2022年组稿方向

2022年将特别关注人工智能+、物联网与5G、区块链、量子计算、大数据、隐私安全保护等技术的融合应用。本年度组稿包括但不仅限于以下方向:人工智能:多模态/跨模态学习、大数据智能、跨媒体感知计算、混合增强智能、群体智能、自主协同控制与优化决策、统计学习、联邦学习、因果推理、类脑智能计算、量子智能计算、智能机器感知与模式识别、自然语言处理与理解、知识图谱、机器人与智能系统、多智能体协同。     

智能集群系统的强化学习方法综述

智能集群系统是人工智能的重要分支，所涌现出的智能形态被称为集群智能，具有个体激发时的自组织性和群体汇聚时的强鲁棒性等特征.智能集群系统的协同决策过程是融合人-机-物，覆盖多元空间，囊括感知-决策-反馈-优化的复杂非线性问题，具有开放的决策模型和庞大的解空间.然而，传统的算法依赖大量的知识与经验，使其难以支持系统的持续演化.强化学习是一类兼具感知决策的端到端方法，其通过试错的方式不断迭代优化，具有强大的自主学习能力.近些年来，受生物群体和人工智能的启发，强化学习算法已由求解个体的决策问题，向优化集群的联合协同问题演进，为增强集群智能的汇聚和涌现注入了新动能.但是，强化学习在处理集群任务时面临感知环境时空敏感、群内个体高度自治、群间关系复杂多变、任务目标多维等挑战.本文立足于智能集群系统的协同决策过程与强化学习运行机理，从联合通信、协同决策、奖励反馈与策略优化四个方面梳理了强化学习算法应对挑战的方法，论述了面向智能集群系统的强化学习算法的典型应用，列举了相关开源平台及其适用算法.最后，从实际需求出发，讨论总结了今后的研究方向.     

人工智能基础软硬件架构的关键技术研究

针对当前人工智能技术在军用领域的应用问题和难点,研究基于深度学习技术的军用软硬件架构设计方法,并且结合业内主流的软硬件基础架构,分析在军事应用中涉及的关键技术和解决思路。通过对深度学习模型压缩转化、数据增强和分布式训练等软硬件架构的关键技术研究,设计构建了一站式人工智能开发平台、嵌入式边缘智能计算平台,对军用人工智能提供端到端的训练、部署和测试支撑。该研究可为未来智能无人作战系统提供软硬协同的智能计算解决方案。     

边缘智能与协同计算: 前沿与进展

随着万物互联时代的到来,边缘设备规模急剧增加,海量数据在网络边缘产生,人工智能技术的飞速发展为分析和处理这些数据提供了强大的支撑.然而,传统云计算的集中处理模式难以满足用户对任务低时延和设备低功耗的需求,并带来数据隐私泄露的潜在隐患.与此同时,嵌入式高性能芯片的发展显著提升了边缘设备的计算能力,使其能够在边缘侧实时处理部分计算密集型任务.在此背景下,边缘计算和人工智能有机融合,孕育了一种新的计算范式:边缘智能.鉴于此,聚焦边缘智能与协同计算的前沿与进展,首先概述边缘计算、人工智能和边缘智能的相关背景、基本原理与发展趋势;然后从训练、推理和缓存3个方面回顾面向单个设备的边缘智能方法;接着从架构、技术和功能3个维度介绍多个设备合作实现边缘智能协同的相关工作;最后总结边缘智能在工业物联网、智慧城市和虚拟现实等领域的广泛应用.     

