人工智能的实际应用不能脱离使用环境

人们常常讨论人工智能如何拯救人类，或者——如果电影里的桥段可信的话——它又将如何终结人类。然而，眼下AI给日常生活带来的麻烦已经不少，令人不禁想问：究竟有没有人为人工智能做过系统规划？在将AI技术融入日常生活，尤其是部署到工厂之前，必须先摸清使用环境和隐私保护这两张底牌。

举个简单的例子：你在网上搜索了一下高尔夫手套，打算给朋友买件礼物。结果呢？全球各地的AI广告系统立刻像打了兴奋剂一样，疯狂向你推送各种高尔夫相关产品——手套、球杆、球、袜子、马克笔、书籍、周末度假套餐……这些广告不仅占用你的数据存储空间，耗费你的精力，关键是——你对高尔夫根本没有兴趣！手套只是送人的礼物。教训非常直白：AI经常失灵，因为它根本不懂用户的真实使用场景。市场营销部门每天投入数十亿条定向广告，命中率却只有百万分之一。真正为此买单的是我们所有人，连同整个环境。

再来说隐私。你给自己设置了严格的数据隐私限制，阻止AI查看你的购买记录——这确实让人安心。那些靠智能广告盈利的公司总是辩解：数据越多，服务越有价值。但值得用隐私来换取吗？

这个问题恰好是所有数字化转型、智能制造和工业4.0项目绕不开的挑战。在运行Smart MES解决方案的工厂里，情况稍好一些。设计、制造能力、配置、操作、测量相关的数据都被安全地收集在制造环境或私有云存储空间中。MES通过对收集的数据进行使用环境分析，配合物流、操作员作业以及设备指令，能够实现制造执行的可见性、控制、保证和优化。

至少以前是这样。如今，开放共享与隐私保护的矛盾开始蔓延到智能制造领域——外部各方可能要求访问私密制造信息，涉及客户保证、产品来源证明、预测性维护、能源分析、质量分析等方方面面。这很可能暴露出敏感的知识产权信息。而且，无论是人工智能还是人类智能，都可能将这些新共享的信息挪作他用。那么问题来了：我们如何决定哪些数据可以共享、与谁共享、用于什么目的？一旦参数确定，又该如何落地实施？

好消息是，万维网联盟（W3C）已经开发出一套新的数字技术标准——分布式ID（DID）和可验证证书（VC），为这个难题提供了简洁的解决方案。这些技术利用区块链，允许授权方共享可证明的事实，而无需披露原始私密信息。IPC已经开始制定新标准，研究如何在数字孪生、可追溯性、网络安全、元器件级保证、互联工厂交换（CFX）以及IPC-2581设计数据标准中采用这些技术。

实际应用中会是什么样？比如，VC可以帮助判定某产品能否贴上“美国制造”标签。这绝非一个简单的问题——需要考虑组装地点、材料采购地点等。整个供应网络中的制造、组装、分销公司都会记录这些数据。VC是一种可信算法，既能计算出债权申报，又能把申报当作微型数字身份证。配合已验证的源身份（DID），这个身份可以利用区块链技术公开且安全地存储，让企业既能避免暴露受保护信息，又能防止数据被篡改。

在整个供应网络中，MES解决方案在组装工厂将材料与产品关联，根据消耗的材料创建层次结构和继承证明。对于成品，VC是一条记录，授权方可以访问它，明确回答“是不是美国制造”的问题，而无需透露任何关于材料或产品的私密数据。

这个简单的案例，已经被视为行业解决方案之一——它让智能制造和供应网络数据能够在保护隐私的前提下，对外提供关键的上下文信息。这才是人工智能与隐私保护共存的理想状态。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：人工智能的实际应用不能脱离使用环境要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题