香港科技大學(廣州)信息樞紐院長、數(shù)據(jù)科學與分析學域講座教授、聯(lián)合實驗室專家陳雷

“在大模型訓練過程中，數(shù)據(jù)質(zhì)量是最重要的一環(huán)”……香港科技大學(廣州)信息樞紐院長、數(shù)據(jù)科學與分析學域講座教授、聯(lián)合實驗室專家陳雷接受南都訪談時表示，人工智能發(fā)展到現(xiàn)在，最重要的是數(shù)據(jù)問題，期待粵港澳大灣區(qū)生成式人工智能安全發(fā)展聯(lián)合實驗室(簡稱“聯(lián)合實驗室”)把各高校研究力量整合起來，從政策、制度層面引導正確使用數(shù)據(jù)。

數(shù)據(jù)質(zhì)量

　　要通過聯(lián)合實驗室整合數(shù)據(jù)

南方都市報（以下簡稱“南都”）：您是世界數(shù)據(jù)科學與分析領(lǐng)域的領(lǐng)軍學者，能否結(jié)合數(shù)據(jù)領(lǐng)域深入研究，談?wù)剬浉郯拇鬄硡^(qū)生成式人工智能安全發(fā)展聯(lián)合實驗室發(fā)揮自身優(yōu)勢，更好服務(wù)人工智能安全發(fā)展的期望？

陳雷：粵港澳大灣區(qū)制造業(yè)很強，要把人工智能運用到傳統(tǒng)行業(yè)，數(shù)據(jù)非常重要。通過實驗室聯(lián)合大灣區(qū)各類高校，匯聚所有數(shù)據(jù)，做成大數(shù)據(jù)平臺，供大家使用，做相應(yīng)大模型測試?；蛘哂陕?lián)合實驗室推出數(shù)據(jù)測試平臺，讓各類大模型通過平臺測試性能，找出不足，加以改進。

南都：如何確保數(shù)據(jù)質(zhì)量，聯(lián)合實驗室能做些什么？

陳雷：數(shù)據(jù)質(zhì)量是全世界都想解決的問題，首要的問題是獲取到的數(shù)據(jù)是不是有用？而且數(shù)據(jù)量要大，量不大就沒有所謂數(shù)據(jù)質(zhì)量。

數(shù)據(jù)質(zhì)量包括無監(jiān)督、有監(jiān)督。無監(jiān)督的數(shù)據(jù)質(zhì)量就是通過無監(jiān)督的機器學習，發(fā)現(xiàn)一些質(zhì)量偏差較大的數(shù)據(jù)，或者叫異常數(shù)據(jù)分析。有監(jiān)督的數(shù)據(jù)質(zhì)量一般需要找專家或?qū)I(yè)人士對數(shù)據(jù)打標簽，然后用機器學習的方法找出那些較差的數(shù)據(jù)。我覺得聯(lián)合實驗室可以嘗試新的方法，特別是從工業(yè)界獲取合作項目，整合大灣區(qū)人工智能人才以及研究團隊，做一些能落地產(chǎn)品或者服務(wù)累積高質(zhì)量數(shù)據(jù)。期待聯(lián)合實驗室發(fā)揮紐帶作用，把各高校研究力量整合起來。單打獨斗已是過去式，一個人強沒用，一定通過聯(lián)合實驗室整合數(shù)據(jù)。

數(shù)據(jù)關(guān)聯(lián)

　　智能體要落地首先得涉及數(shù)據(jù)關(guān)聯(lián)

南都：在粵港澳三地制度差異背景下，在推動數(shù)據(jù)跨境流動過程中，您對建立大灣區(qū)數(shù)據(jù)安全、人工智能安全協(xié)同治理體系有哪些建議？

陳雷：數(shù)據(jù)安全是一個非常難的問題，既要把數(shù)據(jù)整合起來、用起來，又要保證數(shù)據(jù)安全，里面有很多技術(shù)方法手段，例如同態(tài)加密、隱私計算等，使用加密數(shù)據(jù)做相應(yīng)AI訓練。

舉例而言，大灣區(qū)有很多好醫(yī)院，要做數(shù)據(jù)共享，才能做更好病理診斷醫(yī)療診斷。如果把病人名字、年齡、性別隱藏，數(shù)據(jù)是不是就沒問題了，可以安全使用？這是誤區(qū)，很多時候通過病人其他信息還是可以轉(zhuǎn)換映射病人是誰。但是，假如隱去年齡、性別這些信息，可能對根據(jù)年齡和性別對病情診斷又失去價值。這是有意思的問題，建議聯(lián)合實驗室可以研究怎么建立數(shù)據(jù)安全的保護機制，不僅是通過技術(shù)手段解決，還需要從政策、制度層面，引導正確使用數(shù)據(jù)，簽訂相應(yīng)數(shù)據(jù)共享、保密協(xié)議。

