2016年，美国出台了AI研发战略规划，确定了AI发展的七大战略。其中，两项是基础战略，一是长期投资数据分析、机器人、硬件、类人AI、AI可扩展性、AI架构、理论限制、感知领域;二是人-AI的协作，包括具有人类意识的AI、增强人力、自然语言处理、人机界面和虚拟化。其他五项是交叉分割研发，包括：AI的道德、法律和社会影响;安全;标准和基准;数据集和环境;具有AI能力的劳动力。

对AI研发进行长期投资

AI研究投资应是从长期看有潜在收益的领域，高风险的研究，往往有高回报，收益可能是5年、10年或更长时间才会显现。

美国对于AI研发投资的重点主要有：

1、推进以数据为中心的知识发现方法论研发通过对智能数据的了解和知识发现，可建立许多基础性新工具和技术。开发更先进的机器学习算法，需要进一步开发和识别隐藏在大数据中的所有有用信息。

2、提高AI系统的感知能力感知是智能系统进入世界的窗口。人的感知通过传感器和算法的适当结合，可得到很大的改善，使AI系统可与人更有效的合作。

3、了解AI的理论能力和局限性虽然许多AI算法的比较终目标是以人为本的解决方案来解决挑战，但我们对AI的理论能力和局限性理解有限，需要加大投入了解AI的理论和破解局限性。

4、追求广义人工智能研究建立系统，在广泛的认知领域展现人类智力的灵活性和多功能性，包括学习、语言、感知、推理、创造力和规划。

5、开发可扩展的AI系统AI系统组和网络可以协调或自主协作执行任务，多AI系统的开发和使用面临重大的研究挑战。这种系统的规划、协调、控制和可扩展性必须快速、实时、适当环境的变化。

6、培育类人AI研究类人AI，需要系统以人类可理解的方式解释自己，这引出了新一代的智能系统。

7、开发能力更强和更可靠的机器人机器人在认知和推理方面需改善，与物理世界实现互动。提高适应和学习能力，可扩展机器人的技能，包括机器人团队和与人的合作。

8、创建AI以改进硬件-硬件的改善可使AI系统能力更强，同时，AI系统也可以改进。

开发人-AI有效的合作方法

实现人与AI系统间的交互，需要研发投入才能确保系统设计不会导致过度的复杂性、信任不足或信任过度。在系统设计和开发时，要采用以人为本的自动化原则。主要研发包括：

1、找到具有人类意识的AI算法除人与机器间的交互外，还要建立系统与系统间的交互。

2、开发AI技术增强人力包括：固定装置工作算法(电脑)、可穿戴设备(如智能眼镜)、植入装置(如脑界面)、特殊的用户环境(如特制定制的手术室)。

3、开发更有效的自然语言处理通过说、写语言，实现人与AI间的交互。需要进一步研发适用于多种语言的系统、研究有用的结构域知识接入语言处理系统。

4、开发虚拟化和人机界面技术虚拟化人机界面有助人们了解大量现代数据集和各种来源的信息。人-AI合作，在用户界面研发时，重要的是考虑通信需求和限制。

了解和关注AI的道德、法律和社会影响

主要研究涉及：了解AI的道德，法律和社会影响，设计时，要开发符合伦理、法律和社会原则的AI方法，还必须考虑隐私问题。在AI设计时，要提高公平性，透明度和逐项问责制。AI系统的行为要遵循常规的论理法规。AI系统在架构设计时，要考虑符合伦理逻辑。

确保AI系统的安全

在AI系统广泛投入使用前，需确保系统运行安全和可控，这需要解决如下挑战：1、复杂和不确定的环境;2、紧急行为; 3、目标错误指定;4、人机交互问题。

为了解决这些问题和其他问题，需要投资改善解释性和透明度、建立信任、增强认证和有效性、反攻击、长期的AI安全和价值取向。

开发用于AI培训和测试的共享公共数据集和环境

AI培训和测试资源的开发和可用性，决定了AI带来的好处是否能继续累积。培训数据集和其它资源的品种、深度、质量和准确性，影响人工智能表现。许多不同的AI技术，需要高质量的培训和测试数据，以及动态、交互测试床和仿真环境。因此，需要开发和制作各种数据集，以满足多样化的AI需求和应用;需要开发开源软件图书馆和工具书。

通过标准化和基准测试和评价AI技术

制定广泛的AI标准，标准提供需求、规范、指导原则，确保AI技术达到关键目标的特性功能和互操作性，并且它们可靠而安全地运行。标准需考虑：软件工程、性能、矩阵、安全、可使用性、互操作性、隐私、可跟踪性、领域等问题。

一是需要建立AI技术基准包括测试和评估，为制定标准提供量化措施，并评估对标准的遵守情况。

二是增加AI试验床的可用性测试平台是必不可少的，可使用实际的操作数据，对现实世界进行建模和实验。

三是将AI社区纳入标准和基准中需政府的领导和协调，推动标准化和鼓励广泛应用于政府，学术界和工业界。AI社区由用户、业界、学术界和政府组成，必须充满活力，参与制定标准和基准程式。

具有AI能力的劳动力

要实现AI研发战略，需要充足的AI研发劳动力，也是确保国家在AI竞争中保持领先地位的关键。有研究显示AI专家短缺，高技术企业加大了员工再培训的投入。因此，需要加大对现有和未来国家对AI研发人员需求研究的投入，包括供需、预测未来的需求。