第16卷第6期 智能系统学报 Vol.16 No.6 2021年11月 CAAI Transactions on Intelligent Systems Now.2021 D0L:202111003 2021年度NSFC人工智能学科基金项目 申请资助情况及学科发展展望 The NSFC funding situations and disciplinary development prospects of artificial intelligence in 2021 吴国政'，肖斌2，赵瑞珍，陈厅 (1.国家自然科学基金委员会信息科学部，北京100085,2.重庆邮电大学计算机科学与技术学院，重庆 400065) 摘要：对2021年度国家自然科学基金委员会信息科学部二处人工智能(F06)代码下部分基金项目的申请与 资助情况进行了统计和说明，统计和分析了FO6代码下面上、青年科学基金和地区科学基金项目申请与资助依 托单位分布情况、二级代码分布和项目科学属性分类评审试点情况，并对2021年度人工智能学科基金项目部 分评审原则与举措进行了介绍。最后对人工智能学科进行了简单总结和展望。 1人工智能学科项目申请资助总体 基金项目申请总计3061项。如表1所示，面上、 情况 青年科学基金和地区科学基金项目申请分别为 1535项、1190项和336项，获资助项数分别为273 国家自然科学基金委(National Natural Sci- 项、290项和50项，资助率分别为17.79%、24.37% ence Foundation of China,.NSFC)2017年对学科代 和14.88%。 码进行调整，单独设立了人工智能一级学科代码 表12021年度人工智能学科(F06)面上、青年科学和 (F06),2018年开始受理各类项目申请。人工智 地区科学基金项目申请与资助情况 能学科强调围绕人工智能领域的核心科学问题与 Table 1 The funding situations of general program,young 关键技术，进行原创性、基础性、前瞻性和交叉性 scientists fund and fund for less developed re- 研究；支持各领域的科研人员交叉合作，共同探 gions of F06 in 2021 索人工智能领域中的新概念、新理论、新方法和 项目类别 申请项数 资助项数 资助率% 新技术。还特别鼓励和支持科研人员研究有颠覆 面上项目 1535 273 17.79 性的、有重要应用需求的问题。具体受理和支持 青年科学基金项目 1190 290 24.37 的领域包括人工智能基础、复杂性科学与人工智 能理论、机器学习、机器感知与机器视觉、模式识 地区科学基金项目 336 50 14.88 别与数据挖掘、自然语言处理、知识表示与处理、 合计 3061 613 20.03 智能系统与人工智能安全、认知与神经科学启发 的人工智能、交叉学科中的人工智能问题等方向 1.2重点项目情况 的理论方法与关键技术研究。本文详细分析了人 2021年度，信息科学部共发布了8个重点项 工智能学科2021年度国家自然科学基金项目的 目群（计41个研究方向）和72个重点项目立项领 申请、资助情况，并对人工智能的学科发展提出 域，F06代码下有1个重点项目群(5个研究方向) 了若干展望。 和6个重点项目立项领域。F06代码下收到重点 11面上、青年、地区科学基金项目情况 项目申请47项，根据通信评议结果，10个项目获 2021年度信息科学部二处人工智能学科（学 得上会答辩资格。经过专家会议评审，2021年度 科代码F06)收到面上、青年科学基金和地区科学 F06共资助重点项目8项。表2统计了2018年以 来F06代码下重点项目的申请与资助情况。表3 收稿日期：2021-11-01. 通信作者：吴国政.E-mail:wugz@nsfc.gov.cn 为2018年以来F06各二级代码下的重点项目资
DOI: 202111003 2021 年度 NSFC 人工智能学科基金项目 申请资助情况及学科发展展望 The NSFC funding situations and disciplinary development prospects of artificial intelligence in 2021 吴国政1 ，肖斌1,2，赵瑞珍1 ，陈厅1 （1. 国家自然科学基金委员会 信息科学部, 北京 100085; 2. 重庆邮电大学 计算机科学与技术学院, 重庆 400065） 摘 要：对 2021 年度国家自然科学基金委员会信息科学部二处人工智能（F06）代码下部分基金项目的申请与 资助情况进行了统计和说明，统计和分析了 F06 代码下面上、青年科学基金和地区科学基金项目申请与资助依 托单位分布情况、二级代码分布和项目科学属性分类评审试点情况，并对 2021 年度人工智能学科基金项目部 分评审原则与举措进行了介绍。最后对人工智能学科进行了简单总结和展望。 1 人工智能学科项目申请资助总体 情况 国家自然科学基金委（National Natural Science Foundation of China, NSFC）2017 年对学科代 码进行调整，单独设立了人工智能一级学科代码 （F06），2018 年开始受理各类项目申请。人工智 能学科强调围绕人工智能领域的核心科学问题与 关键技术，进行原创性、基础性、前瞻性和交叉性 研究；支持各领域的科研人员交叉合作，共同探 索人工智能领域中的新概念、新理论、新方法和 新技术。还特别鼓励和支持科研人员研究有颠覆 性的、有重要应用需求的问题。具体受理和支持 的领域包括人工智能基础、复杂性科学与人工智 能理论、机器学习、机器感知与机器视觉、模式识 别与数据挖掘、自然语言处理、知识表示与处理、 智能系统与人工智能安全、认知与神经科学启发 的人工智能、交叉学科中的人工智能问题等方向 的理论方法与关键技术研究。本文详细分析了人 工智能学科 2021 年度国家自然科学基金项目的 申请、资助情况，并对人工智能的学科发展提出 了若干展望。 1.1 面上、青年、地区科学基金项目情况 2021 年度信息科学部二处人工智能学科（学 科代码 F06）收到面上、青年科学基金和地区科学 基金项目申请总计 3 061 项。如表 1 所示，面上、 青年科学基金和地区科学基金项目申请分别为 1 535 项、1 190 项和 336 项，获资助项数分别为 273 项、290 项和 50 项，资助率分别为 17.79%、24.37% 和 14.88%。 表 1 2021 年度人工智能学科（F06）面上、青年科学和 地区科学基金项目申请与资助情况 Table 1 The funding situations of general program, young scientists fund and fund for less developed regions of F06 in 2021 项目类别 申请项数 资助项数 资助率/% 面上项目 1 535 273 17.79 青年科学基金项目 1 190 290 24.37 地区科学基金项目 336 50 14.88 合计 3 061 613 20.03 1.2 重点项目情况 2021 年度，信息科学部共发布了 8 个重点项 目群（计 41 个研究方向）和 72 个重点项目立项领 域，F06 代码下有 1 个重点项目群（5 个研究方向） 和 6 个重点项目立项领域。F06 代码下收到重点 项目申请 47 项，根据通信评议结果，10 个项目获 得上会答辩资格。经过专家会议评审，2021 年度 F06 共资助重点项目 8 项。表 2 统计了 2018 年以 来 F06 代码下重点项目的申请与资助情况。表 3 为 2018 年以来 F06 各二级代码下的重点项目资 收稿日期：2021−11−01. 通信作者：吴国政. E-mail: wugz@nsfc.gov.cn. 第 16 卷第 6 期 智 能 系 统 学 报 Vol.16 No.6 2021 年 11 月 CAAI Transactions on Intelligent Systems Nov. 2021
