2022年底，ChatGPT橫空問世，其優(yōu)秀、自然的語言交互能力給世界帶來極大震撼。此后，海內(nèi)外科技巨頭、研究機(jī)構(gòu)開啟大模型競賽，視頻、音樂、語言等多模態(tài)大模型不斷升級，各類AI應(yīng)用層出不窮，人工智能進(jìn)入大模型時代。

作為新時代基建，大模型已成為國家間科技乃至經(jīng)濟(jì)競爭的焦點。大模型參數(shù)正從百億級、千億級邁向萬億級，以數(shù)據(jù)為核心燃料的AI正加速向前。

然而，大模型在具體的落地過程中，仍面臨許多挑戰(zhàn)。大模型的訓(xùn)練和推理均需要高質(zhì)量數(shù)據(jù)，目前國內(nèi)開源數(shù)據(jù)集遠(yuǎn)少于海外；高質(zhì)量數(shù)據(jù)則存在于數(shù)據(jù)煙囪中，難以發(fā)揮價值。一個安全、可信的數(shù)據(jù)空間，能為整個人工智能產(chǎn)業(yè)提供供得出、流得動的高質(zhì)量數(shù)據(jù)，加速大模型落地真實場景。

7月3日，在2024年全球數(shù)字經(jīng)濟(jì)大會“互聯(lián)網(wǎng)3.0高層論壇”上，北電數(shù)智首席科學(xué)家竇德景教授作了《以數(shù)據(jù)可信定義AI終局》主題演講，分享對數(shù)據(jù)可信和AI產(chǎn)業(yè)發(fā)展的洞察。

北電數(shù)智首席科學(xué)家竇德景教授作主題演講

數(shù)據(jù)規(guī)模與質(zhì)量決定AI“上限”，數(shù)據(jù)可信成關(guān)鍵驅(qū)動力

人工智能從1956年在達(dá)特茅斯會議開啟研究至今，已發(fā)展近90年時間,經(jīng)過機(jī)器學(xué)習(xí)、深度學(xué)習(xí)兩個階段的發(fā)展后，2017年，生成式AI技術(shù)路線將人工智能的智能化程度推向新階段。

大模型和生成式AI可以在幾秒鐘內(nèi)自主生成完全原創(chuàng)的文本、圖像、音頻等內(nèi)容，具有強(qiáng)大的認(rèn)知和交互能力。生成式AI的模型應(yīng)用和參數(shù)也在以前所未有的速度猛增，如GPT3.5的參數(shù)為1,750億,到GPT4時，模型參數(shù)已達(dá)1.8萬億。

Scaling law(規(guī)模法則)已成行業(yè)共識，大模型的參數(shù)量和數(shù)據(jù)量在不斷擴(kuò)展，面向?qū)I(yè)領(lǐng)域的垂直模型也在數(shù)據(jù)質(zhì)量上不斷優(yōu)化。

無論是“質(zhì)”、還是“量”，作為大模型訓(xùn)練和生成式AI 推理的三大要素之一，數(shù)據(jù)的重要性不言而喻。

據(jù)IDC測算，2022-2027年，中國的數(shù)據(jù)量規(guī)模將由23.88ZB增長至76.6ZB，復(fù)合增速達(dá)26.3%。從數(shù)據(jù)規(guī)模看，我國數(shù)據(jù)量無疑處于世界一流水平。

但從數(shù)據(jù)質(zhì)量而言，與美國相比,在數(shù)據(jù)開源和市場流動角度，優(yōu)質(zhì)的中文數(shù)據(jù)集依然非常稀缺，大量數(shù)據(jù)散落在產(chǎn)業(yè)側(cè)或垂直系統(tǒng)內(nèi)。此外，非結(jié)構(gòu)化的數(shù)據(jù)也難以支持算法訓(xùn)練，這對于生產(chǎn)力的提質(zhì)增效有極大地制約。

高質(zhì)量數(shù)據(jù)的積累離不開一個可信的數(shù)據(jù)空間。北電數(shù)智首席科學(xué)家竇德景教授分享道，實現(xiàn)數(shù)據(jù)可信并非一蹴而就，它目前仍然面臨著諸多挑戰(zhàn)，主要體現(xiàn)在四個方面：

·不知：因供需信息不對稱，數(shù)據(jù)種類與質(zhì)量不明確，導(dǎo)致數(shù)據(jù)在可用和匹配上遇到難題。

·不敢：在數(shù)據(jù)隱私和合規(guī)風(fēng)險影響下，企業(yè)對數(shù)據(jù)所有權(quán)和合規(guī)的顧慮較大，對數(shù)據(jù)流通較為謹(jǐn)慎。

·不能：企業(yè)在數(shù)據(jù)治理和開放共享上存在著能力或機(jī)制層面的不足。

·不會：企業(yè)在數(shù)據(jù)流通上仍然缺少適合的分析工具與應(yīng)用解決方案，產(chǎn)業(yè)也尚未形成和行業(yè)側(cè)協(xié)作的有價值方法。

構(gòu)建AI可信數(shù)據(jù)空間，重塑AI新格局

要想解決不知、不敢、不能、不會的數(shù)據(jù)難題，構(gòu)建數(shù)據(jù)可信的生態(tài)系統(tǒng)，加快建設(shè)數(shù)據(jù)流通、共享、開放環(huán)境尤其重要。

