ISOIEC TR 243722021 信息技术.人工智能（AI）.人工智能系统的计算方法概述标准立项发展报告

信息技术人工智能（AI）人工智能系统的计算方法概述标准立项发展报告StandardizationDevelopmentReport:Informationtechnology-ArtificialIntelligence(AI)-OverviewofComputationalApproachesforAISystems摘要随着人工智能技术的迅猛发展，各类AI系统的计算方法呈现出多元化、复杂化和交叉融合的演进态势。为应对这一趋势，国际标准化组织与国际电工委员会联合发布了ISO/IECTR24372:2021《信息技术人工智能（AI）人工智能系统的计算方法概述》。本报告围绕该技术报告的立项背景、编制过程、核心内容及其在标准化体系中的定位展开系统阐述。报告首先梳理了AI计算方法标准化工作的国际背景与产业需求，分析了当前AI系统在符号推理、机器学习、神经网络等不同计算范式并行发展的现实状况。其次，详细介绍了ISO/IECTR24372:2021的技术框架与核心内容，涵盖AI系统中各类计算方法的基本原理、适用场景、技术特征及相互关系。再次，报告论述了该技术报告对AI标准体系建设的支撑作用，特别是在AI系统生命周期管理、可信赖性评估及互操作性保障等方面的重要意义。最后，报告对该技术报告的未来修订方向和国际应用前景进行了展望，提出了持续跟踪技术演进、深化跨域协同和推动标准落地应用的具体建议。本报告旨在为AI领域的技术研发人员、标准化工作者及产业管理者提供系统性参考，促进我国在AI国际标准化事务中的深度参与和积极贡献。关键词：人工智能；计算方法；国际标准；技术报告；标准化体系；机器学习；神经网络Keywords:ArtificialIntelligence;ComputationalApproaches;InternationalStandard;TechnicalReport;StandardizationSystem;MachineLearning;NeuralNetworks一、引言1.1研究背景人工智能作为引领新一轮科技革命和产业变革的战略性技术，正在深刻改变人类社会的生产方式与生活方式。近年来，随着深度学习、强化学习、联邦学习、图神经网络等计算方法的不断涌现，AI系统的技术架构日益复杂，应用场景持续扩展，从计算机视觉、自然语言处理到智能决策、自主系统等各领域均呈现出旺盛的创新活力。然而，技术的快速演进也带来了一系列标准化挑战。不同AI系统在计算方法选择、算法设计、数据预处理、模型训练与部署等环节缺乏统一的技术语言和参考框架，导致系统间互操作性不足、评测基准不一致、安全可信保障困难等问题日益突出。在此背景下，国际标准化组织（ISO）和国际电工委员会（IEC）联合成立了人工智能标准化分技术委员会（ISO/IECJTC1/SC42），系统推进AI领域的国际标准化工作。1.2标准立项的必要性ISO/IECTR24372:2021的立项与发布，是AI国际标准化进程中的重要里程碑。该技术报告旨在为AI系统的计算方法提供一个系统性、结构化的概述框架，帮助各方理解和比较各类计算方法的特性与适用条件，为后续制定更具针对性的国际标准奠定共同的技术基础。其核心价值在于弥合不同技术社区之间的概念鸿沟，建立统一的术语体系和分类框架，从而促进全球范围内AI技术研发、应用部署和产业协作的有序发展。二、ISO/IECTR24372:2021标准概述2.1标准基本信息ISO/IECTR24372:2021《信息技术人工智能（AI）人工智能系统的计算方法概述》是由ISO/IECJTC1/SC42（人工智能分技术委员会）制定发布的一项技术报告（TechnicalReport,TR）。该文件于2021年12月7日正式发布，由国际电工委员会（IEC）负责出版发行，标准状态为现行有效。作为一项技术报告，其定位在于提供技术信息和指导性内容，而非可认证的规范性标准（NormativeStandard）。