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，美國商務部上周發(fā)布了一份公開請求，就如何更好地為構建生成式人工智能（GenAI）模型準備眾多公共數(shù)據(jù)集征求意見。

美國商務部于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。

商務部自稱為“美國數(shù)據(jù)機構”，負責收集、存儲和分析有關美國的各種數(shù)據(jù)，包括有關經濟、人口和環(huán)境的數(shù)據(jù)。對商業(yè)數(shù)據(jù)中心的快速搜索顯示了超過122,000個可公開訪問的數(shù)據(jù)集，其主題從氣候和天氣到專利再到人口普查信息。

隨著多年來技術的變化和改進，該部門一直向私營企業(yè)和公共機構尋求幫助，以保持其數(shù)據(jù)管理和數(shù)據(jù)共享活動達到當前技術標準。通過機器可讀格式或通過Web服務和API以電子方式訪問數(shù)據(jù)都是使其數(shù)據(jù)服務適應時代的例子。

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，以便使用它來構建人工智能模型。

美國商務部首席數(shù)據(jù)官Oliver Wise在信息征詢書中寫道:“如今，隨著人工智能技術的出現(xiàn)，商務部正面臨一場新的技術變革，這些技術為用戶提供了更好的信息和數(shù)據(jù)訪問?！薄吧虡I(yè)對生成式人工智能(GenAI)應用程序特別感興趣，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，以產生新的內容。GenAI和其他人工智能技術為商業(yè)等數(shù)據(jù)提供者和包括其他政府實體、行業(yè)、學術界和美國人民在內的數(shù)據(jù)用戶帶來了機遇和挑戰(zhàn)?！?

Wise表示，商務部面臨的最大挑戰(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“共享學科知識”的喪失是一個大問題。

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)字內容的訓練，并根據(jù)內容的上下文屬性生成響應?！薄叭欢?，這些系統(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)不僅是機器可讀的，而且是“機器可理解的”。“今天的人工智能系統(tǒng)從根本上受限于它們對大量非結構化數(shù)據(jù)存儲的依賴，這些存儲依賴于底層數(shù)據(jù)，而不是基于理解進行推理和判斷的能力?！?

商務部正在尋求幫助，以便在考慮到GenAI技術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)傳播標準，包括許可標準。在數(shù)據(jù)可訪問性和檢索方面，商務部希望得到關于如何使其數(shù)據(jù)更易于訪問的建議，例如通過API或“網絡爬蟲”。

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

該部門希望社區(qū)能夠就如何推進這些數(shù)據(jù)標準化工作提供意見，同時在數(shù)據(jù)完整性、質量、安全性和道德方面保持最高標準。

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)資產信息征詢書”。并希望在七月十六日之前收到有關這些議題的意見或反饋。