浅析人工智能学科基金项目申请资助情况及展望

吴国政; 吴云凯; 张兆田; 韩军伟

doi:10.16383/j.aas.c200870

浅析人工智能学科基金项目申请资助情况及展望

doi: 10.16383/j.aas.c200870

1.
国家自然科学基金委员会信息科学部, 北京 100085
2.
江苏科技大学电子信息学院, 镇江 212003
3.
西北工业大学自动化学院, 西安 710072

详细信息

作者简介:
吴国政：博士, 国家自然科学基金委员会信息科学部三处处长. 主要研究方向为人工智能. 本文通信作者. E-mail: wugz@nsfc.gov.cn

吴云凯：博士, 江苏科技大学电子信息学院副教授. 主要研究方向为人工智能、故障诊断与容错控制. E-mail: wuyunkaischolar@just.edu.cn

张兆田：研究员, 国家自然科学基金委员会信息科学部副主任. 主要研究方向为逆问题、层析成像. E-mail: zhangzt@nsfc.gov.cn

韩军伟：博士, 西北工业大学教授. 主要研究方向为人工智能. E-mail: jhan@nwpu.edu.cn

计量
- 文章访问数: 2578
- HTML全文浏览量: 6810
- PDF下载量: 1006
- 被引次数: 0
出版历程
- 收稿日期: 2020-10-19
- 录用日期: 2020-10-29
- 网络出版日期: 2020-11-11
- 刊出日期: 2020-12-29

Review on the Applications and Grants of National Natural Science Foundation on Artificial Intelligence and Its Prospects

1.
Department of Information Sciences, National Natural Science Foundation of China, Beijing 100085
2.
School of Electronics and Information, Jiangsu University of Science and Technology, Zhenjiang 212003
3.
Key Laboratory of Information Fusion Technology, Northwestern Polytechnical University, Xi´an 710072

摘要

摘要: 针对信息学部人工智能学科(F06) 2018至2020年度基金项目的申请和资助情况, 截取面上、青年、地区和重点项目, 点−线−面相结合, 从多种客观指标角度系统分析了三年来人工智能学科的申请和资助情况. 2020年度国家自然科学基金委学科代码进行了大幅度的调整和改革, 特别是在取消三级代码、增加二级代码数目的背景下, 本文的分析可以为新版代码的科学性和未来基金项目的申请、评审和资助导向提供统计支撑. 同时, 结合最近三年人工智能学科基金项目的申请资助情况, 以及科学处对人工智能领域的若干推动和工作安排, 对未来国家自然科学基金资助架构下的人工智能学科发展进行了展望.
- 国家自然科学基金 /
- 人工智能学科 /
- 分类评审 /
- 学科发展
Abstract: In this paper, the funding situations of the Artificial Intelligence of the Department of Information Science have been analyzed based on the statistical data of the 2018−2020 NSFC (National Natural Science Foundation of China) funded projects, including the general projects, the youth science foundation projects, projects for developing region and the key projects. Under the background of significant reorganization of the code-base in 2020, the analysis in this study can validate the scientific rationality of new code, and can be regarded as a support of future applications and grants. Meanwhile, according to the application and grant situations in recent three years, the future development trends and prospects in the field of artificial intelligence under the support of NSFC are further analyzed.
- National natural science foundation /
- artificial intelligence /
- incategory-specific review /
- discipline development

HTML全文

图 1 2018−2020年度F06四类项目申请情况

Fig. 1 Application of F06 in 2018−2020

下载: 全尺寸图片幻灯片

图 2 2018−2020年度F06四类项目资助情况

Fig. 2 Funding of F06 in 2018−2020

下载: 全尺寸图片幻灯片

图 3 2018−2020年度F06四类项目资助比例

Fig. 3 Funding rat of F06 in 2018−2020

下载: 全尺寸图片幻灯片

图 4 2018−2020年度F06四类项目资助强度

Fig. 4 Financial support of F06 in 2018−2020

下载: 全尺寸图片幻灯片

表 1 2018年信息学部F06申请资助情况^[2]

Table 1 Application and funding of F06 in Department of Information Sciences 2018

项目类型	申请数量	资助数量	资助比例 (%)	平均资助强度 (万元)
面上项目	1322	231	17.47	60.21
青年项目	905	223	24.64	24.64
地区项目	256	40	15.63	37.98
重点项目	72	16	22.22	285.25

下载: 导出CSV

表 2 2019年信息学部F06申请资助情况

Table 2 Application and funding of F06 in Department of Information Sciences 2019

项目类型	申请数量	资助数量	资助比例 (%)	平均资助强度 (万元)
面上项目	1447	256	17.69	59.89
青年项目	960	225	23.44	24.22
地区项目	280	41	14.64	38.39
重点项目	59	15	25.42	300.13

