數據是人工智能的核心。如果沒有良好的數據，開發有用的人工智能模型的可能性微乎其微。考慮到這一點，美國商務部上周發布了一份公開請求，就如何更好地為構建生成式人工智能（GenAI）模型準備眾多公共數據集征求意見。

美國商務部于4月17日發布了一份信息征詢書(RFI)，要求“行業專家、研究人員、民間社會組織和其他公眾成員”就如何開發“支持人工智能的開放數據集”供公眾使用提供幫助。

商務部自稱為“美國數據機構”，負責收集、存儲和分析有關美國的各種數據，包括有關經濟、人口和環境的數據。對商業數據中心的快速搜索顯示了超過122,000個可公開訪問的數據集，其主題從氣候和天氣到專利再到人口普查信息。

隨著多年來技術的變化和改進，該部門一直向私營企業和公共機構尋求幫助，以保持其數據管理和數據共享活動達到當前技術標準。通過機器可讀格式或通過Web服務和API以電子方式訪問數據都是使其數據服務適應時代的例子。

現在，隨著GenAI革命的到來，該部門正在尋找最合適的數據定位，以便使用它來構建人工智能模型。

美國商務部首席數據官Oliver Wise在信息征詢書中寫道:“如今，隨著人工智能技術的出現，商務部正面臨一場新的技術變革，這些技術為用戶提供了更好的信息和數據訪問。”“商業對生成式人工智能(GenAI)應用程序特別感興趣，它可以消化不同來源的文本、圖像、音頻、視頻和其他類型的信息，以產生新的內容。GenAI和其他人工智能技術為商業等數據提供者和包括其他政府實體、行業、學術界和美國人民在內的數據用戶帶來了機遇和挑戰。”

Wise表示，商務部面臨的最大挑戰是讓人工智能開發人員在“不失去完整性”的情況下訪問其數據，包括數據的質量。如今數據的“解釋和使用”“不再僅僅由人類專家執行”。他表示，這種用于數據管理和使用的“共享學科知識”的喪失是一個大問題。

信息征詢書中寫道:“最近的人工智能系統接受了大量數字內容的訓練，并根據內容的上下文屬性生成響應。”“然而，這些系統并沒有以一種有意義的方式真正‘理解’文本。”

未來的人工智能系統必須能夠訪問的數據不僅是機器可讀的，而且是“機器可理解的”。“今天的人工智能系統從根本上受限于它們對大量非結構化數據存儲的依賴，這些存儲依賴于底層數據，而不是基于理解進行推理和判斷的能力。”

商務部正在尋求幫助，以便在考慮到GenAI技術這些基本限制的情況下共享數據。它正在為可讀和可理解的數據尋找新的數據傳播標準，包括許可標準。在數據可訪問性和檢索方面，商務部希望得到關于如何使其數據更易于訪問的建議，例如通過API或“網絡爬蟲”。

特別在如何使用利用元數據的知識圖譜來更好地將人類術語與數據聯系起來方面有需求。它還希望得到采用標準本體(如Schema.org或NIEM)的方向，以及知識圖譜如何幫助“協調和鏈接”本體和詞匯表。

該部門希望社區能夠就如何推進這些數據標準化工作提供意見，同時在數據完整性、質量、安全性和道德方面保持最高標準。

Wise要求有興趣的各方將他們的建議通過電子郵件發送，主題行為“AI-Ready開放數據資產信息征詢書”。并希望在七月十六日之前收到有關這些議題的意見或反饋。