AI伦理: 构建可信人工智能的五大关键路径

cloudera大中华区技术总监刘隶放

在当今竞争异常激烈的环境中，全球各地的企业都在大力投资人工智能（ai），以获得更大的竞争优势。然而，随着创新的加速，企业也深知伦理和监管在ai发展中的关键作用。德勤对100位企业高管进行的一项调查显示，88%的受访者表示其企业正在采取措施向员工传达ai的伦理使用规范。根据腾讯研究院的一项调查显示，个人隐私保护与网络安全已成为公众最为关注的风险因素之一。在覆盖各行各业的3,000名受访者中，38%的受访者认为企业在应用生成式ai过程中可能存在侵犯个人隐私的风险，另有33.5%的受访者认为模型的可解释性和透明度问题亦不容忽视。

ai创新带来新的伦理问题

借助ai的进步，我们已经从基于人工设定规则的决策系统，发展到通过海量数据训练的复杂模型来自动定义规则、生成内容并做出决策。然而，不受约束的ai系统往往会优先优化预设目标，而忽视更广泛的社会影响和伦理考量，这将逐渐削弱公众信任。

尽管ai技术取得了显著进展，但偏见和“幻觉”等问题依然存在，甚至引发了一些争议事件。例如，2021年4月，荷兰六名司机因“算法手段”被不公平解雇，导致欧盟根据《通用数据保护条例》（gdpr）对此展开调查。两年后，英国几名送餐员因位置数据被怀疑多收费用，并在几乎没有解释的情况下被解雇。

类似的争议事件在国内也内屡见不鲜，从因性别歧视导致的不公平贷款发放，到使用侵犯隐私的面部识别技术处理保险索赔。例如，一位中国博主的个人形象未经授权便被某ai应用使用，还引发了一场诉讼纠纷。这些问题的根源很大程度上在于ai的“可解释性”。尤其是深度学习模型，其决策过程复杂且不透明，常被视为“黑匣子”，许多专家也难以理解其结论的形成机制。缺乏适当的人工监督和理解，这些带有偏见的决策便可能会引发严重的负面后果。

随着诸如openaisoraai视频生成器等生成式ai创新的涌现，ai在提升生产力和增强企业竞争力方面展现出巨大潜力。然而，这些工具也可能引发版权侵权等问题，甚至为滥用和虚假信息的传播打开大门。因此，关注ai伦理变得比以往任何时候都更加重要。

公共与私营部门需携手将伦理和监管融入ai

尽管chatgpt等生成式ai工具都设有防滥用规则，许多用户仍找到了绕过这些保护措施的方法。网络犯罪分子甚至创建了自己的gpt，用于编写恶意软件和生成极具欺骗性的钓鱼邮件。

目前，有效识别和阻止这类有害产出的工具和法律仍很匮乏。因此，公共和私营部门需要加强合作，通过更严格的监管降低ai滥用风险，并确保在模型开发中融入伦理考量。

为了构建合乎伦理的ai，需要将伦理原则、问责机制、透明度、可解释性和良好治理融入模型。提升模型的可解释性和伦理水平不仅能帮助解决当前ai的缺陷，还能显著提高决策的准确性和有效性。

许多公共和私营部门实体正在共同努力推进ai的伦理建设。例如，澳大利亚近期投资1700万美元启动了“ai应用计划”，帮助中小型企业在利用ai提升业务决策能力。去年，新加坡政府与私营部门合作成立了“ai验证基金会”，以应对ai带来的风险。该基金会今年又推出针对生成式ai的新框架，解决知识产权滥用等新问题的同时持续促进创新。2025年3月，中国《政府工作报告》提出将要持续推进“人工智能+”行动。在此背景下，自2023年起施行的《生成式人工智能服务管理暂行办法》的重要性进一步凸显。这些措施涉及内容监管和数据使用道德等领域，为负责任的ai发展提供了一个基础框架。此外，具身智能（embodiedintelligence）首次被纳入国家战略计划，这表明在仿人机器人、无人机和仓库自动化等技术可能在私营部门大规模应用的情况下，需要持续的监管。

随着相关法规和倡议的陆续出台，企业可以通过使用可信数据，为推进伦理ai的伦理建设贡献力量。

设计合乎伦理的ai系统需要可信数据

构建值得信赖的ai系统离不开可信的数据来源。以准确、一致、洁净、无偏见且可靠的数据为基础，企业可以设计出符合伦理的ai系统，确保其始终产出公平、无偏见的结果。这样的系统能够帮助企业轻松发现问题、弥补逻辑漏洞、优化输出，并评估其创新是否符合法规要求。

在cloudera的ai伦理实践中，数据隐私保护占据着基石地位。我们坚信，对数据隐私的尊重是赢得客户信任的前提，也是平台设计的核心原则。为此，cloudera通过其开放数据湖仓（opendatalakehouse）架构，在数据层深度融合了统一的安全与治理能力（sdx）。这意味着隐私控制不再是上层应用的“补丁”，而是深入数据全生命周期的原生能力。它帮助企业在运用ai进行深度洞察时，依然能无缝地保护敏感数据、履行合规义务。这种贯穿数据生命周期的隐私保护设计，不仅提升了ai模型的安全性与透明度，更为企业构建值得信赖且符合法规的ai解决方案奠定了稳固根基。

如果企业想要开发合乎伦理的ai系统，可采取以下建议：

●关注意图：ai系统仅基于训练数据进行决策，缺乏道德准则和公平参照。因此，设计者需明确而谨慎地构建系统设计动机的意图表示方法，在量化伦理考量的同时平衡性能目标。

●优化模型设计：设计良好的ai系统应避免偏见、因果关系和不确定性。企业应定期进行审查，以检测是否存在模型漂移问题，即模型逐渐因数据过时而开始变得不准确，并广泛建立因果模型以评估潜在负面影响。

●确保人工监督：ai系统虽能基于高质量数据做出可靠决策，但缺乏情商，无法处理特殊情况。最有效的系统应结合人类判断与ai能力，企业需始终确保人工监督，尤其是在ai模型置信度较低时。

●加强安全性与合规性：以安全性和合规性为核心的伦理ai系统，不仅能增强系统可信度，还能加速其在企业中的普及，同时确保符合地方和区域法规。

●充分利用现代数据平台：借助支持现代数据架构的数据平台等先进工具，企业可以显著提升其在数据和ai模型生命周期内的管理与分析能力。理想情况下，平台应具备内置的安全和治理控制功能，使企业在大规模部署数据分析和ai时，仍能保持对ai驱动决策的透明度和控制力。