尽管人工智能(AI)技术如今普遍出现在我们日常接触的许多数字服务中，但一个经常被忽视的事实是，很少有公司真正在构建底层的AI技术。

面部识别技术就是一个很好的例子，它的构建异常复杂，需要数百万张面部图像来训练机器学习模型。

考虑您使用的所有不同服务的所有基于身份验证和验证的面部识别组件。每项服务在提供面部识别服务时，都没有重新发明轮子;相反，他们与一家人工智能技术提供商进行了整合。一个明显的例子是iOS服务集成了FaceID，例如，可以快速登录到你的银行账户。不太明显的情况可能是，你被要求通过上传你的脸和身份证件的图像到云服务上进行验证，例如，如果你想租一辆车或开设一个新的网上银行账户。

我们也越来越多地听到政府在公共论坛上使用面部识别来识别人群中的个人，但这并不是说每个政府都在建立自己的面部识别技术。他们正在从人工智能技术供应商那里购买这项技术。

为什么这很重要?对于一家公司来说，依赖人工智能技术供应商的专业知识，而不是试图自己建立复杂的人工智能模型，这肯定是有道理的，因为这些模型很可能达不到必要的性能水平。

重要的是，由于这些人工智能服务是由一家公司构建、由许多其它公司部署的，满足隐私要求的责任链往往会崩溃。

如果一个人没有直接与公司的关系，建立了人工智能技术是处理个人数据，然后那个人了解他们使用个人数据，这些数据的使用如何影响他们，以及他们如何能控制数据使用吗?实际情况是，人工智能技术供应商试图告诉他们的客户(例如,公司技术)许可他们的技术是如何工作的，然后按照约定要求客户提供所需的所有通知和获得所有必需的批准人暴露在人工智能技术。或许这种模式是有道理的，因为它是人工智能行业一种常见的法律实践。但这些公司授权人工智能技术的可能性有多大呢？

了解人工智能技术是如何提供、构建和执行的吗？是否已设法向用户充分解释人工智能技术及其如何使用个人数据？有没有为用户建立一种方法来控制AI供应商如何使用他们的个人数据？

再以人脸识别技术为例。虽然大多数人使用或暴露在面部识别技术以这样或那样的方式,大多数人可能不知道自己的脸的图像被用来构建人工智能技术或如何找出这个问题的答案在某种程度上甚至是可能的。这些由人工智能供应链的复杂性引起的问题需要得到解决。

人工智能技术供应商必须寻求创新的解决方案来授权给他们的客户，然后再授权给他们的用户。这包括健壮的隐私通知，在客户端集成文档中构建隐私提醒，以及为客户端引入技术方法来控制数据使用。

虽然这些步骤可能使公司能够向用户提供更好的通知和控制，但人工智能技术供应商也应该寻找与用户直接交互的方法。这意味着不仅要发布一份解释人工智能技术的隐私政策，而且更重要的是，要开发一种方法，让人们直接找到人工智能技术供应商，了解他们的数据是如何被使用的，以及如何控制它们。

不过，这些服务的白色标签对透明性造成了障碍。白色标签是一种让技术看起来好像是由提供服务的公司制造和操作的做法。这是一种通常用来给消费者提供更统一、更独特体验的做法。但它在应用于人工智能技术时，会带来很多问题。

如果人工智能供应链没有透明度，接触这项技术的人就没有机会控制他们的数据和隐私。技术供应商和技术授权公司都必须努力解决这个问题。这意味着我们要共同努力，带来透明度，也意味着我们要为每个公司提供一种明确的方式来控制他们的数据。只有各方共同努力，才能带来我们需要在人工智能中看到的范式转变，在人工智能中，人们控制着自己的数字世界，而不是相反。