德国高频支持人工智能研究，力度空前增大

近期，德国联邦教育与研究部协同下辖的科研统筹协调机构，对德国人工智能领域的研究和发展工作给予了大力支持，措施频密，且资助力度空前。这也彰显出当下德国对于发展人工智能的紧迫性和对其前景的重视程度。最新的扶持举措，也反映了德国人工智能的中期发展方向。

一、组建人工智能学院，加大AI青年人才培养力度

今年5月，德意志学术交流中心遴选出三个研究联合组织，将获得德国联邦教研部未来几年共计2400万欧元的资助，目的在于加强人工智能青年人才培养，巩固德国在人工智能研发领域的世界领先地位。这三个研究联合组织均以德国计算机先驱康拉德·楚泽命名，一方面以顶尖的学术培养条件吸引国内外优秀学生，并为其在德开展长期科研工作提供机会；另一方面，通过强化高校与科研机构合作、密切教学科研与数字经济关系、创新教学和学习形式，加大人工智能硕士和博士的培养力度。

三个研究联合组织分别是：

康拉德·楚泽学习与智能系统卓越学院（ELIZA），由达姆施塔特工业大学主办，合作机构包括图宾根大学、萨尔大学、海德堡大学、弗莱堡大学、慕尼黑工业大学、柏林工业大学、柏林自由大学、马克斯·普朗克软件系统研究所、马克斯普·朗克信息学研究所、马克斯·普朗克智能系统研究所、弗劳恩霍夫海因里希·赫兹研究所、欧洲分子生物学实验室以及德国癌症研究中心。
康拉德·楚泽嵌入式复合人工智能卓越学院 (SECAI)，由德累斯顿工业大学主办，合作机构包括莱比锡大学、德累斯顿先进电子中心，人机回圈触觉互联网中心、艾尔莎·科罗纳·费森尤斯数字健康中心，马克斯·普朗克自然科学与数学研究所、可扩展数据分析与人工智能中心以及信息服务与高性能计算中心。
康拉德·楚泽可靠人工智能卓越学院 (relAI)，由慕尼黑工业大学主办，合作机构为慕尼黑大学、弗劳恩霍夫应用与集成安全研究所、弗劳恩霍夫认知系统研究所以及慕尼黑亥姆霍兹中心。

二、联邦和联邦州共同资助人工智能能力中心

自今年7月起，德国六个人工智能能力中心中的五个额外获得联邦教研部的资助。联邦教研部将提供每年5000万欧元的资助，人工智能能力中心所在的联邦州政府也将提供一比一配套资助经费。联邦教研部力图通过加大资助，加强德国人工智能研究的核心支撑，为人工智能研究人员提供规划上的保障和深入研究长期复杂问题的机会，促进经济和社会发展，以实现科学突破，产生新的初创企业和商业模式，加快技术和成果转化，培养人工智能专家和创造新的就业机会，形成国际网络，从而确保德国在人工智能方面的技术主权，同时也让德国成为一个更具吸引力的人工智能创新地。

获得资助的五个人工智能能力中心分别是：

柏林学习与数据基础研究所——拥有从事数据库系统和信息管理、机器学习和智能数据分析、地球观测大数据分析、解释性深度神经网络、大数据系统、概率建模与推断、量子化学分子模拟机器学习以及异构环境下的分布式数据流处理等研究工作的9个科研团队。
慕尼黑机器学习中心——主要研究统计科学与可解释性、数学基础和计算模型等计算机学习基础科学，计算机视觉、自然语言处理、多模态感知，以及涉医学、生物、物理与地质科学和计算机社会科学等方面的机器学习。
莱茵-鲁尔机器学习能力中心——研究重点为可信赖机器学习、混合机器学习、量子计算机机器学习以及资源感知机器学习等。
德累斯顿/莱比锡可扩展数据分析与人工智能中心——主要致力于应用人工智能与大数据、人工智能算法与方法、大数据分析与工程、负责任的人工智能以及人工智能架构/可扩展性/安全性等方面的研究。
图宾根人工智能中心——重点研究领域为稳健机器学习原理和算法、稳健感知学习、稳健行动学习、医学领域机器学习以及数据隐私/公平/影响等。