下载: 导出CSV

表 3 2020年信息学部F06申请资助情况

Table 3 Application and funding of F06 in Department of Information Sciences 2020

项目类型	申请数量	资助数量	资助比例 (%)	平均资助强度 (万元)
面上项目	1573	263	16.72	58.70
青年项目	1146	257	22.43	24.00
地区项目	312	49	15.71	36.00
重点项目	71	13	18.31	296.23

下载: 导出CSV

表 4 2019−2020年度信息学部F06面上项目申请量排名前五位的依托单位

Table 4 Top 5 application of F06 general projects in Department of Information Sciences 2019−2020

2019年			2020年
依托单位	项目数	占比 (%)	依托单位	项目数	占比 (%)
电子科技大学	32	2.21	电子科技大学	24	1.53
西安电子科技大学	27	1.87	华南理工大学	23	1.46
西安交通大学	24	1.66	中国科学院自动化研究所	22	1.40
广东工业大学	20	1.38	同济大学	21	1.34
中国科学院自动化研究所	19	1.31	广东工业大学	20	1.27

下载: 导出CSV

表 5 2019−2020年度信息学部F06面上项目资助量排名前五位的依托单位

Table 5 Top 5 funding of F06 general projects in Department of Information Sciences 2019−2020

2019年			2020年
依托单位	项目数	资助率 (%)	依托单位	项目数	资助率 (%)
大连理工大学	8	50.00	中国科学院自动化研究所	8	36.36
中国科学院自动化研究所	7	36.84	大连理工大学	8	53.33
哈尔滨工业大学	7	36.84	北京邮电大学	7	35.00
电子科技大学	7	21.88	复旦大学	7	43.75
中山大学	7	46.67	中山大学	6	42.86

下载: 导出CSV

表 6 2019−2020年度信息学部F06青年项目申请量排名前五位的依托单位

Table 6 Top 5 application of F06 youth science foundation projects in Department of Information Sciences 2019−2020

2019年			2020年
依托单位	项目数	占比 (%)	依托单位	项目数	占比 (%)
国防科技大学	27	2.81	中国科学院自动化研究所	22	1.92
中国科学院自动化研究所	21	2.19	国防科技大学	20	1.75
西安电子科技大学	13	1.35	深圳大学	12	1.05
北京工业大学	11	1.15	西安电子科技大学	10	0.87
中山大学	11	1.15	国防科技创新研究院	10	0.87

下载: 导出CSV

表 7 2019−2020年度信息学部F06青年项目资助量排名前五位的依托单位

Table 7 Top 5 funding of F06 youth science foundation projects in Department of Information Sciences 2019−2020

2019年			2020年
依托单位	项目数	资助率 (%)	依托单位	项目数	资助率 (%)
国防科技大学	12	44.44	中国科学院自动化研究所	9	40.91
西安电子科技大学	10	76.92	哈尔滨工业大学	6	100
中国科学院自动化研究所	10	47.62	深圳大学	5	83.33
北京工业大学	7	63.64	广东工业大学	5	55.56
合肥工业大学	6	75.00	中山大学	5	71.43

下载: 导出CSV

表 8 2019−2020年度信息学部F06地区项目申请量排名前五位的依托单位

Table 8 Top 5 application of F06 projects for developing region in Department of Information Sciences 2019−2020

2019年			2020年
依托单位	项目数	占比 (%)	依托单位	项目数	占比 (%)
新疆大学	24	8.57	新疆大学	17	5.45
昆明理工大学	15	5.36	云南大学	11	3.53
桂林电子科技大学	13	4.64	桂林电子科技大学	10	3.21
江西师范大学	12	4.29	贵州大学	10	3.21
云南大学	10	3.57	昆明理工大学	9	2.88

下载: 导出CSV

表 9 2019−2020年度信息学部F06地区项目资助量排名前五位的依托单位

Table 9 Top 5 funding of F06 projects for developing region in Department of Information Sciences 2019−2020

2019年			2020年
依托单位	项目数	资助率 (%)	依托单位	项目数	资助率 (%)
江西师范大学	4	33.33	南昌大学	5	71.43
云南大学	3	30.00	云南大学	3	27.27
内蒙古大学	3	50.00	贵州大学	3	30.00
桂林电子科技大学	3	23.08	桂林电子科技大学	2	20.00
内蒙古工业大学	2	100	内蒙古工业大学	2	50.00

下载: 导出CSV

表 10 2019−2020年度信息学部F06重点项目申请量排名前五位的依托单位

Table 10 Top 5 application of F06 key projects in Department of Information Sciences 2019−2020

2019年			2020年
依托单位	项目数	占比 (%)	依托单位	项目数	占比 (%)
西安电子科技大学	5	8.47	西安电子科技大学	6	8.45
清华大学	4	6.78	中国科学院自动化研究所	5	7.04
北京邮电大学	3	5.08	北京大学	5	7.04
北京师范大学	2	3.39	天津大学	4	5.63
西北工业大学	2	3.39	清华大学	4	5.63

