尋找“共享與監管”的平衡點

以ChatGPT為代表的生成式人工智能掀起新一輪熱潮。與此同時，數據泄露、隱私竊取、算法歧視等數字安全風險不斷顯現，迫切需要尋找共享與監管并重的動態平衡范式，守住人工智能時代的數字安全底線。

數字安全和數字治理的先行者

縱觀全球，中國、美國和歐盟作為探索數字安全和數字治理的先行者，無論是技術創新還是立法規范都走在世界前列，同時也存在差異。在相同點方面，均高度重視算法治理，將算法安全嵌套在數據安全中，實行數據與算法協同治理；在差異性方面，雖然同樣強調個人隱私安全，美國以鼓勵創新為核心，更注重數據自由流動，傾向于以行業自律進行治理。歐盟注重個人隱私保護和立法，探索和引入人工智能監管沙盒機制，并發布首部人工智能監管法案。這些經驗做法，對我國數字安全治理具有一定參考價值。

我國人工智能發展實現重點突破

我國加快推動人工智能發展，需形成政府、企業、社會組織和個人合力，在協同數據和算法治理、保障生成式人工智能安全等方面實現重點突破。

第一，啟動國家人工智能數據和算法工程。建立安全標準，分門別類對數據和算法進行管理，提升數據互操作性以及算法透明度，改變過去個人或企業單打獨斗的局面。

自動檢索風險指標。開發針對人工智能應用網絡的早期預警系統，對網絡資源進行常規監控和過濾，對于不符合政策要求的危險因素、劣質數據和不良信息，及時清除或屏蔽。通過該預警系統自動檢索關鍵風險指標，及時補救，防止再出現類似安全漏洞。

甄別人工智能生成內容。從源頭上，為人工智能生成內容打上標記。深度合成服務提供者提供深度合成服務，可能導致公眾混淆或者誤認的，應在生成或編輯的信息內容的合理位置、區域進行顯著標識，向公眾提示深度合成情況。

加大人工智能生成內容檢測工具開發和優化。目前針對人工智能生成的圖像、文本等已出現相應檢測工具，用于區分人工智能生成的內容和人類創造的內容，但準確率不高。亟需加大對數據、算法、模型的研究，開發精準的生成式人工智能檢測工具，真正實現“以AI測AI”。

加強人工智能數據共享。數據、算法、算力是驅動人工智能發展的“三駕馬車”，其中數據是人工智能發展的養料，例如僅GPT-4的訓練數據集就包含約13萬億個詞元。如果缺乏足夠的數據，人工智能發展無異于“無米之炊”。

推動中文數據集共享。由于語言特點、獲取成本、開源程度以及數據集質量要求等原因，相較于英文數據，目前中文數據集規模較小。基于中文的人工智能開發，可通過國家人工智能數據工程匯總高質量中文數據集，并促進數據分類分級有序共享，使安全性和服務質量得到大幅提升。

第二，加強生成式人工智能監管。推進全球溝通和探討，通過網絡數據安全管理、個人信息保護、數據審計等法律法規進一步完善生成式人工智能監管。

統籌數據安全與算法治理，針對金融、醫療等不同行業領域以及算法歧視、算法黑箱等問題，開展多層次和精細化監管。開展多模態智能分析，在大模型領域引入文本、圖像、語音等，在訓練和應用過程中細化對不同元素的監管，通過功能模塊設計，及時發現問題并防范風險。

切實保障數據安全。使用生成式人工智能產品過程中，也在同步收集用戶數據和信息，可能引發潛在隱私安全問題。對此，應擴大安全使用指南宣傳。例如，不主動分享敏感信息、關閉聊天記錄等，基于專門的云服務運行，從訪問控制、數據加密、網絡連接等方面加強保護。對于數據敏感度較高的用戶，通過敏感信息過濾一體機進行識別篩選，可有效避免大模型產品在提供服務時產生不可控信息。

構建特定知識庫。基于特定知識庫提供人工智能服務，可在一定程度上避免虛假錯誤信息，提升準確性和安全性。建議借助大模型訓練推理一體機，通過本地化訓練和推理，在保護用戶數據隱私的前提下構建特定知識庫。

第三，在國際層面，積極與聯合國及主要國家溝通交流，達成全球規避人工智能風險共識，推動對所有大型人工智能科研項目實施備案和風險評估制度。在國家層面，組織專家團隊潛心進行人工智能風險評估和研究相關立法，加強網絡安全關鍵技術研發，加快人工智能安全技術創新，提升網絡安全產業綜合競爭力。