第6期 吴国政，等：2021年度NSFC人工智能学科基金项目申请资助情况及学科发展展望 ·1167· 助情况。通过对2018年以来F06代码下资助的 列)。2018年以来F06各二级代码下优秀青年科 重点项目情况进行统计分析，F06代码共资助重 学基金项目资助情况见表5。 点项目52项，获资助项数排名前3位的二级代码 表42018年以来F06代码下优秀青年科学基金项目申 请与资助情况 分别为“F0609一认知与神经科学启发的人工智 Table 4 The funding situations of excellent young scient- 能”F0603一机器学习”“F0604一机器感知与机 ists fund of F06 since 2018 器视觉”和“℉0608一智能系统与人工智能安全” 年度 申请项数 资助项数 资助率% (与F0604并列)。 2018 呢 4 5.00 表22018年以来F06代码下重点项目申请与资助情况 2019 89 9 10.11 Table 2 The funding situations of key program of F06 2020 93 since 2018 8 8.60 2021 84 8 9.52 年度 申请项数 资助项数 资助率% 2 合计 346 29 8.38 2018 16 22.22 2019 59 15 25.42 表5 2018年以来F06各二级代码下优秀青年科学基金 项目资助情况 2020 71 13 18.31 Table 5 The funding situations of excellent young scient- 2021 47 P 17.02 ists fund under different second-level application code of F06 since 2018 合计 249 52 20.88 二级代码 名称 资助项数 表3 2018年以来F06各个二级代码下重点项目资助情况 F0601 人工智能基础 3 Table 3 The funding situations of key program under dif- ferent second-level application code of F06 since F0602 复杂性科学与人工智能理论 0 2018 F0603 机器学习 二级代码 名称 资助项数 F0604 机器感知与机器视觉 F06 人工智能 F0605 模式识别与数据挖掘 F0601 人工智能基础 5 F0606 自然语言处理 F0602 复杂性科学与人工智能理论 0 F0607 知识表示与处理 F0603 机器学习 o 机器感知与机器视觉 F0608 智能系统与人工智能安全 2 F0604 8 F0605 模式识别与数据挖掘 F0609 认知与神经科学启发的人工智能 F0606 自然语言处理 4 F0610 交叉学科中的人工智能问题 0 F0607 知识表示与处理 3 合计 29 F0608 智能系统与人工智能安全 8 F0609 认知与神经科学启发的人工智能 12 2 人工智能学科项目申请与资助高 F0610 交叉学科中的人工智能问题 0 校分布情况 合计 52 2021年度人工智能学科申报面上项目、青年 科学基金和地区科学基金项目的依托单位数量分 1.3优秀青年科学基金项目情况 2021年度06代码下收到优秀青年科学基金 别为432、448和90家，与2020年度同类项目相 项目申请84项，获资助8项。表4统计了2018 比，申报面上项目依托单位数量减少13家，申报 年以来F06代码下优秀青年科学基金项目的资助 青年科学基金依托单位保持不变，申报地区科学 情况。近年来，F06代码受理青年项目共计346 基金依托单位增加1家。2021年度人工智能学科 项，资助29项，获资助项数排名前3位的二级代 获得面上、青年科学基金和地区科学基金项目资 码分别为：“F0604一机器感知与机器视觉” 助的依托单位数量分别为154、181和34家，与 “F0606一自然语言处理“F0603一机器学习”和 2020年度同类项目相比，获资助面上项目、青年 “F0605一模式识别与数据挖掘”（与F0603并 科学基金和地区科学基金项目依托单位分别减
助情况。通过对 2018 年以来 F06 代码下资助的 重点项目情况进行统计分析，F06 代码共资助重 点项目 52 项，获资助项数排名前 3 位的二级代码 分别为 “F0609—认知与神经科学启发的人工智 能”“F0603—机器学习”“F0604—机器感知与机 器视觉”和“F0608—智能系统与人工智能安全” （与 F0604 并列）。 表 2 2018 年以来 F06 代码下重点项目申请与资助情况 Table 2 The funding situations of key program of F06 since 2018 年度 申请项数 资助项数 资助率/% 2018 72 16 22.22 2019 59 15 25.42 2020 71 13 18.31 2021 47 8 17.02 合计 249 52 20.88 表 3 2018 年以来 F06 各个二级代码下重点项目资助情况 Table 3 The funding situations of key program under different second-level application code of F06 since 2018 二级代码 名称 资助项数 F06 人工智能 1 F0601 人工智能基础 5 F0602 复杂性科学与人工智能理论 0 F0603 机器学习 10 F0604 机器感知与机器视觉 8 F0605 模式识别与数据挖掘 1 F0606 自然语言处理 4 F0607 知识表示与处理 3 F0608 智能系统与人工智能安全 8 F0609 认知与神经科学启发的人工智能 12 F0610 交叉学科中的人工智能问题 0 合计 52 1.3 优秀青年科学基金项目情况 2021 年度 F06 代码下收到优秀青年科学基金 项目申请 84 项，获资助 8 项。