下载: 导出CSV

表 11 2019−2020年度信息学部F06重点项目资助量排名前五位的依托单位

Table 11 Top 5 funding of F06 key projects in Department of Information Sciences 2019−2020

2019年			2020年
依托单位	项目数	资助率 (%)	依托单位	项目数	资助率 (%)
清华大学	3	75.00	北京大学	2	40.00
同济大学	1	100	中国科学院自动化研究所	2	40.00
大连理工大学	1	100	西安电子科技大学	2	33.33
西北工业大学	1	50.00	电子科技大学	1	100
华南理工大学	1	100	西安交通大学	1	50.00

下载: 导出CSV

表 12 2020年人工智能 (F06) 新版学科代码与旧版学科代码的迁移变化关系

Table 12 The relationship between 2020 new-version code and old-version code of artificial intelligence (F06)

旧版代码	原学科领域	变化	新版代码	现学科领域
F0601	人工智能基础	迁移	F0601	人工智能基础
		新增	F0602	复杂性科学与人工智能理论
F0602	机器学习	迁移	F0603	机器学习
F0603	机器感知与模式识别	迁移	F0604	机器感知与机器视觉
		新增	F0605	模式识别与数据挖掘
F0604	自然语言处理	迁移	F0606	自然语言处理
F0605	知识表示与处理	迁移	F0607	知识表示与处理
F0606	智能系统与应用	迁移	F0608	智能系统与人工智能安全
F0607	认知与神经科学启发的人工智能	迁移	F0609	认知与神经科学启发的人工智‍能
		新增	F0610	交叉学科中的人工智能问题

下载: 导出CSV

表 13 2018−2020年度人工智能 (F06) 各学科代码的资助率 (以新版代码统计) (%)

Table 13 The funding rate of each artificial intelligence (F06) code in 2018−2020 (Based on new-version code) (%)

学科领域	代码	面上项目			青年项目			地区项目
学科领域	代码	2018年	2019年	2020年	2018年	2019年	2020年	2018年	2019年	2020年
人工智能基础	F0601	18.40	21.52	19.49	31.64	25.66	26.42	25.00	20.59	25.00
复杂性科学与人工智能理论	F0602	0.00	0.00	9.09	0.00	0.00	18.92	0.00	0.00	25.00
机器学习	F0603	14.38	9.51	16.92	26.45	23.77	24.83	21.74	17.65	7.41
机器感知与机器视觉	F0604	18.24	33.33	16.55	26.38	25.42	23.43	17.86	11.76	19.15
模式识别与数据挖掘	F0605	20.99	32.86	20.45	21.19	23.20	24.34	12.50	11.11	16.67
自然语言处理	F0606	21.28	54.17	23.08	25.42	29.31	31.94	14.29	15.56	10.20
知识表示与处理	F0607	11.76	4.24	15.49	18.18	28.57	18.87	11.76	19.05	15.38
智能系统与人工智能安全	F0608	14.63	17.78	19.72	21.98	19.81	20.63	3.70	14.29	0.00
认知与神经科学启发的人工智能	F0609	20.21	13.14	18.28	35.14	19.74	22.67	20.00	9.09	33.33
交叉学科中的人工智能问题	F0610	14.56	9.49	12.11	13.33	18.75	15.10	20.00	10.53	16.67
人工智能	F06	0.00	0.00	0.00	16.67	0.00	8.33	0.00	0.00	0.00
合计		17.47	17.69	16.72	24.64	23.44	22.43	15.63	14.64	15.71

下载: 导出CSV

表 14 2019−2020年度信息学部人工智能 (F06) 面上项目科学问题属性分布

Table 14 Scientific properties of artificial intelligence (F06) general projects in Department of Information Sciences 2019−2020

年份	科学属性	申请数	上会数	资助数	上会/申请 (%)	资助/上会 (%)	资助率 (%)
2019年	A类	145	36	21	24.83	58.33	14.48
	B类	532	194	131	36.47	67.53	24.62
	C类	506	125	77	24.70	61.60	15.22
	D类	264	54	27	20.45	50.00	10.23
	合计	1447	409	256	28.27	62.59	17.69
2020年	A类	105	14	11	13.33	78.57	10.48
	B类	609	188	134	30.87	71.28	22.00
	C类	540	123	87	22.78	70.73	16.11
	D类	319	54	31	16.93	57.41	9.72
	合计	1573	379	263	24.09	69.39	16.72

下载: 导出CSV

表 15 2019−2020年度信息学部人工智能 (F06) 青年项目科学问题属性分布

Table 15 Scientific properties of artificial intelligence (F06) youth science foundation projects in Department of Information Sciences 2019−2020

