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

  • 回放:“巳巳如意中国年”短视频征集活动分享交流会

  • 多彩开学第一课

独家策划

推荐阅读
我国新型储能制造业全链条国际竞争优势凸显,优势企业梯队进一步壮大,产业创新力和综合竞争力显著提升,实现高端化、智能化、绿色化发展。
2025-02-18 09:33
新修订的科学技术普及法自2024年12月25日起施行。宣传贯彻科学技术普及法座谈会17日在京召开,全国人大常委会副委员长蔡达峰出席会议并讲话。
2025-02-18 09:32
迈着深深浅浅的步子走进葡萄园,脚下,枯叶作被覆盖着泥土;头顶,休眠的葡萄枝上零星挂着卷曲的叶子。果农们在葡萄架下来回穿梭,剪刀在手中翻飞,老练地修剪着葡萄枝条,随后,有条不紊地完成着开沟、窝肥、清园等“冬管清单”。
2025-02-18 09:32
2月13日,北京儿童医院,13位知名专家对1位8岁男孩的疑难病例展开缜密讨论。主持人是北京儿童医院院长、耳鼻咽喉头颈外科专家倪鑫,专家们则来自神经外科、肿瘤外科、口腔科等科室。
2025-02-18 09:28
2024年度河南省科学技术奖励名单上,河南农业大学“‘醛’球无敌”博士后科研团队的《木制细胞低碳增强结合关键技术》项目赫然在列。团队负责人彭万喜难掩笑意:“自2021年在全国博士后创新创业大赛拿金奖后,我们团队就荣誉不断。这背后,是国家对甲醛防控治理的日益重视。”
2025-02-18 09:27
重塑金身,树皮、籽壳和叶脉中的杜仲胶可作为首选材料。
2025-02-18 08:56
农业农村部近日制定印发《全国农业科技创新重点领域(2024—2028年)》,要求聚焦十大重点领域,加快推进高水平农业科技自立自强。
2025-02-17 10:16
2024年,中国智能算力规模达725.3百亿亿次/秒(EFLOPS),同比增长74.1%,增幅是同期通用算力增幅(20.6%)的3倍以上;市场规模为190亿美元,同比增长86.9%。
2025-02-17 10:14
我国第三代自主超导量子计算机“本源悟空”全球访问量突破2000万次,刷新了我国自主量子算力服务规模纪录。
2025-02-17 10:14
一部优秀的动画片,需要艺术和技术的高度合一。而《哪吒2》在本土先进动漫制作技术的托举之下,实现了这种合一。它的成功,是我国文化软实力和电影科技硬实力的并肩胜出和双重出圈,昭示着文化与科技碰撞产生的巨大张力。
2025-02-17 10:12
科普法第五十一条规定,利用财政性资金设立科学技术计划项目,除涉密项目外,应当结合任务需求,合理设置科普工作任务,充分发挥社会效益。
2025-02-17 10:11
成都大熊猫繁育研究基地科普团队成立于2000年,旨在面向公众传播以大熊猫为代表的生物多样性保护理念。
2025-02-14 10:26
食品添加剂是指为改善食品品质和色、香、味,以及为防腐和加工工艺的需要而加入食品中的化学合成或者天然物质。
2025-02-14 10:24
《自然》杂志13日报道我国发现迄今唯一确切的侏罗纪鸟类——政和八闽鸟。
2025-02-14 10:23
在当前的极寒天气下,机器狗更灵活、可携带更多仪器,巡检质效显著提高,让赛事电力保供更安心。
2025-02-14 10:22
国家税务总局发布的最新数据显示,2024年,现行支持科技创新和制造业发展的主要政策减税降费及退税达26293亿元,助力我国新质生产力加速培育、制造业高质量发展。
2025-02-14 10:11
独脚金是寄生在高粱上的一种植物,能导致高粱减产甚至死亡。近日,我国科学家首次从高粱中发现两个关键基因,敲除后,高粱对独脚金的抗性显著提高。
2025-02-14 10:04
基于AI大模型及领域数据资源,构建基于PC端和手机端应用的科特派数字人“小科”,为用户提供随时在线、多终端访问、7×24小时全天候资源对接,全方位服务于北京城市科技创新与管理。
2025-02-13 09:36
新时代以来,我国以更高站位、更宽视野、更大力度来谋划和推进新征程生态环境保护工作,全力推动生态环境根本好转。
2025-02-13 03:40
新年伊始,DeepSeek成为“热词”,其在各领域的应用也引发思考和讨论。在科研领域,人工智能驱动科学研究的新科研范式随之到来,对构建开放创新生态提出了更急迫的要求。
2025-02-13 03:50
加载更多