表 4 统计了 2018 年以来 F06 代码下优秀青年科学基金项目的资助 情况。近年来，F06 代码受理青年项目共计 346 项，资助 29 项，获资助项数排名前 3 位的二级代 码分别为： “F0604— 机器感知与机器视觉 ” “F0606—自然语言处理”“F0603—机器学习”和 “F0605—模式识别与数据挖掘”（与 F0603 并 列）。2018 年以来 F06 各二级代码下优秀青年科 学基金项目资助情况见表 5。 表 4 2018 年以来 F06 代码下优秀青年科学基金项目申 请与资助情况 Table 4 The funding situations of excellent young scientists fund of F06 since 2018 年度 申请项数 资助项数 资助率/% 2018 80 4 5.00 2019 89 9 10.11 2020 93 8 8.60 2021 84 8 9.52 合计 346 29 8.38 表 5 2018 年以来 F06 各二级代码下优秀青年科学基金 项目资助情况 Table 5 The funding situations of excellent young scientists fund under different second-level application code of F06 since 2018 二级代码 名称 资助项数 F0601 人工智能基础 3 F0602 复杂性科学与人工智能理论 0 F0603 机器学习 4 F0604 机器感知与机器视觉 9 F0605 模式识别与数据挖掘 4 F0606 自然语言处理 5 F0607 知识表示与处理 1 F0608 智能系统与人工智能安全 2 F0609 认知与神经科学启发的人工智能 1 F0610 交叉学科中的人工智能问题 0 合计 29 2 人工智能学科项目申请与资助高 校分布情况 2021 年度人工智能学科申报面上项目、青年 科学基金和地区科学基金项目的依托单位数量分 别为 432、448 和 90 家，与 2020 年度同类项目相 比，申报面上项目依托单位数量减少 13 家，申报 青年科学基金依托单位保持不变，申报地区科学 基金依托单位增加 1 家。2021 年度人工智能学科 获得面上、青年科学基金和地区科学基金项目资 助的依托单位数量分别为 154、181 和 34 家，与 2020 年度同类项目相比，获资助面上项目、青年 科学基金和地区科学基金项目依托单位分别减 第 6 期 吴国政，等：2021 年度 NSFC 人工智能学科基金项目申请资助情况及学科发展展望 ·1167·
·1168· 智能系统学报 第16卷 少3、8和6家。 为优势学科的双一流高校和研究所，如电子科 2021年度人工智能学科申报和获资助面上 技大学、西安电子科技大学、上海交通大学、哈尔 项目、青年科学基金和地区科学基金项目数量排 滨工业大学、中国科学院自动化研究所等。从地 名前五的依托单位如表6和表7所示。可以看 区科学基金项目的申报和获资助单位排名情况来 出，申报和获资助面上、青年科学基金项目数量 看，受制于地区基金所资助区域的教育、科技资源 排名前五的依托单位大部分是以传统信息学科 相对薄弱，依托单位的分布表现出一定的集中性。 表62021年度F06代码下面上、青年科学基金、地区科学基金项目申请数排名前五的依托单位 Table 6 The top-5 host institutions applying general program,young scientists fund and fund for less developed regions of F06in2021 面上项目 青年项目 地区项目 序号 单位名称 申请数占比/% 单位名称 申请数占比% 单位名称 申请数占比% 1 电子科技大学 32 2.08 中国科学院自动化研究所 26 2.82 新疆大学 22 6.55 2 西安电子科技大学 23 1.50 西安电子科技大学 18 1.62 昆明理工大学 15 4.46 3 上海交通大学 21 1.37 中国人民解放军国防科技大学 16 1.25 兰州理工大学 13 3.87 哈尔滨工业大学 20 1.30 清华大学 15 1.25 北方民族大学 12 3.57 华南理工大学 9 1.24 浙江大学 15 1.25 贵州大学 2 3.57 表72021年度F06代码下面上、青年科学基金和地区科学基金项目资助数排名前五的依托单位 Table 7 The top-5 host institutions approved general program,young scientists fund and fund for less developed regions of F06in2021 面上项目 青年项目 地区项目 序号 单位名称 资助数资助率% 单位名称 资助数资助率% 单位名称 资助数资助率% 上海交通大学 9 42.86 清华大学 9 60.00 新疆大学 22.73 2西安电子科技大学 9 39.13 深圳大学 8 57.14 桂林理工大学 44.44 3 哈尔滨工业大学 40.00 中国科学院自动化研究所 P 30.77 云南大学 36.36 4 电子科技大学 > 21.88 西安电子科技大学 > 38.89 贵州大学 3 25.00 复旦大学 63.64 浙江大学 46.67 昆明理工大学 3 20.00 3人工智能学科项目申请与资助代 交叉学科中的人工智能问题”“F0603一机器学 码分布 习”和F0605一模式识别与数据挖掘”等，与人工 智能领域的热门方向相对应。但在“F0602一 2021年度F06各二级代码下面上、青年科学 复杂性科学与人工智能理论“F0607一知识表示 基金和地区科学基金项目申请与资助情况如表8 与处理”“F0608一智能系统与人工智能安全”和 所示。可以看出，申请和获资助面上、青年科学 “F0609一认知与神经科学启发的人工智能”等二 基金和地区科学基金项目数较高的二级代 级代码上的申请数量偏低，这说明人工智能领域 码为“F0604一机器感知与机器视觉”“F0610一 的科研人员在围绕人工智能基础理论和类脑智能 表82021年度F06各二级代码下面上、青年科学基金和地区科学基金项目申请与资助情况 Table 8 The funding situations of general program,young scientists fund and fund for less developed regions under differ- ent second-level application code of F06 in 2021 面上项目 青年科学基金 地区科学基金 代码 名称 申请数资助数资助率% 申请数资助数资助率% 申请数资助数资助率% F06 人工智能 10 1 10.00 11 0 0.00 2 0 0.00 F0601 人工智能基础 128 24 18.75 96 25 26.04 22 4 18.18 F0602复杂性科学与人工智能理论 45 10 22.22 28 17.86 9 1 1L.11
