2021 年度NSFC 人工智能學科基金項目申請資助情況及學科發展展望

吳國政，肖斌,2，趙瑞珍，陳廳

（1.國家自然科學基金委員會 信息科學部,北京 100085;2.重慶郵電大學 計算機科學與技術學院,重慶 400065）

1 人工智能學科項目申請資助總體情況

國家自然科學基金委（National Natural Science Foundation of China,NSFC）2017 年對學科代碼進行調整，單獨設立了人工智能一級學科代碼（F06），2018 年開始受理各類項目申請。人工智能學科強調圍繞人工智能領域的核心科學問題與關鍵技術，進行原創性、基礎性、前瞻性和交叉性研究；支持各領域的科研人員交叉合作，共同探索人工智能領域中的新概念、新理論、新方法和新技術。還特別鼓勵和支持科研人員研究有顛覆性的、有重要應用需求的問題。具體受理和支持的領域包括人工智能基礎、復雜性科學與人工智能理論、機器學習、機器感知與機器視覺、模式識別與數據挖掘、自然語言處理、知識表示與處理、智能系統與人工智能安全、認知與神經科學啟發的人工智能、交叉學科中的人工智能問題等方向的理論方法與關鍵技術研究。本文詳細分析了人工智能學科2021 年度國家自然科學基金項目的申請、資助情況，并對人工智能的學科發展提出了若干展望。

1.1 面上、青年、地區科學基金項目情況

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

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

1.2 重點項目情況

2021 年度，信息科學部共發布了8 個重點項目群（計41 個研究方向）和72 個重點項目立項領域，F06 代碼下有1 個重點項目群（5 個研究方向）和6 個重點項目立項領域。F06 代碼下收到重點項目申請47 項，根據通信評議結果，10 個項目獲得上會答辯資格。經過專家會議評審，2021 年度F06 共資助重點項目8 項。表2 統計了2018 年以來F06 代碼下重點項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項目資助情況。通過對2018 年以來F06 代碼下資助的重點項目情況進行統計分析，F06 代碼共資助重點項目52 項，獲資助項數排名前3 位的二級代碼分別為“F0609—認知與神經科學啟發的人工智能”“F0603—機器學習”“F0604—機器感知與機器視覺”和“F0608—智能系統與人工智能安全”（與F0604 并列）。

表2 2018 年以來F06 代碼下重點項目申請與資助情況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項目資助情況Table 3 The funding situations of key program under different second-level application code of F06 since 2018

1.3 優秀青年科學基金項目情況

2021 年度F06 代碼下收到優秀青年科學基金項目申請84 項，獲資助8 項。表4 統計了2018年以來F06 代碼下優秀青年科學基金項目的資助情況。近年來，F06 代碼受理青年項目共計346項，資助29 項，獲資助項數排名前3 位的二級代碼分別為：“F0604—機器感知與機器視覺”“F0606—自然語言處理”“F0603—機器學習”和“F0605—模式識別與數據挖掘”（與F0603 并列）。2018 年以來F06 各二級代碼下優秀青年科學基金項目資助情況見表5。

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

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

2 人工智能學科項目申請與資助高校分布情況

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

2021 年度人工智能學科申報和獲資助面上項目、青年科學基金和地區科學基金項目數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、青年科學基金項目數量排名前五的依托單位大部分是以傳統信息學科為優勢學科的雙一流高校和研究所，如電子科技大學、西安電子科技大學、上海交通大學、哈爾濱工業大學、中國科學院自動化研究所等。從地區科學基金項目的申報和獲資助單位排名情況來看，受制于地區基金所資助區域的教育、科技資源相對薄弱，依托單位的分布表現出一定的集中性。

表6 2021 年度F06 代碼下面上、青年科學基金、地區科學基金項目申請數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、青年科學基金和地區科學基金項目資助數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 人工智能學科項目申請與資助代碼分布

2021 年度F06 各二級代碼下面上、青年科學基金和地區科學基金項目申請與資助情況如表8所示。可以看出，申請和獲資助面上、青年科學基金和地區科學基金項目數較高的二級代碼為“F0604—機器感知與機器視覺”“F0610—交叉學科中的人工智能問題”“F0603—機器學習”和“F0605—模式識別與數據挖掘”等，與人工智能領域的熱門方向相對應。但在“F0602—復雜性科學與人工智能理論”“F0607—知識表示與處理”“F0608—智能系統與人工智能安全”和“F0609—認知與神經科學啟發的人工智能”等二級代碼上的申請數量偏低，這說明人工智能領域的科研人員在圍繞人工智能基礎理論和類腦智能等新型技術方面的研究還有待進一步提升。

