2018∼2023年国家自然科学基金人工智能学科人才项目申请及资助综述

围绕国家自然科学基金委信息科学部人工智能学科(F06) 2018∼∼2023年青年科学基金项目、地区科学基金项目、优秀青年科学基金项目以及国家杰出青年科学基金项目等人才项目的申请及资助情况, 从学科领域分布、申请年龄性别、依托单位分布以及依托单位变更情况等角度进行了分析, 为人工智能领域的人才队伍建设、学科发展布局提供参考. https://www.sciengine.com/SSI/doi/10.1360/SSI-2024-0080

1 人工智能学科人才项目申请与资助情况概述 国家自然科学基金委员会 (简称自然科学基金委) 立足科学前沿, 优化学科布局, 面向国家社会经 济发展中的重大应用需求, 2018 年设立了人工智能一级学科代码 F06, 将人工智能学科作为自然科学 基金委的重要资助领域. 人工智能代码 F06 下设立 10 个二级代码, 分别为人工智能基础 (F0601)、复杂性科学与人工智能 理论 (F0602)、机器学习 (F0603)、机器感知与机器视觉 (F0604)、模式识别与数据挖掘 (F0605)、自然 语言处理 (F0606)、知识表示与处理 (F0607)、智能系统与人工智能安全 (F0608)、认知与神经科学启发 的人工智能 (F0609) 以及交叉学科中的人工智能问题 (F0610), 主要支持人工智能领域基础理论方法和 核心关键技术研究. 本文着重分析了信息科学部二处 (简称信息二处) 人工智能代码 (F06)2018∼2023 年青年科学基金项目 (简称青年项目)、地区科学基金项目 (简称地区项目)、优秀青年科学基金项目

(优青项目) 以及国家杰出青年科学基金项目 (简称杰青项目) 等人才项目的申请和资助情况，同时从 信息二处人工智能学科 (F06) 及计算机学科 (F02) 青年项目和面上项目依托单位变更以及 F06 获批 优青项目和杰青项目申请人的人才单位变化角度分析了人工智能领域人才流动情况. 2018∼2023 年, 自然科学基金委信息科学部人工智能学科 (F06) 青年项目、地区项目、优青项目 和杰青项目的总体申请与资助情况如图 1∼4 所示. F06 代码设立以来, 四类人才项目在申请数量方面, 青年项目、地区项目申请数量增长趋势明显, 呈逐年上升趋势, 优青项目和杰青项目申请数量存在一定程度的波动, 优青项目申请数量最多为 2023 年度的 91 项, 杰青项目最多为 2023 年的 78 项, 优青项目和杰青项目近三年整体呈现出增长的趋势. 2023 年度, 青年项目、地区项目、优青项目和杰青项目四类人才项目相较于上一年度, 申请数量的涨 幅分别为 11.08%, 10.80%, 8.33% 和 52.94%. 在资助数量方面, 青年项目和地区项目资助数量呈现出稳定增长趋势. 相较上一年度, 2023 年青 年项目资助数量涨幅为 7.17%, 地区项目资助数量涨幅为 10.91%, 但在资助率上青年项目近三年来呈现出下降趋势, 2018 年资助率最高为 25.25%, 2023 年资助率最低为 23.18%, 地区项目资助率最高为 15.71%, 最低为 14.64%. 优青项目在 2018 年资助数量最少为 3 项, 近五年来资助数量相对平稳, 最 高资助数量为 9 项, 最低资助数量为 8 项, 2018 年优青项目资助率最低为 5%, 2022 年资助率最高为 10.71%. 杰青项目资助数量呈现稳中有升的态势, 2018 年和 2019 年资助数量均为 3 项, 2022 年和 2023 年资助数量均为 5 项, 2022 年杰青项目资助率最高为 9.8%, 2023 年资助率最低为 6.41%. 整体来看, 除地区项目外, 其他三类人才项目的申请数量涨幅均大于资助数量涨幅, 竞争程度均有一定的提升, 其 中优青项目和杰青项目两类人才项目的竞争度增加较为显著. 2023 年度除地区项目外的其他三类人 才项目的资助率较前一年度均有所下降, 青年项目、优青项目以及杰青项目分别降低 0.85%, 1.92% 和 3.39%. 此外, 表 1 统计了 2021∼2023 年 F06 各二级代码使用频次排名前三的关键词. 从关键词统计分 析来看, 深度学习是人工智能各二级代码研究方向中的重要技术手段, 大部分二级代码的关键词频次 虽然存在一定波动, 但关键词基本较为稳定. F0601 及 F0602 作为人工智能的基础研究代码, 对神经 网络的研究是近三年来关注的热点方向. 分类、聚类等任务是 F0603、F0605 两个二级代码中的主要 研究内容. 多模态是 F0604、F0606、F0607 等方向下研究的主要方向. F0608 持续推进隐私保护和智 能系统的技术研究. F0609 主要是脑机接口和脑电的技术研究. 从 F0610 的关键词使用频次可见, 深度 学习已成为解决交叉科学问题中的主要技术手段. 从总体来看, F06 资助项目紧跟国际前沿, 如多模 态是目前大模型的主要技术之一, 机器翻译是大语言模型的重要任务之一, 联邦学习是人工智能安全 的重要技术之一等. 图 5 展示了 2018∼2023 年青年项目、地区项目、优青项目、杰青项目的平均申请年龄以及平均资 助年龄. 横向对比四类人才项目, 青年项目、地区项目的平均申请年龄均高于平均资助年龄, 青年项 目的平均申请年龄为 34 岁, 平均资助年龄 31 岁, 地区项目的平均申请年龄为 43 岁, 平均资助年龄为 42 岁, 优青项目和杰青项目的平均申请年龄和平均资助年龄基本持平, 优青项目为 36 岁, 杰青项目为 41 岁. 图 6 展示了 2018∼2023 年 F06 代码下四类人才项目男女平均申请数量和资助率. 四类人才项 目的男性申请人数均远多于女性申请人数, 但在资助率方面, 除杰青项目外, 男性资助率均高于女性 资助率, 杰青项目男性资助率为 7.42%, 女性资助率为 10.71%. 在青年项目上, 男女资助率差异最为显 著, 男性资助率为 28.73%, 女性资助率为 17.07%.