企业意识到负责任人工智能的必要性，但许多企业仍将其视为事后补充或独立的工作事项。
负责任人工智能是应对重大法律、财务和声誉风险的第一道防线，尤其是在理解和解释人工智能数据沿袭方面。
理想情况下，应从一开始就融入可信的数据实践和主数据管理。
你的产品团队刚刚交付了一项突破性功能，而且开发速度创下纪录。他们自豪地介绍，如何利用人工智能模型加快研究和设计。所有人都为这一成果欢呼。
与此同时，在幕后，同一模型可能使用了贵公司并不拥有的专有数据进行训练。更糟的是，团队可能不知道模型使用了哪些数据；即使知道，也可能并不完全理解或知晓规范其使用的条款和条件。
这种不明确很快就可能演变为法律风险。看似创新的成果如今可能引发知识产权诉讼，让公司付出高昂代价并失去客户信任。
这种情形并非危言耸听。随着人工智能在企业和政府领域迅速普及，这个故事提醒我们，负责任人工智能的重要性日益凸显。
负责任人工智能与数据沿袭
许多企业都意识到负责任人工智能的必要性。但不少企业仍将其视为事后补充或独立的工作事项——认为应由法务团队或合规部门在系统建成后处理。
然而，负责任人工智能远不止是一项附带项目，也不只是治理政策中的一句注脚。它是应对重大法律、财务和声誉风险的第一道防线，尤其是在理解和解释人工智能数据沿袭方面。
常用的大多数大型语言模型，无论是商用还是开源模型，都使用大量数据训练，其中包括专有数据或仅限特定用途的数据。这些数据可能来自企业网站、学术期刊、许可证限制严格的开源代码库、政府数据集，或包含个人数据的社交媒体平台。
这些模型由主要供应商广泛提供，导致许多公司以为使用它们不存在法律风险。它们很少停下来询问——甚至想一想——模型中的数据来自何处，或自己是否有权按预期方式使用这些数据。
然而，人工智能本身虽可合法使用，其训练数据却往往并非如此。企业用这些数据设计新产品、生成营销内容或开发面向客户的应用时，可能在不知情的情况下使自己面临法律诉讼，即便其人工智能创新投入使用已久也不例外。
并非模型供应商没有附上法律免责声明；许多供应商确实提供了免责声明，开源许可证也往往列明了正确使用其数据和模型的条款与条件。问题在于，企业通常没有注意到这些免责声明，或低估了不认真对待它们的后果。
既然存在这些披露信息，使用模型的企业就责无旁贷。正如任何法律学者都会告诉你的那样，不知法不能免责。遗憾的是，真正阅读这些内容的人寥寥无几。
一颗正在倒计时的法律定时炸弹
我毫不怀疑，世界各地的律所已经在与人工智能专家合作，寻找人工智能数据使用方面的漏洞。这些漏洞随后可能被利用于诉讼或集体诉讼。任何无法清楚解释自身数据沿袭，或无法证明其负责任地使用数据的组织，都可能面临风险。
第一起诉讼一旦提起，就将标志着一股势不可挡的趋势开始。如今人工智能应用如此广泛，法律追责的机会层出不穷。
政府开始征收罚款和处罚，以确保数据得到合法使用，也只是时间问题。目前，《欧盟人工智能法案》和《NIST人工智能风险管理框架》已要求确保可解释性、数据沿袭和合乎伦理的使用。正如可持续发展审计如今已成为惯例，负责任人工智能审计明天也将成为常规做法。
规避人工智能数据风险
但企业可以采取措施，避免这些代价高昂的错误。理想情况下，应从一开始就融入可信的数据实践和主数据管理。任何人工智能框架都应建立在坚实的负责任人工智能基础之上，涵盖知识产权所有权、数据沿袭，以及数据和人工智能模型本身的来源。当这些原则被视为核心设计要求，而非事后补充时，组织就能在尽量降低法律和财务风险的同时，自信地开展创新。
在许多情况下，企业需要追溯评估其人工智能系统所使用的数据。届时，我们将看到新的岗位涌现，以降低风险。例如，数据工程师将转型为“数据修剪师”——专门负责识别并从模型中移除未经授权或高风险数据的人员。我们还将看到质量保证再工程师，他们能够验证人工智能输出，确保符合负责任人工智能标准，并重新设计模型以满足法律和功能要求。
移除不合规或未经授权的数据后，许多公司将转而采用合成数据这一更安全的替代方案，从而在不损害知识产权完整性或违反监管要求的情况下重新训练模型。
最终，我们可能会看到企业从通用模型转向基于干净且自有数据构建的定制人工智能系统。这一转变将大幅降低对通用模型的依赖。通过投资定制模型，组织将能更好地掌控人工智能的运行方式，提升透明度，并增强法律层面的信心。
满怀信心地推进人工智能发展
随着人工智能不断发展，尊重数据沿袭和知识产权将成为证明自身是负责任人工智能倡导者的关键。除了履行良好企业公民的责任，企业还需要将负责任人工智能视为创新与高昂法律和财务风险之间的一道防火墙。
从一开始就遵循负责任人工智能原则开展建设的组织，不仅能获得保护，还将能够满怀信心地继续前进，释放长期价值。
