议程

大型语言模型和生成式人工智能正日益影响着知识的使用和共享方式，但它们的可靠性取决于训练数据的质量和来源。随着人工智能扩展到治理、公共服务和市场等领域，识别可信赖且资料翔实的来源已成为全球优先事项。

官方统计数据是一项重要的公共产品：它们遵循专业标准，采用透明的方法，并接受公众监督，数据来源于行政记录、调查和私人持有的数据。它们为验证、校准和评估人工智能的输出结果提供了至关重要的基准数据。在数据量不断增长且质量参差不齐的背景下，权威的统计数据集有助于验证结果，并确保其与既有证据保持一致。

将多样化数据整合到人工智能领域会带来诸多挑战，包括质量保证、元数据、代表性、偏见、知识产权和隐私等问题。信息社会世界峰会二十周年（WSIS+20）和全球数字大会（GDC）的进程强调采用共同方法构建安全、包容和可互操作的数字生态系统。

本次会议将探讨统计和地理空间领域、私营企业、非政府组织以及“数据未来发展融资”项目和“可信数据观察站”等倡议如何就“更优质的人工智能数据”开展联合行动。会议将探讨识别、管理和共享高质量数据集及元数据的原则。来自各国统计机构、国际组织、学术界和私营部门的专家将讨论官方数据和私人数据的作用、人工智能就绪数据集的记录实践、人工智能数据领域的创新，以及如何通过合作确保下一代人工智能建立在可信、负责且惠及全球的数据基础之上。