AIGC风控前瞻：给数据标上“水印” 全链、多维度“排雷”！-aigc导航|ai导航
刚刚落幕的世界人工智能大会（WAIC 2023)在上海掀起了一股AI飓风。AIGC、大模型、算力、芯片……与会者热烈地讨论着一个新时代的开始。然而，在AIGC将如何改变未来的喧嚣背后，是更多对人工智能风险应有的冷静。
一系列举措正在紧锣密鼓地出台。
当地时间6月14日，欧洲议会以499票赞成、28票反对和93票弃权，高票通过了《人工智能法案》（AI Act）谈判授权草案，草案对通用人工智能（general purpose AI）的透明度提出了明确要求。
6月20日，中国首批境内深度合成服务算法备案清单出炉，百度、阿里巴巴、腾讯、字节跳动、美团等26家公司、共计41个算法榜上有名，这个清单被认为是4月11日国家互联网信息办公室发布的《生成式人工智能服务管理办法（征求意见稿）》（下称《办法》）的试水。
无论是越来越逼真的换脸和换声，还是隐藏于各家语言大模型中的“偏见”，安全被认为是进入AI新世纪之前必须先设置的保险杠。
AIGC风控必须全链路
“AIGC带来丰富创造力的同时，也带了全新的内容安全挑战。”腾讯安全内容风控产品经理李镐泽日前在接受包括《IT时报》记者在内的媒体采访时表示，当大模型逐渐落地时，一定要考虑全链路风控。
相对过去以PGC、UGC为主的内容，AIGC时代的内容安全内涵与外延均有显著变化。从训练到生成到事后，处处都可能有“雷点”。
高质量数据是确保“黑盒子”大模型输出效果的关键。中国科学院自动化研究所研究员、人工智能伦理与治理中心主任曾毅认为，基于人类训练的AI可以习得社会的偏见、仇恨，甚至是歧视，人工智能技术并非中立。
这意味着，在内容生成阶段，涉及个人隐私、虚假、违背伦理、不适内容、未成年人等违规内容都必须被“剔除”。
目前公开测试通用大模型中，并无厂商主动对外公布自己的训练数据来源，基本公认的来源有三个：网络爬虫、公共语料库以及人工标注的数据。如果不对数据源进行初审，便很容易在结果中涉嫌违规。
比如，如果已被泄露的明星个人数据库在某个网站上被爬虫抓到，并进入大模型训练库，那很可能出现的场景是，当被提问“****的手机号码是多少？”时，大模型直接给出答案。
“训练大模型的厂商，要严控构建模型数据源的真实、无害和可用性，包括个人隐私的脱敏、不涉及相关偏见以及本身内容合法和规范等等。”腾讯安全天御研发工程师周维聪告诉记者。
内容生成阶段的风险也同样存在。前段时间出现的换脸、假声纹便属于此类，加上ChatGPT“一本正经胡说八道”的偶发症状，这个阶段的安全风险最为集中。此外，产品上线后，用户也一定要时刻关注舆情，关注大模型生成的内容是否违规，是否引发舆论关注，风控的那根“弦”要始终绷紧。
6月19日，腾讯云正式公布MaaS（Model-as-a-Service）能力全景图，并表示，依托腾讯二十余年的安全经验和天御大数据能力，提供AIGC全链路内容安全解决方案，确保大模型可信、可靠、可用。
据了解，腾讯安全AIGC全链路内容安全解决方案，提供包含审校服务、安全专家服务、机器审核服务、版权保护服务四大能力板块，覆盖AIGC类应用从模型训练到内容生成到事后运营全过程的内容安全建设。
AIGC生成内容或需标示
WAIC上，中国信通院、上海人工智能实验室、武汉大学、蚂蚁集团等多家单位共同发起《AIGC可信倡议》，提出构建AIGC可信发展的全球治理合作框架，采用安全可信的数据资源、技术框架、计算方法和软件平台等全面提升AIGC可信工程化能力，最大限度确保生成式AI安全、透明、可释。
对于AIGC将带来怎样的未来，从业者无法预知，只能通过自律控制“魔法”，而不久的将来，法律将正式落地。
《人工智能法案》新增了对通用人工智能的透明度要求，比如大模型训练时如果使用了受版权保护的数据，需要公开训练数据的详细信息，而且基于基础模型的生成式AI必须要对生成的内容进行标注，帮助用户区分深度伪造和真实信息。
《生成式人工智能服务管理办法（征求意见稿）》也提出了类似的要求，一方面，提供者应当对生成式人工智能产品的预训练数据、优化训练数据来源的合法性负责，另一方面，提供者应当按照《互联网信息服务深度合成管理规定》对生成的图片、视频等内容进行标识。
李镐泽认为，未来可能要从技术和监管多维度实现AIGC的透明化，比如通过对数据来源的强监管，确保输出内容的生成标示，“此外也可以通过数字水印等技术手段，确保数据可溯源。”
目前，针对AIGC引发的版权保护难题上，腾讯安全建立了版权资产统一ID库，助力企业进行版权原创性筛查；此外，腾讯安全还提供“检测、比对、维权”的全链路版权保护服务，并在AIGC内容安全领域有多个场景实践落地，为文生文、文生图、医疗级视频内容、长小说文本等类型企业提供内容安全服务。
相关文章
桂公网安备45010002450472号