点击右上角微信好友

朋友圈

请使用浏览器分享功能进行分享

正在阅读:构建多元化的人工智能训练数据供给体系
首页> 科技频道> 综合新闻 > 正文

构建多元化的人工智能训练数据供给体系

来源:光明网-《光明日报》2025-01-17 04:30

  【析理论道】

  作者:赵精武(北京航空航天大学法学院副教授、北京科技创新中心研究基地副主任)

  数据作为数字时代的“新石油”,不仅是传统产业、新兴产业发展的重要支撑,同时也是人工智能科技创新的关键创新资源。

  现阶段,人工智能产业发展面临的最突出、最迫切的困境,便是训练数据供给不足。随着网络空间已公开数据资源趋于“消耗殆尽”,人工智能产业愈发需要专业化程度高、领域属性强的高质量数据来提升算法模型性能。因此,建构我国人工智能法治保障体系的一项核心目标,便是形成多元化的训练数据供给体系,以满足不同规模企业的训练数据使用需求,推动算法模型性能朝着专业化方向升级。而构建多元化的人工智能训练数据供给体系是一项系统性工程,只有通过持续拓宽数据采集渠道、扩大数据流动范围、提高数据质量要求,才能为人工智能产业注入源源不断的创新动力,实现高质量发展。

  健全多源头数据采集机制,拓展数据广度。在实践中,人工智能企业获取训练数据的方式主要包括网络爬虫抓取已公开数据、使用开源数据集、购买数据产品等。整体而言,数据采集方式较为单一,难以满足相关产业对训练数据质量的基本需求。若想扩展训练数据获取广度,需要在以下两个层面实现数据采集机制的延伸:一是在数据采集行为合法性方面,以类型化列举、监管实践指南等方式明确训练数据来源合法性的常见类型,以消除企业业务合规担忧;二是在数据市场供给形式方面,深入探索公共数据的开放利用模式,降低中小企业获取高质量训练数据的市场门槛,整合数据交易基础制度,拓展可交易数据产品的质量和类型。具体而言,公共服务部门在长期社会公共服务过程中积累了海量高质量数据,但由于数据安全和数据使用收益归属不明等现实因素,此类公共数据面向人工智能产业的开放使用制度还需进一步深入探索。以交通部门为例,实时路况数据不仅可以提供实时交通拥堵情况报告,在人工智能技术加持下,还可以预测性地分析未来时间段交通流量情况、交通事故发生概率等。科研机构也积累了大量专业性较强的科学数据,如医学研究机构的临床病例数据,经由科学化整理和标准化处理,能够在医疗影像诊断、传染病防控等领域发挥重要作用。这些潜在的数据“富矿”,仍有待配套的法律制度予以松绑和深挖,进而形成层次化的数据采集渠道。

  建构高质量数据标注机制,挖掘数据深度。对于训练数据,既有数量上的要求,更有质量上的要求。训练数据的精确性、一致性、时效性等技术指标,直接影响着人工智能性能能否提升。以医疗影像识别为例,若是存在训练数据将正常细胞标识为癌变细胞、同一细胞多次标注为不同信息内容等情况,那么这些质量堪忧的训练数据只会“污染”人工智能性能,进而严重危害患者生命健康。国家网信办等七部门2023年发布的《生成式人工智能服务管理暂行办法》也专门要求在人工智能技术研发过程中,服务提供者应当制定符合本法要求的“清晰、具体、可操作的标注规则”。因此,合理科学的数据标注规则是保障训练数据质量和避免算法歧视的重要环节。在数据标注方式上,应当以“人机协作标注”为主要方式。技术研发者和服务提供者虽然可以通过批量自动化处理系统对各类数据资源进行高效批注,但潜在误差标注风险难以有效控制。相对地,采用人工批注模式,除了成本高昂之外,还可能在不经意间渗透标注人员的个人伦理观,产生潜在科技伦理风险。因此,理想的数据标注方式应是人机协作,以此填补上述数据标注方式的短板,提升数据标注结果的准确性、完整性和中立性。

