網上版請按此
香港 AI 發展的挑戰｜突破數據孤島與資源瓶頸
為對接國家深化拓展「人工智能+」的大局，政府宣布制定首份「香港五年規劃」，提速推動人工智能 (AI) 產業化，並鼓勵全民善用 AI，力求多管齊下完善香港 AI 生態圈。惟香港的 AI 發展面對不少挑戰，令各界深感疑慮。
例如訓練大模型的數據孤島（Data Silos）現象，便是目前限制企業大模型訓練與落地的致命痛點。大模型需要高質量數據才能建立準確的預測與推理能力，但礙於不同系統和平台可能不兼容或缺乏協作機制，又或是缺乏系統的數據治理策略，企業在訓練大模型及打破數據孤島現象時，便面對多重難題。此外，香港企業往往需要同時遵守中國內地的《數據安全法》、《個人信息保護法》及本地的《個人資料（私隱）條例》。而大模型訓練需要大量聚合數據，香港企業在合規審查上的成本，往往遠高於單一市場的企業，引致數據孤島效應進一步加劇。
香港逾九成企業屬中小企。這些中小企大部份都計劃把 AI 融入工作流程，以提升營運效率。但受制於資源有限，即使企業已建立完整資料庫，也未必能讓 AI 整合新舊系統資料，尤其是涉及敏感數據或機密文件時，便須由專人檢視、編輯和整理格式，無形中加重員工負擔。再加上，發展 AI 大模型成本高昂及 AI 投資與回報不成正比等問題，令不少創業者留港發展的意欲大減，有礙香港 AI 長遠發展。
推動創新科技從不容易，要推動 AI 長足發展，便有賴各界協作，既要開放創新，也要互信互補，才能令香港的 AI 生態圈得到全方位發展。
鄧淑明博士
香港大學計算與數據科學學院及社會科學學院地理系客席教授