知西作者、ZeR0编辑莫英知西10月12日报道，中央网信办、国家发改委于10月10日发布《人工智能大规模模型在政务领域部署应用指南》（以下简称《指南》），为人工智能技术推动电子政务创新发展提供了方向和路径。国际事务，增强国家治理能力，推动创新应用。人工智能在整个社会的传播。据网通中国官方叙述解读，《指导意见》为大规模政务模式的科学发展和有效运用确立了明确的方向和路径。它的推出标志着我国电子政务的发展已进入知识领先的新阶段。p。 《指引》强调场景牵引。政府部门可以选择典型场景探索应用大规模人工智能模型，围绕政务服务、社会治理、行政工作和辅助决策等共性、频繁需求，因地制宜，结合实际，探索大规模人工智能模型。 《指引》强调规范实施。政府部门应根据不同政府场景的需求和现有技术基础设施，谨慎选择大规模人工智能模型的实施路径。政府部门大规模人工智能模型的部署必须采用统一、契约化的方式进行。地、市要按照地（自治区、直辖市）统一要求制定并实施规定。原则，县级以下的层级需要复用上级模型的智能计算能力和资源来运行应用程序和服务。探索创建“一地建设、多地多部门复用”的集中部署模式，统筹推进大型政务模型部署应用，避免形成“模型孤岛”。加强政府数据治理，不断提高数据质量，支持大规模政府模型优化培训。 《指引》强调运营管理。政府部门要统筹减负赋能，避免盲目追求技术领先和理念创新，切实践行“数字形式主义”。明确大规模人工智能模型的“y”定位，防范模型“幻觉”等风险。持续迭代优化是大规模人工智能模型部署应用的关键环节，建立标准化更新机制。做好安全管理，建立安全责任体系，明确安全责任和义务，提高应对人工智能安全风险的能力。严格保密要求。 实施该政策是为了避免国家秘密、商业秘密和信息分类以及情报模型中的人为分类和机密信息聚合和关联的严重后果。 《意见》指出，要加强组织实施， 加快大型人工i国家标准体系建设加强政府领域情报模型和关键标准制定，及时总结推广典型场景和创新应用。开展监测评估，构建政府部门大规模人工智能模型部署应用的完整流程监测评估体系，并持续迭代优化。开展培训和公关，提高利用能力和人员水平，提高全民数字素养。为全面贯彻落实党中央、国务院决策部署，规范和指导政务领域大规模人工智能模型的发展和应用，提高政务领域大规模人工智能模型的发展和应用水平，制定本指引。e 数字化电子政务和政务服务水平。聪明的。本指南主要为各级政府部门大规模人工智能模型部署应用提供工作指导和基础参考信息。根据人工智能模型大规模开发应用的实际进展，结合新情况新要求进行动态调整。一、总体方针：坚持以习近平新时代中国特色社会主义思想为指导，全面贯彻党的二十大和党的二十届二中、三中全会精神，全面贯彻习近平总书记网络强国重要思想，谋求新发展。贯彻落实全面精准、统筹推进高质量发展和高水平发展的理念安全。坚持系统规划、集约发展、规范以人为本、共建共享、高效协作、安全稳定、务求实效，有序推进人工智能大模型技术、产品和服务在政治领域的部署、应用和持续优化，最大限度发挥和发挥人工智能大模型在复杂语义理解与推理、多模态内容生成、知识整合与分析等方面的优势。 高效支撑职工，为公民和企业提供便捷服务，推动政府工作创新发展，提高治理效率，优化服务管理，支撑科学决策。 2、应用场景政府部门可以选择典型场景探索应用大规模人工智能模型，重点关注共性问题针对政务服务、社会治理、办公办公、辅助决策等方面的频繁需求，因地制宜，结合实际，选择典型场景。主要包括以下参考场景： （一）政务服务 1、智能问答。我们整合区域、行业、部门知识库和业务资源数据，利用自然语言理解、搜索增强生成、知识图谱等技术，提供便捷的在线政务咨询服务，提高对公众需求的准确理解，实时解决公众问题并生成参考答案，提高信息获取的便利性。 2.协助处理。整合政务服务指南、常见问题解答、用户评论、历史处理记录等数据，利用智能匹配、自动处理等技术，提供综合政务服务智能引导、个性化引导、预填表格、辅助查看查询、进度提醒等即时处理服务，帮助官员高效审核材料，帮助公民和企业便捷处理问题。 