學術界的人工智能研究過分局限于約翰·麥肯錫的定義，也就是人工智能的目標是“像人”，并指出我們應該突破對智能的狹義理解。這與AI要解決NP-hard級別難題有什么聯系？
“像人”的人工智能是一個已經被大家很重視的方向，但我認為人工智能的另一個發力點是「解決大問題」。尤其是用機器學習的方法解決意義重大的科學難題，即在多項式時間內“有效解決”指數復雜性問題。
所謂指數復雜性是指求解一個問題所需的時間或空間（存儲用量）隨著問題規模增加而指數性地增加。這也就人們常說的組合爆炸。在計算復雜性理論中，將一大類目前還找不到多項式級復雜性算法的問題劃歸為NP-hard問題。如果一個問題能找到多項式級復雜性的算法，例如排序算法等，直接按確定的程序計算就能精確求解，人們一般不認為是人工智能應用。人工智能要研究的問題幾乎都是NP-hard問題，從其誕生開始就要對付組合爆炸。從這種意義上講，人工智能的“天”就是組合爆炸，所謂“頂天”就是找到巧妙的辦法克服組合爆炸。
第一個是大數據智能;第二個是群體智能;第三個是跨媒體智能;第四個是人機混合增強智能;第五個是自主智能系統
大小模型協同進化,硅光芯片,綠色能源AI,柔性感知機器人,高精度醫療導航,全域隱私計算,星地計算,云網端融合,XR 互聯網,AI for Science
人工智能重大數理基礎問題已在國內外引起高度關注, 解決這些重大的數理基礎問題構成了人工智能未來發展的驅動力和重要前沿領域
會學習是新一代人工智能的核心,從人機交互擴展到交互認知,從深度學習擴展到機器自學習,才是新一代人工智能的研究方向
我國AI企業早期投融資次數自2019年起顯著下降,同期中后期投資占比大幅提升,對人工智能產業鏈以及同業個股的梳理,探討其投資機遇
張鈸院士指出 人工智能技術常常引起公平性,安全性的問題,體現在文本,圖像或是語音時,有時會包含性別,種族,宗教等方面的歧視
報告對中國人工智能基礎層行業進行研究分析，詳細梳理了人工智能基礎層的概念界定、組成部分、供給需求、市場規模、行業發展趨勢與建議等
基于2205家人工智能企業、15家國家級人工智能開放創新平臺、52家人工智能新型研發機構和48家新型平臺，全面刻畫和概括出我國人工智能和經濟社會全面融合發展的現狀和趨勢
白皮書旨在探討以深度學習技術為主要驅動力的人工智能發展狀況、技術創新重點與產業發展趨勢，推動我國人工智能的技術創新與產業發展
機器視覺技術在工業領域中應用，核心功能包括產品識別、測量、定位及檢測，是實現產品分揀、裝配、 搬運、質檢等多個生產環節智能化轉型的核心技術
持續探索新一代人工智能應用場景，將等經濟活動各環節，催生新技術、新產品、新產業。作為數字經催生新技術、新產品、新產業