南都：在數(shù)據(jù)驅(qū)動跨學科研究方面，您曾帶領(lǐng)團隊為港科大（廣州）實現(xiàn)許多第一的突破。如何通過數(shù)據(jù)驅(qū)動大模型，賦能產(chǎn)業(yè)，構(gòu)建良性循環(huán)協(xié)同？

陳雷：大模型賦能產(chǎn)業(yè)，最重要的是真正用起來。大模型的文字處理能力特別高，以保險業(yè)為例，假如出了一個理賠案，原來保險員要查所有文件、規(guī)章，通過匹配才知道要賠多少、誰的責任，其實這些可以使用大模型，通過大模型文件處理能力來操作。

大模型重要應(yīng)用就是智能體，垂直運用到各行各業(yè)。但怎么讓人接受、讓人用起來，這是最大的問題。假如你休假，會讓智能體幫忙訂酒店、訂機票，預訂所有活動嗎？我發(fā)現(xiàn)主要還是手動搶便宜機票、便宜酒店，以及符合家人出行習慣的活動。為什么智能體做不到這點，技術(shù)難題就是智能體之間沒有協(xié)同，數(shù)據(jù)沒有串通起來。要智能體垂直應(yīng)用落地，首先要設(shè)計好數(shù)據(jù)直接的互聯(lián)，同時不要貪大貪多，要讓大家體會到具體使用的好處。

　　數(shù)據(jù)安全

　　讓大灣區(qū)成數(shù)據(jù)安全使用典范

南都：聯(lián)合實驗室確實可以在AI人才培養(yǎng)發(fā)揮資源整合作用。展望未來，您對實驗室建設(shè)運行又有哪些期待？

陳雷：希望聯(lián)合實驗室成立更多聯(lián)盟，通過簽訂協(xié)議，助力數(shù)據(jù)安全使用。讓參與者獲取實實在在的好處，達到共贏，他們自然而然就會把數(shù)據(jù)安全使用起來，更加注重數(shù)據(jù)安全、隱私保護。積累安全的數(shù)據(jù)越來越多，通過開放共享，讓更多企業(yè)使用，實現(xiàn)良性循環(huán)，讓粵港澳大灣區(qū)成為數(shù)據(jù)安全使用的典范。

南都：剛才您談的主要是數(shù)據(jù)安全，在人工智能安全發(fā)展方面，實驗室能發(fā)揮什么作用？

陳雷：大模型訓練的時候，需要很多數(shù)據(jù)，肯定會涉及很多商業(yè)或者個人隱私信息。這樣，我們就要設(shè)計模型的保護機制，對于一些敏感問題，我們怎么保證大模型回答的正確性。實際上，大模型面臨很多網(wǎng)絡(luò)攻擊新風險，數(shù)據(jù)投毒危害值得警惕。我們需要想辦法保證大模型安全的輸出，而不是輸出內(nèi)容失當或者不可控的東西，這也是我們經(jīng)常討論研究的模型安全問題，希望聯(lián)合實驗室聯(lián)合大灣區(qū)眾多高校，在這方面多做研究，起到樞紐作用，在賦予AI更多能力同時，將更多精力投入在AI安全之上，確保大模型可信、可靠、可控。

　　聚焦

　　聯(lián)合實驗室能發(fā)揮哪些獨特作用

香港科技大學(廣州)信息樞紐院長、數(shù)據(jù)科學與分析學域講座教授陳雷，主要研究數(shù)據(jù)驅(qū)動的人工智能、知識圖譜、區(qū)塊鏈、數(shù)據(jù)隱私、眾包、空間和時間數(shù)據(jù)庫，以及對大型圖形和概率數(shù)據(jù)庫的查詢優(yōu)化。

“人工智能發(fā)展到現(xiàn)在，最重要的不是算力、算法問題，而是數(shù)據(jù)問題，期待粵港澳大灣區(qū)生成式人工智能安全發(fā)展聯(lián)合實驗室與大灣區(qū)眾多高校合作，在數(shù)據(jù)方面發(fā)力，建設(shè)大數(shù)據(jù)平臺、數(shù)據(jù)測試平臺，讓各類大模型通過平臺測試性能，找出不足，加以改進?！?/p>