科技日报记者 都芃
当前，大模型技术快速发展，参数规模不断增长，但在边疆基层，大模型却可能被一些“小问题”难住。如何让AI技术扎根边疆、赋能基层？围绕这一问题，北京交通大学与新疆和布克赛尔蒙古自治县公安局共建人工智能与开源数据研究联合实验室，开展了实践探索。
人工智能大模型通常依赖大量高质量数据进行训练。然而，在边疆基层县域中，小语种数据资源有限，专业标注成本较高，部分信息还可能以诗歌、散文、隐喻或口语化方式表达。简单依靠关键词匹配，容易忽略深层语义；直接使用通用大模型，则有可能面临专业知识不足、语境理解偏差、运行成本较高和结果难以解释等问题。
“基层真正需要的，不是看起来无所不知的通用模型，而是能够理解本地语言环境、熟悉具体业务、符合安全规范并且可以持续迭代的专业智能系统。”北京交通大学教授郏东耀曾多次带领团队奔赴新疆，与基层工作人员共同分析真实案例，研究不同语言和表达方式背后的语义特点，有针对性地优化模型。
基层搭建智能系统需要综合考虑准确性、实时性、计算资源、网络条件、数据安全、使用成本和维护能力等。有些任务适合调用大模型，有些任务更适合使用经过领域训练的小模型，还有一些任务需要规则、知识库、小模型和大模型协同完成。
作为联合实验室主任，郏东耀带领团队探索出“数据—知识—模型—业务人员”协同工作模式。在数据治理和专业知识整理的基础上，系统会根据具体任务选择模型，并通过人机协同方式提供信息提示和辅助研判，最终决策仍由工作人员依法依规作出。
为了让系统适应基层工作节奏，降低运维难度，联合实验室将平台建设、技术攻关和人才培养结合起来。北京交通大学提供科研和人才资源，当地提供真实场景和业务经验，双方共同培养技术骨干，建立需求反馈和模型更新机制。
郏东耀认为，边疆基层看似远离人工智能创新中心，却可能成为检验模型适应性、可信性和工程化能力的重要场景。只有让科研人员走进现场，让基层人员参与创新，使算法在真实问题中不断迭代，人工智能才能跨越“最后一公里”，真正扎根基层。
网友评论
