、自然交互環境的言語感知及計算、面向異步序列的類人感知及計算、面向媒體智能感知的自主學習、城市全維度智能感知推理引擎。
　　3.混合增強智能理論。研究“人在回路”的混合增強智能、人機智能共生的行為增強與腦機協同、機器直覺推理與因果模型、聯想記憶模型與知識演化方法、復雜數據和任務的混合增強智能學習方法、云機器人協同計算方法、真實世界環境下的情境理解及人機群組協同。
　　4.群體智能理論。研究群體智能結構理論與組織方法、群體智能激勵機制與涌現機理、群體智能學習理論與方法、群體智能通用計算范式與模型。
　　5.自主協同控制與優化決策理論。研究面向自主無人系統的協同感知與交互，面向自主無人系統的協同控制與優化決策，知識驅動的人機物三元協同與互操作等理論。
　　6.機器學習理論。研究統計學習基礎理論、不確定性推理與決策、分布式學習與交互、隱私保護學習、小樣本學習、深度強化學習、無監督學習、半監督學習、主動學習等學習理論和模型。
　　7.類腦智能計算理論。研究類腦感知、類腦學習、類腦記憶機制與計算融合、類腦復雜系統、類腦控制等理論與方法。
　　8.量子智能計算理論。探索腦認知的量子模式與內在機制，研究的量子智能模型和算法、高性能高比特的量子人工智能處理器、可與外界環境交互信息的實時量子人工智能系統等。

未來就是人工智能壓力變送器的時代