以不确定性为基础，研究人类智能和思维中的不确定性，进而形成不确定性人工智能的研究方法。以此为理论背景，研究人工智能中的感知、认知、交互等技术。并且，以智能驾驶为载体，探索相关理论模型、方法、技术的应用。具体研究方向包括：（1）不确定性知识的表示和推理：研究自然语言处理、图像处理、知识表示等领域中的不确定性问题，并形成不确定性人工智能的理论模型。进一步地，研究贝叶斯方法、统计理论、对抗方法在不确定性理论模型中的应用。并且，针对理论模型，研发模型验证、演示的原型系统；（2）智能驾驶中的控制算法：模仿人类驾驶员的行为和技巧，形成感知、认知、记忆、交互为一体的新型智能驾驶控制算法和系统，形成新一代人工智能研究的范式。进一步地，考虑驾驶环境中的不确定性和复杂性，研究持续学习、演化学习、强化学习等技术的创新和应用。研发会学习、自成长、可交互的智能驾驶汽车。

2、数据挖掘

研究从数据获取、分析、挖掘、可视化的方法和技术，能够采用常用的编程语言，主要包括Python、Go语言等，对大数据进行分析和处理。具体的包括以下两个研究方向：（1）社交媒体大数据的分析和挖掘：社交媒体已经成为现实世界的映射，其中包含大众大量的观点、态度、情感等。对社交大数据进行分析和挖掘，对于网络舆情监控、灾难预警等具有重要的意义。本研究领域采用增量学习、图卷积神经网络、复杂网络、群体智能等技术，对社交媒体大数据进行分析和挖掘，提取其中的热点话题和事件，并挖掘其中的关键、重要人员；（2）化学分子大数据的分析和挖掘：相比于图像、声音等数据，化学分子数据具有更大的复杂性和不确定性，这给机器学习方法带来了挑战。然而，化学分子大数据的处理，对于新药发现、新材料发现具有重要的意义。因此，本研究领域以化学分子大数据为载体，采用常用的机器学习方法，主要包括图神经网络、深度学习、统计学习等，对化学分子大数据进行处理。同时，研究复杂的化学分子空间的机器学习算法和模型，探索不确定性人工智能、统计学习、贝叶斯理论为基础的新型机器学习理论和方法。