摘要
随着人工智能技术走向复杂、开放的真实应用场景(如无人装备、自动驾驶、金融风控等),人工智能的理论和算法面临着更高、更新的挑战与要求.目前,主流的深度学习算法普遍存在对抗鲁棒性差、数据需求量大等局限,在恶意干扰、标注数据有限等条件下模型性能会出现大幅下降.鲁棒高效的机器学习是构建安全、可靠、可控人工智能的关键方面,被中国、美国等国家列为人工智能重点发展方向.美国2018年发布的下一代人工智能(AI Next)战略中明确强调,未来5年将在人工智能领域投入20亿美元发展对抗鲁棒和数据高效的人工智能;我国新一代人工智能计划也重点布局这方面的研究.
出处
《科技成果管理与研究》
2023年第1期1-2,共2页
Management And Research On Scientific & Technological Achievements
