2017年科技部工作会议:加快人工智能等项目立项

简介:

1月10日,2017年全国科技工作会议在北京召开。21世纪经济报道记者从科技部获悉,科技部部长万钢作报告,会议对2016年科技工作进行盘点总结,以及部署2017年科技工作十大工作任务。

日前Master击败聂卫平引发外界对人工智能的关注。科技部工作会议也提出,“科技创新2030-重大项目”将尽快编制完成实施方案,并编制完成人工智能专项规划,加快推进人工智能等重大项目的立项论证。另外,会议还提到以国家实验室为引领,打造国家科技力量。

报告透露2016年全社会R&D(研究和开发)支出达到15440亿元,首次超过15000亿。R&D占GDP比重为2.1%,相比2015年增长0.03个百分点。不过,这一数据距离我国“十二五”规划确定的2.2%发展目标还低0.1个百分点。但值得注意的是,部分中国企业已经开始越来越重视研发,如华为年度研发经费超过苹果。

重大项目涉及多个市场热点

信息经济时代,科技日新月异,科技强国上升到前所未有的高度。继2016年中央颁布《国家创新驱动发展战略纲要》、召开全国科技创新大会后,一年一度全国科技工作会议颇受市场关注。

据悉,万钢在大会发言时提出了2017年十大方面重点工作。其提及的第一项重要工作为加快部署实施重大科技项目,在战略必争领域把握新一轮科技竞争的制高点。其中,一是全面启动实施“科技创新2030-重大项目”,如人工智能、深地探测等重大项目;二是继续实施好国家科技重大专项,持续推动成果推广应用和产业化。

万钢提到的“科技创新2030-重大项目”,即为面向2030年,再选择一批体现国家战略意图的重大科技项目,分批次启动实施,包括航空发动机及燃气轮机、深海空间站、量子通信与量子计算、脑科学与类脑研究、智能制造和机器人等。

万钢还提到,近年人工智能发展非常迅速,引发了科技界、产业界、投资界对人工智能的高度关注,美国、日本、英国等发达经济体针对人工智能发布了一系列战略、规划和政策,力图抢占未来竞争的战略制高点。

万钢提及的人工智能领域,有望成为2017年市场最大的热点。AI(人工智能)在近60年来的发展一直都是起起落落:从九十年代深蓝打败了卡斯帕罗夫,到沃森在《危险边缘》挑战赛里取得冠军,再到2016年的AlphaGo击败李世石及2017年的Master击败聂卫平,AI赚够了眼球。业内人士预测,2017年,轻量级的人工智能应用可能落地、AI将成为创业热点。

目前该领域国际竞争激烈。腾讯集团副总裁、AILab负责人姚星对21世纪经济报道记者表示,随着深度学习上的突破,学习模型上的提升以及近五年机器学习能力发展迅速,人工智能也将发展迅速。

他坚信,在AI时代,包括腾讯在内的中国互联网公司跟世界一流公司是有匹敌之处的。第一,中国企业数据足够多,中国的互联网人数在全世界占比高,每天产生的数据足够多;另外就是中国的人才基础非常好。有数据统计,世界上机器学习领域华人是非常多的。

在重大项目方面,万钢说,近百项科技计划(专项、基金等)基本完成优化整合,新五类科技计划布局初步成型。国家重点研发计划正式启动,已部署42个重点专项1163个科技项目。

除了重大项目,在科技部重点布局的十大工作中,万钢还提到以国家实验室为引领,打造国家战略科技力量;持续加强基础前沿研究,增强原始创新能力等。万钢还强调,要深度参与全球创新治理,提升科技创新国际化水平。

研发差距中国离世界科技强国还有多远?

科技部部长万钢在“开启建设世界科技强国新征程”的报告中透露了一组数据,报告预计2016年全社会R&D支出达到15440亿元,占GDP比重为2.1%。“企业占比为78%,科技进步贡献率增至56.2%,创新型国家建设取得重要进展。”万钢说。

国家统计局的数据显示,2015年全国R&D经费支出14169.9亿元,R&D与国内生产总值之比为2.07%,比上年提高0.05个百分点。

数据显示,2016年这一数据比有望比2015年增长0.03个百分点,但距离“十二五”规划已确定的2.2%发展目标还低0.1个百分点,与主要创新型国家相比也有差距。

决定国际科技发展的一个关键,是R&D经费,即全社会研究与试验发展经费。R&D经费投入强度,即R&D经费支出与GDP之比,是国际上用于衡量一国或一个地区在科技创新方面努力程度的重要指标。

中国研发经费继2010年超过德国之后,2013年又超过日本,目前已成为仅次于美国的世界第二大研发经费投入国家,但研发投入强度,跟美国、日本和韩国都有不小的差距。

据北京大学学科建设办公室研究员贺飞的研究,2003到2013年的十多年间,美国的这一数值最低是2004年的2.48%,最高的是2009的2.81%。2014年,美国、德国和日本这一比值分别为2.74%、2.84%和3.59%,韩国更是达到了4.29%。

不过值得注意的是,近年中国也有企业开始重视起研发投入,少数企业很突出。以华为为例,在过去10年间的研发投入达到约380亿美元。华为高管近日公开透露,在2016年全球研发投入排名前十的企业中,华为名列第九,约92亿美元,超过苹果、思科等巨头。

