当前，人工智能应用已经广泛影响着社会各个领域，随着人工智能技术的迅猛发展，数据作为其核心驱动力，重要性日益凸显。其中，承载着价值导向的文化数据，更被视为人工智能的“灵魂”。近日，针对中华文化数据标注的战略意义、现实短板及未来发展，记者采访了全国人大代表、民进河南省委会原副主委、开封书画院院长陈国桢。

中国艺术报：今年两会上，您提出了关于中华文化数据标注的一系列建议，引起了广泛关注。能否请您谈谈，为什么在人工智能飞速发展的今天，要特别强调“中华文化数据标注”的战略意义？

陈国桢：人工智能的基础是高质量的数据支撑，其功能的强大取决于数据资源状况。而行业数据只能强化人工智能功能，系统的文化数据则具有普适性，是整个人工智能的基础与灵魂。所以，充分发掘中华优秀文化资源的数据要素，加快推进中华文化数据标注，不仅是构建人工智能技术伦理体系，抢占文化数据主权制高点的必备条件，而且通过标注构建全球文化知识图谱，使中华文化从“模糊的东方印象”蜕变为可参与、可理解、可消费的全球公共知识产品，对于弘扬社会主义核心价值观和确保文化自主、自立和安全，推进中华文化由民族语言向世界通用语言转化，逐步确立中华文化国际地位、破解近代以来西方文化主导下的人类发展困局，具有极为重大的战略意义。

中国艺术报：目前我们在文化数据方面，存在哪些具体的短板和问题？

陈国桢：人工智能所需的文化数据是网络化的结构性数据。而我们的薄弱环节恰恰就在这里。据阿里研究院2024年发布的《大模型训练数据白皮书》显示，互联网上中文语料与英文语料占比存在显著差异：英文高达59.8%，而中文仅占1.3%。尤其是文言文、传统文化内容、本土主流媒体文本等反映中式价值观的语料严重匮乏。这类语料无法通过机器翻译弥补，其短缺可能成为制约中国大模型本土化发展的核心短板。

为了给人工智能提供信息支撑，2024年国家发展改革委等四部门联合印发《关于促进数据标注产业高质量发展的实施意见》，数据标注产业得到迅速发展。遗憾的是，无论7个国家级数据标注基地的设立，还是要推动的重点领域，都集中在工业、金融、医疗、交通、教育等行业，具有公共价值的中华文化系统性标注则付之阙如。

中国艺术报：面对这个庞大的系统工程，您认为应从哪些方面构建支持体系，来推动其快速发展？

陈国桢：中华文化数据标注是一项庞大的系统工程，需要国家在政策、技术、资金、人才等多维度构建系统性支持体系，推进其健康顺利发展。在政策层面，应制定国家级发展战略，将其纳入《国家文化数字化战略》重大专项。明确数据标注规范、技术路线与开放共享机制，解决文化机构数据孤岛问题；创建交易平台，探索数据资产化路径。要制定《文化数据标注伦理准则》，建立文化数据安全审查制度，设置标注红线。积极争取联合国教科文组织文化数字化标注国际标准制定主导权。推动知识产权保护创新，探索“标注贡献度确权”机制，对标注者给予知识产权分成。技术支撑上，应建设国家级文化数据标注中心，配备超算资源处理高精度文物扫描数据；搭建分布式标注平台，支持远程协作标注。设立国家文化标注工程实验室，开发专用标注工具；构建“文化知识图谱引擎”，实现自动关联标注。资金支持方面，应设立文化标注专项基金；落实国家已有优惠政策。鼓励有条件的地方加大支持力度。鼓励各类产业基金、专业投资机构加大投资力度，引导社会资本有序参与。

中国艺术报：中华文化体量庞大、构成复杂，推进这项工作必须讲究方法。您对于如何具体实施，有什么样的建议？

陈国桢：第一，根据轻重缓急，分类实施。当前要优先利用现有古籍整理成果，诸如古典诗词、二十四史、诸子百家等已有成果优先推进，尽快实现中华文化数据标注主题化、体系化、网络化、规模化。对地域文化、少数民族文化，要优先采集与标注，丰富中华文化内涵，巩固民族团结。第二，坚持全要素标注，充分发挥数据标注的综合效益。把中华文化数据标注作为系统工程，既要完成其对人工智能的数据支撑，还要打造精要化、主题化、体系化资源供给平台，实现一次标注，多方使用，推动中华文化更深入地传承和更广泛地传播。