少 3、8 和 6 家。 2021 年度人工智能学科申报和获资助面上 项目、青年科学基金和地区科学基金项目数量排 名前五的依托单位如表 6 和表 7 所示。可以看 出，申报和获资助面上、青年科学基金项目数量 排名前五的依托单位大部分是以传统信息学科 为优势学科的双一流高校和研究所，如电子科 技大学、西安电子科技大学、上海交通大学、哈尔 滨工业大学、中国科学院自动化研究所等。从地 区科学基金项目的申报和获资助单位排名情况来 看，受制于地区基金所资助区域的教育、科技资源 相对薄弱，依托单位的分布表现出一定的集中性。 表 6 2021 年度 F06 代码下面上、青年科学基金、地区科学基金项目申请数排名前五的依托单位 Table 6 The top-5 host institutions applying general program, young scientists fund and fund for less developed regions of F06 in 2021 序号 面上项目 青年项目 地区项目 单位名称 申请数 占比/% 单位名称 申请数 占比/% 单位名称 申请数 占比/% 1 电子科技大学 32 2.08 中国科学院自动化研究所 26 2.82 新疆大学 22 6.55 2 西安电子科技大学 23 1.50 西安电子科技大学 18 1.62 昆明理工大学 15 4.46 3 上海交通大学 21 1.37 中国人民解放军国防科技大学 16 1.25 兰州理工大学 13 3.87 4 哈尔滨工业大学 20 1.30 清华大学 15 1.25 北方民族大学 12 3.57 5 华南理工大学 19 1.24 浙江大学 15 1.25 贵州大学 12 3.57 表 7 2021 年度 F06 代码下面上、青年科学基金和地区科学基金项目资助数排名前五的依托单位 Table 7 The top-5 host institutions approved general program, young scientists fund and fund for less developed regions of F06 in 2021 序号 面上项目 青年项目 地区项目 单位名称 资助数 资助率/% 单位名称 资助数 资助率/% 单位名称 资助数 资助率/% 1 上海交通大学 9 42.86 清华大学 9 60.00 新疆大学 5 22.73 2 西安电子科技大学 9 39.13 深圳大学 8 57.14 桂林理工大学 4 44.44 3 哈尔滨工业大学 8 40.00 中国科学院自动化研究所 8 30.77 云南大学 4 36.36 4 电子科技大学 7 21.88 西安电子科技大学 7 38.89 贵州大学 3 25.00 5 复旦大学 7 63.64 浙江大学 7 46.67 昆明理工大学 3 20.00 3 人工智能学科项目申请与资助代 码分布 2021 年度 F06 各二级代码下面上、青年科学 基金和地区科学基金项目申请与资助情况如表 8 所示。可以看出，申请和获资助面上、青年科学 基金和地区科学基金项目数较高的二级代 码为“F0604—机器感知与机器视觉”“F0610— 交叉学科中的人工智能问题”“F0603—机器学 习”和“F0605—模式识别与数据挖掘”等，与人工 智能领域的热门方向相对应。但在“F0602— 复杂性科学与人工智能理论”“F0607—知识表示 与处理”“F0608—智能系统与人工智能安全”和 “F0609—认知与神经科学启发的人工智能”等二 级代码上的申请数量偏低，这说明人工智能领域 的科研人员在围绕人工智能基础理论和类脑智能 表 8 2021 年度 F06 各二级代码下面上、青年科学基金和地区科学基金项目申请与资助情况 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 代码 名称 面上项目 青年科学基金 地区科学基金 申请数 资助数 资助率/% 申请数 资助数 资助率/% 申请数 资助数 资助率/% F06 人工智能 10 1 10.00 11 0 0.00 2 0 0.00 F0601 人工智能基础 128 24 18.75 96 25 26.04 22 4 18.18 F0602 复杂性科学与人工智能理论 45 10 22.22 28 5 17.86 9 1 11.11 ·1168· 智 能 系 统 学 报 第 16 卷
第6期 吴国政，等：2021年度NSFC人工智能学科基金项目申请资助情况及学科发展展望 ·1169· 续表8 面上项目 青年科学基金 地区科学基金 代码 名称 申请数资助数资助率% 申请数资助数资助率% 申请数资助数资助率% F0603 机器学习 199 35 17.59 165 46 27.88 47 7 14.89 F0604 机器感知与机器视觉 311 62 19.94 233 54 23.18 47 7 14.89 F0605 模式识别与数据挖掘 192 35 18.23 152 38 25.00 41 7 17.07 F0606 自然语言处理 103 22 21.36 74 23 31.08 60 12 20.00 F0607 知识表示与处理 72 8 11.11 49 9 18.37 18 3 16.67 F0608 智能系统与人工智能安全 89 13 14.61 55 32.73 11 1 9.09 F0609认知与神经科学启发的人工智能 80 19 23.75 77 15 19.48 12 25.00 F0610 交叉学科中的人工智能问题 306 44 14.38 250 57 22.80 67 5 7.46 等新型技术方面的研究还有待进一步提升。 上、青年科学基金和地区科学基金项目科学问题 属性分布情况。这3类项目的资助数在科学问题 4人工智能学科项目分类评审试点 属性上的分布特性与申请数一致，B类和C类科 情况 学问题属性的申请与资助数明显多于A类和D 类，A类科学问题属性的数量最少。由于人工智 2021年度F06代码下的重点、面上、青年科 能学科具有一定的交叉特色，D类科学问题属性 学基金和地区科学基金项目均开展了基于科学问 的项目申请数占比较其他学科略高，但申请数和 题属性的分类申请与评审机制。科学问题属性 资助数还是要明显低于B类和C类。申请和获 A一鼓励探索，突出原创；科学问题属性B一聚焦 资助重点项目的各类科学问题属性满足类似分 前沿，独辟蹊径；科学问题属性C一需求牵引，突 布。因此，如何在国家自然科学基金委资助架构 破瓶颈；科学问题属性D一共性导向，交叉融通。 下，加强人工智能基础理论的原创探索研究和其 表9列出了2021年度F06代码下重点、面 他方向的深度交叉融合研究是亟待解决的问题。 