针对如ChatGPT所使用的语音或文本这类人工智能(AI)技术开发中的核心原料——"非结构化数据",新的使用标准已经出台。
Personal Information Protection Commission4日发布了包含上述内容的《化名信息处理指南》修订案。化名信息是指删除或变形个人信息的部分项目,使得在不结合额外信息的情况下无法识别特定个人的信息。
如果说结构化数据是像Excel文件那样按行和列等既定框架整理的数值,那么非结构化数据则指没有既定结构的语音、文本、视频、图像等信息。
随着人工智能技术快速发展,截至去年,非结构化数据规模已扩大到约占全球数据的90%。然而现有指南只提出了针对结构化数据的标准,因此企业和研究机构方面出现了非结构化数据使用标准模糊的声音。
修订后的指南明确了在利用非结构化数据过程中阻断个人信息泄露风险的原则,并针对医疗、交通、聊天机器人等7个主要领域说明了相应案例,以便于现场轻松应用,这是其特点。
例如,建议医院在使用患者的计算机断层扫描(CT)时,通过"黑色遮罩"技术抹去患者编号、出生年月日、性别等。指南提出,在自动驾驶系统或交通信息等领域使用非结构化数据时,须将行人或车内乘客的面部及车牌遮挡至计算机无法识别的程度。
对于人工智能聊天机器人,明确要求将"学习数据库"与"回答数据库"分离处理,以防用于语言学习的化名信息原样出现在回答中。
此外还提到,电子邮件地址和ID等可识别个人的项目须进行化名处理。






