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OpenAI SORA AI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（Embodied Intelligence）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（Open Data Lakehouse）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。

 

免责声明：本文若是转载新闻稿，转载此文目的是在于传递更多的信息，版权归原作者所有。文章所用文字、图片、视频等素材如涉及作品版权问题，请联系本网编辑予以删除。