​英国国家数据图书馆计划面临挑战，数据可用性亟待改善

英国政府雄心勃勃的国家数据图书馆（NDL）计划，被视为推动人工智能发展的关键基础设施。然而，一项最新研究给这项计划泼了盆冷水：如果公共数据集的“可用性”问题得不到根本解决，再宏伟的蓝图也可能面临搁浅的风险。

开放数据研究所（ODI）的研究揭示了一个尴尬的现实：目前许多名义上“可用”的公共数据，在实际分析中却困难重重。误导性的标题、缺失的元数据，这些看似技术性的细节，恰恰成了数据有效利用的“拦路虎”。

雄心与投资：NDL的政府背书

政府的决心是显而易见的。在2024年秋季预算案中，NDL计划得到正式确认，其使命是为研究人员和企业提供高质量的数据洞察，以此驱动经济增长和提升公共服务质量。财政支持也相当具体：该项目将获得1亿英镑的初始投资，这笔资金来源于政府计划在2028/29财年前向科学、创新和技术部（DSIT）拨付的19亿英镑总预算。

理想与现实的差距：数据可用的“最后一公里”

为了验证构想，ODI先行一步，开发了一个名为“NDL-Lite”的原型系统，接入了超过10万个公共数据集。测试结果却暴露了深层次问题。数据标签不一致、信息严重过时、格式对AI工具不友好……这些问题导致数据“看得见”却“用不好”。

更值得警惕的是，ODI发出了一个警告：当缺乏权威、易用的公共数据时，人工智能系统并不会停止学习，它们会自然而然地转向其他更容易获取的来源，例如新闻报道或商业数据库。而这些替代信息的准确性和公正性，往往难以得到保障。

成本与工作量：被低估的数据治理

研究虽然指出构建NDL本身的成本可能相对可控，但它着重强调了另一项被低估的巨额投入：将海量原始数据“调理”成适合人工智能分析和训练的标准格式，所需的工作量是惊人的。

一个典型的例子是，即使像“犯罪”这样看似明确的宽泛术语，在不同数据集中的定义和记录方式也千差万别，导致跨数据集分析举步维艰。许多数据集由于缺乏统一的共享标准，就像说着不同方言，彼此无法沟通和整合，最终成为“数据孤岛”。

专家警告：差距正在扩大

开放数据研究所的Elena Simperl教授一语中的，她指出公共数据的“数量”与其“实际可用性”之间的鸿沟正在日益扩大。她的观点很明确：如果政府不能持续更新数据并大幅提升元数据质量，那么旨在利用公共数据训练的人工智能，最终反而可能被推向那些更易获取但未必可靠的信息源。

政府的回应与未来之路

对此，政府发言人重申了其“最大化公共部门数据收益”的目标，旨在提升服务效率并刺激增长。实现路径则是通过对数字公共基础设施进行现代化改造，以改善数据共享和使用的便利性。

国家数据图书馆无疑是帮助学界和业界解锁公共数据价值的最新尝试。但ODI的研究像一面镜子，提醒所有参与者：技术愿景必须扎根于数据治理的坚实土壤。若不能攻克数据可用性这“最后一公里”的难题，再好的计划也可能沦为又一个错失的良机。

核心要点回顾：

• NDL计划旨在通过提供公共数据推动AI发展，但面临数据可用性挑战。

• ODI研究显示，现有公共数据集存在标签不规范和数据过时等问题。

• 如果不改善数据质量，AI系统可能转向其他不可靠的信息来源。