摘要: 高风险人工智能是指应用于特殊重要领域的人工智能系统,如自然人生物识别和分类、关键基础设施的管理和运营、教育和职业培训、司法程序等领域,因其所涉数据的特殊性、安全性和敏感性而被受关注。针对高风险人工智能数据安全治理,传统的回应型治理模式无法有效应对数据安全风险的不稳定性和不可预测性,预防型治理虽能在一定程度上规避回应型治理模式的弊端,但预防性措施存在超限可能,有阻碍人工智能技术发展之嫌。基于此,高风险人工智能数据安全治理急需摆脱“后果控制”的回应型治理模式的依赖,革新预防型治理措施的限度,以基于比例原则的“预防型治理”作为数据安全风险的应对新路。具言之,应当确立“存疑从有”的治理原则,构建“数据收集利用最小化”的治理机制,运用“契合伦理”的动态治理工具,以实现高风险人工智能数据安全的预防型治理,为人工智能的稳步发展提供有力保障。
[V1] | 2024-07-27 15:15:26 | PSSXiv:202407.00945V1 | 下载全文 |
1. 生产者责任延伸制下考虑平台绿色监管的回收决策研究 | 2025-04-25 |
2. 数字化转型背景下劳动关系重构的路径与挑战 | 2025-04-24 |
3. 面向复杂工程问题的CAD/CAM综合实践教学设计与实践 | 2025-04-25 |
4. 换电站建设补贴对新能源汽车换电模式的影响——基于供应链决策视角 | 2025-04-25 |
5. 新质生产力背景下物流企业绿色创新的三方演化博弈及仿真分析 | 2025-04-25 |