1、群体智能
https://mp.weixin.qq.com/s/XkqoRdM0AGiS_sM6tPwJUA
基于群体编辑的维基百科、基于群体开发的开源软件、基于众问众答的知识共享、基于众筹众智的万众创新、基于众包众享的共享经济等等。
《规划》提出的群体智能研究方向，实质上正是综合集成研讨厅在人工智能新时代的拓展和深化。它的研究内涵不单是关注精英专家团体，而是通过互联网组织结构和大数据驱动的人工智能系统吸引、汇聚和管理大规模参与者，以竞争和合作等多种自主协同方式来共同应对挑战性任务（众筹开发），特别是开放环境下的复杂系统决策任务，涌现出来的超越个体智力的智能形态。在互联网环境下，海量的人类智能与机器智能相互赋能增效，形成人机物融合的“群智空间”，以充分展现群体智能。其本质上是互联网科技创新生态系统的智力内核，将辐射包括从技术研发到商业运营整个创新过程的所有组织及组织间关系网络。因此，群体智能的研究不仅能推动人工智能的理论技术创新，同时能对整个信息社会的应用创新、体制创新、管理创新、商业创新等提供核心驱动力。
一、瞄准群体智能前沿，突破理论和技术瓶颈
《规划》在群体智能的基础理论和前沿技术分别设置了四个方面的基础理论研究任务和八个方向的关键共性技术研究任务，以建立关于群体智能的完整理论和技术体系，突破大规模群智空间构造、运行、协同和演化等关键核心技术，使得我国群体智能的研究达到世界领先水平。
在群体智能的基础理论部分，《规划》设置了四个方面的研究任务，包括：群体智能的结构理论与组织方法、群体智能激励机制与涌现机理、群体智能学习理论与方法、群体智能通用计算范式与模型，以解决群智组织的有效性、群智涌现的不确定性、群智汇聚的质量保障、群智交互的可计算性等科学问题。
在群体智能关键共性技术部分，《规划》设置了八个方向的研究任务，包括：群体智能的主动感知与发现、知识获取与生成、协同与共享、评估与演化、人机整合与增强、自我维持与安全交互、服务体系架构以及移动群体智能的协同决策与控制等，以支撑形成群智数据-知识-决策自动化的完整技术链条。具体地，需要研究基于群体与环境数据分析的主动感知，对互联网群体行为进行多模态信息感知，建立对网络化感知信息的知识表示框架，突破基于群智的知识获取和生成技术，以实现群智空间善感、能知的基本目标；面向群体智能不断涌现产生的海量智力成果，研究大众化协同与开放式共享技术、持续性评估与可行演化技术，以保障群智成果汇聚质量；研究人机增强和移动群体智能，解决在开放动态环境下群体与机器的协同强化、回环演进的问题；研究群智空间的服务体系结构和安全交互机制，以实现群智空间的高效组织和可信运行。
二、建立群体智能平台，推进群体智能应用
我国现阶段虽具有丰富的人力资源，但是尚未释放出丰富而强大的群体智能，充分发挥对国家创新体系的支撑作用。《规划》立足国情和现实需要，聚焦平台与应用，提出构建群智众创计算支撑平台，打造面向科技创新的群智科技众创服务系统，推动群智服务平台在智能制造、智能城市、智能农业、智能医疗等重要领域广泛应用，形成群体智能驱动的创新应用系统和创新生态，占据全球价值链高端。
具体地，通过打造面向基础研究和高技术研究的、跨学科、跨行业的“群智空间”，有效整合各类科技资源和智力资源，构造基于互联网的群智众创服务平台, 支撑建立科技众创、软件创新、群智决策等共性应用服务系统，解决国家经济社会发展和民生改善的重大问题。尤其是紧密结合我国在智能经济和智能社会的发展需求，形成一批群体智能重大应用需求的产品和解决方案，如：构建群智软件学习与创新系统和群智软件开发与验证自动化系统，服务国家对软件自主创新的重大需求；构建人机协同、交互驱动的演进式群智决策系统，实现开放环境下复杂问题求解和智能决策；研制面向各类民生服务领域的群智共享经济服务系统，提高民生领域稀缺、高质量资源的利用率和共享度，改善我国人民生活质量。同时，在国家主要科技方向和领域推动形成基于群体智能的科技创新生态系统，培育新兴繁荣的群体智能产业发展新生态、新模式，将加速促进传统产业转型升级和新兴产业发展，使中国群体智能成为国家科技创新的核心驱动力，全面支撑国家的“大众创业、万众创新”重大战略。
2、人工智能
https://mp.weixin.qq.com/s/mjQx1nNkCdejSbTKb6OabQ
人工智能加速发展，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。人工智能成为经济发展的新引擎。人工智能作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎，重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式，引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。
