挑战：治理与伦理
时间：2022-04-01 17:54:01 | 来源：行业动态
时间：2022-04-01 17:54:01 来源：行业动态
除了从大数据集中获取价值的问题之外，Scriffignano认为，人工智能与数据科学还面临着来自治理与伦理层面的诸多挑战。这一点在涉及个人信息时体现得尤其明显。在建立大型数据库并使用私人信息建立智能模型时，我们该如何保证以负责任的方式使用这些私人信息？
目前世界各国之所以开始以愈发严格的态度审查机器学习模型，一部分原因就是这类模型往往涉及大量隐私性与安全性因素。无论模型关注哪些具体特征，隐私与安全都已经成为无法回避的现实问题。Scriffignano提出一个有趣的观点，认为AI法规终将陷入为了满足需求而努力迎合所有人、又为了迎合所有人而产生更多需求的怪圈或者说泥潭。人们希望进一步提升模型的自定义空间与开发开放式，但又不愿意在隐私权方面做出妥协。
一部分企业与个人将从使用大量数据的模型当中受益，这些模型需要庞大的数据基础以做出更精确的预测，但这同时也将以获取大量私人信息为代价。有些人可能不希望自己的数据被囊括在这些模型当中，而这又反过来导致模型的精度有所下降。结果就是，面对机器学习模型的发展与所需数据量的扩展，总会有人对现状感到不满。
Scriffignano坚信，政府监管机构如果希望在保障国家安全的同时回避与隐私相关的问题，那么最好的办法是对技术发展抱有开放的态度。在世界上的不同地区，法律与法规的制定与细则总会存在很大差异，不同司法管辖区间对于道德伦理的认识同样可能不太一致。这种现象目前已经体现得相当明确：欧洲在道德伦理方面约束得最为严格，中国对隐私保护的关注度不高，而美国则处于二者之间。某些国家更希望强调隐私保护，而另一些国家则更重视国家安全或者经济发展。
正如Scriffignano所提到，其中的核心问题是，机器学习本身并不存在地理界限。在某个区域内完全不可接受的实践，在另一个地区则可能并无不妥。因此，模型的构建位置与使用位置也可以据此有所区分。毕竟模型的传播往往很难控制，所以这种低隐私要求区域生产、高隐私要求区域消费的作法很可能成为未来的通行方案。
在本次播客节目中，Scriffignano还表达了自己对于拟人化AI的厌恶之情。他更愿意选择较为务实的思路，这不禁让我们想起由算法与流程驱动的目前这波AI技术变革。Scriffignano以人工通用智能（AGI）为例，提出了自己的具体观点。他认为，如果我们无法以所掌握的大量数据为基础提出正确的问题，那么人工智能的真正突破永远无法到来。
他还预见出一种未来，认为专业人士将与AI携手并进。只要我们保持警惕，就不必担心彻底被机器或者机器人所取代。为了实现这样的美好未来，我们当然需要保持审慎的心态并高度重视数据伦理与治理问题。只有这样，AI才能真正成为通往全新时代的桥梁。
在线咨询