另外，德国人工智能研究中心此次没有获得增加财政资助。因为此前已有安排，2022年起，联邦教研部每年为其提供1100万欧元的项目资金，其所在的联邦州政府也将提供同等金额的配套资金。

三、德国研究联合会资助人工智能研究项目

德国研究联合会是德国最重要科学自治机构，其职能主要在于通过竞争评选的方式，将联邦和各联邦州政府提供的科研经费，分配用于资助高水平的跨学科研究。德国研究联合会在6月底召开的年度大会上宣布，根据其在人工智能领域的战略资助计划，遴选出了八个人工智能研究项目，为其提供资助，第一期资助总额约为 3140万欧元，项目将获得最多两个四年期的资助。目的是让关联的研究机构在这些研究项目进程中相互接触，并与该领域的其他国家和国际行为者建立联系——不仅在高校和机构里，也在各种活动中。

获选的八个研究项目分别是：

整合深度学习和统计来理解结构化的生物医学数据——该研究项目旨在建立更加灵活的统计模型，并通过建立与一般生物医学应用的链接来显着提高结构化数据情况的可解释性。（柏林洪堡大学Sonja Greven教授牵头）
用于园艺作物监测和决策的自动化和人工智能研究——寻找新的人工智能算法，提供植物状况的最佳描述和预测，为具体管理决策提供基础。（波恩大学Christopher McCool教授牵头）
大地测量学算法数据分析——弥合当前人工智能和大地测量学领域的研究之间的差距，利用这两个学科之间的联系，为测量和绘制地球表面建立更坚实的算法基础。（波恩大学Petra Mutzel教授牵头）
Lifespan AI：从纵向健康数据到生命历程推断——旨在进一步开发AI方法和工具，以便基于收集的数据和使用深度学习模型来提高对个体疾病发展的认识，从而使其能够用于实证健康研究。（不来梅大学Tanja Schultz教授牵头）
神经元架构中的抽象表示——专注于人脑功能网络和不同抽象级别的AI模型中知识表示的出现和编码。（法兰克福大学Ingo Marzi 教授牵头）
稀疏化学过程数据深度学习——在化学工程中建立深度学习方法。（凯泽斯劳滕工业大学 Marius Kloft 教授牵头）
基于人工智能的快速升级不成熟生产流程的方法——高质量、高成本效益的生产需要复杂的工艺，其开发成本极高。该项目旨在使这一开发过程变得更便宜、更快、更高效。（卡尔斯鲁厄大学 Jürgen Beyerer 教授牵头）
学习最佳图像数据传感器——旨在开发一种新的方法，用于联合开发传感器系统和数据分析网络。（锡根大学 Michael Möller 教授牵头）

参考文献：

[1]DAAD. Mehr KI-Talente für Deutschland[EB/OL].(2022-05-18)[2022-10-23].https://www.daad.de/de/der-daad/kommunikation-publikationen/presse/pressemitteilungen/mehr-ki-talente-fuer-deutschland/.

[2]DAAD. Konrad Zuse Schools of Excellence in Artificial Intelligence[EB/OL].[2022-10-23]. https://www.daad.de/de/infos-services-fuer-hochschulen/weiterfuehrende-infos-zu-daad-foerderprogrammen/konrad-zuse-schools/.

[3]BMBF.Stark-Watzinger: „KI-Standort Deutschland wird noch attraktiver“[EB/OL].(2022-06-30)[2022-10-23]. https://www.bmbf.de/bmbf/shareddocs/kurzmeldungen/de/2022/06/50-millionen-foerderung-fuer-ki-kompetenzzentren.html.

[4]BMBF.Künstliche Intelligenz[EB/OL].[2022-10-23]. https://www.bmbf.de/bmbf/de/forschung/digitale-wirtschaft-und-gesellschaft/kuenstliche-intelligenz/kuenstliche-intelligenz_node.html.

[5]DFG.DFG fördert acht neue Forschungsgruppen im Bereich der künstlichen Intelligenz[EB/OL].[2022-10-23]. https://www.dfg.de/service/presse/pressemitteilungen/2022/pressemitteilung_nr_20/index.html.