该文件的发布旨在为AI系统的设计者、开发者、评估者及使用者提供关于计算方法的技术概览，以支持AI系统的规划、开发、部署和评估等各类活动。2.2标准适用范围本技术报告适用的范围涵盖AI系统中涉及的主要计算方法类型，包括但不限于：符号推理方法、机器学习方法（含监督学习、无监督学习、强化学习等）、神经网络与深度学习方法、模糊逻辑与概率推理方法、群体智能与进化计算方法以及混合计算方法等。该报告对这些方法的基本原理、主要特征、优势局限和典型应用场景进行了系统性梳理和比较分析。三、标准核心内容解析3.1计算方法分类框架ISO/IECTR24372:2021构建了一个多维度的AI计算方法分类框架。该框架从计算范式、学习方式、推理机制和系统架构等维度出发，对当前的AI计算方法进行了系统分类。具体而言，该框架将AI计算方法划分为以下几大类别：第一类：符号主义计算方法。包括基于规则的系统、专家系统、知识图谱推理等，这类方法强调逻辑推理和知识表示，具有良好的可解释性，适用于知识密集型和规则明确的应用场景。第二类：连接主义计算方法。涵盖各类人工神经网络模型，包括深度前馈网络、卷积神经网络、循环神经网络、Transformer架构等。这类方法以数据驱动为核心，在感知任务中表现优异，是目前AI应用的主流技术路线。第三类：行为主义计算方法。包括强化学习、进化计算、群体智能等方法，强调智能体与环境的交互学习和自适应演化，适用于动态决策和复杂控制场景。第四类：混合计算方法。将上述多种方法有机结合，发挥各自的比较优势，形成更具鲁棒性和适应性的综合AI系统。3.2各类方法的比较分析该技术报告对各类计算方法进行了系统的比较分析，建立了统一的技术比较维度框架，涵盖以下核心维度：-数据需求：各类方法对训练数据数量和质量的要求差异-可解释性：模型决策过程和结果的透明程度-计算复杂度：训练与推理阶段的计算资源需求-泛化能力：模型面对未见数据的适应能力-鲁棒性：面对噪声、对抗样本和分布偏移时的稳定性-部署便捷性：从开发环境到生产环境的迁移难易程度通过多维度比较，该报告为AI系统设计者提供了方法选择的技术指引，帮助其根据具体应用场景和约束条件做出合理的技术决策。3.3与AI系统生命周期管理的关联值得关注的是，ISO/IECTR24372:2021在阐述计算方法的同时，将各类方法与AI系统生命周期管理框架进行了有效衔接。该技术报告与ISO/IEC23053（AI系统ML框架）、ISO/IEC22989（AI概念和术语）、ISO/IEC23894（AI风险管理）等核心标准形成了协同配套关系，共同构建了AI国际标准的基础架构。四、编制过程与参与单位4.1编制历程ISO/IECTR24372:2021的编制工作由ISO/IECJTC1/SC42下设的工作组（WG1）牵头推进。该工作组主要关注AI基础标准的研究与制定。在编制过程中，来自全球各国的标准化专家围绕AI计算方法的分类框架、术语定义、技术比较方法等问题进行了多轮深入讨论，通过广泛征询产业界、学术界和政府部门的意见，最终形成共识并完成了该技术报告的编制工作。4.2主要参与单位介绍在本技术报告的编制过程中，来自全球多个国家的标准化机构和科技企业做出了重要贡献。其中，中国电子技术标准化研究院作为我国在ISO/IECJTC1/SC42中的对口支撑单位，在标准编制中发挥了重要作用。中国电子技术标准化研究院（CESI，工业和信息化部电子工业标准化研究院）是工业和信息化部直属的事业单位，是我国电子信息领域标准化工作的国家级核心机构。该研究院自成立以来，一直致力于电子信息领域的标准研究、制定与推广工作，在人工智能、云计算、大数据、物联网等新兴技术领域具有深厚的标准化研究积累。在ISO/IECTR24372:2021的编制过程中，中国电子技术标准化研究院组织国内相关企事业单位和科研院所的专家，深入参与了该技术报告的分类框架讨论和技术内容编制工作，积极贡献了我国在AI计算方法领域的研究成果和实践经验。