以EOSC(歐洲開放云)科研項目為例，歐盟在關(guān)注到數(shù)據(jù)隱私后，成立了一個包含300萬種資源在內(nèi)的數(shù)據(jù)空間，覆蓋多個領(lǐng)域范圍，為180萬歐洲研究人員和7000萬科研人員提供跨國界和學(xué)科研究數(shù)據(jù)存儲、管理、分析和再利用服務(wù)。

這種數(shù)據(jù)流通、可信、開放的產(chǎn)業(yè)生態(tài)，將極大促進(jìn)產(chǎn)業(yè)發(fā)展、繁榮。而對于國內(nèi)產(chǎn)業(yè)而言，打造數(shù)據(jù)可信的環(huán)境將會為AI產(chǎn)業(yè)發(fā)展、生態(tài)構(gòu)建提供重要發(fā)展土壤。

北電數(shù)智認(rèn)為，企業(yè)可以在技術(shù)可信層面，加快推進(jìn)建設(shè)安全可信的數(shù)據(jù)流通設(shè)施和數(shù)據(jù)安全設(shè)施，尤其是找到技術(shù)上完全自主可控和技術(shù)可信的方法，應(yīng)對數(shù)據(jù)問題。行業(yè)也可以通過開放服務(wù)促進(jìn)經(jīng)濟(jì)社會發(fā)展相關(guān)應(yīng)用場景落地，與產(chǎn)業(yè)協(xié)同，找到有價值的應(yīng)用場景，推動數(shù)據(jù)要素流通、融合，打造整體解決方案，快速構(gòu)建數(shù)據(jù)可信生態(tài)系統(tǒng)。

北電數(shù)智全棧信創(chuàng)的數(shù)據(jù)流通基礎(chǔ)設(shè)施和數(shù)據(jù)安全設(shè)施“紅湖·AI可信數(shù)據(jù)空間”，能為人工智能浪潮下促進(jìn)數(shù)據(jù)共享流通創(chuàng)造“安全可靠運(yùn)行環(huán)境”，提供AI時代高質(zhì)量數(shù)據(jù)服務(wù)，推動大模型在行業(yè)落地。目前，公司正聚焦政務(wù)、先進(jìn)制造、交通、醫(yī)療、傳媒、教育等細(xì)分賽道打磨應(yīng)用場景。

以政務(wù)大模型場景為例，政務(wù)領(lǐng)域信息豐富，知識結(jié)構(gòu)復(fù)雜。用戶不僅需要傳統(tǒng)的知識檢索、互動問答等功能,還需要政務(wù)表格分析、政務(wù)文本撰寫等產(chǎn)品。北電數(shù)智與政府側(cè)技術(shù)部門合作，通過數(shù)據(jù)獲取、數(shù)據(jù)清洗、知識更新、表格內(nèi)容提取等方式獲取有效信息，建設(shè)行業(yè)知識庫，再通過幻覺檢測、安全圍欄、數(shù)據(jù)可信空間等技術(shù)對數(shù)據(jù)進(jìn)行有效分區(qū)，最終提供全棧國產(chǎn)化的整體解決方案。

在北電數(shù)智看來，數(shù)據(jù)可信可以在五大維度上重塑AI新格局，推動AI產(chǎn)業(yè)發(fā)展和大模型的落地。

· 提升AI模型質(zhì)量和可靠性：為AI模型提供高質(zhì)量訓(xùn)練素材，有助于提高模型的準(zhǔn)確性、魯棒性和泛化能力。

·促進(jìn)AI技術(shù)的產(chǎn)業(yè)化應(yīng)用：為AI在政務(wù)、金融、醫(yī)療、制造等領(lǐng)域的落地應(yīng)用奠定基礎(chǔ)。

·推動AI倫理和治理的發(fā)展：為AI的倫理使用和有效治理提供基礎(chǔ)，有助于構(gòu)建更加公平透明的AI生態(tài)系統(tǒng)。

·增強(qiáng)AI系統(tǒng)的安全性：有助于降低AI系統(tǒng)的安全風(fēng)險，減少數(shù)據(jù)泄露、深度偽造等新型安全威脅。

·重塑AI技術(shù)路線和產(chǎn)業(yè)模式：推動AI從碎片化、小模型向大模型、通用智能方向發(fā)展，重新定義了AI的產(chǎn)業(yè)模式和標(biāo)準(zhǔn)。

展望未來，數(shù)據(jù)可信將在增強(qiáng)數(shù)據(jù)安全性和隱私、保障算法的公平性和透明性、推動法律和倫理框架完善、加速產(chǎn)業(yè)化應(yīng)用、生態(tài)蓬勃繁榮等方面不斷促進(jìn)人工智能產(chǎn)業(yè)的發(fā)展。

未來，北電數(shù)智將基于“大算力、大數(shù)據(jù)、大模型”的AI全棧能力，以可信數(shù)據(jù)沙盒、隱私計算和區(qū)塊鏈、全鏈條可控等技術(shù)為核心，以AI工廠及芯片適配為依托,提供一體化“可信”解決方案。