我们的数据会训练人工智能吗？

几乎每一次关于定制软件的洽谈都会出现这个问题，而且多半留到最后才问。这个疑虑很合理：客户名单、配方、成本表或与供应商的往来函件被交给一个工具，而这个工具又要连接外部的人工智能服务。

三个不同的地方，请不要混为一谈

“数据去了哪里”没有单一答案，因为数据可能停留在三个地方：

1. 工具自己的数据库。您的文件、输出结果和记录。它们存放在您的服务器上，或以您的名义租用的服务器上。
2. 人工智能服务的临时处理环节。当工具需要理解一段文字时，会把这段文字发给服务并取回答案。服务商可能为防范滥用而在有限时间内保留该内容，但不会用它训练模型。
3. 模型的训练数据。真正令人担心的正是这一项：“会用我的数据来训练模型吗？”

就第三点而言，在通过商用接口运行的系统中，答案是不会。主要服务商的商用条款以书面形式承诺，经由接口提交的数据不会用于训练其模型。混淆来自别处：同一家公司免费聊天界面的条款可能不同。员工把公司合同粘贴到浏览器里的免费聊天窗口，和把同样的数据交给一个基于商用接口构建的工具，并不是一回事。

一个工具的数据，谁能看到？

真正该问的不是“人工智能会不会学到”，而是“有多少人能看到这些”。答案在三个地方：

• 服务器是谁的？工具跑在您自己的主机账户里，还是开发方的共享服务器上？如果您的数据与其他公司的数据放在一起，您应当知情。
• 开发方的访问权限持续多久？搭建期间需要权限。之后是继续保留，还是关闭？
• 备份在哪里？备份常常被忽略，而且防护往往不如主数据库。

合同中应当写明的四条

索取报价时，请以书面形式要求这四条。提出要求并不会为难对方；认真的开发方早已备好答案。

• 存放数据的服务器位于哪个国家。
• 承诺发送给人工智能服务的数据不会用于训练。
• 工作结束后开发方的访问权限即行关闭，并删除手中副本。
• 合同终止时，您的数据以何种格式交还给您。

最后一条最常被忽略，代价也最高。请从一开始就写明：若您决定停用该工具，数据将以可读格式返还——表格或数据库导出文件。

个人信息保护方面

只要涉及个人信息——员工资料、客户姓名、电话号码——这个工具本身就构成一项处理活动。这并不会让软件变得不可行；只是意味着您的隐私告知和处理记录也需要覆盖这个工具。如果数据传往境外服务，就必须满足跨境传输的条件。这些都能解决，但若在搭建之后才发现，就会很麻烦。

简而言之

在搭建得当的工具中，您的数据不会训练模型。但“搭建得当”不会自动发生：如果没有人写清楚服务器归谁、访问权限何时关闭、数据如何交还，仅有一个技术上正确的答案是不够的。