日前，在2024世界人工智能大會(huì )上，一場(chǎng)關(guān)于人工智能語(yǔ)料的論壇在上海首次舉辦。一年前，2023世界人工智能大會(huì )上，上海人工智能實(shí)驗室、人民網(wǎng)、國家氣象中心等單位聯(lián)合發(fā)起的中國第一個(gè)大模型語(yǔ)料數據聯(lián)盟正式成立。人工智能大模型取決于三大要素：算力、算法、語(yǔ)料。中國是世界上數字化應用場(chǎng)景最豐富的國家，各種場(chǎng)景提供了極為豐富的語(yǔ)料。中國是語(yǔ)料大國，但各種語(yǔ)料仍存在參差不齊的情況，需進(jìn)一步加以規范。通過(guò)人工智能大模型，特定的輸入往往會(huì )生成特定的輸出，存在“種瓜得瓜，種豆得豆”的規律。從輸入端著(zhù)手，強化語(yǔ)料建設，可以推動(dòng)人工智能健康成長(cháng)。

　　在人工智能發(fā)展中，語(yǔ)料具有“賦能”和“教化”的雙重功能，前者通過(guò)全方位的知識轉移和訓練，使得人工智能博聞強識，融會(huì )貫通，進(jìn)而技藝超群；后者通過(guò)多維度的情感嵌入和價(jià)值對齊，讓人工智能“通情達理”，并且“善解人意”。例如，伴隨我國老齡化程度的加深，具有健康護理功能的養老護理機器人開(kāi)始走進(jìn)人們的生活。越來(lái)越多的老年人希望在享受各種專(zhuān)業(yè)化養老服務(wù)的同時(shí)，也能感受到親人照料般的溫暖。這就需要發(fā)揮語(yǔ)料的教化作用，結合特定的激勵算法，讓機器人以和藹可親的姿態(tài)、體貼入微的服務(wù)，響應并滿(mǎn)足老年人的養老需求。由此可見(jiàn)，在人工智能相關(guān)技術(shù)快速密集突破的過(guò)程中，要達到“強健其體魄、文明其精神”的目的，語(yǔ)料建設是關(guān)鍵，需要著(zhù)重做好拓源、提質(zhì)、鑄魂三項工作。

　　首先是拓源。對于語(yǔ)料，人工智能大模型有異乎尋常的“好胃口”，當前存在語(yǔ)料資源的較低水平供給與大模型高強度訓練需求之間的矛盾。語(yǔ)料建設是一項復雜的系統工程，具有多源、高維、異構、跨界、超限等典型特征，需要廣泛動(dòng)員和組織政府部門(mén)、行業(yè)組織、企業(yè)等各方力量，建立語(yǔ)料建設的統一戰線(xiàn)。全國各地紛紛行動(dòng)，2023年，上海人工智能實(shí)驗室宣布聯(lián)合語(yǔ)料數據聯(lián)盟成員單位，共同開(kāi)源發(fā)布“書(shū)生·萬(wàn)卷”1.0多模態(tài)預訓練語(yǔ)料。深圳數交所則聯(lián)合近50家單位成立“開(kāi)放算料聯(lián)盟”，多家A股公司加盟。這在一定程度上緩解了語(yǔ)料資源供給不足的問(wèn)題。未來(lái)仍然需要加快拓展來(lái)源渠道，將沉淀在行業(yè)壁壘間、藏身于隱秘空間里的各種語(yǔ)料資源發(fā)掘出來(lái)，為人工智能大模型的迭代升級提供動(dòng)力。

　　其次是提質(zhì)。語(yǔ)料涉及海量的數據、文本、圖片、語(yǔ)音、視頻等資源，既有“原材料”，也有“半成品”，要讓大模型能夠“吃”得下去，要靠數據庫技術(shù)解決“消化”問(wèn)題。大模型不僅要吃得飽，還要吃得好，面向行業(yè)應用的專(zhuān)業(yè)數據庫可以給AI大模型“開(kāi)小灶”。

　　最后是鑄魂。語(yǔ)料對于人工智能的“思維方式”和“行為模式”具有潛移默化的影響。在語(yǔ)料建設中，既要開(kāi)放包容，博采世界各國文化之所長(cháng)；也要汲取中華優(yōu)秀傳統文化的精髓，為大模型準備“中餐”。中文語(yǔ)料尤其是中式價(jià)值觀(guān)語(yǔ)料的缺位，輕則會(huì )影響面向國內特定應用場(chǎng)景的垂類(lèi)大模型開(kāi)發(fā)進(jìn)程，重則可能失去以我國的文化與價(jià)值觀(guān)賦能人工智能發(fā)展的機會(huì )。對此，應未雨綢繆，加快高質(zhì)量中文語(yǔ)料資源建設的提速擴容，并將中國特色社會(huì )主義文化的價(jià)值取向融入其中。讓功能日益強大的人工智能成為言端行正、德才兼備的“好孩子”。

　　（作者：陳強，系同濟大學(xué)經(jīng)濟與管理學(xué)院教授、上海市習近平新時(shí)代中國特色社會(huì )主義思想研究中心研究員）