| 专栏3 基础支撑平台 |
| 1.人工智能开源软硬件基础平台。建立大数据人工智能开源软件基础平台、终端与云端协同的人工智能云服务平台、新型多元智能传感器件与集成平台、基于人工智能硬件的新产品设计平台、未来网络中的大数据智能化服务平台等。 2.群体智能服务平台。建立群智众创计算支撑平台、科技众创服务系统、群智软件开发与验证自动化系统、群智软件学习与创新系统、开放环境的群智决策系统、群智共享经济服务系统。 3.混合增强智能支撑平台。建立人工智能超级计算中心、大规模超级智能计算支撑环境、在线智能教育平台、“人在回路”驾驶脑、产业发展复杂性分析与风险评估的智能平台、支撑核电安全运营的智能保障平台、人机共驾技术研发与测试平台等。 4.自主无人系统支撑平台。建立自主无人系统共性核心技术支撑平台，无人机自主控制以及汽车、船舶和轨道交通自动驾驶支撑平台，服务机器人、空间机器人、海洋机器人、极地机器人支撑平台，智能工厂与智能控制装备技术支撑平台等。 5.人工智能基础数据与安全检测平台。建设面向人工智能的公共数据资源库、标准测试数据集、云服务平台，建立人工智能算法与平台安全性测试模型及评估模型，研发人工智能算法与平台安全性测评工具集。 |
3、人机共融智能
https://mp.weixin.qq.com/s/Y-xpt8_SOEION1PjxlHhPg
人机物融合系统
人机共融智能定义为：利用人类智能和机器智能的差异性和互补性，通过个体智能融合、群体智能融合、智能共同演进等，实现人类和机器智能的共融共生，完成复杂的感知和计算任务。
人机共融智能的关键特性包括：
个体智能融合 机器的优势在于快速、低成本地对信息进行存储、比较、排序和检索，人脑的优势在于联想、推理、分析和归纳。针对复杂任务，巧妙利用人的识别、推理能力[3, 4]，实现人机协作增强感知与计算，发挥二者的互补优势。
群体智能融合 除人脑智能外，人机共融智能重点强调群体智能，尤其是隐式智能，通过利用群体行为特征、结构特征及交互特征等在特征和决策层面与机器智能进行融合[5]，实现智能增强。
智能共同演进 未来我们不希望看到机器智能不断增长，而人类智能停滞不前乃至衰退，人机共融智能的目标是人类智能和机器智能互相适应，彼此支持，相互促进，实现智能的共同演进和优化。
群体智能[7] 是一种通过群体智慧来解决问题的方式，强调人类群体间协同互补以及机器在辅助人协作方面的作用。我们强调人类智能和机器智能的深度融合，群体智能重点突出群体隐式智能的作用。
群智感知计算[8] 以大量普通用户使用的移动设备作为基本感知单元，通过物联网、移动互联网协作，实现感知任务分发与数据收集，进而完成大规模、复杂的社会与城市感知任务，侧重于感知过程中人的参与，人机共融智能扩展为感知计算过程，并且强调智能的共同演进。
研究挑战
人机共融智能面临的研究挑战有：精准感知、深度画像、临境自然交互、人机协同感知、人机融合计算和人机智能演进。
（1）精准感知 指基于传统接触式感知技术与新兴的非接触式感知技术对人的行为及周围环境的高精度感知。例如人及环境实物的高精度（厘米、毫米级）的位置感知，高精度动作行为（手势、指形、唇形、力度等）感知，生理信号（呼吸、心跳、脉搏、血压等）感知等。机器精准感知人和环境是人机共融智能的基础，利用先进感知技术让机器了解周围的物理环境和环境中的人，为后续高级智能提供具有语义的数据输入。
（2）深度画像 人机共融需要机器对人有全面深入的了解，人物深度画像指利用高精度感知技术和社交网络对人在物理世界中的行为和网络空间中的交互行为进行融合分析，从而推断出人物的特征和生活规律，如健康状况、性格、兴趣、爱好、情绪等。主要的研究挑战是通过原始感知数据，结合社交网络数据，提取用户高级语义。人类行为的多面性、善变性、演化性是深度画像的难点。
（2）临境自然交互 人机共融需要让人类通过更加自由/自然的方式与机器进行交互。临境自然交互从两个侧面描述了人机交互的形式：(1)临境，即身临其境，人机的边界将变得模糊。用户意识不到计算设备的存在，需要交互的信息将被突出展示，用户将“浸入”到需要的信息中，并与之进行交互。(2)自然，即交互的方式是自由的，不会受到硬件设备的限制。人类将通过自然的行为方式与计算机进行交互，例如手势、语音和触摸等。
