AI透明度：构建可信任治理的视觉化基石

引言：透明化——AI有效治理的先决条件

我们正步入一个AI渗透各领域却隐于无形的时代。它默默介入社交互动、内容创作、服务提供与消费行为，乃至塑造我们的情感、偏好与行动。然而，我们是否真正知晓AI的踪迹、行为与掌控者？若无法明晰观察，便难以建立信任；缺乏信任，则治理无从谈起。

围绕AI透明度的探讨，正聚焦于一个根本性议题：在AI主导的时代，“可视化”能力究竟有何内涵？我们又该如何确保AI系统被社会有效“洞察”？ 

本文系腾讯研究院 AI&Society 海外专家对话系列首篇，对话嘉宾为曹建峰（腾讯研究院高级研究员）。

为何“洞察”AI至关重要？

当我们在数字空间接收信息、进行交互时，所面对的是真实个体还是“以假乱真”的AI代理？随着生成式AI更深入地融入社交、创意、服务等多元场景，虚假信息、身份伪装、深度伪造等风险日益凸显。因此，“AI活动标识”（AI Activity Labeling）逐渐形成全球共识，中国、欧盟等监管机构已将AI透明度义务纳入法律框架，要求服务提供者明确标注AI生成内容与AI驱动互动，以协助用户辨识虚假信息、提升警觉、减少误信与欺诈风险。这是当前AI透明度政策最直接、最基础的功能。

但这仅是AI风险的表面层，透明度的价值远不止于此。AI系统正从单纯执行指令的工具，演变为具有一定自主性的智能体（AI Agent），能够浏览网页、执行交易、编写代码、操控设备。这种新能力使AI与现实世界的边界愈发模糊。然而，无论是政府监管者、行业从业者、学术界还是公众，对AI的运行逻辑、风险链与社会影响仍了解有限，甚至处于“认知空白”状态。 

例如，一个争议焦点是“AI说服”（AI persuasion）的社会效应。当AI能精准模拟人类语言、理解心理需求、甚至影响情绪时，它是否可能在日常社交媒体、短视频平台等场景中潜移默化地塑造我们的观点、价值判断乃至行为模式？其影响深度如何？传播广度多大？持续时间多长？目前均缺乏实证支持。更严峻的是——我们甚至不知从何寻觅答案。 

治理AI，首需明晰AI。要真正解答上述问题，仅靠臆测与理论推演远远不足。我们必须搜集大量源于现实世界的、关于AI如何运作及如何影响人类的“实证数据”。而透明度制度的长期价值正体现于此：为研究、评估与应对AI风险提供真实观测视角与一手资料。以“AI说服”为例，要判定AI如何影响人类认知、情感、行为及宏观社会秩序，前提是能准确区分AI互动与人类互动。在此，AI标识制度作为透明度机制，不仅助力个体用户提升识别能力，也为平台提供追踪、分析、管理AI活动的技术基础，为研究者提供收集证据、评估风险及制定科学政策的实际可能。 

更进一步，透明度还扮演缓解焦虑、构筑信任的关键角色。技术迅猛发展，我们对其运行逻辑与潜在影响的理解却显著滞后。认知脱节引发广泛治理焦虑：我们不明晰哪些风险最紧迫，也无法确认是否忽略了更深层隐患。这在一定程度上阻碍了AI在社会中的推广应用。 

在风险未完全厘清、AI能力仍快速演进的阶段，透明度机制能减轻各方不安，使治理从焦虑回归理性，以“已知证据”化解“未知恐惧”。这不是盲目信赖，而是在“可视化”基础上的理性抉择。不仅限于AI标识，模型规范、可解释性技术等透明度机制，均致力于平衡AI时代的信息不对称：缓解我们对AI技术的认知“黑箱”，缓解政府、产业界、学术界、公众之间的信息差。我们对AI了解越多，才越能安心使用乃至大胆创新。 

在当今对AI能力边界、风险特征与社会影响“所知甚微”的背景下，“可视化”本身即成为一种必需力量。透明度机制正赋予我们这种能力：观察AI如何运作、如何与人交互、如何产生效应。可以说，在AI技术持续演化、不断拓展的当下，透明度正成为理解AI、信任AI、治理AI的核心要素。

