聚焦AI科技學術活動、大學教育、商務簡約、藍色模板

數(shù)據是人工智能發(fā)展的基石，但當前數(shù)據質量參差不齊、標注不規(guī)范等問題嚴重制約模型性能。同時，隨著數(shù)據收集范圍的擴大，用戶隱私泄露風險加劇。論壇嘉賓之一，數(shù)據安全專家蘇云溪一致認為，建立完善的數(shù)據治理體系，在保障數(shù)據可用性的同時確保隱私安全，是亟待攻克的難題。

深度學習算法如同“黑匣子”，其決策過程難以被人類理解，這在醫(yī)療、金融等對決策可解釋性要求極高的領域成為應用阻礙。與會專家，算法理論研究學者許哲瀚指出，如何讓算法的邏輯透明化，增強用戶對人工智能系統(tǒng)的信任，是提升技術可靠性和倫理合規(guī)性的關鍵所在。

人工智能模型規(guī)模不斷擴大，對算力的需求呈指數(shù)級增長。然而，當前算力基礎設施建設相對滯后，高昂的算力成本也讓許多科研團隊和企業(yè)望而卻步。硬件工程專家江啟銘表示，突破算力瓶頸，構建更高效、低成本的算力網絡，成為人工智能持續(xù)發(fā)展的重要前提。