AI世界：考虑隐私的设计

人工智能有能力改变从我们的日常习惯到突破性医学进步的一切。然而，要真正发挥人工智能的潜力，我们必须以负责任的态度优先考虑其发展。

这就是为什么围绕生成式人工智能和隐私的讨论如此重要的原因。我们渴望通过创新前沿的见解以及与监管机构和其他专家的深入合作，为这一对话作出贡献。

在我们的新政策工作文件中，标题为“生成式人工智能与隐私”，我们主张人工智能产品应内置保护措施，从一开始就优先考虑用户安全和隐私。我们还提出了应对隐私问题的政策策略，同时仍允许人工智能蓬勃发展并造福社会。

人工智能中的隐私设计

人工智能为个人和社会带来了巨大利益的希望，但正如我们和其他人的研究所示，它也可能放大现有挑战并引入新的挑战。

隐私问题也是如此。必须纳入确保透明度和控制的保护措施，并减轻诸如个人信息公开不慎等风险。

这需要从开发阶段到部署阶段的坚实框架，植根于经过时间考验的原则。任何开发人工智能工具的组织都应制定明确的隐私策略。

我们的方法受到长期数据保护实践、我们的隐私与安全原则、负责任的人工智能实践以及我们的AI原则的塑造。这意味着我们建立了强大的隐私保护措施和数据最小化技术，提供有关我们数据实践的透明度，并提供控制措施，让用户能够做出明智决定并管理他们的信息。

专注于人工智能应用以有效降低风险

当我们将既定的隐私原则应用于生成式人工智能时，需要考虑一些重要问题。

例如，在对大量数据进行模型训练时，我们如何实践数据最小化？对于解决个人关切的复杂模型，如何提供有意义的透明度？在人工智能驱动的世界中，我们如何为青少年创造适合其年龄的体验？

我们的文件对这些主题提供了一些初步思考，重点关注模型开发的两个关键阶段：

• 训练与开发
• 面向用户的应用

在训练和开发过程中，姓名或传记细节等个人数据构成了训练数据中一个虽小但至关重要的部分。模型利用这些数据来理解语言如何捕捉关于人际关系和周围世界的抽象概念。

这些模型不是“数据库”，也不是为了识别个人。事实上，包含个人数据可以帮助减少偏见——例如，通过更好地理解来自不同文化的姓名——并提高模型的准确性和性能。

在应用层面，数据泄露等隐私危害的风险增加，但实施更有效保护措施的机会也随之增加。输出过滤器和自动删除等功能在此变得至关重要。

在应用层面优先考虑这些保护措施不仅是实际的，而且我们相信是最有效的前进方式。

通过创新实现隐私

虽然今天的人工智能隐私对话主要集中在风险缓解上——考虑到建立对人工智能的信任的重要性，这是正确的——生成式人工智能也有潜力增强用户隐私。我们也应该抓住这些机会。

生成式人工智能已经在帮助组织分析来自大量用户群的隐私反馈并发现合规问题。它为新的网络防御策略铺平了道路。隐私增强技术，如合成数据和差分隐私，向我们展示了如何在不损害个人信息的情况下提供更大的社会利益。公共政策和行业标准应鼓励——而不是无意中阻碍——这些积极的发展。

合作的必要性

隐私法旨在具有适应性、比例性和技术中立性——这些品质使它们多年来保持稳健和持久。

在人工智能时代，这些原则同样适用，因为我们努力在强大的隐私保护与其他基本权利和社会目标之间取得平衡。

未来的道路需要隐私社区的合作，Google致力于与他人合作，确保生成式人工智能以负责任的方式造福社会。

您可以[此处](link to paper)阅读我们的生成式人工智能与隐私政策工作文件。