资讯索引 · 事件背景与多端访问历史资料按事件日期标注

科技与探索 · 事件资料

生成式人工智能治理中的三类关键问题

围绕生成式人工智能的公共讨论,常涉及内容可靠性、个人信息处理和责任分配。

事件日期:阅读约 2 分钟历史背景资料

判断一项技术政策,需要区分模型能力、应用场景、平台制度及法律要求。

输出可信度与事实核查

生成式模型可以流畅表达,但语言完整不意味着内容准确。面向新闻、教育和公共服务的使用场景,需要明确引用来源、核验关键事实,并在无法确定时保留不确定性。不同应用的风险级别不同,不宜用单一准确率代替对具体使用后果的评估。

个人信息与数据用途

涉及个人信息的系统需要考虑数据从何而来、是否具有适当处理依据、是否可以更正或删除,以及是否存在超出用户预期的二次使用。训练阶段、上线服务阶段和第三方集成阶段的处理行为不同,治理要求也可能分别适用。

责任如何在参与者之间分配

模型提供方、应用开发者、内容发布平台与最终使用者可能处于同一服务链条,但控制能力并不相同。风险治理需要结合具体产品功能、审核流程、申诉渠道与信息披露机制,不宜简单归结为某一方的全部责任。

公众阅读政策文件的技巧

应先确认政策文件的法域、发布日期、法律效力与适用对象。草案、指南和正式生效的规定具有不同地位;媒体总结中的“全面禁止”或“完全放开”往往忽略豁免与适用条件。阅读原文定义比仅看标题更可靠。