數(shù)據(jù)是人工智能的核心。如果沒有良好的數(shù)據(jù)，開發(fā)有用的人工智能模型的可能性微乎其微?？紤]到這一點(diǎn)，美國(guó)商務(wù)部上周發(fā)布了一份公開請(qǐng)求，就如何更好地為構(gòu)建生成式人工智能（GenAI）模型準(zhǔn)備眾多公共數(shù)據(jù)集征求意見。

美國(guó)商務(wù)部于4月17日發(fā)布了一份信息征詢書(RFI)，要求“行業(yè)專家、研究人員、民間社會(huì)組織和其他公眾成員”就如何開發(fā)“支持人工智能的開放數(shù)據(jù)集”供公眾使用提供幫助。

商務(wù)部自稱為“美國(guó)數(shù)據(jù)機(jī)構(gòu)”，負(fù)責(zé)收集、存儲(chǔ)和分析有關(guān)美國(guó)的各種數(shù)據(jù)，包括有關(guān)經(jīng)濟(jì)、人口和環(huán)境的數(shù)據(jù)。對(duì)商業(yè)數(shù)據(jù)中心的快速搜索顯示了超過122,000個(gè)可公開訪問的數(shù)據(jù)集，其主題從氣候和天氣到專利再到人口普查信息。

隨著多年來技術(shù)的變化和改進(jìn)，該部門一直向私營(yíng)企業(yè)和公共機(jī)構(gòu)尋求幫助，以保持其數(shù)據(jù)管理和數(shù)據(jù)共享活動(dòng)達(dá)到當(dāng)前技術(shù)標(biāo)準(zhǔn)。通過機(jī)器可讀格式或通過Web服務(wù)和API以電子方式訪問數(shù)據(jù)都是使其數(shù)據(jù)服務(wù)適應(yīng)時(shí)代的例子。

現(xiàn)在，隨著GenAI革命的到來，該部門正在尋找最合適的數(shù)據(jù)定位，以便使用它來構(gòu)建人工智能模型。

美國(guó)商務(wù)部首席數(shù)據(jù)官Oliver Wise在信息征詢書中寫道:“如今，隨著人工智能技術(shù)的出現(xiàn)，商務(wù)部正面臨一場(chǎng)新的技術(shù)變革，這些技術(shù)為用戶提供了更好的信息和數(shù)據(jù)訪問?！薄吧虡I(yè)對(duì)生成式人工智能(GenAI)應(yīng)用程序特別感興趣，它可以消化不同來源的文本、圖像、音頻、視頻和其他類型的信息，以產(chǎn)生新的內(nèi)容。GenAI和其他人工智能技術(shù)為商業(yè)等數(shù)據(jù)提供者和包括其他政府實(shí)體、行業(yè)、學(xué)術(shù)界和美國(guó)人民在內(nèi)的數(shù)據(jù)用戶帶來了機(jī)遇和挑戰(zhàn)。”

Wise表示，商務(wù)部面臨的最大挑戰(zhàn)是讓人工智能開發(fā)人員在“不失去完整性”的情況下訪問其數(shù)據(jù)，包括數(shù)據(jù)的質(zhì)量。如今數(shù)據(jù)的“解釋和使用”“不再僅僅由人類專家執(zhí)行”。他表示，這種用于數(shù)據(jù)管理和使用的“共享學(xué)科知識(shí)”的喪失是一個(gè)大問題。

信息征詢書中寫道:“最近的人工智能系統(tǒng)接受了大量數(shù)字內(nèi)容的訓(xùn)練，并根據(jù)內(nèi)容的上下文屬性生成響應(yīng)?！薄叭欢@些系統(tǒng)并沒有以一種有意義的方式真正‘理解’文本?！?

未來的人工智能系統(tǒng)必須能夠訪問的數(shù)據(jù)不僅是機(jī)器可讀的，而且是“機(jī)器可理解的”?！敖裉斓娜斯ぶ悄芟到y(tǒng)從根本上受限于它們對(duì)大量非結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)的依賴，這些存儲(chǔ)依賴于底層數(shù)據(jù)，而不是基于理解進(jìn)行推理和判斷的能力?！?

商務(wù)部正在尋求幫助，以便在考慮到GenAI技術(shù)這些基本限制的情況下共享數(shù)據(jù)。它正在為可讀和可理解的數(shù)據(jù)尋找新的數(shù)據(jù)傳播標(biāo)準(zhǔn)，包括許可標(biāo)準(zhǔn)。在數(shù)據(jù)可訪問性和檢索方面，商務(wù)部希望得到關(guān)于如何使其數(shù)據(jù)更易于訪問的建議，例如通過API或“網(wǎng)絡(luò)爬蟲”。

特別在如何使用利用元數(shù)據(jù)的知識(shí)圖譜來更好地將人類術(shù)語與數(shù)據(jù)聯(lián)系起來方面有需求。它還希望得到采用標(biāo)準(zhǔn)本體(如Schema.org或NIEM)的方向，以及知識(shí)圖譜如何幫助“協(xié)調(diào)和鏈接”本體和詞匯表。

該部門希望社區(qū)能夠就如何推進(jìn)這些數(shù)據(jù)標(biāo)準(zhǔn)化工作提供意見，同時(shí)在數(shù)據(jù)完整性、質(zhì)量、安全性和道德方面保持最高標(biāo)準(zhǔn)。

Wise要求有興趣的各方將他們的建議通過電子郵件發(fā)送，主題行為“AI-Ready開放數(shù)據(jù)資產(chǎn)信息征詢書”。并希望在七月十六日之前收到有關(guān)這些議題的意見或反饋。