京公网安备 11010802034615号
经营许可证编号:京B2-20210330
新知新觉:以法治保障人工智能健康发展
当今时代,人工智能日益深刻地影响着人类生活,帮助人类提高工作效率。其中,设计科学的算法、用好大数据资源、不断提高计算能力是人工智能技术发展的重要支点。然而,技术发展总是与风险相伴,人工智能也可能带来侵犯个人隐私、冲击法律与社会伦理等问题。在充分发挥人工智能作用的同时有效防范其风险,需要运用法治思维和法治方式,加强对算法设计和数据运用的监督管理,推动人工智能行业健康成长,更好为经济社会发展服务。
对算法设计进行监管。人工智能是人类智慧的延伸,算法设计也不是纯粹的技术问题。所有算法都是为完成特定任务、实现特定目的而设计的,特定任务、特定目的的实现路径往往蕴含着设计者的价值观。而设计者的价值观又会影响其设计的技术方案,这就可能在技术运用中产生所谓的算法歧视。比如,某网络公司推出的广告服务中,男性用户能够比女性用户看到更多高薪招聘广告。即使算法设计者没有给算法植入歧视的意图,但有时仍然会出现某种歧视效果。因此,编制算法应当遵循一定的法律规则和行业规则,以合理控制路径选择,使其符合社会基本伦理规范。
对算法设计进行监管,可以采用专业监督和社会监督等手段。专业监督就是对算法设计制定具有可操作性的技术和行业规范,让设计者在进行设计之前就受到有效制约。还可以请同行专家进行监督。同行专家比较容易洞悉设计者的理念,能够了解具体的操作程序。通过同行专家的评价和信息披露,可以对设计者设计出来的算法进行比较有效的事后规制。社会监督就是要求设计者将其算法设计的基本情况进行登记或备案,并且这种登记或备案信息可供社会公众查询,形成社会公众评判,从而进行道德和舆论上的制约。通过专业监督和社会监督,可以更好地防范人工智能算法设计偏离社会基本伦理规范。
对数据运用进行监管。数据的获得和利用方式是法律关注的问题。当用户流连于网络、享受人工智能设备带来的便利时,其个人信息安全可能正面临风险。例如,人们使用智能设备,往往要同意所谓的注册协议、服务协议,这些协议通常会要求用户“自愿”提供个人基本信息。企业在获得用户形式上的授权后,服务过程中涉及的个人数据就会按照约定通过网络传送给企业。比如,可以上传用户的位置、兴趣、需求、使用习惯等信息。获得这些数据的企业,可以据此形成消费者分析报告,针对用户的年龄、居住区域、消费习惯差异等,准确把握用户偏好,进行精准的市场投放。因此,数据运用可以给企业带来巨大利益。
由于互联网海量存储和快速传播的特点,获取、存储和利用个人信息的主体和环节众多,其中往往存在侵犯用户隐私安全和滥用数据的风险。面对这些风险,法律应当确立相应规范,对企业使用个人信息进行限制,使得对个人信息的保护更为详实、充分。例如,允许智能设备出于便捷服务的需要收集个人信息,但不能要求用户作出概括性授权。企业应以正当的、法定的、特定的目的,在特定范围内收集个人信息,并用于特定用途,而不能随意超越用户对其个人信息收集、使用的授权范围。应禁止企业向用户收集与服务无关的信息。服务提供商违反个人信息保护义务的,应当依法承担法律责任。总之,面对人工智能领域可能出现的风险,我们应认真研究思考并作出法律上的应对,为新技术发展设计好法治框架,让人工智能更好地造福人类。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21