年份	科学属性	申请数	上会数	资助数	上会/申请 (%)	资助/上会 (%)	资助率 (%)
2019年	A类	83	25	13	30.12	52.00	15.66
	B类	367	167	113	45.50	67.66	30.79
	C类	314	112	64	35.67	57.14	20.38
	D类	196	56	35	28.57	62.50	17.86
	合计	960	360	225	37.50	62.50	23.44
2020年	A类	86	21	13	24.42	61.9	15.12
	B类	462	176	129	38.10	73.30	27.92
	C类	367	110	72	29.97	65.45	19.62
	D类	231	64	43	27.71	67.19	18.61
	合计	1146	371	257	32.37	69.27	22.43

下载: 导出CSV

表 16 2019−2020年度信息学部人工智能 (F06) 地区项目科学问题属性分布

Table 16 Scientific properties of artificial intelligence (F06) projects for developing region in Department of Information Sciences 2019−2020

年份	科学属性	申请数	上会数	资助数	上会/申请 (%)	资助/上会 (%)	资助率 (%)
2019年	A类	28	1	0	3.57	0.00	0.00
	B类	76	18	11	23.68	61.11	14.47
	C类	119	31	18	26.05	58.06	15.13
	D类	57	15	12	26.32	80.00	21.05
	合计	280	65	41	23.21	63.08	14.64
2020年	A类	17	5	5	29.41	100.00	29.41
	B类	86	24	16	27.91	66.66	18.60
	C类	141	30	20	21.28	66.66	14.18
	D类	68	12	8	17.65	66.66	11.76
	合计	312	71	49	22.76	69.01	15.71

下载: 导出CSV

表 17 2019−2020年度信息学部人工智能 (F06) 重点项目科学问题属性分布

Table 17 Scientific properties of artificial intelligence (F06) key projects in Department of Information Sciences 2019−2020

年份	科学属性	申请数	上会数	资助数	上会/申请 (%)	资助/上会 (%)	资助率 (%)
2019年	A类	5	1	1	20.00	100.00	20.00
	B类	13	5	3	38.46	60.00	23.08
	C类	28	13	8	46.43	61.54	28.57
	D类	13	4	3	30.77	75.00	23.08
	合计	59	23	15	38.98	65.22	25.42
2020年	A类	3	0	0	0.00	—	0.00
	B类	20	3	1	15.00	33.33	5.00
	C类	41	13	10	31.71	76.92	24.39
	D类	7	3	2	42.86	66.66	28.57
	合计	71	19	13	26.76	68.42	18.31

下载: 导出CSV

参考文献(6)

[1]	中国人工智能2.0发展战略研究项目组. 中国人工智能2.0发展战略研究. 杭州: 浙江大学出版社, 2019. China AI 2.0 Development Strategy Research Group. China AI 2.0 Development Strategy Research. Hangzhou: Zhejiang University Press, 2019.
[2]	吴国政, 胡振涛, 潘庆, 李建军, 张兆田. 2018年度信息科学部基金评审工作综述. 中国科学基金, 2019, 31(1): 15−18 Wu Guo-Zheng, Hu Zhen-Tao, Pan Qing, Li Jian-Jun, Zhang Zhao-Tian. Proposal application, peer review and funding of the Department of Information Sciences in 2018: an overview. Bulletin of National Natural Science Foundation of China, 2019, 31(1): 15−18
[3]	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. 中国科学基金, 2019, 33(3): 209−214 Li Jing-Hai. Deepen the reform of the National Natural Science Fund to play the fundamental and leading role in the national innovation system. Bulletin of National Natural Science Foundation of China, 2019, 33(3): 209−214
[4]	李静海. 构建新时代科学基金体系, 夯实世界科技强国根基. 中国科学基金, 2018, 32(4): 345−350 Li Jing-Hai. Building a science funding system for a new paradigm shift in science. Bulletin of National Natural Science Foundation of China, 2018, 32(4): 345−350
[5]	邓方, 宋苏, 刘克, 吴国政, 付俊. 国家自然科学基金自动化领域数据分析与研究热点变化. 自动化学报, 2018, 44(2): 377−384 Deng Fang, Song Su, Liu Ke, Wu Guo-Zheng, Fu Jun. Data and research hotspot analyses of National Natural Science Foundation of China in automation field. Acta Automatica Sinica, 2018, 44(2): 377−384
[6]	吴飞, 阳春华, 兰旭光, 丁进良, 郑南宁, 桂卫华, 等. 人工智能的回顾与展望. 中国科学基金, 2018, 32(3): 243−250 Wu Fei, Yang Chun-Hua, Lan Xu-Guang, Ding Jin-Liang, Zheng Nan-Ning, Gui Wei-Hua, et al. Artificial intelligence: review and future opportunities. Bulletin of National Natural Science Foundation of China, 2018, 32(3): 243−250