由技术驱动，由人性赋能：加拿大人工智能以人为本方法的中期报告

本报告同样提供法语版本。 目录 委员会成员........................................................................................ 4参考顺序....................................................................................................... 6词汇表......................................................................................................................... 7执行摘要..................................................................................................... 10建议清单........................................................................................... 12引言................................................................................................................ 15什么是人工智能？.................................................................................... 17机遇.......................................................................................................... 18风险与挑战............................................................................................... 18建议.................................................................................................. 19人工智能有哪些社会影响？............................................................................. 21机遇.......................................................................................................... 21风险与挑战............................................................................................... 22建议.................................................................................................. 23加拿大应如何治理和监管人工智能？............................................ 25机遇.......................................................................................................... 27风险与挑战............................................................................................... 28建议.................................................................................................. 29中期结论...................................................................................................... 31下一步行动................................................................................................................... 32附录A——证词者............................................................................................. 33附录B——简报和书面提交材料 ........................................................... 35 委员会成员 尊敬的罗瑟玛丽· Moodie椅子 尊敬的莎伦·贝里副董事长 尊敬的参议员们 委员会的当然委员： 尊敬的皮埃尔·莫罗先生，PC 或 尊敬的帕蒂·拉布卡内-本森女士尊敬的利奥·豪萨科斯先生 或 尊敬的约纳·马丁先生尊敬的露西·蒙西翁女士 或 尊敬的琼·金斯顿女士尊敬的弗洛德尔伊兹（吉吉）·奥斯勒女士 或 尊敬的罗伯特·布莱克先生尊敬的布赖恩·弗朗西斯先生 或 尊敬的朱迪·A·怀特女士 其他参与此项研究的参议员： 尊敬的袁保华先生尊敬的安德鲁·卡多佐先生 议会图书馆 戴安娜·安布罗萨斯，分析师劳拉·布莱克莫尔，分析师玛利亚·佩雷斯-勒克莱尔，分析师 参议院委员会总务部 费尔达·辛普森，委员会书记奥斯瓦尔多·洛佩斯·达·席尔瓦，行政助理 参议院传播、广播与出版物署 莫妮卡·格拉诺多斯，传播专员 参考顺序 2025年10月2日参议院纪要摘录： 尊敬的参议员 Moodie 提出动议，由尊敬的参议员 Petitclerc 附议： 应授权社会事务、科学和技术常务委员会调查并向报告有关人工智能对加拿大影响的事项，重点突出包括： (a) 数据治理与主权； (b) 伦理、隐私和安全；以及 (c) 风险、效益和社会影响 允许委员会不顾通常做法，若参议院当时未开庭，则将其关于此项研究的报告提交参议院书记官存档，并认为这些报告已在参议院提交了。 委员会最迟于2026年12月31日提交其最终报告，并保留在最终报告提交后180天内公布其调查结果的必要权力。 动议已提出，该动议获通过。 参议院书记官 沙伊拉·安瓦尔 词汇表 a 机器学习一种人工智能（AI）方法，其中计算机算法能够从数据中学习并进一步泛化，识别模式，并在没有明确指令的情况下进行预测。 社交媒体上的个性化内容；欺诈检测；可穿戴医疗设备；流媒体或其他娱乐网站上的推荐；等等。 深度学习一种高级机器学习形式，使用神经网络基于人脑模型，其中算法通过人工神经元相互连接的层传递信号来模拟神经处理过程 ，使网络能够从大量复杂数据中学习。 人脸与字体识别；自动驾驶汽车；X射线分析；语音控制虚拟助手；等。 生成式人工智能能够根据提示，利用深度学习和海量数据集生成新颖响应（如文本、图像、视频、音频、代码等）的人工智能技术。 例如：用于文本和其他媒体生成的工具，如ChatGPT、Copilot和Llama；用于代码生成的工具，如GitHub Copilot；以及用于图像生成的工具，如DALL-E、Midjourney和Stable Diffusion等。 自主AI能够生成新颖回应，且被赋予主动行动、适应新情况以及与其他自动化智能体协作能力的AI技术。 自主客服代理；自动驾驶汽车；用于购物和旅行计划的虚拟助手等。 边界人工智能一个不断移动的目标，代表着最新的、最先进的AI技术。目前，它指的是能够进行复杂推理和内容创作的先进多模态、通用型AI模型。 ChatGPT-5、Gemini 3.5、Claude Fable 和 Claude Mythos 等 通用人工智能一种假设性的AI技术类别，旨在模拟在广泛任务和领域中进行学习、推理和决策的通用人类水平能力。 超级智能人工智能能力的假设性顶峰，超越整体人类智能和能力。 以人为本的人工智能一种强调人机协作、保留人类参与而非寻求取代的人工智能方法。决策中以人为本，而非单纯追求技术性能与产出。 基础模型生成式和代理式人工智能技术的后台处理引擎，在庞大的原始数据集上进行训练，以生成一个能够生成自主的基于模式的响应的复杂神经网络。 例子：大型语言模型（大型语言模型），用于基于文本的生成式人工智能，如聊天机器人；和多模态模型能够处理和生成多种类型输入输出的模型，例如ChatGPT-5。目前，在放射学、医学、音乐、化学和数学等多个领域，专用模型也在开发中。 人工智能模型的共享性主要有三种方法：封闭模型只能通过专有在线服务访问，且内部流程和提示仍然不透明（ChatGPT、Claude 和 Ge mini）；开放式重量模型它们可下载且可执行，但保留着不透明的内部设计（Llama、DeepSeek、Gemma、Mistral、Kimi 和 Qwen）；以及开源模型提供对训练数据和内部组件（Bloom和Olmo）的完全访问权限。 计算用于训练和运行高级人工智能模型的计算资源、电力和基础设施。 AI堆栈实现人工智能技术的关键组成部分，包括： • 数据：人工智能学习和模型的基础； • 软件：编程语言和基础模型； • 硬件：电子芯片，通常指图形处理单元（GPU）；以及 •物理基础设施：数据中心（及相关基础设施）操作它们，例如能源、冷却用水和服务器），和通信/网络基础设施 数据主权数据受其生成所在司法管辖区的监管和治理框架约束的原则。数字主权此外，还包括访问、传输和存储数据所需的技术和网络基础设施。 原住民数据主权基于原住民自决和数据主权的概念，承认原住民拥有、管理、使用和控制其数据、知识和文化信息的固有权利。 提示提供给生成式AI工具以指导其回应的输入。元数据提示或系统提示可用于指导互动的语气或界限，且用户可能不知晓，例如组织指示在回复中不得提供个人数据。当系统提示和操作对用户不可见时，这可能被视为黑匣子人工智能. 幻觉因数据或系统限制而产生的不准确或不合逻辑的响应。 执行摘要 加拿大被视为人工智能（AI）研发的领导者——拥有“人工智能之父” Geoffrey Hinton 教授和 Yoshua Bengio 教授；也是世界上第一个在 2017 年推出国家 AI 战略的国家。然而，这些新兴技术的国内应用和治理并未跟上早期的成功步伐。 2025年，在毕马威和墨尔本大学对47个国家进行的调查中，加拿大在使用人工智能的常规性和信任度方面排名垫底。b加拿大人中略超过三分之一（34%）的人表示“愿意信任人工智能”。c这印证了委 员会在研究过程中听到的观点：对人工智能技术的信任度非常低，并且是阻碍其在加拿大更广泛、安全地应用的最主要障碍之一。 在许多方面，低信任度是一种担忧的表达。随着人工智能技术的不断发展，它们正被嵌入到政府、企业和整个社会之中；产生了日益明显、系统化且不公平的社会影响。对新技术的犹豫不决并非新现象，而且，对于新技术而言，问题多于答案是司空见惯的。对于那些明确旨在模仿甚至超越人类智能的技术，引发强烈反应是意料之中的。鉴于我们更倾向于质疑那些我们不理解或无法控制的事物