【编者按】在人工智能浪潮席卷全球的今天，我们如何看清AI的“内在成分”？新加坡政府正探索为AI服务贴上“营养标签”，让算法透明可读。这不仅是技术监管的创新尝试，更是数字时代建立信任的关键一步。但标签设计若流于形式，可能沦为“打勾游戏”；信息过载又会让用户视而不见。如何在简明与详尽间找到平衡？如何让标签随技术迭代而更新？行业标准又该如何建立？这篇报道深入探讨了AI透明化之路的挑战与可能，让我们看到：真正的目标不是完美透明，而是让人类在拥抱AI时，学会何时信任，何时警惕。

新加坡消息：专家向亚洲新闻台表示，为人工智能服务设计“营养标签”的提案，或许能帮助用户更清楚这些系统如何运作——但前提是标签设计必须清晰易懂、定期更新，并获得行业支持。

这项由数字发展与信息部长杨莉明上月提出的构想，正被政府“积极探讨”，作为加强数字空间信任与安全的广泛努力的一部分。

尽管此类标签有潜力提升透明度，但新加坡国立大学人工智能研究院负责AI治理与政策的西蒙·切斯特曼教授指出，设计不当的标签可能沦为另一种“打勾应付的差事”，只会给负责任的开发者增加负担，却被其他人忽视。

切斯特曼教授表示，要行之有效，标签应说明系统设计用途、依赖的数据、主要局限、更新频率，以及出问题时谁该负责。

他补充说：“对于面向消费者的工具，最重要的一点不是制造精确的假象，而是让人们更好地了解何时应该信任输出结果，何时应该保持谨慎。”

南洋理工大学计算与数据科学学院人工智能部门负责人安波教授对此表示赞同，并提醒标签必须在清晰度和细节之间取得平衡。

安教授说：“如果标签太模糊、太长，或者被当作打勾任务来处理，大多数用户都会忽略它们。”

摩托罗拉解决方案公司去年七月在其安全技术中引入了“AI营养标签”，该公司表示通过分层方法解决了信息过载的潜在问题。

该公司全球人工智能研发团队负责人、高级副总裁杰汉·维克拉马苏里亚说，标签有一个“一目了然”的摘要供一般理解，但通过链接提供更详细的信息。

保持标签更新且易于理解

另一个关键问题是随着AI系统发展，保持标签的更新。

专家强调，静态标签可能很快过时，尤其是在模型频繁更新的情况下。

为解决这个问题，安教授和切斯特曼教授建议将标签链接到定期更新的页面，显示变更和修订日期。

这与摩托罗拉解决方案公司的方法类似，他们将标签更新嵌入开发流程，使其与技术同步发展。

鉴于应用范围和风险水平差异巨大，在不同系统间标准化AI标签也将具有挑战性。

维克拉马苏里亚分享道：“可解释性对数据科学家、警察局长或关切此事的公民而言，意义各不相同。”他表示，公司努力在不同利益相关者间标准化语言，同时确保所有人都能理解，这一过程虽艰难但值得。

尽管如此，业界普遍认同某种程度的标准化是必要的。

安教授表示，法规应设定最低披露要求，而行业则应开发实用且便于用户比较的格式。

切斯特曼教授持类似观点，认为即使难以完全统一，基线标准仍是必要的。

最终，专家表示AI营养标签的目标是帮助用户做出更明智的决定，而非实现完美的透明度。

切斯特曼教授说：“特别是在错误信息的背景下，真正的目标不是完美的透明度，而是更精准校准的信任。”