人工智能是人类发展新领域，给世界带来巨大机遇，也带来了各类风险挑战。9月9日，全国网络安全标准化技术委员会制定的《人工智能安全治理框架》1.0版（以下简称《框架》），对外公开发布。《框架》将人工智能安全风险按内生安全和应用安全分类，并给出相应的技术应对措施。围绕“鼓励创新，对人工智能研发及应用采取包容态度”“快速动态精准调整治理措施”“明确主体安全责任”“共享最佳实践”的原则，《框架》推动各方就人工智能安全治理达成共识，促进人工智能安全有序发展。

　　《框架》提出，人工智能系统设计、研发、训练、测试、部署、使用、维护等生命周期各环节都面临安全风险，既面临自身技术缺陷、不足带来的风险，也面临不当使用、滥用甚至恶意利用带来的安全风险。

　　其中人工智能内生安全风险包括模型算法安全风险、数据安全风险、系统安全风险，人工智能应用安全风险包括网络域安全风险、现实域安全风险、认知域安全风险和伦理域安全风险。

　　上述风险中模型算法安全风险的篇幅最长，共细化成六方面：可解释性差；偏见、歧视；鲁棒性弱；被窃取、篡改；输出不可靠；对坑攻击。以排在第一位的可解释性差为例，此风险是指以深度学习为代表的人工智能算法内部运行逻辑复杂，推理过程属黑灰盒模式，可能导致输出结果难以预测和确切归因，如有异常难以快速修正和溯源追责。

　　针对此类风险，《框架》指出要不断提高人工智能可解释性、可预测性，为人工智能系统内部构造、推理逻辑、技术接口、输出结果提供明确说明，正确反映人工智能系统产生结果的过程。在设计、研发、部署、维护过程中建立并实践安全开发规范，尽可能消除模型算法存在的安全缺陷、歧视性倾向，提高鲁棒性。

　　让大模型给出的结果更精准，是大模型落地到企业端的基础，可见治理此类风险对整个行业的重要性。

　　在和北京商报记者交流时，枫清科技创始人兼CEO高雪峰表示，大模型在企业落地时，会遇到一系列问题，主要是因为大模型自身的局限性、黑箱问题以及数据或者知识的问题，“由于大模型的复杂性过高，涉及大量参数和层，使得可解释性变得更加困难，推理过程不透明，往往是基于大量参数网络的序列预测。大模型生成内容的逻辑与依据很难给出相应的解释，或者是其内容生成的概率分布，人们无法理解，即使是专业研究人员也很难理解模型是如何得出某个结论的，普通用户更难以理解模型为什么输出这样的内容”，高雪峰详细说。

　　全国网络安全标准化技术委员会秘书处主要负责人表示，《框架》的发布，对推动社会各方积极参与、协同推进人工智能安全治理具有重要促进作用，为培育安全、可靠、公平、透明的人工智能技术研发和应用生态，促进人工智能的健康发展和规范应用，提供了基础性、框架性技术指南。同时，也有助于在全球范围推动人工智能安全治理国际合作，推动形成具有广泛共识的全球人工智能治理体系，确保人工智能技术造福于人类。