  完善数据跨境传输机制,丰富数据类型。人工智能训练数据的高质量供给,离不开数据跨境传输制度的支撑。不同国家、不同地区的数据资源具有多元化的本地特征,这类数据资源能够优化人工智能算法模型,提升人工智能产品和服务的通用性。近年来,我国数据跨境传输的法律法规相继出台,确立了以“安全评估、个人信息出境标准合同、个人信息保护认证以及特殊机制”为内容的数据跨境传输治理框架。同时,《促进和规范数据跨境流动规定》进一步解绑了基于学术合作、跨国生产制造、市场营销等活动进行数据跨境传输的限制条件。为了更好推动训练数据的跨境流动,需要遵循发展与安全并重的治理逻辑。从长远来看,数据资源本地化不利于人工智能产业的创新发展,也不利于数据要素的市场化配置。数据跨境传输制度的建构是为了实现又好又快的跨境传输数据,在数据资源的“一进一出”中,充分获取全球范围内的高质量训练数据资源。在促进产业发展的同时,还需要确保数据出境安全,积极探索多边、双边数据跨境合作机制,提升我国在数据跨境传输国际规则制定中的话语权,以构建网络空间命运共同体为导向,实现训练数据安全有序流动。

  出台数据供给配套政策,畅通数据流动。在财政支持政策方面,不同规模的科技企业获取训练数据的能力并不相同,为了降低人工智能产业的市场门槛,有必要通过设立专项资金、实施税收优惠政策等手段降低中小企业获取高质量训练数据的实际难度。针对在特定领域具有卓越表现的中小企业、科研机构予以专项扶持,特别是涉及先进标注算法、数据整合技术等事项,可以通过专项资金助力企业购置更先进的设备、扩充专业人才队伍。在技术标准体系方面,统一的技术标准是确保训练数据质量、规范数据供给的重要工具。在训练数据采集、标注环节,设置统一的技术标准体系能够有效降低后续数据分析、数据挖掘等环节的研发成本。同时,科学客观的技术标准也能针对科技伦理事项辅助确立更为统一的标注规则。在基础设施平台建设方面,为了缓解各行业、各领域数据流动范围狭窄、流动类型有限等“数据孤岛”现象,需要政府部门推动建设面向训练数据供给的数字基础设施以及公共算法训练平台。通过这些基础设施和公共平台,将涵盖经济、地理、交通等各个领域的数据资源进行汇总,从而有效提高训练数据的总体数量和质量。

  《光明日报》(2025年01月17日 11版)