3.政策服务可直接接入快享。构建您的策略服务知识库并细化您的策略要求、策略标签、推送条件、请求流程和其他相关内容，以改进您的人员搜索策略和业务搜索策略应用程序。利用算法模型改进对公众和企业需求的分析，实现智能政策匹配，促进主动、准确的服务交付和端到端处理，造福民众和企业。 （二）社会治理类别四：智慧监控巡检。利用无人机、视频监控、传感器等设备和计算机视觉等智能设备和技术，我们分析监控实时视频、图像、物联网检测数据等，协助工作人员对家庭、道路、燃气、桥梁、供水、排水、供暖、综合管道等基础设施进行实时监控，快速发现异常行为、环境问题和设备故障。自动识别潜在风险，及时提醒，并根据异常情况和严重程度提出排除建议，提高监控检查效率。 5.支持执法和监督。利用语音识别、视频分析、知识图谱、逻辑推理等技术，帮助执法人员将事件信息实时输入系统，彻底发现问题线索并生成新信息。我收集事件报告，快速检索法律依据和司法解释，查询类似典型事件等，提供具体办案建议，提高办案效率和规范加强执法监督。 6、市场风险预测。利用生成时间序列分析模型和异常检测算法，深度监测和分析各种市场数据，了解经济指标波动、异常事件等市场趋势，预测潜在市场风险，调查研判经济社会影响和经济趋势，及时发出预警，支持管理。政府和社会治理。 （三）工作种类 7.证明文件的准备。利用大规模语言模型生成的力量，创建知识库和预先建立的模板，为工作人员提供写作建议，协助文档创建，并验证、纠正和优化格式和内容，以提高工作效率并减少基础负担。 8.数据采集。利用知识图谱构建、信息检索等技术，准确了解员工数据采集情况n 需求并实现政府信息快速检索、精准定位、多维度分类、智能关联对比分析等。提高数据采集效率和准确性。 9. 智慧分支机构。利用自然语言理解、多模态识别等技术，创建多维度的任务分配和分类规则，对来电、来电、工单等任务进行自动精准识别和分类，辅助录入和优先级排序，实现辅助分配和智能调度，提高任务分配效率。 （四）决策支持 10.灾害预警。除了对卫星、地面传感器、地质监测站的多维数据、多维数据、多模态数据进行大数据关联和综合分析判断外，还进行预测预警，识别异常情况l 监测波动情况，预测可能发生的自然灾害，发布预警并开展灾害风险研究，从而支持政府机构采取及时有效的措施。减少和减轻灾害风险。损失。 11、应急响应。利用强化学习等技术，分析判断社会治安等突发事件的性质、特点、损害程度、影响范围、发展趋势和社会反应，及时发现和预警风险隐患，快速模拟基于突发事件场景、力量和资源配置等的应急预案有效性，提供科学合理的应急处置建议，优化救援资源配置，提高应急响应速度和效率。 12.政策评估。利用人工智能的大规模模型推理分析和数据挖掘能力，分析公众反馈、市场反应、经济指标、社会满意度等，构建多维度指标，评价政策目标实现程度、政策影响和潜在问题，支持管理部门政策优化中的政策制定。 13.智能辅助审阅。利用广义自学习理解、类人评审推理、多模态智能分析等特点，根据相关要求进行项目评审，对项目文件内容进行深度扫描和智能分析，提出评审意见和建议，提高项目评审的效率和科学性。 3.实施标准化政府部门要根据实际工况和场景特点，充分论证大规模人工智能模型的应用需求、实施路径、功能设计等，选择合适的部署模型并实施部署。要统筹协调、促进共同发展。共建共享，提高施工管理效率。 (1)実装パスの合理的な选択政府部门は、さまざまな政府シナ里オのニーズと既存の技术基盘に基づいて、大规模な人工知能モデルの実装パsuを慎重に选択する必要があります。对于通用性高、数据资源丰富的场景，如智能问答、创建支撑文档等，需要采用市场成熟、在网信领域注册的样板产品和服务。对于专业性强、业务逻辑复杂的场景，例如执法辅助监控或者市场风险预测等，可以利用领域专业知识和专业数据进行针对性训练，创建垂直模型。