高质量数据集推动AI发展

当你在政务App上咨询“医保报销要多久到账”，或在医疗智能体里描述症状时，后台的人工智能（简称AI）之所以能理解并给出自然回答，是因为它学习了大量真实数据。这些数据来自政策文件、医疗记录、热线对话、网络评论等，共同构成了高质量数据集。高质量数据集是智能时代最重要的数据基础设施之一，对于AI的发展至关重要。

AI模型的聪明程度取决于其学习的数据质量。高质量数据集是AI训练、推理和验证的关键基础，如果数据错误或不完整，AI的成长就会走弯路。然而，中文开源数据集数量仅占全部开源数据集的8%左右，我国大部分AI模型依赖外国开放数据，这不仅带来语义偏倚与文化误读风险，也限制了本地化场景下的泛化能力。此外，中文互联网上的低质量语料可能使AI模型退化，就像用模糊不清的复印件反复复印，最终结果只会越来越差。

鉴于高质量数据集的重要性，我国已将其纳入政策顶层设计。但当前仍面临数据分散、标准不一、统筹不力等问题。政府、高校、科研机构和企业之间的数据壁垒严重，缺乏统一的数据平台与协调机制。公共数据开放成为破解数据供给瓶颈的关键路径。公共数据体量大、价值高、类型广，应优先向社会开放用于AI及相关产业发展。利用公共数据建设高质量数据集，有望提升政府决策智能化水平，促进市场创新，打破数据垄断，弥合数字鸿沟。

目前，国际上已有大量基于公共数据开发的高质量数据集向开发者开放，我国上海、杭州等城市也尝试上线了一些用于AI训练的数据集。但大部分地方尚未启动这项工作，面临不懂、不愿、不能、不敢的困境。许多领导干部和公务员对数据重要性认识不足，高质量数据集建设投入大且繁琐，技术门槛高，数据安全和隐私保护也是主要顾虑。

为解决这些问题，需要从四个方面入手：首先，提高各级部门对数据开放的认识；其次，建立利益分配和激励机制；第三，提供技术支持，消除数据流动的技术障碍；最后，加强数据安全，确保合规使用。只有打破数据供给瓶颈，才能推动AI走向质的跃迁，让公共数据助力AI发展，实现公共价值。