推动人工智能安全高效发展(2)

人工智能带来的安全问题，呈现在AI模型的数据获取、数据训练以及应用上线运营全过程。吴运声认为，AI本体安全或AI内生安全，要重点关注AI模型和算法自身在可靠性、公平性、可解释性、透明性等方面的安全缺陷；AI应用安全，是AI模型从开发、测试、部署到运行交互等完整生命周期内的应用安全；AI衍生安全，也叫AIGC内容安全，主要是生成内容的涉黄、涉暴等违法违规内容的审核。长期来看，伴随着生成式AI的发展，AI伦理和AGI可控性将是AI安全的焦点。

百度法律研究中心主任陈晨表示，随着大模型的普及和快速迭代，确保其输出的内容符合用户预期和法律要求变得至关重要。大模型的内容输出风险，本质上是模型的推理能力和逻辑风险。这些风险主要体现在模型可能出现“偏见”“误判”“幻觉”等现实情况。因此，多元数据集对大模型发展至关重要。当前，我国生成式人工智能和大模型技术创新仍处于初级阶段，数据训练需要尽可能地包容和多样，而高质量、具有良好价值观的数据往往具有版权。如果因为高质量内容的缺失，而使生成式人工智能产生某种偏见，产生推理逻辑风险，将不利于产业的深度融合和公共服务水平的提升。

从企业角度出发，宋志刚认为，数据是一个核心点。智能模型的决策，建立在训练数据基础之上，一方面，训练数据的不准确会影响智能模型的决策，而用于训练样本的数据则面临被泄露或者被篡改的风险。他建议，可以基于传感器等生产智能化设备，多维度采集数据，建立起与数据准确性、完整性、有效性相关的管理机制。同时，加强技术攻关，基于小样本数据进行快速学习，不断调优模型参数。此外，还可以建立数据多重授权和安全防护机制来保障数据安全。

随着人工智能越来越广泛应用于生产生活的方方面面，在使用中产生的关于真实性、道德要求、权责归属等议题的讨论逐渐增多。

大模型具有工具属性，既可以成为好人的帮手，也可能成为坏人的帮凶。周鸿祎表示，合理的监管，可以对人工智能带来正向的推动作用。除了监管，还要寻找技术方法，比如在AI生产视频里加入不可更改、不可替换、不可修改的内部水印等。

中国政法大学数据法治研究院教授张凌寒认为，应通过技术发展回应和解决安全问题。不发展是最大的不安全，我们在技术和产业的国际竞争中必须以发展为制度设计的总目标。

治理体系逐步完善

人工智能的安全与治理问题，关乎产业发展方向与速度，关乎供给双方权利与义务，更关乎国际竞争中的优势与主动。

北京航空航天大学法学院院长助理、副教授赵精武表示，一国对人工智能的法律规制不仅影响着本国的产业发展和风险治理，更决定着该国在全球人工智能治理中的话语权。同时，在全球化的背景下，人工智能技术的发展和应用的跨国特性也要求国际社会共同面对和解决技术发展带来的挑战。

2023年10月18日，我国发布《全球人工智能治理倡议》，围绕人工智能发展、安全、治理三方面系统阐述了人工智能治理中国方案。倡议提出，人工智能技术带来难以预知的各种风险和复杂挑战，各国应在人工智能治理中加强信息交流和技术合作，不断提升人工智能技术的安全性、可靠性、可控性、公平性。

行之有效的治理方案，既能够为人工智能的创新发展与产业应用提供良好的发展环境，还能妥善应对技术发展过程中的风险与问题。