通用人工智能系统的隐私风险：调查从业者视角的基础

强大AI模型（更正式地称为通用人工智能系统（GPAIS））的兴起，在广泛的任务中带来了令人瞩目的性能飞跃。与此同时，研究人员和从业者都提出了许多隐私问题，导致了大量涵盖AI模型各种隐私风险和漏洞的文献。调查此类风险的著作提供了不同的关注点，导致了零散的隐私风险集合，缺乏清晰的统一分类法。我们对这些综述论文进行了系统性回顾，以提供关于GPAIS中隐私风险以及所提出的缓解策略的简洁且可用的概述。所开发的隐私框架力求在非专家也能理解的技术层面上，统一已识别的隐私风险和缓解措施。这为一项以从业者为中心的访谈研究奠定了基础，以评估技术利益相关者对GPAIS中隐私风险和缓解措施的看法。