AI标识：如何实现有效“标签化”？

在当前AI治理实践中，“AI标识”是最早落地、进展最速的透明度机制之一。中国《人工智能生成合成内容标识办法》及相关国家标准已正式实施，取得阶段性成效。欧盟《人工智能法案》（EU AIA）第50条也明确规定了AI系统提供者的标识义务。随着欧盟第50条实施进程加速，行业讨论已从“是否需标识”转向“如何有效标识”。其中关于“标识对象”“水印嵌入主体”“水印检测主体”的探讨，可为实践中细化标准、完善制度提供参考。 

第一，仅标识内容，还是涵盖“行为”？随着AI自主性增强，智能体不仅能生成文本、图像、音频、视频等内容，还能主动“行动”：浏览网页、发送邮件、下单购物、自动点赞、评论转发等。这类操作已超越传统内容生成范畴，属于“行为”本身。然而，现有法律条文多聚焦内容标识，尚未明确纳入AI自主行为，存在一定“盲区”。例如，若大量AI账户同步点赞、转发某信息，极易制造“虚假热度”，操纵算法推荐，扰乱信息生态，误导舆论与公众判断。如何将此行为纳入标识范围，值得深入关注。因此，当前AI标识虽更侧重AI内容，但随着智能体不断创新与普及，“AI活动”（AI Activity）的透明度与标识将日益重要。 

第二，水印标识由谁嵌入，分层义务如何设定？AI服务提供者能力参差不齐。上游开发者（如OpenAI、DeepSeek、Anthropic等）拥有模型层控制权，可嵌入水印机制；下游应用开发者多基于现有模型微调或调用，缺乏资源与权限独立嵌入水印。若对所有主体施加同等义务，可能抑制中小创新者积极性。例如，欧盟内部正讨论是否设立“分层义务”：上游模型开发者负责嵌入水印；下游应用开发者负责配合检测、不得移除或规避现有水印等。此外，不同类型AI系统在应用场景与风险特征上存在差异，是否需制定差异化透明度要求，仍是待解问题。 

第三，水印标识由谁验证，检测工具授权给谁？嵌入水印是一方面，能否验证是另一方面。若水印仅对生成方可见，而其他主体缺乏检测或验证能力，水印便成“自说自话”，丧失透明度价值。但挑战在于：一旦水印检测工具广泛公开，攻击者可能绕过或篡改水印，削弱其安全性。因此，需在透明与稳健间权衡。当前折中方案是将水印检测工具授权给负有关键平台责任的主体——如社交媒体平台、新闻分发平台等，在用户交互中识别来源、验证标识，同时保持检测技术细节非公开，防止滥用与逆向破解。 

目前，欧盟已启动关于EU AIA第50条实践准则的制定工作，预计明年5月完成。其定位类似《通用目的AI实践准则》，但重点从“安全”转向“透明度”，以具体回应上述问题。 

模型规范：如何为AI“定规”与“遵规”？

除AI标识外，透明度的另一探索方向是“模型规范”（Model Specifications）。简言之，模型规范是AI企业自行撰写并公开的文件，阐述其模型“应做”与“不应做”的期望。换言之，模型规范用于界定模型的行为边界、价值准则与设计原则。以OpenAI为例，其模型规范设定一项准则：与用户共同追寻真实（truth）。这意味着模型应答时应保持中立，不主动引导用户立场。快速发展的智能体也需明确“可执行”与“不可执行”的规范，界定其在交互对象、操作权限等方面的行为界限。例如，智能体是否可在金融平台代用户执行交易？ 

模型规范的意义不仅在于技术内部的“操作指南”，更在于它是面向公众的透明机制，让用户知晓AI系统的设计初衷与交互方式。这保障了用户的知情权与选择权。例如，家长若想让孩子使用某AI助手，却担心生成不当内容。若模型规范清晰声明，家长便可更安心使用或选择其他助手。反之，若模型规范模糊或不公开，用户只能猜测模型行为。同时，模型规范也是监管机构与社会公众监督的重要依据。曾有媒体曝光Meta公司聊天机器人内部政策文件，显示其示例允许AI聊天机器人与未成年人进行“浪漫”互动，引发舆论与监管关注。曝光后，Meta迅速修改规则。模型规范相当于企业公开的行为承诺，为外部监督与纠偏提供依据。 

