过去几个月里，我们看到了大量与人工智能（大多基于机器学习模型的）系统相关的消息。这些系统与 Web 平台紧密结合，对 Web 产生了诸多影响，引发了一系列重要讨论。可以预见，Web 迄今为止健康发展所依赖的一些共同预期将面临进一步转变。

为了让 W3C 社区（以及其他 Web 相关的标准组织）能够有条不紊地讨论这些转变，W3C 团队成员 Dominique Hazael-Massieux 为此发布了一份分析文档（参见文档的中文版本）：

AI & Web：理解与管理机器学习模型对 Web 的影响

https://www.w3.org/reports/ai-web-impact/index-zh.html

文档收集 W3C 团队对人工智能系统在 Web 上当前及预期影响的共同理解，并识别 W3C 为管理其影响而已经开始或者应该开始的探索。本文档既不代表 W3C 会员的任何共识，也不是标准化文档。

本文档由 Dominique Hazaël-Massieux（dom@w3.org）撰写，W3C 团队的其他同事也有重要贡献。

机器学习模型支撑着新一代的 AI 系统。这些模型通常使用大量 Web 内容训练，然后通过 Web 界面进行大规模部署，并且能够用来空前快速和低成本地生成可接受的内容。鉴于这个交叉领域的范围和规模之大，AI 系统的这波浪潮正在对 Web 及其生态发展所依赖的某些平衡产生潜在的系统性影响。

这份文档从道德、社会和技术影响的角度评述这些交叉领域，同时重点分析标准化、指引性文件和互用能力有助于管理这些变化的一些领域：

• 在模型训练流水线中使用 Web 内容的一种共识机制；

• 将模型输出内容标注为“计算机生成”；

• 在模型卡片中公开训练数据的来源；

• 暴露依赖于模型运行的 Web API；

• 通过私密化存储数据降低暴露个人隐私数据的风险；

• 应对新冒充风险的强化的凭据和身份机制；

• 一个评估环境对 Web 标准影响的评估框架；

• 一个基于模型的推理来管理互用能力的框架，包括非确定性模型。

我们希望通过发布这份文档并邀请全球社区对其进行审阅，不断迭代地去完善这些共同的理解，同时帮助构建出一个社区路线图，以增进对这些领域的积极影响，减少对这些领域的危害。欢迎针对文档中所列出的领域，或者文中没有提及的其他相关领域给出建设性的意见和建议。

欢迎于2024年6月30日前通过 GitHub 提交反馈意见：

https://github.com/w3c/ai-web-impact/