专家寄望上海构建更好数据生态环境

当许多人认为自己正遭遇“数据爆炸”之际，顶尖专家却在担忧数据不足。他们认为，高质量数据的缺乏可能限制经济发展，并让人工智能（AI）大模型陷入“无米之炊”。昨天在沪举行的2023全球数商大会上，多位专家呼吁，要重视高质量数据供给，加强数据共享和流通，以适应未来AI与数字经济发展的需要。

硅谷人工智能研究院院长兼创始人皮埃罗·斯加鲁菲在主旨演讲中给出一个惊人的判断：2026年，世界就有可能进入“数据枯竭状态”。也就是说，届时人类可能找不到足够多的数据“喂”给ChatGPT这样的AI大模型。

斯加鲁菲所说的“数据枯竭”，本质上是一种结构性短缺——亿万人虽然每天都在不停产生数据，但高质量数据依然不足。斯加鲁菲说，ChatGPT这样的AI大模型，和我们在此前沿用了80多年的冯·诺依曼架构不同，它不再是基于精确的数学，因此，AI大模型时常会犯低级错误，给出傻傻的回答。本质上，这类AI的最终表现很大程度上取决于被“喂”的数据质量。目前来看，在日常生成的海量数据中，只有20%到30%的数据质量能符合AI大模型的要求。

但ChatGPT能力的迭代，使它对数据的需求正以几何级数增长。上一代GPT3的训练参数为1750亿，GPT4参数量虽然没有公布，但有分析认为，这个数字可能是GPT3的100倍之多。而且，未来更聪明、更强大的AI大模型，其对训练数据的需求还将继续快速增长。

不仅是斯加鲁菲，“数据20条”制订专家组组长、中国工业经济学会会长江小涓也对数据缺乏提出警示。在昨天的大会上，江小涓表示，中国是目前全球当之无愧的数据大国，但针对AI大模型的需求，高质量、高标准中文语料库的建设面临非常大的挑战，“假如没有好的语料去喂大模型，那么，将来AI生成的内容对当代中国的阐述就会严重不足，进而会影响中华民族在元宇宙中的地位。”

面对可能的数据枯竭，斯加鲁菲的建议是构建一种环境，让拥有高质量数据的小企业也能从中获利，由此激励优质数据的生产和流动。他说，目前有一种趋势，就是只有大公司才能为超强的算力和超大的数据集买单，才能因此完成“数据变现”、获得盈利。而在他看来，必须改变这个局面，形成一种“雨露均沾”的激励机制，从而让小企业可以通过深耕“小数据”获得大收益，“这就像可以用一小块金子，换到一大片土地一样”。同时，他建议公众关注一个新职业——数据策划师，这个工作的职责就是借助工具和自身能力，筛选出高质量数据，“拥有这样人才的组织，一定会成功。”

江小涓并没有对如何构建高质量中文语料库的话题进行展开，但她表示，主管部门应该更加重视数据要素市场的整体培育，更支持数据服务商发展，并让数据的流通特别是跨境数据流动能更加便捷。她同时强调，国内政府部门和各公共部门拥有大量高质量数据，但开放共享依然不够，导致数据利用率不高，“政府数据开放是社会数字化水平和数字文明的重要标志。”

斯加鲁菲也对中国充满期待。他表示，美欧都对数据共享设定了诸多限制，压制了共享的动力，“我希望看到上海能构建更好的数据生态环境，鼓励更多的数据交换和数据共享。”     

作者：张懿

文：本报记者 张懿图：范家乐编辑：施薇

转载此文请注明出处。