（3）人机协同感知协同感知作为信息采集的一种方式，其内涵是汇集来自不同设备、不同数据源以及不同感知实体的信息，并通过处理这些多元的数据信息来更加全面地感知物理世界，为人类提供精准和智能的服务。人机协同感知将人类作为感知节点，通过融合人类的智能，来提升传统基于机器设备的感知能力，实现人机的优势互补，从而提高感知的效能。人机协同感知面临两个技术难点：(1)如何实现跨空间的数据协同感知；(2)如何完成人与机器感知能力的互补增强。
（4）人机融合计算 人机融合计算是指人与机器通过显式或隐式的融合范式，达到人机智能的协作与增强。显式人机融合计算中，人按照任务要求有意识地参与，将识别、联想、推理能力融入计算任务中。隐式人机融合计算仅靠行为习惯无意识参与，将人群无意识表现出的行为规律作为智能用于求解问题。人机融合计算的挑战在于如何对计算任务进行分割，然后给人和机器分配各自擅长的子任务，并确定执行子任务的顺序（串行或并行），以及如何对计算结果进行融合。
（5）人机智能演进 人机智能演进的目标是发挥人和机器的优势互补，促进人的智能和机器智能的共同进步。从机器的角度，以人的知识作为输入指导机器，使得其自身的智能通过不断迭代，变得更加智能和高效，交互式遗传算法正是这一思想的典型体现[9]。机器自身亦可以利用机器之间的相互协作，借助机器提供的反馈，通过博弈的方式，强化机器的智能，从而实现机器智能的自我演进。应用强化学习的AlphaGo便是通过机器之间的相互对弈，完成了自身对弈能力的不断更新换代。反过来从人的角度，随着机器智能的提升，人也可以通过机器的反馈而受到启发，从而丰富自身的经验和知识，提高认知能力。例如，人们可以从AlphaGo、微软小冰等学习到从未想到的棋招和诗句。随着类脑计算和芯片技术的发展，在不久的将来，便会出现可植入式人工智能芯片，实现深度人机智能演进，满足许多特定需求，如大脑先天发育不良、神经系统受损的病人，有特殊作战需求的军人等。人机智能演进需要研究如何实现人类智能与机器智能的共同学习，以及如何实现具备人机相互协作与促进特征的人机智能共同演进方法。
初步实践
我们近期完成的两个研究工作就是应用了人机共融智能的思路，主要是融合隐式群体智能与机器智能，完成复杂感知认知任务。
（1）利用群物交互特征对拍照图像进行分类和语义标注[10] 海报是一种很好的宣传形式。电影海报、招聘广告、学术报告等海报形式，为人们出行、工作、学习、购物等提供了便利。然而，物理世界的海报往往又受到覆盖范围、传播速度等影响，为信息共享和传播带来了局限。基于此，我们设计和实现了FlierMeet系统（如图1所示），对分布在城市社区的公共信息实现了跨空间转发、分类和共享。FlierMeet通过群体参与实现用户感兴趣海报信息的采集和在线共享，通过文本和群物交互(crowd-object interaction)特征对海报进行分类（学术海报、广告等）和语义（热度、专业度、群组兴趣度）标注。首先，通过OCR识别技术提取图像中的文本信息，并进行海报分类；然后，从多维群体-感知对象交互数据中提取群物交互特征（群体智能），包括人-感知对象-地点间交互信息熵、用户偏好、社会关系等，提出基于多标签分类与启发式规则融合的方法实现图像的语义标注。以往在处理图像类感知数据时，多采用基于内容挖掘的方法；而FlierMeet则通过多侧面的群物交互特征来对图像进行语义标注，利用隐式群体智能实现了高效图像语义理解。
（2）基于群体行为特征的感知数据萃取[11] 为及时感知城市热点事件（热门活动、公共安全事件）的发生和发展，我们研究并提出了视觉群智事件感知系统InstantSense（如图2所示）。该系统汇聚机会社群中不同成员提供的数据，利用个体智能和群体智能萃取出高效用数据，实现了对事件发展过程的智能呈现。首先，因为同一区域可能有多个事件发生，先根据群体感知节点感知事件发生时的位置和角度对事件的发生地点进行定位。将拍摄照片时可能覆盖到的地理区域划分为网格，使用正态分布（假设事件区域通常占据照片的中间部位）计算每个网格的定位权重，通过融合群体智能（群体贡献照片的元数据信息，如拍摄位置、方向等）计算网格的累计权重，权重越大则越有可能是事件发生的地点。其次，通过个体/群体智能实现对事件的分割，即将照片流根据事件发展划分为不同子事件。个体智能体现在个体对拍照时机的选择，一般在事件发生变化时进行拍摄；群体智能则通过群体拍摄行为体现事件的重要时刻和不同侧面的感知。第三，InstantSense不但得到低冗余、高覆盖的事件全面感知结果，还会根据子事件对目击者的吸引力进行排序，选择Top-K照片构成事件感知的关键点。InstantSense通过个体/群体照片拍摄行为规律实现对事件的语义分割，进而从两个粒度对事件进行呈现。一是针对多维感知信息（远近、角度等）对子事件进行全方位呈现，二是根据群体拍摄信息熵进行关键子事件的发现。