表8 2021 年度F06 各二級代碼下面上、青年科學基金和地區科學基金項目申請與資助情況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

續表8

4 人工智能學科項目分類評審試點情況

2021 年度F06 代碼下的重點、面上、青年科學基金和地區科學基金項目均開展了基于科學問題屬性的分類申請與評審機制?？茖W問題屬性A—鼓勵探索，突出原創；科學問題屬性B—聚焦前沿，獨辟蹊徑；科學問題屬性C—需求牽引，突破瓶頸；科學問題屬性D—共性導向，交叉融通[1-2]。

表9 列出了2021 年度F06 代碼下重點、面上、青年科學基金和地區科學基金項目科學問題屬性分布情況。這3 類項目的資助數在科學問題屬性上的分布特性與申請數一致，B 類和C 類科學問題屬性的申請與資助數明顯多于A 類和D類，A 類科學問題屬性的數量最少。由于人工智能學科具有一定的交叉特色，D 類科學問題屬性的項目申請數占比較其他學科略高，但申請數和資助數還是要明顯低于B 類和C 類。申請和獲資助重點項目的各類科學問題屬性滿足類似分布。因此，如何在國家自然科學基金委資助架構下，加強人工智能基礎理論的原創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、面上、青年科學基金和地區科學基金項目科學問題屬性分布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 人工智能學科原創探索計劃項目申請資助情況

為深入貫徹落實《國務院關于全面加強基礎科學研究的若干意見》《關于深化項目評審、人才評價、機構評估改革的意見》中關于提升原始創新能力、探索建立對重大原創項目等的非常規評審機制的要求，進一步引導和激勵科研人員投身原創性基礎研究工作，加速實現前瞻性基礎研究、引領性原創成果重大突破[3]，國家自然科學基金委2020 年設立了原創探索計劃項目[4]。該類項目分為專家推薦申請和指南引導申請兩種類型，在資助方式、申請模式和評審方式上引入了新機制，如無申請資格限制、靈活的資助期限和資助強度、預申請和正式申請均采用雙盲評審方式等。

根據國家自然科學基金原創探索計劃項目實施方案，進一步強化原始創新，推動學科交叉，積極應對科學研究范式變革，2020 年人工智能學科設立了“面向復雜對象的人工智能理論基礎研究”指南引導類原創探索計劃項目。主要資助方向為復雜數據感知、復雜系統構建、復雜行為智能分析；旨在聚焦人工智能可解釋性問題，結合諸如深時數字地球大科學計劃、煤和石油的高效潔凈綜合利用等各領域國家重大戰略需求，通過探討復雜系統的多層次、多尺度耦合關聯機制以及動態時空結構，發展內嵌底層邏輯和物理內涵、融合復雜性科學和多尺度分析的人工智能新的理論體系，從系統科學角度建立大數據的精準認知和智能學習方法，為新一代基于復雜性的可解釋精準智能提供理論基礎。

2020 年度人工智能學科共收到144 項指南引導類和21 項專家推薦類原創探索計劃項目申請，經預申請書雙盲通訊評審、正式申請書雙盲通訊評審、專家會議評審等環節，最終6 項指南引導類和1 項專家推薦類原創探索計劃項目獲得資助，并在獲資助1 年后進行考核視項目執行與突破情況決定是否滾動支持。2021 年度人工智能學科共收到7 項專家推薦類原創探索計劃項目申請，預計在2021 年底完成該類項目的所有評審與資助環節。從原創探索計劃項目近2 年的申請與資助情況上看，申請人在提出原創學術思想、開展探索性與風險性強的原創性基礎研究工作方面還有待加強，扭轉“跟蹤多、原創少”的被動局面，引領性原創成果重大突破是人工智能領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 年度人工智能學科基金項目評審原則與舉措

負責任、講信譽、計貢獻評審機制[1,3]2021 年度F06 代碼下的所有面上項目采用負責任、講信譽、計貢獻（responsibility,credibility,contribution,RCC）的評審機制。鼓勵評審專家認真負責對申請書進行評審，做出科學的判斷；對評審專家的評審效果和公正性進行統計，包括評審的準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術思想。

代表作規范標注工作2021 年度通訊評審過程中，人工智能學科進行了代表作標注規范核查工作，對F06 代碼下所受理的面上、青年科學基金和地區科學基金項目代表作開展核查工作。對非第一作者標成第一作者、非通訊作者標成通訊作者、漏了其他作者標成獨立作者、未列作者4種情況進行嚴格把關并建議不予資助。F06 學科后續將進一步加大代表作標注規范核查力度，提醒科研人員在科研工作中一定要恪守科研誠信、嚴格按成果標注規范填寫，如實體現自己的貢獻。

