人工智能技术迅猛发展,AI信任问题如何破解?

简介: 说到AI,首先你会想到的是什么?是九段天才棋手柯洁大战AlphaGo?是自动驾驶?还是跟朋友聊到某个话题时手机秒推送的同类广告? 抑或是让父母都认不出来的“易容神器”?

20211222.jpg

说到AI,首先你会想到的是什么?是九段天才棋手柯洁大战AlphaGo?是自动驾驶?还是跟朋友聊到某个话题时手机秒推送的同类广告? 抑或是让父母都认不出来的“易容神器”?

从1950 年图灵之问到如今产业的蓬勃发展,人工智能技术早已渗透到人们生活的方方面面。但迅猛发展的背后,那些因“黑盒模式”引发的技术不可控、数据安全、隐私泄露等问题却时有发生。人们似乎对人工智能技术的“无所不能”,从最初的全面肯定转变为冷静后的困惑、担忧与思考。面对科技高速发展带来的信任危机,人们究竟该如何应对?

首先,我们要搞清楚,何为可信任AI?“可信任AI实际上是通过底层技术框架解决人工智能应用过程中可能存在的多类问题,由此建立可靠的人工智能生态。”中国信息通信研究院华东分院人工智能与大数据事业部主任陈俊琰在12月14日举办的“谈云说AI”技术产业沙龙上表示。

事实上,近年来人脸识别被黑产盯上、买卖隐私信息等各类围绕用户个人隐私数据产生的安全问题常见报端,公众对于隐私保护、数据安全等问题关注程度也在不断提高。“如今信息多源且无法在短时间内追本溯源,如果数据使用存在监管漏洞就会直接导致个人隐私泄露甚至产生直接财务损失。”陈俊琰进一步分析了目前AI技术中的信任危机。

与此同时,AI信任危机还可能引发比较严重的人身安全问题。“由于AI技术处在一种黑盒模型基础上,在一些关键领域,例如医疗诊断、自动驾驶等这种性命攸关的行业中,如果出现信任危机就会产生十分可怕的后果。”京东探索研究院的算法科学家何凤翔分析说,这些危机会对行业发展、应用落地,都会产生巨大影响。

在此背景下,寻找人工智能时代隐私保护、政府监管、商业诉求的平衡点,已经成为产学研各界迫切需要解决的问题。华控清交信息科技(北京)有限公司标准负责人、战略总监王云河则认为,在推进可信AI建设的过程中需要各方共同努力。“从法律层面来说,目前有数安法和个保法来为数据安全提供保障,这是可信任AI的硬手段;下一步就是完善行业标准化,可以被认为是可信任AI的软措施,二者缺一不可、相辅相成。”

谈及近年来国际上可信AI的相关政策或者是标准落地情况,陈俊琰总结道:“目前国际上主要是以指南及法案的形式对人工智能的可信度进行规范,例如2018年《可信人工智能伦理指南草案》的发布、2019年《可信赖人工智能道德准则》等;同时也有在标准制定上的探索,例如构建人工智能管理框架,对可信AI进行监管以提升信赖度。比方说今年发布的《关于识别和管理人工智能歧视的标准提案》、《人工智能风险管理框架》等。”尽管国外的可信AI做到了法规和标准先行,但也存在不够灵活,容易产生’一刀切’的问题。

对此何凤翔则指出,随着人工智能可信理念逐渐成为全球共识,在可信AI的技术攻关和标准研制方面,京东探索研究院和信通院白皮书的思路一脉相承,它要确保人工智能的公平性、可解释性、稳定性和隐私保护的同时,保障算法可被人信任,而这也将成为未来人工智能产业健康发展的必由之路。“京东从基础理论出发来研究最前沿的问题,从这些理论问题、理论结果出发,设计新的可被信赖的全新AI算法,再尝试把这些AI算法应用到产品中去,完成技术的最终落地。”

