■文/彭宇新

人工智能2.0时代的跨媒体智能，跨越视觉、听觉、语言等不同的感官信息，形成跨媒体认知、分析和推理的模型、方法、技术与计算平台，实现跨媒体智能应用，满足高度个性化的人类社会需求。

随着多媒体、计算机视觉和网络技术的不断发展，信息传播已经从文字、图像、音频、视频等单一媒体形态逐步过渡到相互融合的多种媒体形态，越来越显现跨媒体特性。这些来源于信息、物理、社会三元空间的跨媒体数据相互融合，全面形象地表现综合性知识并反映个体和群体的行为，对于感知与认知客观世界具有重要价值。然而，跨媒体数据多源异构、关联复杂，蕴含的知识具有内隐性和异质性，使得跨媒体智能面临重要挑战。

跨媒体智能：国家的战略需求

当今世界，人工智能已成为国际竞争的新焦点。基于已发生重大变化的信息新环境，为提高国家科技竞争力和产业竞争力，我国着眼于发展新一代人工智能。跨媒体智能是其中的重要组成部分，是计算机感知认知世界的重要基础，也是实现联想、设计、概括、创造等智能行为的关键技术。IBM Watson 2016年的报告指出，图像、视频等媒体数据已经占到大数据的80%以上，大数据的真正价值在于内容的理解与利用。针对跨媒体数据的分析与推理已受到广泛关注，成为亟须突破的重大难题，也成为国家的重要战略需求，对于抢占人工智能制高点具有重要意义。

国务院于2017年7月发布的《新一代人工智能发展规划》中将“跨媒体协同处理”列为人工智能的五大发展重点之一，并将“跨媒体感知计算”和“跨媒体分析推理技术”列为新一代人工智能重大科技项目中的基础理论和关键共性技术。……