人工智能技术在矿山智能化建设中的应用初探

介绍了人工智能技术的相关概念、发展概述及其在煤炭行业发展中的应用,指出目前人工智能技术在矿山应用只是点状结合和浅度结合,没有实现人工智能技术和矿山某个生产或管理系统层面的深度融合。概述了智能矿山的发展历程,指出智能矿山是人工智能技术、大数据技术、物联网技术和矿山实体的深度融合体,利用智能通信、智能控制和智能计算技术实现数字化矿山的计算、处理,构建数字孪生矿山,通过数字孪生矿山和物理矿山的智能交互演化,达到对煤矿安全、高效、绿色的生产控制。构建了将人工智能技术和矿山深度融合的包括设备层、智能层、应用层的智能矿山三层构架:应用层处于智能矿山的最高层,其中的数字孪生矿山子层相当于“数字大脑”,实现矿山最高层次的智能控制;智能层中的智能体要求子系统不仅仅是应用人工智能技术处理子系统所产生的数据,而是从架构上就要将智能计算、智能通信、智能控制融为一体。展望了智能矿山建设的发展趋势:智能化矿山需要加强人工智能技术和矿山融合度的深入研究,将现有的基于人工智能的故障检测、诊断及超前干预技术应用到机器人系统中,智能计算、智能通信、智能控制融合的巡检机器人将是最早能推广的井下智能体之一;智能化矿山需要进一步加强复杂巨系统建模技术的研究,只有建立了矿山的复杂巨系统模型,才能实现采矿活动和环境的协同互动,实现采煤活动的精准控制,复杂巨系统模型的缺乏将是未来智能矿山建设亟需解决的问题。     

人工智能在基础教育中的创新应用

人工智能是开启未来智能世界的钥匙,也是未来科技发展的制高点。近年来,随着大数据智能、深度学习、类脑智能、自主控制和群体学习等新一代人工智能技术的发展,人工智能迎来了新一轮爆发,走入大众视野,改变着各行各业。     

基于人工智能和元宇宙的人机交互学习智能代理

文章提出一种基于人工智能和元宇宙的人机交互学习智能代理,将佛教经典卷宗——《心经》中的模糊本体论应用于人工智能(artificial intelligence, AI)中,使得中小学生在AI-FML元宇宙中学习英语和模糊标记语言(fuzzy markup language, FML);计算智能是人工智能的一个重要分支,它包括模糊逻辑、神经网络和进化计算;基于强化学习、智能代理、本体和AI-FML人机交互学习技术,提出了一种基于模糊本体的智能代理,供学生在AI-FML元宇宙平台上体验计算智能应用,学习模糊逻辑、神经网络和进化计算的基本概念;将模糊本体和AI-FML的核心技术与《心经》相结合,在AI-FML元宇宙中构建具有计算智能、感知智能和认知智能的智能代理;此外,还运用人类对《心经》的语义理解,将AI-FML元宇宙平台的概念解释给中小学生学习和体验计算智能;智能代理与学习环境和AI-FML元宇宙进行交互,可以帮助教师评估学生们在每个课时学习英语或计算智能应用的表现,并以热力图的形式来反映;通过评估AI-FML元宇宙在上海4所国际中小学的实施情况,观察到智能代理能够有效工作,学生的学习成...     

《计算机工程》2019年(第45卷)总目次

在物联网、移动互联网的快速发展和大数据的深层驱动下,群体智能进入2.0时代。通过介绍群体智能2.0的定义,分析国内科研团队在群智感知计算、联邦学习及众包等方面的研究成果,明确群体智能2.0的发展趋势,并指出群智感知计算与众包技术将成为群体智能2.0的主要研究方向,数据获取、数据处理及用户隐私保护为需要解决的关键技术难点。     

新一代人工智能十问十答

新一代人工智能是我国在全球第一个面向2030年提出的国家重大发展战略。如何认识新一代人工智能和传统人工智能的不同,了解其内涵、外延、技术特征以及发展目标,从而更好地凝聚研发队伍,是实现这一战略的重要保证。本文围绕新一代人工智能的技术内核,提出十个主要问题,自问自答,大问小答,指出新一代人工智能将从传统的计算机智能跃升为无意识的类脑智能,是人类智能的体外延伸,不涉及生命和意识,由人赋予意图,通过有指导的传承学习和自主学习,能够与时俱进地解释、解决新的智力问题,形成有感知、有认知、有行为、可交互、会学习、自成长的新一代人工智能—智能机器。     

