“投喂”AI不能滥用隐私数据

时光乱了年华

“我们将对您主动上传的文档材料，在采取脱敏处理后作为AI训练的基础材料使用……”近日，办公软件WPS在其隐私政策中的表述被质疑滥用用户隐私，随后其官方向用户致歉，并承诺用户文档不会被用于人工智能训练目的。

随着生成式人工智能应用场景日益增多，带来的潜在风险隐患不容小觑。向AI“投喂”用户数据价值，目的是帮助训练生成式人工智能的“大脑”，实现数据资源化利用。但由于目前对于人工智能的各种风险识别仍处在摸索阶段，如何科学规避其进化成“脱缰野马”，仍然存在不少盲区。

追求更高的人工智能准确度，让机器越来越懂人，是人工智能不断接受训练的目标。越来越智能的机器，离不开大量数据的训练和培养。理论上讲，投喂的数据越多，生成式人工智能就会越“聪明”，如果没有海量数据“充饥”，生成式人工智能就难以填饱“数据饥饿”。但在AI数据训练中，有的涉及技术风险，有的涉及经济风险，有的涉及伦理风险，有的涉及法律风险，这一过程让人工智能与安全隐私之间的关系更加微妙。更高质量的数据获取及人工智能模型的自动迭代，是目前在技术层面亟待解决的问题。保护隐私是人的基本权益，享受智能化便利，不意味着对侵犯隐私之举可以无底线纵容、无规则约束。如果让AI“胃口”越来越大，越界吞噬不加甄别的数据，增加错误技术打开的漏洞，就难以体现技术进步带来的福祉。

今年7月，我国出台《生成式人工智能服务管理暂行办法》，强调开展训练数据处理活动“涉及个人信息的，应当取得个人同意或者符合法律、行政法规规定的其他情形”。任何行业发展和技术进步，不能以牺牲隐私安全为代价，不能游离在监管的真空地带。侵犯个人隐私、数据信息伪造、算法歧视等与生成式人工智能发展相伴相生的社会问题，不仅需要与时俱进的有效监管，还需要整个社会的约束。创新要在法律框架之内，虽然没有一种算法是完美的，但实现机器“智”变和保护隐私安全并不是非此即彼。

遵守法律法规，尊重社会公德、公序良俗，才是大模型发展的正轨。规避不良情形，加强安全底线、伦理标准与合规规范，才能让技术手段真正造福于民。