在保证安全、不泄露国家秘密、商业秘密、涉密信息等的前提下，充分利用互联网的计算能力和模型资源，开展人工智能的大规模部署和应用。政府事务领域的情报模型。鼓励探索政府情报、嵌入式智能等创新应用。 （二）统筹采纳和实施政府部门要统筹开展政府领域大规模人工智能模型的部署，依托“东数西算”和国家综合算力网协调推进智能算力基础设施设计，实施集中统一的安全管理和系统化的技术防护措施，避免“碎片化”安全风险。符合条件的中央和国家机关、部门、部委（自治区、直辖市）可以统一实施智能计算资源和大规模人工智能模型，并向单位和地区提供大规模人工智能建模服务电子政务外联网环境下其管辖。地市须按照地（自治区、直辖市）统一要求申请部署。县级及以下原则上应复用上层智能算力和模型资源来运行应用和服务，不再自行进行大型政务模型的建设和部署。 (3)集中管理并考虑复用的可能性。政府部门要探索构建“一地构建、多地多部门复用”的集中部署模式，统筹推进大型政府模型部署应用，防止形成“模型孤岛”。各省（自治区、直辖市）要建设统一的大型人工智能模型服务平台在政务领域，与政务云管理平台、政务应用及组件管理平台等集成，整合和管理区域电子政务外网智能算力、大规模政务模型、政务数据集等资源，形成基础资源“一个账户”，支撑大规模政务运营和监控。提供模型、资源申请和编程服务，促进高效复用。根据业务和发展需要，国家产业主管部门将推行碎片化领域大规模政务垂直模式的统一培训和建设，加强与各省（自治区、直辖市）的合作发展，深化产业领域跨层级、跨区域的智慧赋能。垂直管理部门要完善统筹部署对模型、算力、数据等资源进行管理，避免资源浪费。 （四）继续加强数据基础设施建设。政府部门要加强政务数据治理，持续提升数据质量，加快建设客观反映公共政策、制度标准、业务流程和治理有效性的高质量政务数据集和知识库，支撑规模化政务模型优化和训练。数据参与政务大规模模型的分类分级管理。完善训练数据管理，微调数据、知识库等，建立台账，记录数据来源、类型、规模等详细信息，保证数据来源的可靠性和可追溯性。 ，内容准确有效。利用政府数据协调共享机制协调数据治理成果促进高质量政府数据集共建共享以及数据采集和管理。基于大规模模型的政府知识治理探索路径，打造可信知识库，确保数据来源权威、准确、及时。四、运行管理政府部门要加强政府领域人工智能大型模型的运行管理，完善管理制度、运行模式和安全要求，有序推动人工智能大型模型技术、产品和服务在政府领域的部署和应用。 （一）明确应用管理要求。政府部门统筹减负赋权，严格落实《关于规范官僚主义为基层减负的各项规定》、《关于规范基层减负的若干意见》防控“指尖官僚主义”等相关要求。要避免讲义、盲目求技术领先、概念创新、重复建设、无效建设，避免未经审查就建设，避免建设废弃，避免强制使用和无效使用，避免数据多次采集等重复要求，有效防范“数字官僚主义”。大规模人工智能模型在数字化领域的部署和应用 中央和国家机构政治事务应当纳入国家政务信息化统筹协调。政府部门应建立健全覆盖政府领域大规模人工智能模型部署和应用的全周期管理制度，明确应用方式和限制，落实大规模人工智能模型的“辅助”定位。模型，并快速解决部署过程和应用过程中出现的新问题。政府模型应用界面应显着位置进行风险提示，明确大模型服务的局限性，标注大模型的输出内容。对于智能问答、辅助处理等大型人工智能模型应用场景，代表政府部门为公民和企业提供服务，应严格执行内容审核制度流程，采取人工审核、多模型交叉核对等措施，基于技术能力防范人工审核、生成内容实时风险管理、模型“错觉”等风险，确保输出内容合适。保持在工作范围内，确保内容的准确性，并保持与政府机构的信任。 （二）持续推进迭代优化。政府部门应将持续迭代优化作为大规模人工智能模型部署应用的关键环节，建立阶段性更新机制，加速功能优化、深化场景应用。我们密切关注技术发展，不断更新和优化政府领域大规模人工智能模型的基础模型和安全特征。建立高效的数据收集和处理机制，及时更新支持大规模人工智能模型运行的输入数据和知识库，及时清洗和标注、补充和优化训练数据集，不断完善和提高模型的功能。