观点｜梁正 推动高质量数据建设 助力人工智能健康发展

随着经济社会数字化转型的趋势日益明显，国务院印发的《关于加强数字建设的指导意见》如同一股清新的春风，吹拂着数字建设的新篇章。在这一浪潮中，如何充分利用数字化红利，全面开创数字建设的新局面，已成为当下热议的焦点。

数字化转型已然成为主流趋势，而数字建设更是站在了时代的风口浪尖。数据，作为数字化转型的基石和根本支撑，却面临着数据积累不足、数据标准不一、数据质量不稳定以及数据开放规则模糊等多重挑战。对此，清华大学公共管理学院教授、人工智能国际治理研究院副院长梁正，围绕高质量数据建设，展开了一场深入而独到的探讨。

随着数字化浪潮的汹涌推进，数字化、智能化成为引领未来经济的重要动力源泉。党中央高度重视数字经济的发展，国家“十四五”规划及2035年远景目标纲要均体现出对数字化发展的战略考量，部署了数字经济的宏伟蓝图。而人工智能作为新一轮科技革命的核心力量，正在深刻塑造经济社会的发展未来。

人工智能的发展之路并非坦途。在追求技术安全性、可靠性和可控性的如何将AI的赋能效应与产业发展深度融合，打造数字新基建，成为当下的关键任务。产业数字化转型的推进中，仍需解决数据积累不足、数据标准不一、数据质量不稳定等核心问题。

值得注意的是，解决这些问题的过程并非一蹴而就的奇迹。正如建设机场需要飞机和乘客才能产生效益一样，数字基建同样需要与产业应用紧密结合。无论是满足公共需求还是产业需求，数字基建都是推动经济社会发展的关键环节。

以机床行业为例，这一行业几乎覆盖了制造业的全领域。虽然中国机床行业在智能化转型中面临竞争压力，但随着中国经济体量和市场规模的扩大，数控机床的数量不断攀升。为了更好地满足生产制造的需求，数字化基础的建设显得尤为重要。中国机床工具工业协会正积极探索推动智能化服务创新，通过工业云的方式整合分散在各企业和机床上的数据，优化后再分发给企业，从而提高工业生产效率。

在更广阔的视野下，传统的行业拥有更大的数字化、智能化空间。以农业为例，通过智慧农业、数字农业的建设，可以有效提高农业附加值。数字产业园则是一个很好的尝试，利用可开放的公共数据，吸引相关产业汇聚，推动企业的数字化、智能化发展和产业聚集。

尽管人工智能的发展存在诸多问题，如自动驾驶仍需人的操控、训练算法的场景数据需人标注等，但在利用大量数据训练后，机器可以展现出惊人的效果。在推动高质量数据建设中，需要确保数据的准确性和专业性。一些地方已经出现了有益的尝试，如深圳龙岗的AI小镇，通过系统化配置公共部门的数据，面向社会开放使用，为数字化、智能化产业发展提供了强大的支撑。

目前，全国已有约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积极进展。未来，随着数字基建与产业应用的深度融合，我们将迎来一个数字化、智能化的新时代。关于数据安全和人工智能治理的先行示范区——深圳的探索与挑战

深圳，作为中国特色社会主义先行示范区，正勇立潮头，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。这一探索背后，是对数字经济和人工智能试验区的深刻洞察和前瞻性思考。

数据安全问题在现代社会愈发突出，特别是在涉及个人财产和规范的领域，治理难度极大。欧盟近期颁布的《人工智能法》草案虽仍在征集意见中，但作为全球范围内关于人工智能的首部系统化法律，无疑是一大突破。与此我国自2021年11月1日起施行的《中华人民共和国个人信息保护法》与其他几部法律共同构成了我国数据安全底线治理的基础。

数据的使用与流动，特别是在医疗、金融等重要领域，仍然存在诸多挑战。主流的机器训练方法因其缺乏可解释性而存在着出错概率。算法的运用必须合乎、保障公平并保护隐私，绝不能侵犯个人权益。公众对于算法的问责权以及安全主体的定期审查至关重要。对于因数据原因造成的决策错误，应引入人工干预进行纠偏和复核。

深圳作为人工智能治理的先行示范区，面临的挑战是建立综合性的人工智能治理体系。这需要从底层技术的角度入手，同时考虑到公共数据和平台企业所掌握的消费者个人数据的管理、使用、流动。治理机制的设计必须结合实际情况，对于不同领域、不同场景的应用要采用不同的治理工具组合。

人工智能治理是一个新兴技术的治理问题，需要我们以客观的态度对待，既要密切关注其进展，又要根据其发展演变不断调适治理模式和创新治理手段。对于人工智能的特定应用场景，我国已经出台了相应的管理措施。未来，应从算法分级分类管理的角度出发，为不同领域、不同场景的应用量身定制治理模式。这样的多元协同治理和敏捷治理方式，将为我国的人工智能领域带来更加繁荣和有序的发展前景。