阿里研究院-全球數字經濟財稅金融動態.pdf

阿里研究院-全球數字經濟財稅金融動態。世界銀行：人工智能（AI）對數據開發利用的變革作用。

（1）AI 通過元數據增強（Metadata Augmentation）改變數據的記錄方式。元數據（Metadata）是描述數據屬性的數據，用來支持指示存儲位置、歷史數據、資源查找、文件記錄等功能。元數據能確保研究人員找到最佳現有數據并從中獲取知識。但元數據的可用性和質量是決定數據是否易于理解、可發現和可再利用的一個重要制約因素。記錄數據和整理元數據的過程往往是一個手動、繁瑣且耗時的過程，這導致許多數據集缺乏詳細元數據來確保可訪問性和再利用性，一直處于隱藏和未充分利用的狀態。AI 提供的元數據增強這一變革性解決辦法有可能使元數據的生成和增強實現自動化。生成式 AI 可從調查報告和數據字典中自動生成摘要、介紹和主題思想，自動提取和生成關鍵詞從而改進搜索結果。這有利于數據生產者、管理者和用戶獲得更豐富的元數據，從而提高數據的利用率和再利用率。

（2）AI 提供最相關的數據用于數據發現（Data Discovery）。傳統的數據發現系統通常依賴于詞法搜索或關鍵字搜索，但是查找內容僅限于元數據中的確切關鍵字。同時，不熟悉專門術語的用戶在使用這種基于關鍵字搜索的系統時，可能因不知道要搜索的確切術語而錯過相關數據。因此，數據發現系統不僅應該對元數據進行索引，還應該理解術語之間的上下文關系，確保搜索結果全面且相關。諸如混合搜索、語義搜索、知識圖譜和推薦系統等AI 技術的實施可以顯著增強數據發現系統，進而讓用戶能夠花費盡可能少的時間找到他們需要的數據。

（3）AI 通過大語言模型優化數據使用情況評估。鑒于研究人員在界定或表述他們在文獻中使用的數據方式上具有很大區別，因此衡量數據如何或是否被使用仍然是一個挑戰。大語言模型可從非結構化文本中提取結構化信息，創建一個“數據使用數據庫”，從而分析數據對信息傳遞和知識生成的影響，優化數據使用的評估方式。

（4）利用 AI 生成合成數據（SyntheticData）突破數據傳播的限制。隱私和安全問題限制了數據的有效傳播。合成數據是通過算法、統計模型或 AI 生成的數據，而非真實的觀測數據，例如，以敏感數據集為基礎生成的不包含敏感信息但包含其他信息的數據。聯合國歐洲經濟委員會發布的《官方統計合成數據指南》表明，使用更先進的AI 生成合成數據提供了創建真實數據的方法，合成數據既可為用戶提供分析見解，也可最大限度地減少披露風險。