有鑒於未來AI發展受到各種社會驅動力，包括改善健康、教育、科學創新、正義、安全等的影響極大，美國電腦社群聯盟（Computing Community Consortium, CCC）針對未來20年的人工智慧發展與挑戰，透過社群討論以提出系列建議，供政府、企業領袖及大眾參考。CCC致力於先進的電腦研究，以催化研究社群、追求創新、產出高影響力研究為使命，戮力解決國家與全球的挑戰。在本報告中，CCC會同非營利社群先進人工智慧協會（Association for the Advancement of Artificial Intelligence, AAAI）共同舉辦，分別以整合智慧、有意義的互動、自我覺醒學習等3個主題，總共召集41個學術機構中的91位研究人員以及9個產業合作組織，以各2天工作坊的形式共同展望美國人工智慧研究開發的短、中、長期方向。

過去數十年來，AI相關科學研究成就許多令人稱羡的技術，大幅改善產業政府與社會，受到大量知識資料集的催化，加上強大的超級電腦，造就出以AI為核心的兆元產業，且預計在3年內將翻轉4倍。雖然AI潛力橫跨許多產業，但其安全性與易受攻擊的脆弱性仍令人擔憂，隨著各種資源持續投入，加速驅動AI革命，亟需以前瞻性的跨領域思維，從社會、脆弱性、政策、倫理來展望未來研發方向。

從驅動未來AI發展的社會動力來看，主要有六大原動力：
一、促進健康及改善生活品質：預防疾病、高齡照護、精神健康、減少照護支出、遠距病患照護等。
二、終身教育與訓練：個人化、可擴充規模的教育，提升AI知識與技能，訓練次世代AI專家、數據科學家與軟體工程師。
三、再創商業創新與競爭力：提高企業生產力、價值，並開發新領域或新產品。
四、加速科學發現與技術創新：生醫、環境、新材料、個人化服務、機器人與自動駕駛車等。
五、社會正義與政策：邀請弱勢社群參與並增強其能力，促進市民與政策對話。
六、國防與安全轉型：利用AI彌補小型資安防禦系統之人力不足問題、建立災害防範的AI系統等。

由這些社會驅動推導出能夠實現社會利益的3項AI優先研究項目分別如下，同時在每個細項描繪社會應用情境，並分別勾勒每個細項的3年、5年、10年發展藍圖：
一、整合式人工智慧
（一）發展能綜合模組化的能耐與技能的基礎原則：加速科學研發、編製全球終身可及的教育訓練素材、擴大商業創新。
（二）AI脈絡化：能夠將一般能耐客製化成為適合特定的用途、發展能夠彼此瞭解的社會認知。
（三）模化、知識充電與散播、知識整合與精煉。
（四）瞭解人類智慧：AI被人類智慧激發的深度學習，乃至強化學習與人工神經網路，最終可跨越任何智慧（包括自然與人工）的學習。

二、與AI系統有意義的互動
（一）能夠讓人與機器合作的技術：包括擷取高階的模式與關聯所發展的規則型專家系統、擷取低階模式與關聯所發展的神經網絡型深度學習系統。
（二）結合各種溝通方式（語音、影像或情緒），且在隱私受保護與值得信任的狀況下由使用者直接修改。
（三）人與AI系統能在線上或真實世界互動。
（四）技術上的挑戰：包括整合不同互動管道、多種模式的可解釋性、隨插即用的多模式感測融合、多模組資料的隱私保存、互動合作、自然互動、扣合人類價值與社會規範、精神狀態與情緒的模組化與溝通、支援人類社交、辨別真偽、懂得衡量、支援複雜的團隊合作、與社群團體合作及互動、合作創造新的資源、合成與連結、建立社會鏈結、讓AI系統值得信賴、透明與可解釋、AI行為可由使用者控制、預防不想要的操控。

三、AI自我學習
（一）從開發穩健與可信賴的學習方式開始，透過小量資料透過指令學習、將先前習知知識加入學習，最後發展成可將數值資料與觀察發展出因果關係與可操縱的模式，最後進步到對感測與動作的及時反應。
（二）技術上的挑戰：包括學習有表情的表達方式、學習更好的中間表達方式、學習因果模式、槓桿利用機械模組建立穩健的系統、建立信賴、具資料出處的學習、可解釋的機器學習方法、能量化不確定性、機器學習與市場、持續性機器學習系統、處理資料轉換、機器學習與記憶、轉移學習、從非常少量資料學習、整合AI與機器人系統。

