生成式人工智能的数据风险与治理路径

生成式人工智能具有泛化性、通用性、迁移性的显著优势和巨大潜力，但其训练过程需要海量的多源数据。ChatGPT作为生成式人工智能的代表，存在多种数据质量和安全风险。数据质量方面，标注数据质量参差不齐，可能导致模型生成毒害内容；训练语料库代表性不足，可能引发价值偏差；数据集时效性不足，可能引发可信度危机。数据安全方面，存在交互数据自动迭代传输引发敏感信息泄露、定制化训练导致用户数据泄露以及数据安全防御能力不足等多重局限。针对生成式人工智能的多维属性和产业链特点，应以数据解释机制为核心，强化人工智能2.0时代个体的信息掌控和自决能力，构建精准多元的数据主体责任矩阵，打造灵活高效的数据治理监管工具体系。