表92021年度F06代码下重点、面上、青年科学基金和地区科学基金项目科学问题属性分布 Table9 The distribution of different scientific attributes of key program,general program,young scientists fund and fund for less developed regions of F06 in 2021 面上项目 青年科学基金 地区科学基金 重点项目 属性 申请数资助数资助率/%申请数资助数资助率% 申请数资助数资助率/% 申请数资助数资助率% 科学问题属性A 69 3 4.35 49 4 8.16 29 1 3.45 3 33.33 科学问题属性B 656 155 23.63 541 170 31.42 87 20 22.99 19 26.32 科学问题属性C 572 90 15.73 397 甲 20.40 141 16 11.35 19 10.53 科学问题属性D238 25 10.50 203 35 17.24 79 13 16.46 6 0 0.00 5人工智能学科原创探索计划项目 度、预申请和正式申请均采用双盲评审方式等。 申请资助情况 根据国家自然科学基金原创探索计划项目实 施方案，进一步强化原始创新，推动学科交叉，积 为深入贯彻落实《国务院关于全面加强基础 极应对科学研究范式变革，2020年人工智能学科 科学研究的若干意见》《关于深化项目评审、人 设立了“面向复杂对象的人工智能理论基础研究” 才评价、机构评估改革的意见》中关于提升原始 指南引导类原创探索计划项目。主要资助方向为 创新能力、探索建立对重大原创项目等的非常规 复杂数据感知、复杂系统构建、复杂行为智能分 评审机制的要求，进一步引导和激励科研人员投 析；旨在聚焦人工智能可解释性问题，结合诸如 身原创性基础研究工作，加速实现前瞻性基础研 深时数字地球大科学计划、煤和石油的高效洁净 究、引领性原创成果重大突破，国家自然科学基 综合利用等各领域国家重大战略需求，通过探讨 金委2020年设立了原创探索计划项目。该类项 复杂系统的多层次、多尺度耦合关联机制以及动 目分为专家推荐申请和指南引导申请两种类型， 态时空结构，发展内嵌底层逻辑和物理内涵、融 在资助方式、申请模式和评审方式上引入了新机制， 合复杂性科学和多尺度分析的人工智能新的理论 如无申请资格限制、灵活的资助期限和资助强 体系，从系统科学角度建立大数据的精准认知和
等新型技术方面的研究还有待进一步提升。 4 人工智能学科项目分类评审试点 情况 2021 年度 F06 代码下的重点、面上、青年科 学基金和地区科学基金项目均开展了基于科学问 题属性的分类申请与评审机制。科学问题属性 A—鼓励探索，突出原创；科学问题属性 B—聚焦 前沿，独辟蹊径；科学问题属性 C—需求牵引，突 破瓶颈；科学问题属性 D—共性导向，交叉融通[1-2]。 表 9 列出了 2021 年度 F06 代码下重点、面 上、青年科学基金和地区科学基金项目科学问题 属性分布情况。这 3 类项目的资助数在科学问题 属性上的分布特性与申请数一致，B 类和 C 类科 学问题属性的申请与资助数明显多于 A 类和 D 类，A 类科学问题属性的数量最少。由于人工智 能学科具有一定的交叉特色，D 类科学问题属性 的项目申请数占比较其他学科略高，但申请数和 资助数还是要明显低于 B 类和 C 类。申请和获 资助重点项目的各类科学问题属性满足类似分 布。因此，如何在国家自然科学基金委资助架构 下，加强人工智能基础理论的原创探索研究和其 他方向的深度交叉融合研究是亟待解决的问题。 表 9 2021 年度 F06 代码下重点、面上、青年科学基金和地区科学基金项目科学问题属性分布 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 属性 面上项目 青年科学基金 地区科学基金 重点项目 申请数 资助数 资助率/% 申请数 资助数 资助率/% 申请数 资助数 资助率/% 申请数 资助数 资助率/% 科学问题属性A 69 3 4.35 49 4 8.16 29 1 3.45 3 1 33.33 科学问题属性B 656 155 23.63 541 170 31.42 87 20 22.99 19 5 26.32 科学问题属性C 572 90 15.73 397 81 20.40 141 16 11.35 19 2 10.53 科学问题属性D 238 25 10.50 203 35 17.24 79 13 16.46 6 0 0.00 5 人工智能学科原创探索计划项目 申请资助情况 为深入贯彻落实《国务院关于全面加强基础 科学研究的若干意见》《关于深化项目评审、人 才评价、机构评估改革的意见》中关于提升原始 创新能力、探索建立对重大原创项目等的非常规 评审机制的要求，进一步引导和激励科研人员投 身原创性基础研究工作，加速实现前瞻性基础研 究、引领性原创成果重大突破[3] ，国家自然科学基 金委 2020 年设立了原创探索计划项目[4]。该类项 目分为专家推荐申请和指南引导申请两种类型， 在资助方式、申请模式和评审方式上引入了新机制， 如无申请资格限制、灵活的资助期限和资助强 度、预申请和正式申请均采用双盲评审方式等。 根据国家自然科学基金原创探索计划项目实 施方案，进一步强化原始创新，推动学科交叉，积 极应对科学研究范式变革，2020 年人工智能学科 设立了“面向复杂对象的人工智能理论基础研究” 指南引导类原创探索计划项目。主要资助方向为 复杂数据感知、复杂系统构建、复杂行为智能分 析；旨在聚焦人工智能可解释性问题，结合诸如 深时数字地球大科学计划、煤和石油的高效洁净 综合利用等各领域国家重大战略需求，通过探讨 复杂系统的多层次、多尺度耦合关联机制以及动 态时空结构，发展内嵌底层逻辑和物理内涵、融 合复杂性科学和多尺度分析的人工智能新的理论 体系，从系统科学角度建立大数据的精准认知和 续表 8 代码 名称 面上项目 青年科学基金 地区科学基金 申请数 资助数 资助率/% 申请数 资助数 资助率/% 申请数 资助数 资助率/% F0603 机器学习 199 35 17.59 165 46 27.88 47 7 14.89 F0604 机器感知与机器视觉 311 62 19.94 233 54 23.18 47 7 14.89 F0605 模式识别与数据挖掘 192 35 18.23 152 38 25.00 41 7 17.07 F0606 自然语言处理 103 22 21.36 74 23 31.08 60 12 20.00 F0607 知识表示与处理 72 8 11.11 49 9 18.37 18 3 16.67 F0608 智能系统与人工智能安全 89 13 14.61 55 18 32.73 11 1 9.09 F0609 认知与神经科学启发的人工智能 80 19 23.75 77 15 19.48 12 3 25.00 F0610 交叉学科中的人工智能问题 306 44 14.38 250 57 22.80 67 5 7.46 第 6 期 吴国政，等：2021 年度 NSFC 人工智能学科基金项目申请资助情况及学科发展展望 ·1169·