[ 责编:丁玉冰 ]
阅读剩余全文(

相关阅读

您此时的心情

光明云投
新闻表情排行 /
  • 开心
     
    0
  • 难过
     
    0
  • 点赞
     
    0
  • 飘过
     
    0

视觉焦点

  • 陕西西安举行仿古入城仪式,献礼文化遗产数字化论坛

独家策划

推荐阅读
“科创游”是一种将科技与旅游相结合的新型旅游形式,不仅展示科技企业的生产过程和产品,还注重科技教育的普及和科技创新的体验
2025-09-17 10:23
此次大会将讨论通过“人与生物圈计划”及其世界生物圈保护区网络杭州战略行动计划,明确未来十年的发展方向、目标和行动方案
2025-09-17 10:21
人造地球卫星、载人飞船、空间站、空间探测器要“上天”进入预定轨道,运载火箭少不了。在“火箭家族”展台,长征一号至五号运载火箭模型笔直而立。
2025-09-17 10:20
在化学生物学研究中,有一种强大的“分子地图绘制技术”——邻近标记技术。在癌症免疫治疗中,免疫细胞需要足够强和足够多的“信号”才能发起攻击,但癌细胞表面的天然信号往往非常稀疏。
2025-09-17 10:18
当前,秋粮陆续进入成熟期。各地抓住最后的窗口期,落实落细各项增产措施,全力以赴抓好秋粮生产,确保秋粮丰产丰收。
2025-09-17 09:32
人工智能的浪潮正在席卷从科技到教育,乃至全社会的各个角落,中国教育界正在积极推动学习和应用人工智能,以便乘势站在时代前列。今年6月,中国工程院院士、华中科技大学校长尤政提出,人工智能和批判性思维结合形成DNA式的“双螺旋结构”,将有力推动创新。
2025-09-16 09:14
15日,在2025年国家网络安全宣传周主论坛上,《人工智能安全治理框架》2.0版正式发布。落实《全球人工智能治理倡议》,《人工智能安全治理框架》1.0版于2024年9月发布,受到国内外广泛关注。
2025-09-16 09:13
光明日报北京9月15日电 记者陈晨从农业农村部获悉,2025畜禽种业发展论坛14日在北京市平谷区举行。论坛发布了第三次全国畜禽遗传资源普查、濒危畜禽遗传资源保护成效、主要畜种分子身份证构建和遗传评估优秀种公畜等重大成果,举办了畜禽种业振兴成果展,26家单位现场推介新技术、新设备、新成果,72家单位进行专场展示。
2025-09-16 09:13
数智技术以及数智互联技术将推进青年间社会化协同与知识共享,可精准连接青年学习者,并形成跨地域的学习社群与项目协作组。总而言之,数智技术能够为青年群体参与终身学习创造良好条件,能够充分激发青年群体参与终身学习的动力,能够更好地帮助青年群体全面发展。
2025-09-16 09:12
作者:王 珩、程松泉,分别系浙江师范大学教师教育学院教授;浙江师范大学教师教育学院博士生  当前,全球教育正经历一场由人工智能技术驱动的深刻变革。唯有坚守育人初心,在伦理框架内审慎推进技术应用,才能让人工智能真正成为引领教育发展的引擎,而非解构教育本质的飓风。
2025-09-16 09:11
在合成生物学和气候变化应对领域有巨大潜力。
2025-09-16 09:11
走进展区,多款新潮文创让人爱不释手;戴上设备,苏轼笔下的诗词世界任人遨游;指尖轻点,三千年前的青铜器“触手可及”……一系列新产品、新服务、新场景在2025年中国国际服务贸易交易会文旅服务专题亮相,漫步其中,处处感受到科技与创意奔涌、文化和旅游融合的无限活力。
2025-09-15 09:54
在2025年中国国际服务贸易交易会上,一批品类丰富、兼具趣味与文化内涵的文创精品成为展会现场的“人气王”,引爆观展热潮。
2025-09-15 09:54
最大网络基础设施的建成有助于我国突破关键技术的“卡脖子”困境,形成自主可控的核心技术优势,建立起数字经济产业的第二创新生态。 (作者:戎 珂,系清华大学社会科学学院经济学研究所所长、长聘教授;田晓轩,系清华大学社会科学学院经济学研究所博士研究生)
2025-09-15 09:53
今年暑期,工厂游火爆出圈。参观名额秒空、门票收入可观、社交平台相关笔记有10多万条,工厂游俨然成了文旅界新宠。 工厂游等新型旅游业态,实现了工业与文旅的跨界融合,也为文旅经济的发展提供了新增长点。
2025-09-15 09:52
深夜,河南焦作多氟多新材料股份有限公司的实验室依旧灯火通明,总工程师闫春生还在带着团队忙碌。 2006年,多氟多打响了由传统氟化工向精细氟化工、新能源材料转型的战役,闫春生临危受命加入六氟磷酸锂研发团队。
2025-09-15 09:51
2025年中国国际服务贸易交易会9月10日至9月14日在北京举办,众多科技产品亮相展区,吸引观众驻足参观。2025年中国国际服务贸易交易会9月10日至9月14日在北京举办,众多科技产品亮相展区,吸引观众驻足参观。
2025-09-12 10:08
汽车排放被认为是气候变化的“元凶”之一,但学术界一直缺乏对城市道路碳排放进行精准刻画的工具。”借助全景AI模型,可实现二氧化碳排放源的精准提取,模型的平均精度超过93%、平均误差低于1.3ppm(ppm为百万分比浓度)。
2025-09-12 10:01
习近平总书记指出:“要把握人工智能发展趋势和规律,加紧制定完善相关法律法规、政策制度、应用规范、伦理准则,构建技术监测、风险预警、应急响应体系,确保人工智能安全、可靠、可控。人工智能系统的可靠性不能停留在统计意义上的“高概率正确”,而应追求在复杂、开放、动态环境下的“高置信可靠”。
2025-09-12 10:01
10日,2025世界顶尖科学家协会奖(以下简称“顶科协奖”)获奖者名单在上海公布。顶科协奖是2021年在上海发起创设、由红杉中国独家提供永久资金支持的面向全球科学家评选的科学大奖。
2025-09-12 09:59
加载更多