资讯
展览资讯 大型展会 灯光节 大型盛典 赛事 中标捷报 产品快讯 热门话题 艺术节 活动 演出 新闻 数艺报道 俱乐部签约
观点
大咖专访 观点洞察 书籍推荐 吐槽 设计观点 企业访谈 问答 趋势创新 论文 职场方法 薪资报价 数艺专访
幕后
幕后故事 团队访谈 经验分享 解密 评测 数艺访谈
干货
设计方案 策划方案 素材资源 教程 文案资源 PPT下载 入门宝典 作品合集 产品手册 电子书 项目对接
  • 0
  • 0
  • 0

分享

梁正谈“如何推动高质量数据建设,助力人工智能健康发展?”

2022-06-30


日前,国务院印发《关于加强数字政府建设的指导意见》,就主动顺应经济社会数字化转型趋势,充分释放数字化发展红利,全面开创数字政府建设新局面作出部署。


数字化转型是主流趋势,数字政府建设也是当前的重点领域。数据是数字化转型的前提和基础,然而我们目前的海量数据信息还存在数据积累少、数据标准不统一、数据质量参差不齐、数据开放使用规则不清晰等突出问题。如何推动高质量数据建设,助力人工智能健康发展?思客邀请清华大学人工智能国际治理研究院副院长、人工智能治理研究中心主任梁正教授深入探讨这一话题。


随着数字化浪潮的不断推进,数字化、智能化成为引领未来经济的重要动力。党中央高度重视发展数字经济,国家“十四五”规划和2035年远景目标纲要作出数字化发展战略,部署了数字经济、数字社会、数字政府建设目标。数字经济已成为全球经济社会发展的重要驱动力。而人工智能作为新一轮科技革命和产业变革的重要驱动力量,正深刻影响着经济社会的发展进程。


人工智能的发展还存在不成熟的地方,当前谈得最多的是不断提升人工智能技术的安全性、可靠性和可控性,但最重要的是要把 AI的赋能作用和产业发展结合起来,让AI成为新基建的一部分,打造数字新基建,利用信息技术推动产业数字化转型。


目前推动产业数字化转型还需要解决几个问题,一是我们在很多产业领域没有数据积累,德国的很多企业在20年前就已经保留着生产过程相关的各类数据文本,档案很全,但是我们在很多行业领域都是口传心授,缺乏数据记录。二是数据标准不统一,质量不高,包括我们在公共领域的数据,在一些数字化走得比较靠前的城市,比如上海、杭州、深圳等,也仍然存在数据标准和格式不统一,数据归集难度大的问题。三是数据开放使用规则不清晰,这又涉及到治理问题。


这方面要注意一个误区,不是解决了这些问题后,就一定会发挥作用。就像我们建了很多机场,没有飞机,没有乘客,它能产生效益吗?所以数字基建关键是要跟产业应用结合,不管是公共需求还产业需求。


在产业数字化方面现在相关部门也有一些共性技术的支持。例如,我们的机床行业是一个大而散的行业,几乎可以覆盖制造业的全部领域,小到螺丝钉、大到高铁、飞机、船舶、火箭,其产品乃至设备的制造都离不开机床。


我们过去的机床行业总体上是比较落后的,虽然有“十八罗汉厂”这样的骨干企业,但是在智能化转型中,我们的企业和德国、日本、瑞士一些领先的机床厂家相比,竞争力还是不够的,所以就导致整个机床行业比较分散,龙头企业的实力不够强。


而随着中国经济体量和市场规模的扩张、生产制造的需要,企业中数控机床的数量在不断攀升。数控机床的发展需要比较好的数字化基础,现在中国机床工具工业协会正在探索推动一项创新性的智能化服务,用工业云的方式收集分散在各个企业、机床上的数据,经过数据整合、学习对工艺参数等优化后再分发给企业。这有点像在机床领域建了个安卓系统,定期优化升级,可以大大提高工业生产率。


越是传统的行业,其实做数字化、智能化空间越大。比如过去农业效率很低,在采集、储存、流通环节都会产生大量浪费,现在通过智慧农业、数字农业建设,增加了农业附加值。在这方面数字产业园是个很好的尝试,利用可以开放的公共数据,吸引相关产业汇聚,利用优质资源,推动企业数字化、智能化发展和产业聚集。智能化转型未来是一个必然,我们的产业发展有很大前景,目前中国经济面临“三重压力”,实现数字化和智能化转型,就能激发数字经济发展新动能。


“人工智能有多少智能就有多少人工”,这虽然是句调侃的玩笑话,但说明人工智能也存在很多问题。比如自动驾驶还无法完全脱离人的操控,训练算法所需的场景数据仍需要人来标注。尽管机器具备了自我学习的能力,但在很大程度上仍需要人来引导,在利用大量的数据训练后才能展现出一些效果。在这样的背景下,倘若标注者自身的学历和能力参差不齐,那人工智能自我学习的效果也大不相同,这样的情况在医疗、建筑这种专业性较强的领域更为突出。如果我们期待以这样的方式推动工业领域的高质量数据建设,在我看来这是不可能的。