·1170· 智能系统学报 第16卷 智能学习方法，为新一代基于复杂性的可解释精 相似度高于40%，则将相关材料整理到会议评审 准智能提供理论基础。 现场，请会议评审专家们综合评价并作决议。 2020年度人工智能学科共收到144项指南引 优先资助情况为落实中央精神，人工智能 导类和21项专家推荐类原创探索计划项目申请， 学科在2021年度对F06代码下的F0608一智能 经预申请书双盲通讯评审、正式申请书双盲通讯 系统与人工智能安全”方向上的项目在同等情况 评审、专家会议评审等环节，最终6项指南引导类 下予以优先资助。 和1项专家推荐类原创探索计划项目获得资助， 并在获资助1年后进行考核视项目执行与突破情 7总结与展望 况决定是否滚动支持。2021年度人工智能学科 根据国家“十四五”规划的整体布局，在国家 共收到7项专家推荐类原创探索计划项目申请， 自然科学基金资助框架下，就人工智能学科，提出了 预计在2021年底完成该类项目的所有评审与资 如下信息学科发展战略和科学部优先发展领域四 助环节。从原创探索计划项目近2年的申请与资 1)安全可信人工智能基础理论。针对人工智 助情况上看，申请人在提出原创学术思想、开展 能应用中的安全可信复杂性难题，重点研究大型 探索性与风险性强的原创性基础研究工作方面还 知识库自动构建、表示与推理等方法，探索自主 有待加强，扭转“跟踪多、原创少”的被动局面，引 遂行复杂任务的智能本体理论，建立具备自主学 领性原创成果重大突破是人工智能领域的广大管 习和进化能力的认知模型，支持安全可信人工智 理人员和一线科研工作人员亟待重视的问题。 能模型验证，有效支撑工业、医疗、公共安全等领 6 2021年度人工智能学科基金项目 域人机混合应用的快速发展。 评审原则与举措 2)类脑模型与类脑信息处理。为克服构建类 脑智能模型等难题，通过研究复杂环境高性能智 负责任、讲信誉、计贡献评审机制吲2021年 能视觉传感器及系统技术，对视听感知等生物智 度F06代码下的所有面上项目采用负责任、讲信 能对应脑区神经网络实现精细模拟，从而构建大 誉、计贡献(responsibility,credibility,contribution, 脑视觉智能和芯片功能验证方法体系，探索大脑 RCC)的评审机制。鼓励评审专家认真负责对申 信息处理机理，为类脑自然环境的感知、理解和 请书进行评审，做出科学的判断；对评审专家的 自主决策奠定理论基础。 评审效果和公正性进行统计，包括评审的准确率 针对国家“十四五”规划的统一部署，以及 和反馈意见的及时性和说服力等；鼓励评审专家 2021-2035年科学基金中长期发展规划的具体要 在评审申请书过程中，尽可能对申请人的工作提 求，国家自然科学基金委信息科学部2022年度将 出有价值的建议，特别是提出重要的学术思想。 在F06代码下设立《类脑智能与类脑信息处理》 代表作规范标注工作2021年度通讯评审过 重点项目群，拟资助5个重点项目，分别为：1)类 程中，人工智能学科进行了代表作标注规范核查 脑系统信息传递的机制与理论方法(F0609);2) 工作，对F06代码下所受理的面上、青年科学基 基于神经可塑性的类脑在线学习理论与方法 金和地区科学基金项目代表作开展核查工作。对 (F0609):3)受大脑认知启发的类脑神经网络理论 非第一作者标成第一作者、非通讯作者标成通讯 与方法(F0609):4)面向智能感知的类脑器件及仿 作者、漏了其他作者标成独立作者、未列作者4 生电路研究(F0609):5)模拟生物智能的混合架构 种情况进行严格把关并建议不予资助。F06学科 类脑系统及应用验证(F0609)。人工智能学科在 后续将进一步加大代表作标注规范核查力度，提 2021年征集到的25份重点领域建议书基础上， 醒科研人员在科研工作中一定要格守科研诚信、严 经通讯评议、会议评审讨论投票，2022年度拟在 格按成果标注规范填写，如实体现自己的贡献。 F06代码下以重点项目的形式重点支持如下5个 相似度核查工作)2021年通讯评审过程中， 方向：1)深度神经网络可解释理论分析及决策度 人工智能学科对FO6代码下所有面上、青年科学 量方法(F0601):2)多源信息融合的抑郁症早期 基金和地区科学基金项目申请书进行相似度核查。 预警关键技术(F0603、F0609);3)知识驱动的复 若遇到本年度受理的申请书和往年未资助的申请 杂场景多模态语义理解与文本生成(F0604):4)少 书相似度大于40%，且申请人不同，则与相关申 数民族古籍文献智能分析与机器翻译(F0605 请人联系并要求出具知情同意书，如被联系人表 F0606);5)少标注自然语言处理理论与方法 示不知情，则对已受理的申请人按照相关规定处 (F0606)。 理。若本年度受理的申请书与已获资助的申请书 国家自然科学基金委人工智能学科代码从
智能学习方法，为新一代基于复杂性的可解释精 准智能提供理论基础。 2020 年度人工智能学科共收到 144 项指南引 导类和 21 项专家推荐类原创探索计划项目申请， 经预申请书双盲通讯评审、正式申请书双盲通讯 评审、专家会议评审等环节，最终 6 项指南引导类 和 1 项专家推荐类原创探索计划项目获得资助， 并在获资助 1 年后进行考核视项目执行与突破情 况决定是否滚动支持。2021 年度人工智能学科 共收到 7 项专家推荐类原创探索计划项目申请， 预计在 2021 年底完成该类项目的所有评审与资 助环节。从原创探索计划项目近 2 年的申请与资 助情况上看，申请人在提出原创学术思想、开展 探索性与风险性强的原创性基础研究工作方面还 有待加强，扭转 “跟踪多、原创少”的被动局面，引 领性原创成果重大突破是人工智能领域的广大管 理人员和一线科研工作人员亟待重视的问题。 6 2021 年度人工智能学科基金项目 评审原则与举措 负责任、讲信誉、计贡献评审机制[1,3] 2021 年 度 F06 代码下的所有面上项目采用负责任、讲信 誉、计贡献（responsibility, credibility, contribution, RCC）的评审机制。鼓励评审专家认真负责对申 请书进行评审，做出科学的判断；对评审专家的 评审效果和公正性进行统计，包括评审的准确率 和反馈意见的及时性和说服力等；鼓励评审专家 在评审申请书过程中，尽可能对申请人的工作提 出有价值的建议，特别是提出重要的学术思想。 代表作规范标注工作 2021 年度通讯评审过 程中，人工智能学科进行了代表作标注规范核查 工作，对 F06 代码下所受理的面上、青年科学基 金和地区科学基金项目代表作开展核查工作。对 非第一作者标成第一作者、非通讯作者标成通讯 作者、漏了其他作者标成独立作者、未列作者 4 种情况进行严格把关并建议不予资助。F06 学科 后续将进一步加大代表作标注规范核查力度，提 醒科研人员在科研工作中一定要恪守科研诚信、严 格按成果标注规范填写，如实体现自己的贡献。 相似度核查工作[3] 2021 年通讯评审过程中， 人工智能学科对 F06 代码下所有面上、青年科学 基金和地区科学基金项目申请书进行相似度核查。 若遇到本年度受理的申请书和往年未资助的申请 书相似度大于 40%，且申请人不同，则与相关申 请人联系并要求出具知情同意书，如被联系人表 示不知情，则对已受理的申请人按照相关规定处 理。若本年度受理的申请书与已获资助的申请书 相似度高于 40%，则将相关材料整理到会议评审 现场，请会议评审专家们综合评价并作决议。 