新加坡讯：专家向CNA表示，为人工智能服务设计的‘营养标签’有望帮助用户更清晰地理解AI系统的运作机制——但前提是这些标签必须设计清晰、定期更新，并获得行业全力支持。
上个月，数字发展与资讯部长陈慧玲首次提出这一构想，目前政府正积极探讨将其纳入提升数字空间信任与安全的总体战略。
然而，新加坡国立大学人工智能研究所AI治理与政策负责人西蒙·切斯特曼教授警告，若设计不当，这类标签极易沦为‘填表式作秀’，让负责任的开发者疲于应付，却无人真正关注。
切斯特曼教授强调，有效的AI营养标签应明确说明：系统的设计目标、依赖的数据来源、主要局限性、更新频率，以及当系统出错时谁该负责。
小巧数独，脑力大挑战
“对于面向消费者的工具，最关键的是不要制造‘精准幻觉’，而要让用户清楚知道：何时该信任AI的输出，何时该保持警惕。”他补充道。
南洋理工大学计算与数据科学学院AI部门负责人安波教授对此表示认同，强调标签必须在“清晰”与“详尽”之间取得平衡。
“如果标签太模糊、太冗长，或被当成应付差事的填表任务，绝大多数用户都会直接忽略。”安教授说。
摩托罗拉解决方案公司早在去年七月就在其安全与安防技术中全面推出“AI营养标签”，并以分层设计应对信息过载问题。
该公司全球AI研发负责人杰汉·维克拉马苏里亚高级副总裁表示，标签提供“一眼可读”的概要，同时通过链接提供更深入的细节信息。
摩托罗拉解决方案推出的AI“营养标签”示例（图片来源：摩托罗拉解决方案官网）
保持标签更新与可读性
另一个关键挑战在于：随着AI系统持续演进，如何让标签保持同步。
专家指出，静态标签极易过时，尤其在模型频繁迭代的当下。
为此，安教授与切斯特曼教授建议，将标签链接至持续更新的网页，实时展示变更记录与修订日期——这与摩托罗拉解决方案的做法一致：将标签更新深度嵌入开发流程，使其与技术同步进化。
此外，由于AI应用场景广泛、风险层级各异，跨系统标准化也将面临巨大挑战。
“对数据科学家而言，‘可解释性’意味着模型内部结构；对警察局长或普通市民而言，它可能只是‘这个AI靠谱吗？’”维克拉马苏里亚分享道，该公司在统一多方术语、确保不同背景用户都能看懂的过程中，虽困难重重，却收获颇丰。
尽管挑战重重，业界普遍认同：标准化势在必行。
安教授认为，监管机构应设定最低披露要求，而行业则应开发实用、易比较的标签格式。
切斯特曼教授也持相同观点：“即使无法实现完全统一，基础标准也必不可少。”
最终，专家们指出，AI营养标签的核心目标，不是追求“完美透明”，而是帮助用户做出更明智的决策。
“尤其是在信息泛滥的时代，真正的目标不是完美透明，而是更精准的信任。”切斯特曼教授总结道。