綜合以上討論結果可以發現：
一、經過數十年的電腦運算基礎以及資料科學的驅動，AI已經是相當成熟的技術，其餘的是善加利用資料在各領域發揮應用潛力、詮釋訓練過的統計資料，以及處理影像及影片的技術。預期在健康照護、商業、教育、科學、政府決策及國防安全有很大的貢獻。
二、雖然AI仍在穩定成長中，但自1980年代開始，對AI研究僅以短期計畫資助小型實驗室，因而限制了AI的發展。必須要有策略性、以研究模組方式讓不同機構催化與支援，特別是跨領域的交流，包括社會科學到電腦結構等，充分發掘AI應用的潛能。
三、產業與學界各有重要角色，必須加強學理與實務的互動與交流，以有限的資源解決次世代的AI問題。
四、人才與勞動力仍然是未來AI發展的瓶頸，除了開發人才庫以外，還要確保人才的多元化。
五、伴隨AI發展而來的社會挑戰，如AI決策的究責、犯罪正義、道德倫理、信用風險、就業等問題必須加以重視。
六、有鑒於全球對AI的大手筆投資，美國應參考本報告以策略性投資AI，才得以催化更重要的科學、技術與社會進展。

總結美國若要達成較具企圖心的AI願景，必須利用此藍圖向前展望聚焦在三大議題：
一、創造一個國家級AI基礎建設，包含：
（一）開放的AI平台與資源：包括開放式知識網絡、AI測試場（人與機器的測試場、全方位終身個人助理LPAs、機器人與實際模擬場） 。在開放式環境促進產、官、學合作，可以提供AI社群進行基礎或應用研究，讓大學研究人員進行商業前的應用開發，也可提供學生實習場域。同時，新創無須花費太多資源、太高成本便可嘗試利用AI來解決問題，也有助於跨領域交流及互相學習。
（二）具有研究取向、社群治理、草根性參與、定期更新、可拆解、資源創造、可發展衡量指標、既競爭又合作、兼顧所有倫理等特性，且永續的社群導向AI挑戰賽。
（三）設立研究經費穩定、可跨校共用設備的國家AI研究中心，提供開放資源的實務操作環境，同時促進跨領域應用。
（四）建立任務導向的AI生活實驗室，提供沉浸式環境讓跨領域團隊共同合作解決問題，測試解決方案的安全性與可靠度，培養次世代的AI工程師與操作人員。包括智慧醫院、智慧居家智慧學校、智慧科學實驗室、可預測天災及極端事件的AI。

二、重新建構全方位勞動力訓練，包含：
（一）開發不同程度的AI課程，包括大學、研究所、博士後的AI教育，同時授予學位及證書，建立一個異質性的生態系。
（二）因應次世代AI人才需求之進階AI學位的招募及留用計畫。
（三）廣邀弱勢及貧困族群參與，方式包括提供雇用誘因、多元化的成功楷模、由弱勢族群自身的需求出發解決社會問題、透過橋接計畫提供學院或職涯機會、廣拓學生申請的管道、免費的AI編碼訓練、針對目標族群提供業師諮詢輔導方案、主導包容產、官、學的符碼化最佳操作規範。
（四）提供誘因激發AI跨領域應用，以大量訓練出更多元的具AI技能勞動力，促進AI成為公共財，服務不同領域的AI需求，加速優先研究領域，刺激次世代的具有創造力的點子與方法，促進各領域的AI研究與應用，在符合倫理及安全的前提下解決複雜的社會挑戰，包括跨領域AI學習倫理、隱私、安全、政策、信賴以及工作的未來等。
（五）訓練具備瞭解運算、資料與平台，以及可設計與維護規模化的AI基礎建設，並能夠在工作中連續學習更新技術等條件的高階AI工程師；以及可以處理資料蒐集、資料註解、資料清理等工作的技師。
（六）將現有勞動力再訓練成為具備上述技能的工程師與技師。

三、AI核心計畫：種類包括支持AI基礎研究與應用研究、跨領域AI計畫、公私合營的AI計畫、整合AI研究與教育的計畫、多元包容性AI計畫、教育與AI學程發展計畫等。

報告對於各細項的短、中、長期規劃藍圖有詳細說明，可供讀者自行參閱原文。