优先资助情况 为落实中央精神，人工智能 学科在 2021 年度对 F06 代码下的“F0608—智能 系统与人工智能安全”方向上的项目在同等情况 下予以优先资助。 7 总结与展望 根据国家“十四五”规划的整体布局，在国家 自然科学基金资助框架下，就人工智能学科，提出了 如下信息学科发展战略和科学部优先发展领域[1] ： 1）安全可信人工智能基础理论。针对人工智 能应用中的安全可信复杂性难题，重点研究大型 知识库自动构建、表示与推理等方法，探索自主 遂行复杂任务的智能本体理论，建立具备自主学 习和进化能力的认知模型，支持安全可信人工智 能模型验证，有效支撑工业、医疗、公共安全等领 域人机混合应用的快速发展。 2）类脑模型与类脑信息处理。为克服构建类 脑智能模型等难题，通过研究复杂环境高性能智 能视觉传感器及系统技术，对视听感知等生物智 能对应脑区神经网络实现精细模拟，从而构建大 脑视觉智能和芯片功能验证方法体系，探索大脑 信息处理机理，为类脑自然环境的感知、理解和 自主决策奠定理论基础。 针对国家“十四五”规划的统一部署，以及 2021−2035 年科学基金中长期发展规划的具体要 求，国家自然科学基金委信息科学部 2022 年度将 在 F06 代码下设立《类脑智能与类脑信息处理》 重点项目群，拟资助 5 个重点项目，分别为：1）类 脑系统信息传递的机制与理论方法（F0609）；2） 基于神经可塑性的类脑在线学习理论与方法 (F0609)；3）受大脑认知启发的类脑神经网络理论 与方法 (F0609)；4）面向智能感知的类脑器件及仿 生电路研究 (F0609)；5）模拟生物智能的混合架构 类脑系统及应用验证 (F0609)。人工智能学科在 2021 年征集到的 25 份重点领域建议书基础上， 经通讯评议、会议评审讨论投票，2022 年度拟在 F06 代码下以重点项目的形式重点支持如下 5 个 方向：1）深度神经网络可解释理论分析及决策度 量方法（F0601）；2）多源信息融合的抑郁症早期 预警关键技术（F0603、F0609）；3）知识驱动的复 杂场景多模态语义理解与文本生成（F0604）；4）少 数民族古籍文献智能分析与机器翻译（F0605、 F0606） ； 5）少标注自然语言处理理论与方法 （F0606）。 国家自然科学基金委人工智能学科代码从 ·1170· 智 能 系 统 学 报 第 16 卷
第6期 吴国政，等：2021年度NSFC人工智能学科基金项目申请资助情况及学科发展展望 ·1171· 2018年开始受理项目申请，至今已历经4年。期 2711-2718 间资助了一批包括科学中心、创新研究群体、重 WU Guozheng,WU Yunkai,ZHANG Zhaotian,et al.Re- 大、重点、杰青、优青等在内的项目，在人工智能 view on the applications and grants of national natural sci- 基础理论、关键技术、创新平台建设、高端人才培 ence foundation on artificial intelligence and its prospects 养等方面取得了一定的进展，但也面临着更加艰 [J].Acta automatica sinica,2020,46(12):2711-2718 [2]李静海.构建新时代科学基金体系，夯实世界科技强国 巨的任务与挑战。一是，人工智能基础理论缺乏 根基).中国科学基金，2018,32(4)：345-350 重大突破，人工智能基础以及新设立的复杂性科 LI Jinghai.Building a science funding system for a new 学与人工智能理论方向申请数量偏少，反映出对 paradigm shift in science[J].Bulletin of national natural 人工智能的探索攻坚克难者还是较小的群体，需 science foundation of China,2018,32(4):345-350. 要进一步鼓励和扶持。人工智能技术和应用与世 [3]李静海.全面深化科学基金改革更好发挥在国家创新体 界领先水平也存在一定差距，自然语言处理、知 系中的基础引领作用[).中国科学基金，2019,33(3)： 识表示和处理这类应用核心难点问题还没有得到 209-214. 解决。二是，在面向国防建设、制造、医疗、城市 LI Jinghai.Deepen the reform of the national natural sci- ence fund to play the foudamental and leading role in the 建设、农业等国家重大战略需求领域还需建立完 national inn ovation system[J].Bulletin of national natural 善的人工智能理论与技术体系。三是，人工智能 science foundation of China,2019.33(3):209-214. 开放工具、平台和生态建设方面还缺乏系统性建 [4]文珺，潘庆，李建军，等.2020年度信息科学部基金评审 设，开源共享的理念和实践都处于萌芽阶段。四 工作综述).中国科学基金，2021,35(1)上48-52. 是，智能安全问题日益突出且受到广泛关注，但 WEN Jun,PAN Qing,LI Jianjun.Evaluation and applica- 是安全系统建立、安全体系架构、安全评估方法 tion of national nature science fund of the department of 等尚待广大科学工作者深入研究并重点突破，尤 information sciences in 2020:an overview[J.Bulletin of national natural science foundation of China.2021,35(1): 其是人工智能伦理道德体系建设研究需要加大投 48-52. 人和支持。未来结合人工智能发展趋势，我们认 为类脑智能、可解释人工智能和鲁棒人工智能理 作者简介： 论与方法、通用人工智能理论与方法等方向有可 吴国政，副研究员，博士，国家自 能成为人工智能理论研究的突破点。同时，人工 然科学基金委员会信息科学部二处处 长兼人工智能与智能系统项目主任 智能研究途径也在发生转变，从数据驱动的研究 主要研究方向为人工智能、信息安全。 方法转变为数据驱动与知识驱动融合的研究方 法，实现从传统的基于数据、算法与算力的三元 研究，向基于知识、数据、算法与算力的四元研究 转变。在面向现有机器学习、大数据、机器人技 肖斌，教授，博士，国家自然科学 术高速发展的趋势下，数据与知识融合驱动有望 基金委员会信息科学部二处流动项目 成为新的人工智能研究范式途径之一。国家自然 主任，主要研究方向为图像处理与模 科学基金委将继续围绕人工智能领域的核心科学 式识别。 问题与关键技术，进行原创性、基础性、前瞻性和 交叉性研究，促进人工智能学科与其他相关科学 领域的共同发展，支撑我国人工智能基础理论 关键技术、创新平台建设和高端人才培养等方面 赵瑞珍，教授，博士，国家自然科 的发展。 