推进大模型在数字政府中的应用.docxVIP免费优质

推进大模型在数字政府中的应用ChatGPT 的问世开启了生成式人工智能大众化的序幕，大模型旋即成为继互联网之后又一个产业发展焦点，并受到各方普遍关注。当前，在数字政府建设中，多地以大模型应用推动政府数字化、智能化水平提升，应用场景十分广泛，涵盖了政务办公、政务服务、智慧城市、一网统管、应急管理、市场监管、舆情监测、交通治理、卫生健康等多个领域。客观地看，大模型尚处在发展早期，面对技术浪潮保持理性思考，对于兼顾发展和安全、提高数字政府建设水平的意义重大。走向通用目的技术的大模型学理意义上，大模型是指具有大规模参数和复杂计算结构的机器学习模型。应用视角下，大模型可以分为通用大模型和垂直大模型。顾名思义，通用大模型可以应用于各种场景，具“”有较大的 广度 。垂直大模型专注于特定领域，在垂直领域“”“被二次开发和训练，属于 定制化 大模型，具有较好的 深”“”度 和 精度 。政务大模型属于垂直大模型的范畴，是在通用大模型基础上结合政务行业专属数据和政务行业应用场景特征、为政务领域定制的专属行业大模型。实践中，各地区纷纷上线政务领域大模型服务平台，数字政府领域已经成为垂直大模型的主阵地之一。从目前已经发布的政务大模型来看，大多是基于一个或多个通用大模型，针对特定地区或特定领域，综合考虑数据资源与算力资源而构建形成的。“”大模型之 大 主要表现为算法参数之多、数据之大以及“”算力之强。大模型迭代中的 数据飞轮 效应深入人心，那就是场景催生应用，应用生成数据，数据训练算法，算法反哺应“”“”用。这或许是 场景 成为如今数字政府建设 热词 的重要原因之一。然而，大模型的发展存在不确定性，突出表现在技术路线、产业形态和商业模式等方面。大模型的竞争导致技术规模定律的出现，即多数大模型的参数规模超过某个阈值后模型能力裂变式提升，进而带来不可预期的应用效果，这对监管提出挑战。当然，如果把大模型放在长周期思考，它正成为一种通用目的技术。一方面，大模型具有目的通用性。从这个技术特征上看，大模型势必会被应用于数字政府，正如互联网技术一样。另一方面，通用目的技术的另一重要技术特征是创新互补性。实践已经证明，改革驱动和数字赋能是数字政府高水平发展的“”两翼 。那么，一旦大模型应用于数字政府，其应用效果是“”“”赋能 还是 负能 ，取决于组织架构、制度体系和治理模式等的与之适配，这会带来怎样的改革诉求充满复杂性。因此，我们需要以开放审慎态度推进大模型在数字政府中的应用。妥善处理好三种关系目前，政务大模型服务平台虽然已经蓬勃兴起，但是基础大模型的开放性不足且合规化审查缺乏统一标准，数据规模和数据质量参差不齐，数据安全存在隐患，算力资源分散等方面仍存在问题。以开放审慎态度推进大模型在数字政府中的应用需要妥善处理好三种关系。一是发展和安全的关系。从通用目的技术的特征上看，数字政府建设将要应用大模型。然而，大模型存在内生、外生以及衍生安全风险。内生安全风险源自大模型自身的数据、算法和算力，外生安全风险源自攻击，衍生安全风险源自大模型应用产生的不良影响。推进大模型在数字政府中的应用必然要统筹发展和安全，坚持发展和安全并重。以开放的态度促进大模型应用发展，以审慎的态度保障大模型应用安全。实践中，既不能一味强调安全忽视大模型应用发展，更不能只强调大模型应用发展而忽略安全。处理好发展和安全的关系需要坚持系统思维，将大模型应用纳入数字政府建设统一规划，并将大模型应用安全纳入数字政府安全保障体系一体谋划。二是人机关系。伴随工业革命迄今的每一轮技术迭代，人和机器的关系总是被不断重新定义。从机器辅助人，到人机协作，再到人机协同。不可否认的是，前几轮技术浪潮冲击的主要是高重复性或低专业技能的职业，但大模型具备了认知能力、分析能力、推理能力和创造能力，一些在传统意义上被认为是高度专业化的职业，将可能受到冲击。比如，推进大模型在数字政府中的应用，公务员队伍是被技术赋能，还是被技术替代，行政相对人是感受到了数字公平，还是进一步加剧了数字鸿沟，...