煤矿智能监测与预警技术研究现状与发展趋势

从物联网、大数据、云计算及人工智能方面综述了我国煤矿智能监测与预警技术的研究现状。针对煤矿智能监测技术的实际应用情况,指出了煤矿智能监测与预警存在井下煤矿监测设备前兆信息采集可靠性差、云端平台集成应用融合深度不够、数据库安全性较弱、人工智能技术在煤矿监测中的应用尚不成熟等问题。展望了煤矿智能监测与预警技术的发展趋势:煤矿智能监测系统应用石墨烯/氧化石墨烯光纤传感器可实现多源信息感知,提升前兆信息采集的可靠性;研究多技术深度交叉融合技术,以探究监测数据的深层价值;构建基于区块链技术的煤矿监测数据库,保证数据库不可篡改,且具有较好的读写性能;研发具备自适应和深度学习的煤矿智能安全监测预警系统,实现矿井自动监测、智能预警。     

智慧太湖建设总体目标与关键内容

随着信息化技术的发展,流域管理和治理的措施也不断创新。在总结目前太湖流域信息化和智慧化工作进展情况的基础上,提出智慧太湖建设主要目标,并利用大数据、物联网、云计算、移动互联网、人工智能等技术,对流域信息资源进行充分整合,构建全要素动态感知监测、太湖大数据、业务支撑3个平台,智能应用系统,以及基础设施、安全保障2个体系等关键内容,提高流域治理与管理的信息化工作水平和协同能力。     

一种智能计算单元的设计与实现

在嵌入式计算环境中，人工智能技术的应用越来越广泛，传统的人工智能技术更注重于计算力的提升，不能全面满足嵌入式环境小体积、高集成、低功耗的要求。因此提出了一种基于SoC处理器+FPGA系统架构智能计算单元的设计方法，以多核智能处理器为核心构成高性能计算单元，实现系统配置管理、图像处理及智能计算加速，FPGA用于实现与外部光电传感器的高速数据通信以及视频的预处理。详细介绍了智能计算单元的系统结构和功能电路组成与设计，并对功耗进行计算。结果表明，该智能计算单元在满足计算力的基础上兼顾体积及功耗要求，能够满足嵌入式人工智能平台需求，实现了图像降噪滤波、 ROI区域提取、图像目标检测与提取、目标特征统计及基于深度学习的目标识别功能。     

达摩院：智能革命蓄势已久

科技浪潮新十年开启,蓄势已久的智能革命将迎来颠覆性的技术变局。近日,达摩院发布了2020十大科技趋势,希望与大家共同见证那些期待已久或从未料想的变化,并且循着技术演进的曲线,找到我们的来处和去向。趋势一:人工智能从感知智能向认知智能演进,人工智能在“听、说、看”等感知智能领域已经达到或超越了人类水准,但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。认知智能将从认知心理学、脑科学及人类社会历史中汲取灵感,并结合跨领域知识图谱、因果推理、持续学习等技术,建立稳定获取和表达知识的有效机制,让知识能够被机器理解和运用,实现从感知智能到认知智能的关键突破。     

基于决策树改进深度学习的网络安全态势智能感知方法

为了提高网络安全态势智能感知精度,提出基于决策树改进深度学习的网络安全态势智能感知方法。对通信网络流量数据进行预处理,基于决策树改进深度学习提取网络安全态势要素,计算网络安全态势感知阈值;设计网络安全态势智能感知流程,从而实现网络安全态势智能感知;设计对比实验,实验结果表明该研究方法对网络安全态势的感知精度较高,更具备实际应用价值。     

知识和数据协同驱动的群体智能决策方法研究综述EI北大核心CSCD

群体智能(Collectire intelligence,CI)系统具有广泛的应用前景.当前的群体智能决策方法主要包括知识驱动、数据驱动两大类,但各自存在优缺点.本文指出,知识与数据协同驱动将为群体智能决策提供新解法.本文系统梳理了知识与数据协同驱动可能存在的不同方法路径,从知识与数据的架构级协同、算法级协同两个层面对典型方法进行了分类,同时将算法级协同方法进一步划分为算法的层次化协同和组件化协同,前者包含神经网络树、遗传模糊树、分层强化学习等层次化方法;后者进一步总结为知识增强的数据驱动、数据调优的知识驱动、知识与数据的互补结合等方法.最后,从理论发展与实际应用的需求出发,指出了知识与数据协同驱动的群体智能决策中未来几个重要的研究方向.     

