切换到宽版
  • 29阅读
  • 2回复

[智能应用]构建多元化的人工智能训练数据供给体系 [复制链接]

上一主题 下一主题
在线huozm32831

UID: 329002

精华: 1097
职务: 超级斑竹
级别: 玉清道君
 

发帖
106928
金币
7213
道行
19523
原创
29307
奖券
17363
斑龄
191
道券
10132
获奖
0
座驾
 设备
EOS—7D
 摄影级
专家级认证
在线时间: 20427(小时)
注册时间: 2007-11-29
最后登录: 2025-01-17
只看楼主 倒序阅读 使用道具 楼主  发表于: 昨天 11:14
           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。
山庄提示: 道行不够,道券不够?---☆点此充值☆
 
  




    
在线jjybzxw

UID: 551814


发帖
118799
金币
1239564
道行
1965
原创
2244
奖券
2231
斑龄
29
道券
606
获奖
0
座驾
设备
摄影级
在线时间: 28611(小时)
注册时间: 2008-10-01
最后登录: 2025-01-18
只看该作者 沙发  发表于: 昨天 18:15
  您提到的内容全面分析了人工智能产业发展中数据供给的重要性,以及构建多元化训练数据供给体系的必要性和实施路径。以下是对您所述内容的总结和几点补充:

  总结:

  1. 数据的重要性:数据是人工智能发展的新石油,对于传统和新兴产业至关重要。

  2. 数据供给困境:当前人工智能产业发展面临训练数据供给不足的问题。

  3. 多元化数据供给体系:需要构建多元化的训练数据供给体系,以满足不同企业的需求,推动算法模型性能提升。

  4. 多源头数据采集:应健全数据采集机制,拓展数据广度,明确数据来源合法性,探索公共数据开放利用。

  5. 高质量数据标注:建立高质量数据标注机制,确保训练数据的精确性、一致性和时效性。

  6. 数据跨境传输:完善数据跨境传输机制,丰富数据类型,促进数据资源的全球流动。

  7. 配套政策:出台数据供给配套政策,包括财政支持、技术标准体系和基础设施平台建设。

  补充:

  1. 数据隐私保护:在数据采集和流动过程中,应加强对个人隐私的保护,遵循相关法律法规。

  2. 数据安全:确保数据在采集、存储、传输和使用过程中的安全,防止数据泄露和滥用。

  3. 数据治理:建立健全数据治理体系,包括数据质量管理、数据伦理审查等。

  4. 国际合作:在数据跨境传输方面,加强国际合作,参与国际规则的制定,提升国际话语权。

  5. 人才培养:培养数据科学领域的专业人才,提高数据采集、标注和处理的能力。

  6. 创新激励:鼓励企业和研究机构在数据采集、标注技术和算法创新方面进行研发,提供政策和资金支持。

  通过上述措施,可以有效地推动我国人工智能产业的发展,实现数据资源的最大化利用,促进经济社会的高质量发展。

如何不发帖就快速得到金币道行
 
在线天人地

UID: 1627269

精华: 2
级别: 玉清道君

发帖
292336
金币
29993
道行
39038
原创
108
奖券
30
斑龄
0
道券
30
获奖
0
座驾
设备
摄影级
在线时间: 33636(小时)
注册时间: 2012-09-03
最后登录: 2025-01-18
只看该作者 板凳  发表于: 昨天 22:57


构建多元化的人工智能训练数据供给体系
数据供给的重要性
人工智能训练数据的质量直接关系到算法模型的准确性和有效性。随着网络空间已公开数据资源的逐渐枯竭,高质量数据的获取变得更加困难,因此构建一个多元化的人工智能训练数据供给体系显得尤为重要2。

数据供给面临的挑战
数据资源单一性:目前,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,这些方式较为单一,难以满足产业对高质量数据的需求3。
数据安全问题:公共数据的安全使用和收益归属问题尚未得到妥善解决,限制了这些数据的开放利用3。
构建多元化训练数据供给体系的策略
健全多源头数据采集机制
为了扩展训练数据的获取广度,需要在数据采集行为的合法性和数据市场供给形式上进行创新和探索:

合法性明确:通过类型化列举和监管实践指南等方式,明确训练数据来源的合法性,消除企业的合规担忧3。
公共数据开放: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3。
建构高质量数据标注机制
数据标注的质量直接影响人工智能算法的性能,因此建立科学合理的标注规则至关重要:

人机协作标注:采用人机协作的方式进行数据标注,以提高标注结果的准确性、完整性和中立性3。
标注规则制定:服务提供者应制定清晰、具体、可操作的标注规则,确保数据标注的质量3。
完善数据跨境传输机制
不同国家和地区拥有多元化的本地数据资源,这些资源的跨境流动对于优化人工智能算法模型至关重要:

法律法规支撑:建立和完善数据跨境传输的法律法规框架,确立安全评估、个人信息出境标准合同等治理措施3。
国际合作机制:积极探索多边、双边数据跨境合作机制,提升我国在国际规则制定中的话语权3。
出台数据供给配套政策
为了畅通数据流动,需要出台一系列配套政策:

财政支持: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难度3。
技术标准体系:建立统一的技术标准体系,确保训练数据的质量和规范3。
基础设施平台建设:推动建设面向训练数据供给的数字基础设施和公共算法训练平台,缓解数据孤岛现象3。
通过上述策略的实施,可以有效构建一个多元化的人工智能训练数据供给体系,不仅能够满足不同规模企业的需求,还能推动人工智能产业的高质量发展
如何不发帖就快速得到金币道行
 
天人地
快速回复
限120 字节
认真回复加分,灌水扣分~
 
上一个 下一个