人工智能公共数据 第四届大数据、人工智能与风险管理国际学术会议（ICBAR 2024）的焦点议题

第四届大数据、人工智能与风险管理国际学术会议（ICBAR 2024）于2024年成功举办，汇聚了全球顶尖学者、行业专家与政策制定者，共同探讨在大数据与人工智能（AI）深度融合时代下的风险管理前沿议题。其中，“人工智能公共数据”作为本次会议的核心主题之一，引发了广泛而深入的讨论，成为连接技术创新、社会治理与风险管控的关键纽带。

公共数据，通常指由政府机构、公共服务部门或受公共资助的项目产生、收集和维护的数据资源，涵盖经济、社会、环境、健康、交通等诸多领域。在AI技术飞速发展的当下，高质量、大规模、多样化的公共数据已成为驱动AI模型训练、算法优化与应用落地的“新石油”。ICBAR 2024的与会专家普遍认为，开放、共享、治理良好的公共数据池，能够显著提升AI在公共服务（如智慧城市、精准医疗、应急管理）、科学研究和商业创新中的效能，为解决复杂社会问题提供数据驱动的洞察与方案。

伴随机遇而来的是严峻的风险与挑战，这也正是ICBAR会议将“风险管理”置于核心的深意所在。会议专题研讨指出，人工智能对公共数据的利用主要面临三大风险维度：

1. 数据质量与偏见风险：公共数据可能存在不完整、不一致、过时或固有的社会偏见。若直接用于训练AI模型，可能导致算法输出失真、决策不公，甚至加剧社会不平等。例如，在警务或信贷评估中，若训练数据包含历史歧视，AI系统很可能延续并放大这些偏见。
2. 隐私与安全风险：公共数据常涉及公民个人敏感信息（如健康记录、地理位置）。大规模的数据汇聚与AI分析，极易引发隐私泄露、数据滥用和网络攻击风险。如何在数据利用与隐私保护之间取得平衡，是技术、法律与伦理的共同课题。
3. 治理与合规风险：公共数据的开放共享缺乏统一的标准、清晰的权责界定和有效的监管框架。这可能造成数据垄断、权属纠纷，以及AI应用在跨国、跨域场景下面临的法律与合规冲突。

针对这些风险，ICBAR 2024的研讨提出了多层次的风险缓释与治理路径：

• 技术层面：倡导发展隐私计算（如联邦学习、差分隐私）、可解释AI（XAI）和公平性算法，从技术设计源头嵌入风险控制机制。
• 政策与法律层面：呼吁各国加快完善公共数据开放法规，建立数据分类分级授权使用制度，并制定针对AI数据应用的专门性伦理准则与审计框架。
• 协同治理层面：强调建立政府、企业、学术界与公众多元参与的协同治理生态。通过透明化数据流程、引入第三方评估和公众监督，增强AI公共数据应用的社会信任。
• 能力建设层面：提出需加强公共部门的数据管理能力与AI素养，培养兼具技术、法律与伦理知识的复合型人才，以有效驾驭和管理相关风险。

会议还特别关注了“公共数据基础设施”的建设。与会者认为，投资于安全、互操作的国家或区域级公共数据平台，是高效、可控释放数据价值的基础。探索基于区块链等技术的可信数据溯源与交易机制，也为公共数据的确权、流通与收益分配提供了新的思路。

ICBAR 2024关于“人工智能公共数据”的讨论清晰地表明，我们正站在一个关键的十字路口。公共数据是赋能AI、造福社会的宝贵资产，但其开发应用必须置于严格的风险管理体系之下。推动负责任的人工智能发展，必然要求我们构建一个兼顾创新激励、权益保障与风险管控的公共数据治理新范式。这不仅是技术进步的必然要求，更是构建包容、可信、可持续智慧社会的基石。