建立政府部门大型人工智能模型的用户评价反馈机制，及时收集和处理用户需求，利用用户反馈意见推动迭代优化。 （三）全面开展安全管理。政府部门应建立安全责任制度，明确数据处理、大规模模型训练、场景应用各阶段参与者的安全责任和任务，并确保正确的用户识别和权限管理。政府部门提供大规模人工智能模型服务时，必须遵守《大规模人工智能服务管理暂行办法》等相关规定，使用合法来源的基础数据和模型，依法履行算法提交、安全评估等义务，并与用户签订服务协议，明确双方权利和义务，构建大规模人工智能模型服务。 政府大规模人工智能模型的分级治理和分类体系部门，改进安全管理流程，并针对可能的安全风险制定应急措施。检测并响应对手对大型政务模型的攻击，识别并拦截快速词注入、资源消耗攻击等。加强大型政务模型的内容安全管理，综合运用语义识别、规则库、模型算法等对内容多模态输入输出进行识别、分析和控制，建立合理的响应和拒绝机制，快速发现和处理非法、有害、敏感信息。媒体内容审查。充分利用效益，做好大型政务模型的内容审核和训练数据管理，完善大型政务模型的监控和内容管理。管理大型政府模型应用程序的操作日志并定期审核日志。促进安全风险威胁信息共享和形成建立应急响应机制，按照规定快速处理和报告安全事件，提高人工智能安全风险应对能力。 （四）严格保密要求。各部门要加强模型训练、实施和应用过程中的数据安全和保密隐私保护，采取坚持结果心态、严格执行“涉密不上网、涉密不上网”等保密纪律要求，设置保密“护栏”，防止国家秘密、商业秘密、涉密信息大规模非保密进入。人工智能模型。敏感数据聚合、关联导致的泄露风险。开发完善与大型人工智能模型应用相关的涉密管理系统在政治领域，规范人工智能大模型选拔、部署、训练、使用、拆解全过程的秘密管理。按照国家保密管理部门的要求，不断推进大规模人工智能模型在涉密信息系统中的应用。五、保障措施 （一）加强组织实施，强化统筹协调，稳妥有序推进大规模人工智能模型在政务服务、社会治理、事务、决策支持等领域标准化应用。加快政府领域大规模人工智能模型国家标准体系建设和关键标准制定，明确应用效果评价、系统技术要求、智能技术应用等工作规范。支持部署和应用以取得有效成果。推动及时总结政府部门大规模人工智能模型部署应用的典型场景和创新应用，促进复用和增效。加强政府部门大规模人工智能模型部署应用的财政保障，引入市场化产品和服务竞争机制，探索建设运营、政府购买服务、按使用费付费等运营模式，打造高效、可持续的大规模政府模型生态圈。 （二）开展监测评估，构建政府领域大规模人工智能模型实施应用全过程监测评估体系，及时开展监测工作、测试评估。东部建立大规模政务模型安全评估机制，在接入前对模型算法、生成内容、应用功能、配置环境、数据链路、漏洞风险等进行全面测试和验证，对发现的问题和风险进行修复和加固。加强对政府领域大型人工智能模型系统运行状态、响应时间、准确性、安全性和潜在风险的实时监测分析，及时发现问题并采取有效措施解决。做好人工智能的大规模模型可以评估应用性能，及时总结经验，持续迭代优化，加速部署和应用，达到真正的效果。 （三）做好培训工作，推广和发展涵盖理论、技术、应用、安全、伦理、行业等的培训课程体系人工智能大模型的其他内容，开展人工智能素养和技能培训，增加关键管理人员对人工智能的了解，提高人员的能力和应用水平。推动公共信息公开和公众教育，提高全民数字素养，积极回应用户关切，正确引导社会对大规模人工智能模型在政府领域的适用群体、场景和使用的理解和期望，客观体现大规模人工智能模型在优化政府服务、满足公民和企业需求、提高社会治理水平方面的作用。
特别提示：以上内容（包括图片、视频，如有）由自有媒体平台“网易账号”用户上传发布。本平台仅提供信息存储服务。
请注意：以上c内容（包括图像和视频，如有）来自社交媒体平台和信息存储，由网易号用户上传和发布，网易号仅提供网络服务。
引入大政务模式并发布重要文件。