前 言

人工智能的迅速发展正深刻地改变着人类社会生活，在理论和方法上，人工智能呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征.数据驱动与知识驱动融合、跨媒体协同处理、人机协同增强智能、群体集成智能、自主智能系统等成为人工智能的发展重点，人工智能发展进入新阶段.随着新一代人工智能相关理论建模、技术创新、软硬件升级等整体推进，亟需破解研究中面临的理论、方法、应用等多个层面的挑战性难题.基于上述背景，为了加速我国人工智能领域研究，以及更好地推进人工智能技术的应用落地，《计算机研究与发展》出了本期“新一代人工智能前沿进展”专题.本专题共收录了14篇论文，反映国内同行在新一代人工智能前沿领域的最新研究成果，希望能为从事相关工作的读者提供借鉴和帮助.

刘艳芳等作者的论文“基于被动-主动的特征演化流学习”，提出了一种基于被动-主动更新策略的特征演化学习算法，通过特征恢复为新特征空间的模型学习提供合理的初始化，并利用集成学习提高了算法整体性能.

王原等作者的论文“用于求解旅行商问题的深度智慧型蚁群优化算法”，提出了一种基于蚁群优化和深度强化学习的混合启发式算法框架，通过采用深度学习方法提升了蚁群算法的计算表现，并降低其计算代价.

王培妍等作者的论文“基于张量分解的知识超图链接预测模型”，提出了一种基于张量分解的知识超图链接预测模型，显式地为不同关系以及不同位置上实体的角色建模，能有效解决知识超图链接预测问题.

储晓恺等作者的论文“基于K阶互信息估计的位置感知网络表征学习”，提出了一种位置感知网络表征学习模型，能够有效识别不同阶的邻居节点并捕获自身的位置信息，从而为各种下游任务生成合理有效的表征.

郭佳雯等作者的论文“基于非递减时序随机游走的动态异质网络嵌入”，提出了一种基于时间和类别约束随机游走的动态异质网络嵌入方法，显著提升了链路预测和节点分类的准确度，并通过增量式更新降低运行成本.

马扬等作者的论文“基于病毒传播网络的基因序列表示学习”，提出了一种基于图上下文信息的基因序列表示方法，得到的新表示不仅可以有效表达基因序列的特征，同时降低了序列的维度提高了计算效率.

黄训华等作者的论文“基于多模态对抗学习的无监督时间序列异常检测”，提出了一种基于多模态对抗学习的无监督时间序列异常检测模型，能够发掘时间序列在多个模态空间上的特征分布关联，提高检测能力.

肖添明等作者的论文“基于代码属性图和Bi-GRU的软件脆弱性检测方法”，提出了一种基于代码属性图和Bi-GRU的软件脆弱性检测方法，改善了面向多个软件源代码混合的脆弱性检测效果，有效降低误报率和漏报率.

谢娟英等作者的论文“基于改进RetinaNet的自然环境中蝴蝶种类识别”，提出了2种新的硬注意力机制，并引入可变形卷积增强RetinaNet对蝴蝶形变的建模能力，实现野外环境下蝴蝶种类自动识别.

丁宗元等作者的论文“基于融合多尺度标记信息的深度交互式图像分割”，提出了一种融合多尺度标记信息的深度交互图像分割算法，既能保持分割的完整性，又能得到目标细节的分割结果，降低了用户的交互负担.

刘凡等作者的论文“基于并行注意力UNet的裂缝检测方法”，提出了一种并行注意力机制，并将其嵌入到UNet网络的解码部分，不仅能有效抑制各种干扰，而且能获取更具互补性的裂缝特征，提升裂缝检测的效果.

郑海斌等作者的论文“面向自然语言处理的对抗攻防与鲁棒性分析综述”，对自然语言处理的攻击方法和防御方法进行分类介绍，分析了自然语言处理模型的可验证鲁棒性和评估基准数据集，并讨论了未来的研究发展方向.

何贤敏等作者的论文“基于孪生BERT网络的科技文献类目映射”，提出了一种基于BERT预训练上下文语言模型的孪生网络，能较好地刻画类目文本的相似度，建立IPC类目和CLC类目之间的映射关系.

刘壮等作者的论文“用于金融文本挖掘的多任务学习预训练金融语言模型”，提出了一种基于BERT模型架构的开源金融预训练语言模型，有效地捕获了大规模预训练语料中的金融领域知识和语义信息，可用于各种金融领域任务.

本专题征文得到研究人员的积极响应，在此感谢广大作者对本专题的大力支持！感谢各位审稿专家及时认真的评阅，以及极具建设性的评审意见！特别感谢《计算机研究与发展》编委会和编辑部，感谢他们对“新一代人工智能前沿进展”这一前沿技术专题的支持！由于稿源丰富和专题篇幅有限等原因，本专题未能全面覆盖人工智能领域各方面的最新研究进展，不当之处请同行学者批评指正!