新加坡发布生成式 AI 数据使用新指南

字幕语言： zh-CN · 抓取日期： 2026-07-28 · 翻译日期：2026-07-28

欢迎回来。人工智能模型从数据中学习，但新的指导方针正在为个人信息的使用方式以及如何向用户告知这些信息设置更清晰的边界。聊天机器人还将为用户提供更多信息，类似于营养标签，显示该技术可以做什么以及它如何处理数据。新的指导方针旨在帮助企业在建立公众信任的同时负责任地采用生成式人工智能。好的，Aldrina Thiagarajan 为我们从新加坡数据节传来更多报道。>> 每天，数百万人与人工智能工具共享个人信息。但你知道这些数据如何被用于产品开发或服务吗？新加坡的新指导方针旨在回答这些问题，为开发生成式人工智能的企业设置更清晰的预期，例如数据如何被收集和使用以开发生成式人工智能模型。

>> 我们可以看到，没有好的数据，即使是最好的系统也会难以产生有用的结果。"垃圾进，垃圾出"。这就是为什么在人工智能时代，数据治理变得更加而非更少重要。从本质上讲，数据治理是关于信任。>> 聊天机器人提供商还需要在如何使用个人数据方面提高透明度。例如，将向消费者提供像这样的信息卡，使他们能够做出更明智的决定，并包括他们选择与此类服务共享的数据类型。>> 这符合我们在治理、隐私和透明度方面的原则，其中一些已经内置于我们的聊天机器人中。所以这只是进一步推进。所以，我们对这一发展感到非常兴奋。

>> 然而，建立可信的数据治理框架需要时间，因为公司在接下来的一年内将使用这些指导方针来不断改进其透明度实践。公开的其他举措包括一份关于联邦学习的指南，这是一种隐私增强技术（PET），人工智能开发人员可以利用它访问私有数据库，而不会冒数据泄露的风险。在新加坡总医院的解剖病理学实验室，隐私增强技术被用来分析胃活检，这项工作节省了该团队 60% 的时间。>> 我们需要算法实际上能够快速运行，并且能够同时分析许多切片。我们还需要确保该环境足够安全，以便我们能够将患者数据放入云资源中进行分析。

>> 该团队继续与 A*STAR 合作，探索后续步骤，例如更复杂的加密流程以实现更大的数据安全性。>> 我们将与个人数据保护委员会专员、新加坡信息通信媒体发展局 (IMDA) 数据创新和保护小组首席执行官助理 Denise Wong 进行关于数据使用的更深入讨论。与我们在一起的还有 NUS 副教务长、教育创新副教务长 Prof Simon Chesterman 和 NUS 学院院长。欢迎来到节目。让我们从你开始，Denise。呃，人工智能开发人员目前可以收集在线数据以进行训练，尽管这些数据可能不总是公开可用的，这被称为"网络爬取"。请告诉我们什么是网络爬取。

>> 好吧，想象一个人在阅读报纸，然后剪下他们感兴趣的文章，除了这个人是一个网络程序，正在扫描互联网上数十亿个网页，挑选相关信息，为生成式人工智能训练编制一个数据集。所以，网络爬取是训练生成式人工智能和收集所需数据的常见方式。现在，根据《个人数据保护法》，实际上在大多数情况下，需要从个人信息所有者那里获得同意。但是，当信息已在公共领域中且已存在时，那么你可以依赖所谓的"公开可用例外"。所以，不需要同意。

所以，我们在指导方针中澄清的是，你可以获取互联网上公共领域中的个人数据并将其用于生成式人工智能训练。>> 现在，一个新主意是聊天机器人信息卡，我理解。消费者应该期望在上面看到什么，他们如何判断它是否真正有用或只是形式上的做法？>> 这是一个很好的问题。我们与焦点小组、消费者以及行业进行了广泛的协商。我们发现人们真正关心的有四个领域。一个是聊天机器人是什么和不是什么。例如，你可以使用这个聊天机器人来检查产品价格，但你不能使用它来获取健康建议。第二个领域确实是这个聊天机器人是否安全可靠？例如，是否有家长控制？

