构建“人工智能+宏观预警”体系夯实高质量发展的安全基础

　　推动“人工智能+宏观预警”体系构建，是在新一轮科技革命和产业变革背景下统筹发展与安全的必然选择。它不仅是技术创新的重要体现，更是国家治理能力现代化的重要抓手。我们必须牢牢把握人工智能发展的历史机遇，依托大数据和大模型技术，加快构建覆盖全局的宏观预警体系，有效防范和化解重大经济金融风险，夯实高质量发展的安全基础，为全面推进中国式现代化提供有力支撑。

　　在构建“人工智能+宏观预警”体系过程中，不可避免面临诸多挑战。宏观经济预警体系涉及经济、金融、产业等多领域数据，关联重大政策决策，对信息的时效性、模型的准确性和结果的可解释性都有着极高的要求。必须看到，当前的数据质量与标准化仍存在一些突出问题。第一，不同部门、行业和地区之间的数据壁垒尚未打通，数据孤岛现象依然突出；第二，大模型训练高度依赖高质量的数据标注，在宏观预警或其他高专业性领域（如医疗领域），对标注人员的知识背景和理解能力要求更高，专业化标注能力不足会影响数据质量；第三，部分领域的数据在不同程度上存在噪声、失真甚至操纵等问题；第四，人工智能模型的“黑箱”特征也使其可解释性成为重要挑战。可解释性对于经济政策制定尤为重要，因为政策决策不仅需要准确的预测，更需要理解背后的因果关系和影响路径，以确保政策工具的针对性和有效性。大模型虽然在预测精度上具有优势，但模型参数众多，缺乏透明的因果链条，在揭示经济作用机制方面还存在诸多局限。

　　面对上述问题，必须从制度、技术与治理层面协同发力，统筹推进“人工智能+宏观预警”体系的建设。一是完善制度体系，夯实宏观经济预警的制度基础。完善宏观数据治理的顶层设计，健全统一规范、权责明晰的数据制度体系，打破部门、行业、地区之间的数据壁垒，破解数据孤岛问题。健全人工智能治理与伦理监管制度，加强数据安全与隐私保护，防范算法歧视、技术滥用等风险，从制度层面保障“人工智能+宏观预警”体系的数据质量。二是加快算力体系建设，夯实人工智能发展的底座。重点推进高性能计算中心和智能算力网络建设，提升算力调度效率与绿色化水平，强化算力对数据挖掘和模型训练的支撑，为智能化宏观预警体系提供坚实保障。三是大力推进政产学研协同创新，形成政府引导、科研支撑、企业参与的多层协作格局，加强制度供给与政策协调，推动模型算法与方法创新，依托数据积累、技术开发和场景应用优势，推动科研成果落地转化。

　　（文章摘选自《光明日报》11月11日第11版）