大语言模型（LLMs）在Chat-GPT（OpenAI）、Co-Pilot（Microsoft）和Gemini（Google）等产品中的商业化，对学术研究和GLAM领域（美术馆、图书馆、档案馆及博物馆领域）提出了关键性问题。这些工具的快速发展与20世纪90年代中期万维网的的扩张轨迹相似，既带来机遇也伴随风险。相关关切涵盖方法论与认识论层面（例如如何将此类工具纳入研究流程及其对知识生产的影响），以及实践与战略层面（如版权争议、成本与安全隐患）。与此同时，其潜在机遇同样显著，包括产品开发、教育创新、公众参与度提升，以及增强公共数字资产可持续性等方向。
为最大化LLM的战略价值，需重点关注学术质量、伦理规范、环境影响以及原住民数据主权与政策。由于技术评估的复杂性，若将LLM研究局限于次要项目或完全忽视，可能引发系统性风险。尽管与LLM供应商合作可为数字战略提供资金支持，但商业与公共部门的权力动态关系仍存争议。
LLM产品的设计、开发与部署需遵循政府及商业领域制定的负责任AI原则，并结合FAIR（可发现、可访问、可互操作、可重用）、CARE（集体权益、权威性、责任、伦理）和FAT（公平性、问责性、透明度）等技术标准。尽管LLM开发的开源选项存在，但生成式AI的复杂性需要在设计、测试与安全层面实现思维范式转变，当务之急是制定能够指导政策制定（以及可能的政企合作技术发展）的分析框架。
AI as Infrastructure (AIINFRA)旨在探究大型语言模型能否为跨国历史研究开辟新路径。该项目由澳大利亚国立大学人文与社会科学（HASS）数字研究中心牵头，计划于2024年启动并持续至2026年。跨国合作团队汇聚了澳大利亚国会图书馆、澳大利亚国家图书馆、新西兰内政部、英国国家档案馆、英国议会历史计划及澳大利亚国立大学图书馆的专家力量，并采纳伦敦国王学院的学术指导。文化研究共创支持项目（Scaffolding Cultural Co-Creativity）与Taiuru & Associates Ltd将提供本土实践指导。
AIINFRA将设计并构建一个为历史研究量身定制的开源大语言模型，其核心目标是探索LLM的技术潜力，并为学术及GLAM领域开发适配的测试标准。
为聚焦研究范围，项目将集中于历史研究领域，数据源限定为1901年澳大利亚、新西兰和英国的国会议事文件。这些文件中的文化偏见要求LLM管理伦理道德问题，从而推动了对本土AI及数据主权的思考。项目的次要目标是通过整合二次文献与多媒体资源，探索增强LLM文化及学术语境理解的可能性。
鉴于项目团队的跨国性质，项目管理采用敏捷“及时”方法。项目管理由首席研究员（James Smithies）和高级研究官员（Glen Berman）共同负责，他们根据需要启动和协调工作软件包。澳大利亚国立大学将提供SharePoint文档存储平台和Teams协作频道用于日常协作与项目进度更新。项目管理采用Microsoft Planner工具，会议将采用同步与异步相结合的形式开展。
该项目由澳大利亚国立大学（ANU）通过授予James Smithies教授的ANU未来基金提供资助。项目合作伙伴根据能力提供实物贡献，作为日常运营的一部分。
· DAIR研究所的“慢速AI”（DAIR Institute Slow AI），强调在技术开发中注重深思熟虑、以人为核心的方法，而非追求快速迭代。
· 本土数据治理的CARE原则（CARE Principles for Indigenous Data Governance），专注于公平性、访问权限、责任和伦理，确保本土数据的治理和使用符合其文化和社区需求。
· 研究数据管理的FAIR原则（FAIR Principles for Research Data Management），确保数据具有可发现性（Findable）、可访问性（Accessible）、可互操作性（Interoperable）和可重用性（Reusable）。
· 全球负责任AI指数中列出的各类倡议（The various initiatives listed at the Global Index on Responsible AI），包括促进人工智能透明性、公平性和伦理性的全球性努力。
· 开发一个用于评估由大语言模型驱动的历史研究工具的测试框架，并优先考虑学术和本土价值观。
· 使用测试框架评估现有的大语言模型工具和服务，指导开发定制化的开源原型系统。
· 产出会议论文、期刊文章（含特刊）、政策白皮书，为研究机构及GLAM领域提供最佳实践指南。
· 搭建基础型公共网站，并公开分享成果和数据。
· 培训研究专员（RO），培养其掌握AI产品服务的设计、开发与测试全流程能力。
AIINFRA作为一项前瞻性探索计划，致力于实践大语言模型支持的研究工具的规范开发流程。该项目将融合数字人文学科与科研软件工程（RSE）方法论，系统性开展工具设计、原型开发、效能评估及持续维护的全流程实践。其创新之处在于，研究不仅聚焦于大模型技术底层架构，更着重构建与工具研发相适配的治理框架和伦理模型，形成技术实现与学术规范双重维度的解决方案。
如果您想了解该项目更多讯息，请点击阅读原文或登录项目网站：https://aiinfra.anu.edu.au/.
