高質(zhì)量、大規(guī)模、安全可信的語料數(shù)據(jù)資源是AI時代的重要基石。高質(zhì)量語料數(shù)據(jù)如何高效供給賦能大模型產(chǎn)業(yè)發(fā)展？

7月6日上午，2024世界人工智能大會語料主題論壇在上海舉辦。本次論壇以“語料筑基，智生時代”為主題，圍繞高質(zhì)量語料數(shù)據(jù)如何高效供給賦能大模型產(chǎn)業(yè)發(fā)展，向市場傳遞專業(yè)化、鏈接型、前瞻性的語料生態(tài)設(shè)計理念。

上海市政府副秘書長莊木弟出席論壇并致辭。他表示，語料數(shù)據(jù)是大模型訓(xùn)練的重要“燃料”，高質(zhì)量的語料對于大模型在各行各業(yè)的應(yīng)用十分關(guān)鍵，有助于大模型更好地適配實際應(yīng)用場景，加快實現(xiàn)人工智能賦能千行百業(yè)的愿景。

在主旨演講環(huán)節(jié)中，中國科學(xué)院院士鄂維南分享了如何將大模型方法和高性能的通用AI數(shù)據(jù)庫方法相結(jié)合，來建立高效率、高準(zhǔn)確率、低門檻、低成本的人工智能系統(tǒng)。人民網(wǎng)黨委書記、董事長葉蓁蓁則分享了“基于價值對齊的模型發(fā)展與語料數(shù)據(jù)的創(chuàng)新供給”，他重點分享了人民網(wǎng)在主流價值對齊方面的實踐與經(jīng)驗，基于多維度價值對齊體系的語料庫，讓大模型像人一樣“有德、有趣、有序、有品、有用”。

對照最高標(biāo)準(zhǔn)、最好水平，打造世界一流的語料樞紐，實現(xiàn)更高效率、更高質(zhì)量的語料供給，會上發(fā)布了“語料運營平臺1.0”，實現(xiàn)了面向語料數(shù)據(jù)“采、洗、標(biāo)、測、用”五位一體的工具鏈能力。

另外，會上，庫帕思攜手咪咕視頻、寶信軟件、復(fù)旦大學(xué)智能醫(yī)學(xué)研究院、上海工創(chuàng)中心、匯納科技、萬達(dá)信息、DGC數(shù)傳集團、文遠(yuǎn)知行、文因互聯(lián)、上海電科智能、海天瑞生，集中發(fā)布了十大語料數(shù)據(jù)產(chǎn)品。

論壇中同時發(fā)布了金融、生命健康、教育三項行業(yè)語料術(shù)白皮書。其中，《高質(zhì)量金融語料技術(shù)白皮書》聚焦銀行、證券、保險、基金等行業(yè)實踐，重新定義了高質(zhì)量金融語料數(shù)據(jù)集的內(nèi)涵和外延，形成了基于金融領(lǐng)域知識體系的“語料魔方”方法論；《教育人工智能大模型數(shù)據(jù)治理與共享技術(shù)白皮書》對標(biāo)國內(nèi)外教育數(shù)據(jù)的系列政策、標(biāo)準(zhǔn)，確立了教育行業(yè)語料數(shù)據(jù)的標(biāo)準(zhǔn)用例與價值體系，形成了一套教育AI大模型數(shù)據(jù)治理與共享技術(shù)標(biāo)準(zhǔn)；《高質(zhì)量生命健康語料技術(shù)白皮書》從基礎(chǔ)醫(yī)學(xué)、藥物研發(fā)、臨床醫(yī)學(xué)、健康管理、中醫(yī)中藥五個方向確立了生命健康語料庫的路線圖，創(chuàng)新了從尋源、清洗到標(biāo)注、測試的工具體系。

為實現(xiàn)“語料數(shù)據(jù)資源共建共享”、“鼓勵多元主體共同推動高水平語料數(shù)據(jù)要素建設(shè)”的目標(biāo)，庫帕思公司會同覆蓋多模態(tài)數(shù)據(jù)資源供應(yīng)、加工、應(yīng)用和運營全鏈的近二十家企業(yè)共同發(fā)布了團體標(biāo)準(zhǔn)《語料庫建設(shè)導(dǎo)則》。

為進一步強化語料生態(tài)全產(chǎn)業(yè)鏈各主體間的交流合作，營造有利于我國大模型產(chǎn)業(yè)生態(tài)健康發(fā)展的環(huán)境， 50余家單位在此次論壇上共同發(fā)起“語料生態(tài)服務(wù)大模型可持續(xù)發(fā)展倡議”，共同倡導(dǎo)攜手為我國大模型產(chǎn)業(yè)發(fā)展持續(xù)提供高質(zhì)量語料。