智能矿山综合管控平台建设构思

为有效解决煤炭行业现有单系统单业务应用模式下信息孤岛严重、业务互联互通不足、数据价值挖掘利用差,现有物联网、云计算、大数据、人工智能、智能控制等新一代信息技术应用点单一、智能化赋能不足等问题,将新一代信息技术与煤矿安全、生产、运营管控业务进行深度融合,提出了智能矿山综合管控平台建设构思。该平台基于智能矿山基础信息平台,通过煤炭工业大数据中心对海量异构数据进行汇聚、治理、存储与分析,应用数据中台、技术中台及应用中台实现在同一平台的数据融合、协同控制、业务联动与决策分析;采用统一门户、统一数据及统一风格,搭建集中统一的生产调度协同管控、风险综合防控管理、决策分析综合管控、精准运维检测等智能化管控业务应用中心:生产调度协同管控应用中心应用煤矿安全生产协同技术实现矿领导、调度指挥中心、科室、区队及班组之间业务互联与分级调度,固定场所下的融合调度与协同控制;风险综合防控管理应用中心以煤矿安全风险防控为核心,实现全矿风险危害要素的全方位感知、实时监视、动态评估、异常联动处置,保障煤矿安全生产高效有序运行;决策分析综合管控应用中心应用时序数据挖掘分析技术实现安全、生产、运营等指标态势分析及预测,通过安全生产大数据看板及个人工作台进行安全、生产、运营状况的综合展示;精准运维检测应用中心以运行探针方式,实现平台运行过程的故障监测及异常跟踪处理。     

人工智能技术驱动下的智能产品应用探析

在信息技术、大数据技术与人工智能技术的驱动下智能产品得到快速的发展与进步。智能产品在教育、医疗、家居、交通等关键领域应用不断成熟。人工智能的核心是智能产品,本文从人工智能入手,对智能产品的定义、核心与优势进行了分析,对智能产品的工作原理及工作流程进行了论述,对智能产品的未来进行了展望。     

大数据驱动的个性化服务智能推荐系统研究

大数据时代背景下,数据信息资源海量化,个性化智能推荐系统是有效解决由于海量数据信息超载的一种高级商务智能平台,它能根据用户的需求实施数据信息的个性化推荐。通过对大数据技术和人工智能概念进行梳理,给出了大数据驱动的个性化服务智能推荐关键技术,提出了系统架构,进一步提炼了大数据和人工智能的价值,使大数据技术和人工智能的价值有了新的体现。希望该研究能为大数据驱动下的智能推荐系统的研究者提供参考和借鉴。     

伦理智能体及其设计:现状和展望

智能体一直是人工智能的主要研究领域之一,任何独立的能够同环境交互并自主决策的实体都可以抽象为智能体.随着人工智能从计算智能到感知智能,再到认知智能的发展,智能体已逐步渗透到无人驾驶、服务机器人、智能家居、智慧医疗、战争武器等人类生活密切相关的领域.这些应用中,智能体与环境、尤其是与人类和社会的交互愈来愈突出,其中的伦理...     

论智能的困扰和释放

智能回答整个认知活动中“在哪里”“是什么”“为什么”和“怎么做”等基本问题,涵有丰富的内质,当前尚不存在公认的“智能”标准定义,本文分析了这种窘境,给出“智能”的33字新定义,不再区分是人的智能,还是机器的智能,让智能不再被人的生命特质中的意识、欲望、情感等纠缠困扰,把智能从身体中单独释放出来到体外,拓展开去,成为人工智能,如机器智能。同时,把学习对智能的重要性也在定义里理清楚了。这个定义通俗、简明、精辟,无需转出再定义。新定义尤其强调在物理空间表现的具身交互导致的感知智能和行为智能,在认知空间思维导致的计算智能和记忆智能。人类的认知力和想象力,人类学习的能力,以及解释、解决问题的能力,人类智能和人工智能的迭代发展,使得智能能够以超自然进化的速度增长,让人发挥人的智慧,机器发挥机器的智能,人类正在进入智能时代。