另外,国家层面也在从多个方面加大研发投入,也在以国家实验室为引领,重点突破关键技术。

科技部副部长阴和俊在2016年回应21世纪经济报道记者采访时,提及某些领域要向美国学习,其中举例提到“美国在国家实验室建设方面很有特色,很值得中国学习”。

一家总部在山东的IT领域的国家重点实验室负责人告诉21世纪经济报道记者,像他们和华为这样的企业重视研发上的投入。过去十几年的积累,已经把他们送到一个新高度上。这使他们在未来的五到十年之内能够和美国在大多数方面竞争,但是不能否认还有差距。

“我们起点比他们高,他们前面走的弯路可以不走,在现在一些公有技术的支持上可以去追赶。但是在这个方面(国家实验室)总会有一个时间差和进度问题。”这位负责人说。



本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。

目录
相关文章
|
2月前
|
机器学习/深度学习 算法 TensorFlow
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
动物识别系统。本项目以Python作为主要编程语言,并基于TensorFlow搭建ResNet50卷积神经网络算法模型,通过收集4种常见的动物图像数据集(猫、狗、鸡、马)然后进行模型训练,得到一个识别精度较高的模型文件,然后保存为本地格式的H5格式文件。再基于Django开发Web网页端操作界面,实现用户上传一张动物图片,识别其名称。
90 1
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
|
1天前
|
人工智能
2025年人工智能与可持续发展国际学术会议 2025 International Conference on Artificial Intelligence and Sustainable Development (ICAISD 2025)
2025年人工智能与可持续发展国际学术会议 2025 International Conference on Artificial Intelligence and Sustainable Development (ICAISD 2025)
22 7
|
6天前
|
存储 人工智能 文字识别
AI与OCR:数字档案馆图像扫描与文字识别技术实现与项目案例
本文介绍了纸质档案数字化的技术流程,包括高精度扫描、图像预处理、自动边界检测与切割、文字与图片分离抽取、档案识别与文本提取,以及识别结果的自动保存。通过去噪、增强对比度、校正倾斜等预处理技术,提高图像质量,确保OCR识别的准确性。平台还支持多字体识别、批量处理和结构化存储,实现了高效、准确的档案数字化。具体应用案例显示,该技术在江西省某地质资料档案馆中显著提升了档案管理的效率和质量。
|
13天前
|
人工智能 安全 网络安全
揭秘!大模型私有化部署的全方位安全攻略与优化秘籍,让你的AI项目稳如磐石,数据安全无忧!
【10月更文挑战第24天】本文探讨了大模型私有化部署的安全性考量与优化策略,涵盖数据安全、防火墙配置、性能优化、容器化部署、模型更新和数据备份等方面,提供了实用的示例代码,旨在为企业提供全面的技术参考。
41 6
|
2月前
|
机器学习/深度学习 人工智能 算法
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
植物病害识别系统。本系统使用Python作为主要编程语言,通过收集水稻常见的四种叶片病害图片('细菌性叶枯病', '稻瘟病', '褐斑病', '稻瘟条纹病毒病')作为后面模型训练用到的数据集。然后使用TensorFlow搭建卷积神经网络算法模型,并进行多轮迭代训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地模型文件。再使用Django搭建Web网页平台操作界面,实现用户上传一张测试图片识别其名称。
117 22
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
|
27天前
|
机器学习/深度学习 人工智能 算法
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
玉米病害识别系统,本系统使用Python作为主要开发语言,通过收集了8种常见的玉米叶部病害图片数据集('矮花叶病', '健康', '灰斑病一般', '灰斑病严重', '锈病一般', '锈病严重', '叶斑病一般', '叶斑病严重'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。再使用Django搭建Web网页操作平台,实现用户上传一张玉米病害图片识别其名称。
50 0
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
探索未来AI趋势:掌握Function Calling技巧,解锁大模型精度提升的秘密武器,让你的数据科学项目事半功倍!
【10月更文挑战第6天】随着深度学习技术的发展,神经网络模型日益复杂,Function Calling作为一种机制,在提升大模型准确度方面发挥重要作用。本文探讨Function Calling的概念及其在大模型中的应用,通过具体示例展示如何利用其优化模型性能。Function Calling使模型能在运行过程中调用特定函数,提供额外的信息处理或计算服务,增强模型表达能力和泛化能力。例如,在文本生成模型中,根据上下文调用词性标注或实体识别等功能模块,可使生成的文本更自然准确。通过合理设计条件判断逻辑和功能模块权重,Function Calling能显著提升模型整体表现。
35 3
|
2月前
|
机器学习/深度学习 算法 TensorFlow
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
交通标志识别系统。本系统使用Python作为主要编程语言,在交通标志图像识别功能实现中,基于TensorFlow搭建卷积神经网络算法模型,通过对收集到的58种常见的交通标志图像作为数据集,进行迭代训练最后得到一个识别精度较高的模型文件,然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面,实现用户上传一张交通标志图片,识别其名称。
97 6
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
|
2月前
|
机器学习/深度学习 人工智能 算法
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
文本分类识别系统。本系统使用Python作为主要开发语言,首先收集了10种中文文本数据集("体育类", "财经类", "房产类", "家居类", "教育类", "科技类", "时尚类", "时政类", "游戏类", "娱乐类"),然后基于TensorFlow搭建CNN卷积神经网络算法模型。通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型,并保存为本地的h5格式。然后使用Django开发Web网页端操作界面,实现用户上传一段文本识别其所属的类别。
87 1
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
10天前
|
人工智能 Anolis 开发者
下一篇
无影云桌面