人工智能的迅速發(fā)展正深刻地改變著人類社會(huì)生活，在理論和方法上，人工智能呈現(xiàn)出深度學(xué)習(xí)、跨界融合、人機(jī)協(xié)同、群智開放、自主操控等新特征.數(shù)據(jù)驅(qū)動(dòng)與知識(shí)驅(qū)動(dòng)融合、跨媒體協(xié)同處理、人機(jī)協(xié)同增強(qiáng)智能、群體集成智能、自主智能系統(tǒng)等成為人工智能的發(fā)展重點(diǎn)，人工智能發(fā)展進(jìn)入新階段.隨著新一代人工智能相關(guān)理論建模、技術(shù)創(chuàng)新、軟硬件升級(jí)等整體推進(jìn)，亟需破解研究中面臨的理論、方法、應(yīng)用等多個(gè)層面的挑戰(zhàn)性難題.基于上述背景，為了加速我國人工智能領(lǐng)域研究，以及更好地推進(jìn)人工智能技術(shù)的應(yīng)用落地，《計(jì)算機(jī)研究與發(fā)展》出了本期“新一代人工智能前沿進(jìn)展”專題.本專題共收錄了14篇論文，反映國內(nèi)同行在新一代人工智能前沿領(lǐng)域的最新研究成果，希望能為從事相關(guān)工作的讀者提供借鑒和幫助.

劉艷芳等作者的論文“基于被動(dòng)-主動(dòng)的特征演化流學(xué)習(xí)”，提出了一種基于被動(dòng)-主動(dòng)更新策略的特征演化學(xué)習(xí)算法，通過特征恢復(fù)為新特征空間的模型學(xué)習(xí)提供合理的初始化，并利用集成學(xué)習(xí)提高了算法整體性能.

王原等作者的論文“用于求解旅行商問題的深度智慧型蟻群優(yōu)化算法”，提出了一種基于蟻群優(yōu)化和深度強(qiáng)化學(xué)習(xí)的混合啟發(fā)式算法框架，通過采用深度學(xué)習(xí)方法提升了蟻群算法的計(jì)算表現(xiàn)，并降低其計(jì)算代價(jià).

王培妍等作者的論文“基于張量分解的知識(shí)超圖鏈接預(yù)測模型”，提出了一種基于張量分解的知識(shí)超圖鏈接預(yù)測模型，顯式地為不同關(guān)系以及不同位置上實(shí)體的角色建模，能有效解決知識(shí)超圖鏈接預(yù)測問題.

儲(chǔ)曉愷等作者的論文“基于K階互信息估計(jì)的位置感知網(wǎng)絡(luò)表征學(xué)習(xí)”，提出了一種位置感知網(wǎng)絡(luò)表征學(xué)習(xí)模型，能夠有效識(shí)別不同階的鄰居節(jié)點(diǎn)并捕獲自身的位置信息，從而為各種下游任務(wù)生成合理有效的表征.

郭佳雯等作者的論文“基于非遞減時(shí)序隨機(jī)游走的動(dòng)態(tài)異質(zhì)網(wǎng)絡(luò)嵌入”，提出了一種基于時(shí)間和類別約束隨機(jī)游走的動(dòng)態(tài)異質(zhì)網(wǎng)絡(luò)嵌入方法，顯著提升了鏈路預(yù)測和節(jié)點(diǎn)分類的準(zhǔn)確度，并通過增量式更新降低運(yùn)行成本.

馬揚(yáng)等作者的論文“基于病毒傳播網(wǎng)絡(luò)的基因序列表示學(xué)習(xí)”，提出了一種基于圖上下文信息的基因序列表示方法，得到的新表示不僅可以有效表達(dá)基因序列的特征，同時(shí)降低了序列的維度提高了計(jì)算效率.

黃訓(xùn)華等作者的論文“基于多模態(tài)對(duì)抗學(xué)習(xí)的無監(jiān)督時(shí)間序列異常檢測”，提出了一種基于多模態(tài)對(duì)抗學(xué)習(xí)的無監(jiān)督時(shí)間序列異常檢測模型，能夠發(fā)掘時(shí)間序列在多個(gè)模態(tài)空間上的特征分布關(guān)聯(lián)，提高檢測能力.

肖添明等作者的論文“基于代碼屬性圖和Bi-GRU的軟件脆弱性檢測方法”，提出了一種基于代碼屬性圖和Bi-GRU的軟件脆弱性檢測方法，改善了面向多個(gè)軟件源代碼混合的脆弱性檢測效果，有效降低誤報(bào)率和漏報(bào)率.

謝娟英等作者的論文“基于改進(jìn)RetinaNet的自然環(huán)境中蝴蝶種類識(shí)別”，提出了2種新的硬注意力機(jī)制，并引入可變形卷積增強(qiáng)RetinaNet對(duì)蝴蝶形變的建模能力，實(shí)現(xiàn)野外環(huán)境下蝴蝶種類自動(dòng)識(shí)別.

丁宗元等作者的論文“基于融合多尺度標(biāo)記信息的深度交互式圖像分割”，提出了一種融合多尺度標(biāo)記信息的深度交互圖像分割算法，既能保持分割的完整性，又能得到目標(biāo)細(xì)節(jié)的分割結(jié)果，降低了用戶的交互負(fù)擔(dān).

劉凡等作者的論文“基于并行注意力UNet的裂縫檢測方法”，提出了一種并行注意力機(jī)制，并將其嵌入到UNet網(wǎng)絡(luò)的解碼部分，不僅能有效抑制各種干擾，而且能獲取更具互補(bǔ)性的裂縫特征，提升裂縫檢測的效果.

鄭海斌等作者的論文“面向自然語言處理的對(duì)抗攻防與魯棒性分析綜述”，對(duì)自然語言處理的攻擊方法和防御方法進(jìn)行分類介紹，分析了自然語言處理模型的可驗(yàn)證魯棒性和評(píng)估基準(zhǔn)數(shù)據(jù)集，并討論了未來的研究發(fā)展方向.

何賢敏等作者的論文“基于孿生BERT網(wǎng)絡(luò)的科技文獻(xiàn)類目映射”，提出了一種基于BERT預(yù)訓(xùn)練上下文語言模型的孿生網(wǎng)絡(luò)，能較好地刻畫類目文本的相似度，建立IPC類目和CLC類目之間的映射關(guān)系.

劉壯等作者的論文“用于金融文本挖掘的多任務(wù)學(xué)習(xí)預(yù)訓(xùn)練金融語言模型”，提出了一種基于BERT模型架構(gòu)的開源金融預(yù)訓(xùn)練語言模型，有效地捕獲了大規(guī)模預(yù)訓(xùn)練語料中的金融領(lǐng)域知識(shí)和語義信息，可用于各種金融領(lǐng)域任務(wù).

本專題征文得到研究人員的積極響應(yīng)，在此感謝廣大作者對(duì)本專題的大力支持！感謝各位審稿專家及時(shí)認(rèn)真的評(píng)閱，以及極具建設(shè)性的評(píng)審意見！特別感謝《計(jì)算機(jī)研究與發(fā)展》編委會(huì)和編輯部，感謝他們對(duì)“新一代人工智能前沿進(jìn)展”這一前沿技術(shù)專題的支持！由于稿源豐富和專題篇幅有限等原因，本專題未能全面覆蓋人工智能領(lǐng)域各方面的最新研究進(jìn)展，不當(dāng)之處請(qǐng)同行學(xué)者批評(píng)指正!