聚焦人工智能重大科學(xué)前沿問(wèn)題，兼顧當(dāng)前需求與長(zhǎng)遠(yuǎn)發(fā)展，以突破人工智能應(yīng)用基礎(chǔ)理論瓶頸為重點(diǎn)，超前布局可能引發(fā)人工智能范式變革的基礎(chǔ)研究，促進(jìn)學(xué)科交叉融合，為人工智能持續(xù)發(fā)展與深度應(yīng)用提供強(qiáng)大科學(xué)儲(chǔ)備。人工智能的基礎(chǔ)理論：
　　1.大數(shù)據(jù)智能理論。研究數(shù)據(jù)驅(qū)動(dòng)與知識(shí)引導(dǎo)相結(jié)合的人工智能新方法、以自然語(yǔ)言理解和圖像圖形為核心的認(rèn)知計(jì)算理論和方法、綜合深度推理與創(chuàng)意人工智能理論與方法、非*信息下智能決策基礎(chǔ)理論與框架、數(shù)據(jù)驅(qū)動(dòng)的通用人工智能數(shù)學(xué)模型與理論等。
　　2.跨媒體感知計(jì)算理論。研究超越人類(lèi)視覺(jué)能力的感知獲取、面向真實(shí)世界的主動(dòng)視覺(jué)感知及計(jì)算、自然聲學(xué)場(chǎng)景的聽(tīng)知覺(jué)感知及計(jì)算、自然交互環(huán)境的言語(yǔ)感知及計(jì)算、面向異步序列的類(lèi)人感知及計(jì)算、面向媒體智能感知的自主學(xué)習(xí)、城市全維度智能感知推理引擎。
　　3.混合增強(qiáng)智能理論。研究“人在回路”的混合增強(qiáng)智能、人機(jī)智能共生的行為增強(qiáng)與腦機(jī)協(xié)同、機(jī)器直覺(jué)推理與因果模型、聯(lián)想記憶模型與知識(shí)演化方法、復(fù)雜數(shù)據(jù)和任務(wù)的混合增強(qiáng)智能學(xué)習(xí)方法、云機(jī)器人協(xié)同計(jì)算方法、真實(shí)世界環(huán)境下的情境理解及人機(jī)群組協(xié)同。
　　4.群體智能理論。研究群體智能結(jié)構(gòu)理論與組織方法、群體智能激勵(lì)機(jī)制與涌現(xiàn)機(jī)理、群體智能學(xué)習(xí)理論與方法、群體智能通用計(jì)算范式與模型。
　　5.自主協(xié)同控制與優(yōu)化決策理論。研究面向自主無(wú)人系統(tǒng)的協(xié)同感知與交互，面向自主無(wú)人系統(tǒng)的協(xié)同控制與優(yōu)化決策，知識(shí)驅(qū)動(dòng)的人機(jī)物三元協(xié)同與互操作等理論。
　　6.機(jī)器學(xué)習(xí)理論。研究統(tǒng)計(jì)學(xué)習(xí)基礎(chǔ)理論、不確定性推理與決策、分布式學(xué)習(xí)與交互、隱私保護(hù)學(xué)習(xí)、小樣本學(xué)習(xí)、深度強(qiáng)化學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、主動(dòng)學(xué)習(xí)等學(xué)習(xí)理論和模型。
　　7.類(lèi)腦智能計(jì)算理論。研究類(lèi)腦感知、類(lèi)腦學(xué)習(xí)、類(lèi)腦記憶機(jī)制與計(jì)算融合、類(lèi)腦復(fù)雜系統(tǒng)、類(lèi)腦控制等理論與方法。
　　8.量子智能計(jì)算理論。探索腦認(rèn)知的量子模式與內(nèi)在機(jī)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(huán)境交互信息的實(shí)時(shí)量子人工智能系統(tǒng)等。

未來(lái)就是人工智能壓力變送器的時(shí)代