推动高质量数据建设,到底该怎么做?目前在多个地方已经出现一些有益尝试。比如深圳龙岗建了一个AI小镇,按照数字化、智能化产业发展所需要的资源对AI小镇的底层架构进行系统化配置,比如一些公共部门的数据,在汇集和整理后先面向社会开放使用。


目前全国已经有约15个省市区出台了数据方面的管理条例或地方性政策,这是在中央大力推动下取得的进展。不论是数字经济还是人工智能试验区,像深圳这样的中国特色社会主义先行示范区要勇做“排头兵”,积极探索数据要素领域的产权制度、公共数据开放、流通交易和数据安全等管理机制。


现代社会中的数据安全问题,特别是一些场景下公平问题尤为突出,相关顶层设计的重要性也愈发凸显。比如数据安全涉及个人财产,这类问题的治理难度非常大。此外还有伦理规范方面的问题,在数据安全领域,我们该如何把控伦理的底线,这些都对我们的工作提出巨大挑战。2021年,欧盟颁布了《人工智能法》草案,虽然目前仍在征集意见中,但这是全球范围内关于人工智能的首部系统化法律,也算是在这方面的一大突破。


自2021年11月1日起,我国也开始施行《中华人民共和国个人信息保护法》,这部法律与《数据安全法》等其他几部法律共同构成了我国数据安全底线治理的基础。特别是医疗、金融、司法这样一些涉及到个人权益乃至人身安全的重要领域,运用相关算法进行自动化决策要非常小心。正如前文所说,这些领域内主流的机器训练方法,不具备可解释性,只是一个数据拟合的结果,因此存在出错概率。


我认为,算法运用要合乎伦理,要保障底线、公平且保护隐私,不能够侵犯个人权益。特别是在一些个人领域,针对相关算法公众要有问责权,针对安全主体责任要定期审查,必要时应考虑引入第三方的安全评估制度。针对一些数据原因造成的决策错误,我们也应引入人工干预纠偏并复核。因此,从底层技术的角度来看,最终我们需要建立的是一个综合性的人工智能治理体系。


数据是数字化转型的前提和基础,这个数据既包括公共数据,也包括平台企业所掌握的消费者个人数据,所以在管理、使用、流动上形式是不一样的,相应的制度和治理机制设计也应有所不同。


总的来看,对于人工智能治理,一是技术本身要可解释可控,二是有时可能要人工干预,这是一个多元协同治理的概念。当前我国针对人工智能特定应用场景已经出台了管理措施,如《互联网信息服务算法推荐管理规定》。未来应从算法分级分类管理的角度出发,按照高风险高影响、高风险低影响、低风险高影响、低风险低影响划分,针对不同领域、不同场景下的应用采用不同的治理工具组合。


人工智能治理问题是在高速发展中出现的问题,所以我们将其归结为新兴技术的治理,适用于“敏捷治理”的概念。对它要有一个客观的态度,不能视其为洪水猛兽,也不能放任不管,而是要密切地去了解其进展,然后引入相关利益方,根据它的发展演变,不断地去调适治理模式、创新治理手段。


(作者:梁正 清华大学人工智能国际治理研究院副院长、人工智能治理研究中心主任)


关于我们

清华大学人工智能国际治理研究院(Institute for AI International Governance, Tsinghua University,THU I-AIIG)是2020年4月由清华大学成立的校级科研机构。依托清华大学在人工智能与国际治理方面的已有积累和跨学科优势,研究院面向人工智能国际治理重大理论问题及政策需求开展研究,致力于提升清华在该领域的全球学术影响力和政策引领作用,为中国积极参与人工智能国际治理提供智力支撑。

新浪微博:@清华大学人工智能国际治理研究院

微信视频号:THU-AIIG

Bilibili:清华大学AIIG

阅读原文

* 文章为作者独立观点,不代表数艺网立场转载须知

本内容由数艺网主动采集收录,信息来源为 “清华大学人工智能国际治理研究院” 公开网络发布内容。第三方如需转载本内容,必须完整标注原作者信息及 “来源:数艺网”,严禁擅自篡改、删减或未标注来源转载。 并附上本页链接: 若您的内容不希望被数艺网收录,或认为此举侵犯了您的合法权益,敬请通过微信 ID:d-arts-cn 联系数艺网。我们将致以诚挚歉意,并第一时间为您办理下架或删除处理。

数字媒体艺术 梁正谈 人工智能 数字化转型 观点

13852 举报
  0
登录| 注册 后参与评论