【数据战争／02】是谁教坏了AI？发展在地化技术，保障AI主权

首先，咱们先厘清什么是大语言模型。如果你用过ChatGPT、Gemini、Grok等工具的话，那么这些工具就是大语言模型。简单来说，它是一个超级智能的“聊天机器人”，可以解答问题、翻译文章、分析报告、撰写文案等等。

这些大语言模型在问世前都经过了“培训”，即研究人员会向这些模型喂养大量数据，包括新闻、书籍、论文、网上公开资料等，从而让它能够对答如流。然而，AI模型是基于概率来生成答案，有时会出现“幻觉”，编造一些它认为合理，其实是不存在的内容。所以，你不能全然相信大模型给出的答案。

目前，全球到底有多少个大语言模型？根据中国信息通信研究院在2024年7月份发布的《全球数字经济白皮书（2024年）》，全球AI大模型数量已达到1328个，美国以44%排名第一，中国以36%位居第二。

换言之，中美两国的模型占了半壁江山。但这些模型是采用公开数据集来训练，对大马或其他东盟国家的语言、文化习俗和宗教礼仪的了解并不透彻。因此，有分析认为，大马需要开发一个更符合本地需求的大语言模型。

为何AI主权如此重要？

当问及为何AI主权如此重要？从宏观角度来说，谁拥有越来越多AI技术，便掌握了未来数码经济的主动权，极有可能引发“AI霸权”现象。这个局面会让缺乏AI技术发展的国家，依赖大国的AI技术。因此，为了确保技术独立性和保护国家利益，推动AI主权变得尤为重要。

国家数码经济和工业革命4.0的委员会成员陈奕强对此便提出了3个要点：

第一、保障国家安全和数据隐私权。在AI时代，AI主权像是一种护城河，需要拥有自主研发的AI技术和掌握关键数据。

第二、外国大语言模型是一种“黑箱”。使用者是无法知道模型的训练数据来源，或数据是否有任何偏颇。同时，又要如何确保对方的训练数据符合大马的文化背景和社会价值？

第三、维护科技独立性。如果本地企业过度依赖外国AI模型，一旦这些模型因政策限制或其他原因被禁用，那么就会严重影响企业的运营和发展。

大马版的大语言模型

他说，大马政府一直在大力推动AI的发展，例如近期与本地初创公司Mesolitica携手合作，推出了一个以马来语为主的大语言模型（MaLLaM）。

MaLLaM是一款能适应大马民众语言特性的大语言模型。据了解，MaLLaM的预训练数据来自公开资源，包括马来词典、公共期刊、公开的研究论文、国家语文出版局的公开文章，甚至包括政府的公开文件。无形中能让MaLLaM接触到政府官方语境所使用的正式语言风格，从而拥有生成与大马法律、政策相关的文本能力。

可是，开发一个马来语的大语言模型并非易事，我国有很多马来方言（dialek），例如吉兰丹、登嘉楼、彭亨、沙巴、砂拉越都有不同的马来方言。为此，开发团队必须从视频、歌曲提取语音数据，再转换成文字，用来训练AI模型。

MaLLaM并不是一个微调（Fine-tuning）大模型。陈奕强说，Mesolitica团队是从零开始建立MaLLaM，这意味着MaLLaM的训练数据和模型设计是完全为大马用户量身定制。

他说，在实际应用方面，MaLLaM未必会采取“B2C”（企业对消费者）形式，如ChatGPT公开给民众使用。它可能会走“B2B”（企业对企业）的形式，为金融机构、法律业提供一个定制的大模型服务。

开拓本地AI的无限可能

“无论什么科技技术，都需要在地化。”陈奕强语气坚定地说道。

数据和AI，正如硬币的两面，缺一不可。如果想要让AI模型更智能、更高效，就需要海量且高质量的数据来“喂养”它们，然而一味依靠外国的AI系统，会出现“水土不服”的情况。最好能够有本土的数据，才可以提高AI模型的效率，解决我国民众的难题。

身为大马科技公司Agmo首席执行员兼创办人，他说，Agmo曾与马来西亚癌症研究机构合作开发一个项目，利用AI系统为口腔癌病患做早期诊断。他们为本地病患拍摄口腔照片，之后再用这些照片训练AI系统，让它懂得分辨溃疡（Ulcer）和口腔癌的症状。如果使用外国的AI系统，它的训练数据可能夹杂了不同国家人民的饮食习惯、环境因素等等，未必能满足本地需求。

在客服方面，有了大语言模型，聊天机器人变得越来越聪明，甚至可以跨越语言障碍。假设一个聊天机器人听得懂大马人的“罗惹”语言，且能对答如流，岂不是很完美吗？“那要怎样实现？就需要一个本地的大语言模型。”

另外，有了本土化的大语言模型，还可以深耕和开发特定领域的大模型，例如让大模型大量学习马来西亚法律相关的资料和案例，用户就可以向它询问更复杂的法律问题，迅速扫除一些法律盲点。抑或与教育出版机构合作，为学生打造教育类型的大模型。

大马太需要AI人才

他强调，若想推动AI主权，离不开3个关键要素──数据、基础设施和AI专才，而AI人才无疑是最重要的一环。

“不只是大马缺乏专才，全世界都缺少懂得生成式AI（Gen AI）的人才。所以我觉得这是一个全球性的问题。”

为了确保大马劳动力能与时并进，可以应对AI、数字化、绿色经济等挑战，大马人才机构（TalentCorp）开发了“MyMAHIR”平台，提倡员工学习新技能，让自己不被AI淘汰和取代。

我国首相安华去年在国家人工智能办公室（NAIO）推介礼上致词时就说，希望通过MyMahir平台，在2025年底之前培训5万名学生，让他们可以掌握AI、编程及数据分析的技能。

早在2024年4月份，科学工艺及革新部也曾提及，会通过AI沙盒试点项目，推动设立900家AI初创企业，预计到2026年会培育超过1万3000名AI人才。

NAIO肩负关键使命

随着国家人工智能办公室（NAIO）的成立，大马AI发展将迈入全新阶段。据大马数字部官网显示，NAIO将推动《人工智能技术行动计划（2026-2030年）》，帮助全国关键领域迅速采用AI技术。同时也会建立监管框架，确保AI技术的应用符合道德与可持续发展的原则。

然而，陈奕强补充，我国暂时没有制定AI法律，但有人工智能治理和道德准则（AIGE）。据悉，AIGE只是一个指南，并没有任何法律约束力。这份指南只是为用户、政策制定者和AI技术供应商提供一个清晰的框架，确保他们所采取的每个步骤均符合高标准的道德原则。

但，陈奕强预测，随着NAIO的发展，AIGE未来很可能逐步转变成法律。

大马企业接力开源模型打造AI产品

虽说中美两国在AI竞赛中竞争激烈，但数据、算法和模型却是可以跨国界运作，比方说市面上有许多开源模型，任何人都可以自由使用。

“我们很容易通过开源（软件），用别人的成品去打造我们想要的东西。”陈奕强说，这已经是一种趋势，例如特斯拉将其电池技术开源，让其他竞争者可以追上来。

“这个就是现在做科技跟以前不一样的地方，现在是（讲究）资源共享和开源。”大马的科创企业可以借助开源AI模型，不需要从零开始建造自己的AI产品，然后迅速提升自己的研发能力。

相关稿件：
【数据战争／01】被卖了还帮忙数钱？你的数据你自主
【有竹不凡／03】“竹”够天然环保 FRIM解锁无限潜能
【拍卖房／01】买拍卖房产占便宜？不懂关键技巧，小心被坑死