Intel认为“有用的资料”是发展人工智能的关键但隐私问题成为最大挑战

谈到现阶段的人工智能运算，大致上可以说是借由大量资料运算学习堆别而成的“经验”，因此如何取得大量有用资料，对于人工智能技术发展便显得重要。在此次AI DEVCON活动上，Intel人类学家Genevieve Bell便针对隐私、法令等方面说明目前人工智能技术发展面临一些困境。

就Genevieve Bell看法认为，电脑端的人工智能技术发展基本上仍是以资料喂养为核心，从而透过后续分析、互动、学习、衍生全新经验法则，但最终还是仰赖初期的资料取得。但这些资料取得自然就会受限于现行法令、伦理道德规范，导致人工智能技术可能因为初期资料建构不足，无法呈现更精准的学习效果，或是以更具效率方式成长。

以目前发展来看，建构人工智能技术的厂商无法借由科技进步理由强行取得用户隐私资讯，甚至在现行欧盟准备推行有史以来作为严苛的GPDR (一般资料保护规范)法规之下，未来用户隐私取得难度意味将会进一步提高，对于仰赖资料喂养学习的人工智能技术发展也将面临更大挑战。

人工智能之所以被称作人工智能，就是建构在既有人类所能理解行为表态模拟重现，进而做出与人类相同、接近的相似反应，借此代替执行原本人类负责工作，例如以人类理解形式从影像分析中找出可疑人士，或是让自驾车能以贴近人类视角、感受情形操作车辆，但要能完整建构此类行为，初期提供学习模拟的数据便显得重要，否则仅从少量数据模拟学习，即便从中衍生推演更多运算学习结果，仍可能与实际行为结果有所偏差。

因此即便现行人工智能技术已经可以透过模拟多角形式进行交叉学习，但仍建构在原始取样资料品质表现，这也就是包含Genevieve Bell在内人工智能技术专家认为学习资料品质相当重要的原因。而这些资料并不完全必须是正确内容，其中也必须包含错误资讯，借此让电脑学习什么才是正确、什么才是错误，否则仅单方面以正确资料内容进行学习，实际上就会让人工智能技术难以快速判断更多复杂选项。

在目前人工智能依然是以大量资讯学习堆叠而成的情况下，人工智能精度发展便仰赖资料量的取得，而资料的取得又取决于著多法令规范与伦理道德限制，因此也成为现今人工智能技术发展所面临挑战。

以科技发展立场来看，科技厂商并没有办法以建构人工智能为由任意索取用户隐私资料，甚至超越一切法令只为让科技技术成长，因此Intel表示将会在合法、尊重用户权益情况下取得学习用资讯，并且借由开放数据库与相容架构设计等方式，让人工智能技术能够持续成长。