与会专家们纷纷表示,目前无论是理论研究还是产业实践,可信任AI都还有很长的一段路要走。“可信AI涉及范围广泛、实操任务复杂,很难由一家企业或者机构凭借一己之力带来质的创造与飞跃,所以产学研用全链条协作是关键;未来业界需构建成熟且开放的生态系统,聚众家之力才能带来更多技术、标准以及实践层面的突破。”何凤翔说。

综合来看,目前我国在可信AI建设方面,正在从政策、生态、法律、标准制定等方面综合发力,例如《国家新一代人工智能标准体系建设指南》、《促进可信人工智能发展倡议》等文件的出台。除了监管部门的通力合作,以信通院、京东为代表的重要机构以及头部企业,都在努力推进行业倡议、标准研制等工作,未来定会有更多积极进展。


本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接
免费体验百种AI能力以及试用热门离线SDK:【点此跳转】

目录
相关文章
|
1月前
|
数据采集 人工智能 分布式计算
ODPS在AI时代的发展战略与技术演进分析报告
ODPS(现MaxCompute)历经十五年发展,从分布式计算平台演进为AI时代的数据基础设施,以超大规模处理、多模态融合与Data+AI协同为核心竞争力,支撑大模型训练与实时分析等前沿场景,助力企业实现数据驱动与智能化转型。
159 4
|
1月前
|
人工智能 自然语言处理 机器人
智能体平台哪家值得选?盘点国内外12家AI Agent平台技术特色
智能体平台正引领人机协作新潮流,将“智能”交给机器,让“平台”服务于人。2024年被Gartner定义为“AgenticAI元年”,预示未来企业交互将由智能体主导。面对百余平台,可从三条赛道入手:通用大模型、RPA升级派与垂直场景定制。不同需求对应不同方案,选对平台,才能让AI真正助力工作。
|
1月前
|
机器学习/深度学习 人工智能 搜索推荐
思维树提示技术:让AI像人类一样思考的魔法
想象一下,如果AI能像你思考问题一样有条理,从一个想法延伸到多个分支,会发生什么?思维树提示技术就是这样一种让AI更聪明的方法,通过结构化思维引导,让AI等大模型给出更深入、更全面的回答。本文将用最轻松的方式,带你掌握这个让AI智商飞升的秘技。
|
29天前
|
设计模式 人工智能 API
​​混合检索技术:如何提升AI智能体50%的响应效率?​
本文深入解析检索增强智能体技术,探讨其三大集成模式(工具模式、预检索模式与混合模式),结合实战代码讲解RAG组件链构建、上下文压缩、混合检索等关键技术,并提供多步检索工作流与知识库自更新机制设计,助力高效智能体系统开发。
167 0
|
1月前
|
机器学习/深度学习 人工智能 监控
AI 视频监控技术核心解析:三大底层能力支撑智能化升级
AI视频监控突破传统安防局限,依托三大核心技术:从“被动感知”到“主动理解”,实现精准场景识别;从“孤立运行”到“深度协同”,构建业务联动闭环;从“高门槛应用”到“普惠化落地”,降低部署成本与使用门槛。技术融合场景定制、智能决策与轻量化架构,推动安防向高效、智能、普及化方向升级。
296 0
|
人工智能 缓存 NoSQL
【深度】企业 AI 落地实践(四):如何构建端到端的 AI 应用观测体系
本文探讨了AI应用在实际落地过程中面临的三大核心问题:如何高效使用AI模型、控制成本以及保障输出质量。文章详细分析了AI应用的典型架构,并提出通过全栈可观测体系实现从用户端到模型推理层的端到端监控与诊断。结合阿里云的实践经验,介绍了基于OpenTelemetry的Trace全链路追踪、关键性能指标(如TTFT、TPOT)采集、模型质量评估与MCP工具调用观测等技术手段,帮助企业在生产环境中实现AI应用的稳定、高效运行。同时,针对Dify等低代码平台的应用部署与优化提供了具体建议,助力企业构建可扩展、可观测的AI应用体系。