HackMD
美國國家 AI 研發策略計畫 2023 更新 摘要
原文：
本文內容為使用 Google Gemini (1.5 pro) 進行的文字摘要
這份文件為美國國家科學技術委員會，針對 AI 研究發展提出的 2023 年更新計畫。文件強調 AI 技術的重要性，以及美國在 AI 領域持續領先的目標，並著重於負責任的 AI 發展與應用。
主要關注點:
- 基礎 AI 研究: 推動下一代 AI 技術，包含感知、表徵、學習、推理等基礎能力的提升，並致力於使 AI 更易於使用、更可靠，同時管理生成式 AI 的風險。
- 人機協作: 研究如何建立有效輔助人類的 AI 系統，探索人機團隊合作的模式、評估方法和信任建立，並減輕人類誤用 AI 的風險。
- 道德、法律和社會影響: 深入研究 AI 的倫理、法律和社會影響，開發方法來減輕潛在風險，確保 AI 系統符合美國的價值觀，並促進公平與正義。
- 安全性與保障: 致力於開發可信賴、可靠、安全和可持續的 AI 系統，包括建立有效的測試、驗證和保障方法，並防範網路安全和資料漏洞。
- 數據和環境: 建立高品質、可公開訪問的數據集和環境，並提供先進的計算和硬體資源，為 AI 研究和開發提供支持。
- 標準和基準: 開發評估 AI 技術的標準和基準，並確保其符合美國 AI 權利法案藍圖和 AI 風險管理框架，以促進 AI 技術的公平、安全和可靠發展。
- 人才培育: 加強 AI 人才的培育和訓練，建立可持續發展的 AI 人才庫，以滿足各產業對 AI 專業人士的需求。
- 公私合作: 鼓勵公私部門的合作，促進 AI 研究的成果轉化和應用，加速 AI 技術的發展。
- 國際合作: 優先考慮國際 AI 合作，應對全球挑戰，並制定國際 AI 準則和標準，共同推動 AI 技術的負責任發展和應用。
九大策略的詳細內容:
- 長期投資基礎與負責任的 AI 研究
- 推進數據驅動的知識發現方法。
- 發展聯邦學習等技術，解決數據隱私和安全問題。
- 探索 AI 系統的能力和局限性，確保其安全使用。
- 開發可擴展的通用 AI 系統，例如基礎模型。
- 研發跨現實和虛擬環境的 AI 系統和模擬技術，例如數位孿生。
- 提升 AI 系統的感知能力，例如目標識別和情境感知。
- 開發更强大可靠的機器人技術。
- 推進 AI 專用硬體的研發。
- 利用 AI 改進硬體性能。
- 推動可持續 AI 和計算系統的發展。
- 開發有效的人機協作方法
- 發展人機團隊合作的科學，了解成功團隊的特徵和需求。
- 尋求改進的模型和性能指標，評估人機團隊的效率和有效性。
- 培養人機互動的信任，解決 AI 系統不透明性和不可預測性帶來的問題。
- 深入了解人機系統，從失敗中學習經驗教訓。
- 開發新的人機交互範例，促進協作和決策。
- 了解並解決 AI 的道德、法律和社會影響
- 投資基礎研究，通過社會技術系統設計來促進核心價值觀，並探討 AI 的倫理、法律和社會影響。
- 了解和減輕 AI 的社會和道德風險，例如偏見、歧視和隱私侵犯。
- 利用 AI 解決道德、法律和社會問題，例如促進公平、應對氣候變化和改善醫療保健。
- 了解 AI 的廣泛影響，例如對工作、教育和醫療保健系統的影響。
- 確保 AI 系統的安全和保障
- 建立安全的 AI 系統，包括開發可擴展的測試方法和确保系統的安全性和可靠性。
- 保障 AI 系統的安全，防範數據中毒、模型反演和其他形式的對抗性攻擊。
- 保護 AI 開發供應鏈的安全性。
- 開發共享的公共數據集和環境，以進行 AI 訓練和測試
- 開發和提供高品質的數據集，以滿足各種 AI 應用的需求。
- 開發共享的大規模和專用先進計算和硬體資源。
- 使測試資源能够響應商業和公共利益。
- 開發開源軟體庫和工具包。
- 通過標準和基準來衡量和評估 AI 系統
- 開發廣泛的 AI 標準，涵蓋軟體工程、功能和可信賴性、指標、安全、可用性、互操作性、安全性、隱私、公平性和可解釋性、靈活性、國際合作、可追溯性和特定領域等方面。
- 建立 AI 技術基準，以量化影響性能和合規性的因素。
- 增加 AI 測試平台的可用性，使研究人員能够使用真實的運營數據进行建模和實驗。
- 讓 AI 社區參與標準和基準的制定。
- 開發審計和監控 AI 系統的標準。
- 更好地了解國家 AI 研發人力需求
- 描述和評估 AI 人力，收集有關 AI 人力的數據，了解其能力、差距和需求。
- 為各級教育開發 AI 教學材料，從小學到大學，讓學生接觸 AI 和數據科學。
- 支持 AI 高等教育人員，留住大學 AI 研究人員。
- 培訓和再培訓勞動力，開發支持 AI 人才識別、招聘、評估、培訓和驗證的計畫和系統。
- 探索多元化和多學科專業知識的影響，促進 AI 領域的多元化和包容性。
- 識別和吸引世界頂尖人才，支持大學、工業和民間社會主辦外國學生和學者。
- 發展區域 AI 專業知識，促進 AI 培訓和經濟機會的公平分配。
- 探索加強聯邦 AI 人力的方案，例如建立 AI 獎學金計畫和培訓計畫。
- 將道德、法律和社會影響納入 AI 教育和培訓，培養了解這些問題的專家。
- 向外部利益相關者傳達聯邦勞動力優先事項，讓私營部門、高等教育機構和公眾了解聯邦政府的勞動力需求和優先事項。
- 擴大公私合作夥伴關係，以加速 AI 的進步
- 充分利用公私合作夥伴關係的協同效應，例如共享資源、加速創新和促進技術轉化。
- 將合作夥伴關係擴展到更多元化的利益相關者，包括民間社會組織，以确保 AI 的公平使用和解決社會影響問題。
- 改進、擴大和創建研發合作機制，例如：
- 個人項目合作
- 聯合項目以推進開放、競爭前、基礎研究
- 合作部署和增強研究基礎設施
- 聯邦獎項競賽
- 數據和模型共享
- 建立有原則和協調的 AI 研究國際合作方法
- 培養開發和使用可信賴 AI 的全球文化，與志同道合的國家合作，促進負責任的 AI 研發和創新。
- 支持全球 AI 系統、標準和框架的發展，推動數據共享、互操作性和知識產權保護。
- 促進思想和專業知識的國際交流，通過國際合作計畫、實習、獎學金和交流項目，吸引和留住頂尖 AI 研發人才。
- 鼓勵 AI 發展以造福全球，共同應對全球挑戰，例如公共衛生和可持續發展。
實施評估:
- 將使用一系列指標來評估聯邦機構在實施 NAIIA 和策略計畫方面的進展，包括 AI 研發投資水準、AI 教育和勞動力發展投資水準、多機構計畫數量、NAIRR 投資水準、AI 測試平台數量等。
總體而言，該計畫為美國 AI 研究發展提供了全面且具體的指導方針，旨在確保美國在 AI 領域的領先地位，並促進 AI 技術的負責任發展和應用，為美國人民和全球社會帶來益處。
