作为人工智能领域的先驱和前百度首席科学家，吴恩达（Andrew Ng）近年来多次在公开演讲、课程及文章中阐述其人工智能发展战略的核心思想。其中，一个贯穿始终且被反复强调的主题是：高质量、大规模、开放可访问的公共数据对于人工智能的健康发展与广泛普及至关重要。这不仅是技术进步的燃料，更是确保AI惠及全社会、避免技术垄断的战略性资产。
吴恩达的人工智能战略对“人工智能公共数据”的强调，主要体现在以下几个维度：
1. 数据是AI的“新石油”，开放数据池是创新的基础设施
吴恩达认为，在深度学习时代，数据的规模和质量往往比算法本身更能决定模型的性能上限。他将数据比作“新石油”，是驱动AI系统运转的核心能源。如果这些“石油”只被少数几家拥有海量用户数据的大型科技公司所控制，就会形成“数据垄断”，严重阻碍更广泛的创新和竞争。因此，他积极倡导建立和开放大型、多样化的公共数据集。例如，他在斯坦福大学期间参与创立的ImageNet项目，就是一个划时代的公共图像数据集，它极大地加速了计算机视觉领域的革命。吴恩达强调，由政府、研究机构和非营利组织牵头，建设涵盖医疗、教育、农业、气候等关键领域的公共数据平台，能为全球的研究人员、创业公司乃至个人开发者提供公平的起跑线，激发百花齐放的创新。
2. 破解“长尾问题”，需要多元化公共数据
当前AI模型虽然在常见任务上表现优异，但在面对现实世界中大量不常见或高度定制化的场景（即“长尾问题”）时往往力不从心。吴恩达指出，商业公司收集的数据天然倾向于主流场景和用户群体，难以覆盖社会所有角落和边缘需求。通过有意识地构建包含罕见病例、小众语言、特殊环境等数据的公共数据集，可以训练出更具包容性和鲁棒性的AI系统。这确保了人工智能技术能够真正服务于所有人，包括弱势群体和特定行业，而不是仅仅优化少数“热门”应用。
3. 促进AI教育与人才培养，公共数据是“教科书”
作为在线教育平台Coursera的联合创始人和深度学习教育者，吴恩达深知实践对于AI学习的重要性。他认为，开放、标注良好的公共数据集是培养下一代AI工程师和科学家不可或缺的“教科书”和“练兵场”。学生和入门者可以通过在这些真实数据上进行实验，快速掌握核心技能。没有易于获取的公共数据，AI教育将停留在理论层面，难以规模化地培养出能够解决实际问题的实践型人才。
4. 保障AI安全、公平与可审计性的基石
吴恩达也关注AI的伦理与社会影响。他强调，开放公共数据有助于提升AI系统的透明度和可审计性。当研究人员可以基于相同的数据集复现和检验模型时，就更易于发现其中存在的偏见、安全漏洞或伦理问题。相比之下，完全基于私有黑箱数据训练的模型，其决策过程难以被外界理解和监督，可能带来更大的社会风险。公共数据为建立客观的评估基准、开发去偏见算法以及制定行业标准提供了共同基础。
5. 呼吁政府与多方合作，构建数据生态
在战略层面，吴恩达不止于呼吁，更提出了具体路径。他鼓励各国政府将公共数据资源建设视为类似建设公路、电网一样的数字时代基础设施。这包括：在保护个人隐私的前提下（如通过匿名化、合成数据等技术），依法开放政府持有的数据；资助创建高价值的科研数据集；建立数据共享的标准和激励机制。他理想中的数据生态是多方协作的——政府提供框架和部分数据，学术界进行前沿探索和标注，产业界贡献技术工具和应用反馈，共同形成一个良性循环。
###
总而言之，吴恩达的人工智能战略视野超越了单纯的技术迭代，他将开放和建设人工智能公共数据置于推动技术民主化、促进包容性创新、保障伦理安全以及夯实人才基础的核心战略位置。在他看来，一个强大、开放的数据公地（Data Commons）是防止AI权力过度集中、释放全社会AI潜能、并确保这项变革性技术最终造福全人类的关键前提。这一思想对全球各国的AI政策制定、产业规划和研究方向都具有深刻的启示意义。
