政府擬議為人工智慧（AI）服務設類似「營養標籤」的制度，讓用戶更了解系統的運作方式與功能。不過有專家認為，這些標籤設計必須清晰、定期更新，並獲得業界支持。
新加坡國立大學人工智慧學院（AI Institute），負責領導人工智慧治理與政策領域的Simon Chesterman教授在接受新傳媒英文新聞網CNA 訪問時表示，這類標籤有可能改善透明度，但若設計不理想，就可能淪為流於形式的作業。
他表示，標籤必須說明人工智慧系統的功能、數據來源、主要的局限、更新的頻率，以及在出現問題時由誰負責。
他說："提供給消費者使用的工具，最重要是不要給用戶有精確的假象，而是讓他們更了解何時應該相信所生成的結果，何時應該保持謹慎。」
南洋理工大學電腦與數據科學學院人工智慧系主任安波教授也認同，標籤必須在清晰度和細節之間取得平衡。他認為，如內容太模糊、太長或流於形式，大多數用戶都會忽略這些標籤。
標籤要定期更新和易於理解
隨著人工智慧系統的演變，標籤也要不斷更新。受訪專家認為，由於模型經常會更新，靜態標籤可能很快就會過時。安波教授建議，可以把標籤連結到一個定期更新的頁面。
Motorola Solutions去年7月開始採取這種方式。
專家認為，不同系統有著廣泛應用和不同風險等級，因此統一標籤將是一項挑戰。
Motorola Solutions人工智慧研發團隊的負責人Jehan Wickramasuriya舉例表示，可解釋性（explainability）這個字的概念，對數據科學家、警察局長或公眾而言，都有不同的含義。他表示，公司在為不同利益相關者統一用語的同時，又要確保所有人都能理解，過程艱難，但也頗有收穫。
儘管如此，各界都廣泛認同仍需要一套標準。
專家表示，人工智慧「營養標籤」的最終目標，不是追求完全透明，而是幫助用戶做出更明智的決定。