相似度核查工作[3]2021 年通訊評審過程中，人工智能學科對F06 代碼下所有面上、青年科學基金和地區科學基金項目申請書進行相似度核查。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，則與相關申請人聯系并要求出具知情同意書，如被聯系人表示不知情，則對已受理的申請人按照相關規定處理。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%，則將相關材料整理到會議評審現場，請會議評審專家們綜合評價并作決議。

優先資助情況為落實中央精神，人工智能學科在2021 年度對F06 代碼下的“F0608—智能系統與人工智能安全”方向上的項目在同等情況下予以優先資助。

7 總結與展望

根據國家“十四五”規劃的整體布局，在國家自然科學基金資助框架下，就人工智能學科，提出了如下信息學科發展戰略和科學部優先發展領域[1]：

1）安全可信人工智能基礎理論。針對人工智能應用中的安全可信復雜性難題，重點研究大型知識庫自動構建、表示與推理等方法，探索自主遂行復雜任務的智能本體理論，建立具備自主學習和進化能力的認知模型，支持安全可信人工智能模型驗證，有效支撐工業、醫療、公共安全等領域人機混合應用的快速發展。

2）類腦模型與類腦信息處理。為克服構建類腦智能模型等難題，通過研究復雜環境高性能智能視覺傳感器及系統技術，對視聽感知等生物智能對應腦區神經網絡實現精細模擬，從而構建大腦視覺智能和芯片功能驗證方法體系，探索大腦信息處理機理，為類腦自然環境的感知、理解和自主決策奠定理論基礎。

針對國家“十四五”規劃的統一部署，以及2021?2035 年科學基金中長期發展規劃的具體要求，國家自然科學基金委信息科學部2022 年度將在F06 代碼下設立《類腦智能與類腦信息處理》重點項目群，擬資助5 個重點項目，分別為：1）類腦系統信息傳遞的機制與理論方法（F0609）；2）基于神經可塑性的類腦在線學習理論與方法(F0609)；3）受大腦認知啟發的類腦神經網絡理論與方法(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類腦系統及應用驗證(F0609)。人工智能學科在2021 年征集到的25 份重點領域建議書基礎上，經通訊評議、會議評審討論投票，2022 年度擬在F06 代碼下以重點項目的形式重點支持如下5 個方向：1）深度神經網絡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警關鍵技術（F0603、F0609）；3）知識驅動的復雜場景多模態語義理解與文本生成（F0604）；4）少數民族古籍文獻智能分析與機器翻譯（F0605、F0606）；5）少標注自然語言處理理論與方法（F0606）。

國家自然科學基金委人工智能學科代碼從2018 年開始受理項目申請，至今已歷經4 年。期間資助了一批包括科學中心、創新研究群體、重大、重點、杰青、優青等在內的項目，在人工智能基礎理論、關鍵技術、創新平臺建設、高端人才培養等方面取得了一定的進展，但也面臨著更加艱巨的任務與挑戰。一是，人工智能基礎理論缺乏重大突破，人工智能基礎以及新設立的復雜性科學與人工智能理論方向申請數量偏少，反映出對人工智能的探索攻堅克難者還是較小的群體，需要進一步鼓勵和扶持。人工智能技術和應用與世界領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用核心難點問題還沒有得到解決。二是，在面向國防建設、制造、醫療、城市建設、農業等國家重大戰略需求領域還需建立完善的人工智能理論與技術體系。三是，人工智能開放工具、平臺和生態建設方面還缺乏系統性建設，開源共享的理念和實踐都處于萌芽階段。四是，智能安全問題日益突出且受到廣泛關注，但是安全系統建立、安全體系架構、安全評估方法等尚待廣大科學工作者深入研究并重點突破，尤其是人工智能倫理道德體系建設研究需要加大投入和支持。未來結合人工智能發展趨勢，我們認為類腦智能、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。同時，人工智能研究途徑也在發生轉變，從數據驅動的研究方法轉變為數據驅動與知識驅動融合的研究方法，實現從傳統的基于數據、算法與算力的三元研究，向基于知識、數據、算法與算力的四元研究轉變。在面向現有機器學習、大數據、機器人技術高速發展的趨勢下，數據與知識融合驅動有望成為新的人工智能研究范式途徑之一。國家自然科學基金委將繼續圍繞人工智能領域的核心科學問題與關鍵技術，進行原創性、基礎性、前瞻性和交叉性研究，促進人工智能學科與其他相關科學領域的共同發展，支撐我國人工智能基礎理論、關鍵技術、創新平臺建設和高端人才培養等方面的發展。