| 廣西新聞網(wǎng) > 首頁(yè)欄目 > 經(jīng)濟(jì) · 生活 > 創(chuàng)新 > 正文 |
前沿觀點(diǎn)|好數(shù)據(jù)才是硬道理 |
2026年07月28日 18:17 來(lái)源:廣西云-廣西日?qǐng)?bào) 作者:丁建軍 編輯:陶昌順 |
|
2026世界人工智能大會(huì)暨人工智能全球治理高級(jí)別會(huì)議主席聲明凝聚了十五條共識(shí),其中第四條專門聚焦數(shù)據(jù)——把握數(shù)據(jù)高流動(dòng)性、高賦能性特征,深化數(shù)據(jù)資源開發(fā)利用,切實(shí)保障數(shù)據(jù)安全。 數(shù)據(jù)質(zhì)量為什么這么重要? 過(guò)去兩年,行業(yè)里有一個(gè)明顯的轉(zhuǎn)向:AI競(jìng)爭(zhēng)的重心,正從“把模型做大”轉(zhuǎn)向“把數(shù)據(jù)做好”。業(yè)內(nèi)有個(gè)形象的比喻——大模型是發(fā)動(dòng)機(jī),數(shù)據(jù)是汽油。汽油的標(biāo)號(hào)不夠,發(fā)動(dòng)機(jī)再?gòu)?qiáng)勁也跑不遠(yuǎn)。國(guó)家數(shù)據(jù)局今年6月印發(fā)的《關(guān)于推進(jìn)行業(yè)高質(zhì)量數(shù)據(jù)集建設(shè)行動(dòng)的實(shí)施方案》給出了標(biāo)準(zhǔn)定義:高質(zhì)量數(shù)據(jù)集是經(jīng)過(guò)采集、加工等處理,可直接用于開發(fā)和訓(xùn)練人工智能模型,能有效提升模型性能的行業(yè)數(shù)據(jù)集合。說(shuō)白了,不是隨便一堆數(shù)據(jù)都能叫高質(zhì)量數(shù)據(jù)集。它要經(jīng)過(guò)專業(yè)采集、清洗、標(biāo)注、驗(yàn)證,才能喂給模型。 例如,醫(yī)療影像數(shù)據(jù)集標(biāo)注精度要求極高,哪怕0.001%的錯(cuò)誤率,都可能造成致命誤判。有關(guān)研究顯示,金融風(fēng)控領(lǐng)域的高質(zhì)量數(shù)據(jù)集,讓銀行不良貸款識(shí)別率提升了29%,風(fēng)險(xiǎn)誤報(bào)率降低了55%。DeepSeek-R1的實(shí)踐證明,高質(zhì)量推理數(shù)據(jù)可以讓模型參數(shù)量效率提升三倍,也就是說(shuō),數(shù)據(jù)夠好,小模型也能干大事。 中國(guó)做了什么?坦率地講,我們起步不算早,但動(dòng)作快、力度大。 2026年6月,國(guó)家數(shù)據(jù)局部署專項(xiàng)行動(dòng),明確到2028年底建成一批覆蓋重點(diǎn)領(lǐng)域、經(jīng)過(guò)應(yīng)用驗(yàn)證的行業(yè)高質(zhì)量數(shù)據(jù)集。這距離2024年12月國(guó)家印發(fā)《關(guān)于促進(jìn)數(shù)據(jù)產(chǎn)業(yè)高質(zhì)量發(fā)展的指導(dǎo)意見》、首次明確提出“高質(zhì)量數(shù)據(jù)集”概念,只有短短一年多時(shí)間。 再看落地。國(guó)家數(shù)據(jù)局已遴選出104個(gè)高質(zhì)量數(shù)據(jù)集典型案例,覆蓋芯片制造、蛋白質(zhì)研究、智慧航運(yùn)、應(yīng)急管理、電網(wǎng)調(diào)度等十余個(gè)重點(diǎn)領(lǐng)域。例如,上海交通大學(xué)的VenusPod蛋白質(zhì)序列數(shù)據(jù)集,匯聚了150億條序列數(shù)據(jù),規(guī)模全球最大,將傳統(tǒng)2到5年的蛋白質(zhì)研發(fā)周期縮短到2至6個(gè)月;芯片陶瓷封裝基板表面缺陷數(shù)據(jù)集,采集樣本超過(guò)11萬(wàn)個(gè),幫助企業(yè)良好率提升20%以上;天然氣管網(wǎng)運(yùn)行數(shù)據(jù)集整合了上載、下載等8個(gè)子集數(shù)據(jù),氣量預(yù)測(cè)偏差不超過(guò)4%,達(dá)到國(guó)際先進(jìn)水平——這些都不是實(shí)驗(yàn)室里的演示,是實(shí)打?qū)嵉漠a(chǎn)業(yè)效能。 挑戰(zhàn)在哪? 一是“有數(shù)據(jù)、沒(méi)數(shù)據(jù)用”的尷尬。中國(guó)各行各業(yè)沉淀了海量數(shù)據(jù),但真正經(jīng)過(guò)清洗、標(biāo)注、驗(yàn)證、可供AI模型直接訓(xùn)練的,少之又少。 二是成本。高質(zhì)量標(biāo)注離不開專家參與,醫(yī)療影像要放射科醫(yī)生審核,核電診斷要工程師定義故障閾值……自動(dòng)化標(biāo)注工具在進(jìn)步,但離好用還有距離。 三是規(guī)則。數(shù)據(jù)的權(quán)屬怎么界定?版權(quán)作品怎么合規(guī)用于模型訓(xùn)練?收益怎么分配?這些制度層面的問(wèn)題不解決,數(shù)據(jù)就流不動(dòng)。 大會(huì)強(qiáng)調(diào)“加快構(gòu)建數(shù)據(jù)產(chǎn)權(quán)等基礎(chǔ)制度,確保數(shù)據(jù)可管、可控、可追溯”,正是看到了這些堵點(diǎn)。 人工智能的競(jìng)爭(zhēng),表面上看是算法和算力的比拼,底子上是數(shù)據(jù)的較量。對(duì)廣西而言,這件事尤其值得上心。廣西有面向東盟的區(qū)位優(yōu)勢(shì)、有豐富的農(nóng)業(yè)和海洋數(shù)據(jù)資源、有中國(guó)—東盟信息港等基礎(chǔ)設(shè)施——在高質(zhì)量數(shù)據(jù)集建設(shè)這件事上,不必跟北上廣深拼通用大模型的全棧能力,找準(zhǔn)特色場(chǎng)景、做深做透行業(yè)數(shù)據(jù)集,或許是更務(wù)實(shí)的切入路徑。 好數(shù)據(jù)才是硬道理。這句話放在AI時(shí)代,恰如其分。 (作者系全國(guó)宣傳思想文化青年英才,吉首大學(xué)商學(xué)院教授、博士生導(dǎo)師) |
|
掃一掃在手機(jī)打開當(dāng)前頁(yè)
|
| >>更多精彩圖集推薦 |
|
|
||||||||||||||||||||||||||||||