例如，是否有孩子不应该看到的内容？第三个领域是数据将如何被使用？第四个领域是，如果你想提供用户反馈，是否有一个渠道，比如电子邮件地址？所以，用户可以期望这四个领域中的信息以易于访问的方式提供。现在，当然，我们将允许组织决定披露的深度，但说到底，信息必须足够充实，以便用户能够理解他们所使用的聊天机器人，这样他们就可以对他们所使用的内容做出明智的选择，并知道如何正确使用。目标是真正在不同的聊天机器人之间标准化透明度。很多时候这些信息已经存在，但可能不容易访问或可能位于不同的位置。

>> 教授，让我们把你引入这个对话。现在，在人工智能方面，新加坡一直选择指导方针而非监管。你为什么认为这是一个更好的方法？>> 好吧，我认为在任何新兴技术、任何新兴做法中，都存在一种紧张关系。你是监管不足并让人们面临风险，还是过度监管并限制创新或潜在地将其推向别处？所以，我认为新加坡一直在试图驾驭这个空间，但我不会说目前完全缺乏监管。有《个人数据保护法》，这是基线法律。我们有控制敏感数据的具体法律，例如在医学和医疗保健中。

但你说对了，在新兴领域，存在这样一种趋势，即行动缓慢，与行业、消费者进行协商，并尝试从指导方针开始。所以，目前，这些指导方针有助于在新的使用案例中解释那些基线法律，比如 Denise 刚才描述的网络爬取。确实，在聊天机器人的新信息卡等领域中，它完全是自愿的，但这是一个非常新兴的领域，我认为进行一些实验是明智的。这真的是你想要鼓励的，即产业部门进行适当水平的实验，同时保护个人和用户的权利。>> 现在，Denise，指导方针的目的是在不减缓人工智能创新的情况下保护人们的隐私。你如何平衡这一点？

>> 我喜欢把它看作是汽车中的安全带。现在，汽车中的安全带保护驾驶员，保护乘客，实际上允许汽车以更快的速度行驶，而不是更慢。所以，指导方针实际上是关于如何遵守《个人数据保护法》下现有法律要求的解释。它设置了边界，这些边界提供了清晰度，然后允许企业获得信心来创新和使用这项技术进行商业运营。这也使公司具有灵活性来理解他们在自己的操作要求范围内可以做什么。所以，我们不认为它实际上会造成太多麻烦。实际上，清晰度增强了使用的信心。>> 现在，最后一个很快的问题，两位都回答。

首先，这些新指导方针会给企业，特别是中小企业，带来额外的工作吗？教授？>> 希望不会。我是说，是的，会有一点额外的工作，但那只是在你改变现有数据使用案例的情况下。我是说，现实是需要这样做的原因是我们改变了与数据的关系。过去的情况是，如果你收集数据，你可以有一个安全的数据集，那就是你真正需要的全部。现在，随着动态数据，你需要有持续的流程，但在大多数情况下，这应该是一个希望适度的投资。正如 Denise 所说，有点像向汽车中加入安全带、防锁死制动系统都需要花钱，但所有这些都既能保持驾驶员更安全，又能使汽车行驶得更快，这就是我们想要的。

>> 好吧，非常感谢 Denise 和教授今天加入我们，为我们提供了关于这个问题的见解。我们一直在与来自新加坡信息通信媒体发展局 (IMDA) 的 Denise Wong 和来自 NUS 的 Prof Simon Chesterman 交谈。谢谢。现在，制造业、建筑环境和物流公司现在对采用数字孪生技术有了更清晰的路线图。一本新的指南帮助企业决定该技术是否符合其需求，评估其数据准备情况，并实施改进运营的项目。该指南由信息通信媒体发展局启动，针对非信息通信技术企业。数字孪生是虚拟副本，可以使用实时数据镜像工厂机器、建筑设备和供应链。公司可以使用它来更早地发现问题并在应用之前测试更改。

对于管理超过 100 个地点的 Excel Tech 物业管理公司，他们的数字孪生每天为技术人员节省 45 分钟。它标记设备故障的早期迹象，允许团队更恰当地部署资源，并消除手动泵检查的需求。