但模型规范的核心挑战在于：企业易作出承诺，公众却难验证承诺是否履行。即便规范再完善，若缺乏执行机制，便可能沦为“空头支票”。因此，“模型规范遵守”（Model Specifications Adherence）成为模型规范透明度机制的关键议题。

目前，评估模型规范遵守度主要依赖三类信息：用户实测反馈、系统卡或模型卡、事故报告披露。但这些方式仍有局限。例如，系统卡未覆盖所有模型行为；单一事故难判为偶发或系统缺陷。因此，有观点主张企业不仅应披露模型规范内容，还应公开规范遵守的技术、流程、评估结果、事故或违规事件等。例如，xAI将模型规范嵌入系统提示（System Prompt），Anthropic采用原则式AI（Constitutional AI）方法，OpenAI推行审议式对齐（Deliberative Alignment）方法。此外，这些信息不仅需部署前披露，部署后也需持续更新。换言之，不仅“定规”要透明，“遵规”也需透明。 

然而，模型规范遵守机制尚处探索期，缺乏统一标准，存在诸多待议问题。 

第一，模型规范遵守应否强制？当前，公开发布模型规范的企业主要集中于OpenAI、Anthropic、xAI等少数头部公司。若企业未制定模型规范，自然无从谈论遵守。但若过早将“模型规范”及“遵守”设为法定义务，可能抑制企业在治理机制上的探索与创新。许多前沿治理方法仍处试验阶段，若被监管固化，反令企业因合规顾虑而停止探索。同时，监管层面也存在执行难题：谁验证？如何验证？如何为不同AI系统设定差异化验证标准？ 

第二，哪些“模型规范遵守”信息应公开？透明度要求非“完全透明”。规范遵守流程涉及的模型对齐技术、训练数据处理等细节，可能属商业秘密。究竟哪些关键环节、数据指标、技术方法可披露？哪些应保护？此外，验证规范遵守流程的真实性与可解释性本身即具挑战。即便企业发布相关文件，也可能难以理解。例如，95%遵守度与99%遵守度是否有别，区别何在？需在政府监管要求、公众知情需求与企业合法商业利益间寻求平衡。 

第三，若模型未完全遵守规范，企业应否担责？尽管模型是对外行为承诺，但在当前技术未成熟阶段，AI模型仍具高度不确定性与不可预测性。即便开发者竭尽全力，模型也可能偶然违规。若一旦“越界”即追责，对技术发展过于严苛。总体而言，模型规范更多发挥社会“可视化”的透明度功能，不直接与责任挂钩。应持审慎态度，关注企业是否遵守规范、是否披露事故、是否及时修正等。 

结论：以透明度构筑可验证、可反馈、可优化的AI治理框架

正因我们对AI认知仍显不足，透明度才尤为关键。透明度使我们更好“洞察”AI实际运作，弥合技术发展与社会理解间的差距。它不仅助用户识别交互对象、规避风险，更为社会提供应对技术不确定性的基本认知保障，是治理研究与政策制定的基础。无论是AI标识、模型规范，还是其他透明度机制与方法，本质均在尝试建立一条可验证、可反馈、可优化的AI治理路径。 

唯有当我们真切看清AI行为、逻辑与动机，才可能理性判定：它应做什么。进而言之，让AI“可视化”不仅是监管职责，更是社会与技术共建信任的起点。在此意义上，透明度是AI社会契约的核心，当我们能观察AI轨迹、理解其逻辑、验证其承诺，AI才可能成为人类可信伙伴，而非不可控力量。

编者注：本文基于人工智能治理中心（Center for the Governance of AI）研究员Alan Chan在腾讯研究院 AI&Society 海外专家面对面对话中的分享内容整理。Alan Chan未参与本文撰写，文中观点仅代表整理者个人立场，不代表Alan Chan本人或其机构观点。