该研究院还牵头推动了该技术报告在我国的翻译转化和推广应用工作，为我国AI领域技术研发和产业应用提供了权威的技术参考。此外，德国的Fraunhofer研究机构、日本产业技术综合研究所（AIST）、美国国家标准与技术研究院（NIST）等国际知名研究机构以及IBM、微软、华为、百度等全球领先的科技企业也积极参与了本标准的编制工作。这些来自不同国家和领域的专家共同为该技术报告的科学性、全面性和权威性提供了有力保障。五、标准实施的意义与应用前景5.1对AI产业发展的推动作用明确技术路线选择：为AI系统开发者提供了不同计算方法的系统比较框架，有助于企业在技术选型阶段做出科学决策，降低技术风险，提升研发效率。促进系统互操作性：统一的分类框架和术语体系为不同AI系统之间的接口对接、模型互操作和系统集成提供了共同语言，有利于构建开放协同的AI产业生态。支撑可信AI建设：通过系统分析各类计算方法的特性和局限，为AI系统的安全性评估、可靠性和可解释性建设提供了方法学依据，支撑可信赖AI理念的技术落地。服务标准规划布局：为SC42及各相关标准化组织提供了清晰的技术全景图，有助于科学规划后续标准的制定优先级和路线图安排。5.2在AI标准体系中的枢纽地位作为AI基础标准家族中的重要组成，ISO/IECTR24372:2021在AI标准体系中处于基础性和枢纽性地位。该技术报告上承AI概念和术语标准（ISO/IEC22989）中确立的基础定义，下接AI系统生命周期管理、风险管理、可信赖性评估等具体实施标准，在整个AI标准体系中发挥着重要的衔接和引导功能。5.3对我国AI标准化工作的启示对于我国而言，ISO/IECTR24372:2021的发布具有多方面的启示意义：第一，加强国际标准跟踪与转化。应加快推进该技术报告的采标转化工作，形成国家标准或行业标准，为我国AI产业提供权威的技术参考。第二，深化技术研究与标准互动。持续关注AI计算方法的演进趋势，特别是大模型、类脑计算、量子机器学习等前沿方向，推动技术研究成果向标准成果转化。第三，强化标准化人才队伍建设。加快培养具备AI技术背景和国际标准化工作能力的复合型人才，提升我国在国际AI标准化事务中的话语权和影响力。第四，推动标准应用落地。积极引导企业在AI系统研发中参考应用该标准的分类框架和技术指引，提升我国AI产品和服务的规范化水平。六、结论与展望ISO/IECTR24372:2021《信息技术人工智能（AI）人工智能系统的计算方法概述》作为AI国际标准化领域的一份重要技术报告，系统梳理了当前AI系统中的主要计算方法，构建了统一的技术分类和比较框架，为全球AI技术研发、产业应用和标准化工作提供了不可或缺的基础性参考。展望未来，随着AI技术的持续演进，特别是大语言模型、多模态智能、具身智能等新范式的加速涌现，AI计算方法的版图仍在持续拓展。ISO/IECTR24372的未来修订工作将需要持续关注以下方向：一是纳入新兴计算方法类型，保持标准内容与技术进步同步；二是深化与AI治理、伦理、安全等横向议题的衔接；三是丰富典型应用案例，增强标准对具体行业场景的指导作用。我国应以此为契机，进一步深化对AI国际标准的跟踪研究和深度参与，积极推动相关标准在我国的转化实施，为全球AI标准化事业的发展贡献中国智慧和中国方案，助力构建开放包容、互利共赢的全球AI治理体系。参考文献[1]ISO/IECTR24372:2021,Informationtechnology-Artificialintelligence(AI)-OverviewofcomputationalapproachesforAIsystems[S].Geneva:ISO/IEC,2021.[2]ISO/IEC22989:2022,Informationtechnology-Artificialintelligence-Artificialintelligenceconceptsandterminology[S].Geneva:ISO/IEC,2022.[3]ISO/IEC23053:2022,Frameworkfo