学基金委员会信息科学部二处副处长 兼计算机软硬件项目主任，主要研究 参考文献： 方向为计算机图像与视频处理。 [1]吴国政，吴云凯，张兆田，等.浅析人工智能学科基金项 目申请资助情况及展望[.自动化学报，2020,46(12)： [责任编辑：李雪莲] 中文引用格式：吴国政，肖斌，赵瑞珍，等.2021年度NSFC人工智能学科基金项目申请资助情况及学科发展展望.智能系 统学报，2021,16(6)：1166-1171. 英文引用格式：VU Guozheng,XIAO Bin,ZHAO Ruizhen,etal.The NSFC funding situations and disciplinary development pro- spects of artificial intelligence in 2021[J].CAAI transactions on intelligent systems,2021,16(6):1166-1171
2018 年开始受理项目申请，至今已历经 4 年。期 间资助了一批包括科学中心、创新研究群体、重 大、重点、杰青、优青等在内的项目，在人工智能 基础理论、关键技术、创新平台建设、高端人才培 养等方面取得了一定的进展，但也面临着更加艰 巨的任务与挑战。一是，人工智能基础理论缺乏 重大突破，人工智能基础以及新设立的复杂性科 学与人工智能理论方向申请数量偏少，反映出对 人工智能的探索攻坚克难者还是较小的群体，需 要进一步鼓励和扶持。人工智能技术和应用与世 界领先水平也存在一定差距，自然语言处理、知 识表示和处理这类应用核心难点问题还没有得到 解决。二是，在面向国防建设、制造、医疗、城市 建设、农业等国家重大战略需求领域还需建立完 善的人工智能理论与技术体系。三是，人工智能 开放工具、平台和生态建设方面还缺乏系统性建 设，开源共享的理念和实践都处于萌芽阶段。四 是，智能安全问题日益突出且受到广泛关注，但 是安全系统建立、安全体系架构、安全评估方法 等尚待广大科学工作者深入研究并重点突破，尤 其是人工智能伦理道德体系建设研究需要加大投 入和支持。未来结合人工智能发展趋势，我们认 为类脑智能、可解释人工智能和鲁棒人工智能理 论与方法、通用人工智能理论与方法等方向有可 能成为人工智能理论研究的突破点。同时，人工 智能研究途径也在发生转变，从数据驱动的研究 方法转变为数据驱动与知识驱动融合的研究方 法，实现从传统的基于数据、算法与算力的三元 研究，向基于知识、数据、算法与算力的四元研究 转变。在面向现有机器学习、大数据、机器人技 术高速发展的趋势下，数据与知识融合驱动有望 成为新的人工智能研究范式途径之一。国家自然 科学基金委将继续围绕人工智能领域的核心科学 问题与关键技术，进行原创性、基础性、前瞻性和 交叉性研究，促进人工智能学科与其他相关科学 领域的共同发展，支撑我国人工智能基础理论、 关键技术、创新平台建设和高端人才培养等方面 的发展。 参考文献： 吴国政, 吴云凯, 张兆田, 等. 浅析人工智能学科基金项 目申请资助情况及展望 [J]. 自动化学报, 2020, 46(12): [1] 2711–2718. WU Guozheng, WU Yunkai, ZHANG Zhaotian, et al. Review on the applications and grants of national natural science foundation on artificial intelligence and its prospects [J]. Acta automatica sinica, 2020, 46(12): 2711–2718. 李静海. 构建新时代科学基金体系, 夯实世界科技强国 根基 [J]. 中国科学基金, 2018, 32(4): 345–350. LI Jinghai. Building a science funding system for a new paradigm shift in science[J]. Bulletin of national natural science foundation of China, 2018, 32(4): 345–350. [2] 李静海. 全面深化科学基金改革更好发挥在国家创新体 系中的基础引领作用 [J]. 中国科学基金, 2019, 33(3): 209–214. LI Jinghai. Deepen the reform of the national natural science fund to play the foudamental and leading role in the national inn ovation system[J]. Bulletin of national natural science foundation of China, 2019, 33(3): 209–214. [3] 文珺, 潘庆, 李建军, 等. 2020 年度信息科学部基金评审 工作综述 [J]. 中国科学基金, 2021, 35(1): 48–52. WEN Jun, PAN Qing, LI Jianjun. Evaluation and application of national nature science fund of the department of information sciences in 2020: an overview[J]. Bulletin of national natural science foundation of China, 2021, 35(1): 48–52. [4] 作者简介： 吴国政，副研究员，博士，国家自 然科学基金委员会信息科学部二处处 长兼人工智能与智能系统项目主任， 主要研究方向为人工智能、信息安全。 肖斌，教授，博士，国家自然科学 基金委员会信息科学部二处流动项目 主任，主要研究方向为图像处理与模 式识别。 赵瑞珍，教授，博士，国家自然科 学基金委员会信息科学部二处副处长 兼计算机软硬件项目主任，主要研究 方向为计算机图像与视频处理。 [ 责任编辑：李雪莲 ] 中文引用格式：吴国政, 肖斌, 赵瑞珍, 等. 2021 年度 NSFC 人工智能学科基金项目申请资助情况及学科发展展望 [J]. 智能系 统学报, 2021, 16(6): 1166–1171. 英文引用格式：WU Guozheng, XIAO Bin, ZHAO Ruizhen, et al. The NSFC funding situations and disciplinary development prospects of artificial intelligence in 2021[J]. CAAI transactions on intelligent systems, 2021, 16(6): 1166–1171. 第 6 期 吴国政，等：2021 年度 NSFC 人工智能学科基金项目申请资助情况及学科发展展望 ·1171·
