AI 数据透明度政策的局限性：三大披露谬误
计算机与社会
2026-01-27 v1 人工智能
摘要
数据透明度已成为解决对 AI 担忧（主要包括数据质量、隐私和版权）的口号。然而，尽管这些呼吁对问责制至关重要，但当前的透明度政策往往未能达到其预期目标。类似于食品的营养成分表，旨在为 AI 提供“营养成分表”的政策目前对有效披露的研究考量不足。我们提供了一个制度视角，并指出了 AI 数据披露政策实施中的三个常见谬误。首先，许多数据透明度提案在数据透明度的既定目标与实现这些目标实际所需的披露之间存在规范差距。其次，改革尝试在纸面上要求的披露与确保实际合规的执行之间存在执行差距。第三，政策提案在披露的信息与开发者实践及公众理解中的实质性变化之间表现出影响差距。受关于透明度的社会科学启发，我们的分析确定了有效而非仅仅具有象征意义的透明度的肯定路径。
引用
@article{arxiv.2601.18127,
title = {The Limits of AI Data Transparency Policy: Three Disclosure Fallacies},
author = {Judy Hanwen Shen and Ken Liu and Angelina Wang and Sarah H. Cen and Andy K. Zhang and Caroline Meinhardt and Daniel Zhang and Kevin Klyman and Rishi Bommasani and Daniel E. Ho},
journal= {arXiv preprint arXiv:2601.18127},
year = {2026}
}