科技日报记者 李禾
当前，人工智能正以前所未有的速度渗透至食品安全风险治理领域，推动食品安全监管从“被动响应”向“主动预见”，从“经验驱动”向“数据驱动”转变。近日，江南大学食品安全与国家战略治理实验室首席专家吴林海教授发表《在食品安全领域人工智能垂直应用中构建高质量专业语料的思考》一文，阐述在食品安全风险治理领域垂直应用中，为何必须构建高质量专业语料，为全国推进“人工智能+食品安全”行动提供参考。
吴林海表示，专业语料是垂直领域人工智能的“认知基石”。“我们的研究证实，没有高质量的专业语料库，人工智能在垂直领域的应用就是无米之炊、无源之水。”吴林海说，人工智能模型的性能边界取决于其训练数据的质量。语料标注是将原始文本数据转化为机器可理解、可学习知识的重要过程，食品安全风险治理的智能化，本质上依赖于对知识的系统化组织与深度挖掘。
“尽管我国在食品安全领域人工智能应用方面取得重要进展，但我们的调研发现，不少地方在建设‘AI+食品安全监管智能化’平台中存在问题。比如没有或很少基于食品安全风险治理语料库，没有科学地对语料进行标注。”这导致部分应用场景沦为“场景摆设”——因缺少高质量语料，AI模型无法理解食品安全领域的专业术语和上下文，无法在复杂的风险信息中找到路径并进行预测，最终难以支撑真实的业务闭环。
食品安全领域的知识特殊性主要体现在：专业术语体系复杂，知识体系动态更新快，风险信号隐蔽性强且传导链条复杂。食品安全风险往往隐匿于“从农田到餐桌”的复杂产业链条中，涉及生产、加工、流通、餐饮、消费等多个环节，跨环节、跨区域、跨主体的风险传导路径错综复杂。
有研究者发现，通用模型在厨师、营养师专业考试中的准确率远低于领域专用模型。
吴林海表示，没有专业语料的支撑，再强大的通用模型也无法在特定领域达到可用水平，这构成了从通用能力到专业应用之间不可逾越的技术鸿沟。食品安全领域的人工智能应用涉及从感知到认知的多层次任务，每一层次都对语料标注提出差异化、递进式的技术要求。比如在词法层面，需要对“微生物污染”“非法添加物”等专业术语进行正确切分、边界识别，避免通用模型对术语误读、漏读；在句法与篇章层面，例如“三文鱼”的商品通用名与其学名“大西洋鲑”须建立共指关系等。
目前，国内食品安全专业领域语料库建设还刚刚起步。江南大学在食品安全领域人工智能应用方面开展了系统性探索。江南大学食品学院与科大讯飞、华为等共同发布全球首个食品学科专用大模型FoodSeek（食问），该模型初步具备食品学科的信息抽取、推理、精准解析、智能问答等专业能力。江南大学食品安全与国家战略治理实验室与北京市炜衡（无锡）律师事务所、北京热热科技有限公司等合作，基于“企业标注能力+律师专业素养+高校专业模型”联合模式，正在开发“食品安全风险治理领域专业语料标注平台”。该平台依靠食品安全专业领域的专家标注高质量语料数据，并将数据注入模型，以实现“专业知识+工程能力+场景落地”的闭环。
吴林海建议，未来需要构建国家通用的食品安全专业语料体系，建设国家级食品安全语料库；形成多层次的语料体系，包括行政和司法惩罚案例语料体系、食品安全国家技术标准语料体系等；应研制《食品安全风险治理语料标注操作指南》《食品安全风险治理语料质量分级与审计规程》等标准，组建由高校、科研院所、食品企业、人工智能企业共同参与的政产学研用体系，建立语料动态更新机制等。
网友评论
