24、P-SAFETY模型：食品安全性评估的统一伦理方法

P-SAFETY模型：食品安全性评估的统一伦理方法

1. 透明度（Transparency）

透明度法规的修订提升了欧盟食品安全风险评估法律框架的效能，让独立审查人员和相关部门能获取更多数据，从而更好地开展工作。若改革前提得到遵循，所有利益相关者最终将因声誉提升和民众信任增加而受益。

在受审查的人工智能宪章中，透明度具有多方面含义。它包含了之前定义的可解释性，即让个人能够审视利用大数据和机器学习的决策过程背后的逻辑和标准。可解释性和透明度都是为了使算法结果更易于理解，但目标有所不同。可解释性主要是为了减少某些机器学习算法的不透明性，提高结果的认知合理性；而食品法中的透明度则围绕着其他阻碍健康风险可预测性的因素（如知识产权）或部门活动中的不透明层面。

透明度的概念被整体定义为涵盖数据、算法和商业模式，是可审计性的必要前提。同时，算法透明度与公共机构使用人工智能系统时的问责制之间的关系也备受关注。

目前的法律更侧重于数据，而非算法。它们很少要求提交用于分析的编程代码。积极且具有前瞻性的透明度方法可考虑采取以下措施：
- 扩大商业申请者需披露的信息范围，包括编程代码、输入数据和训练模型，以便实验能够被复制。
- 创建行业在起草提交研究时采用的算法和数学模型列表。

验证这种对透明度的新解释与现有法律框架的一致性时，透明度的法律依据包括：当涉及环境信息时，让公民能够预见健康相关问题（“透明度即可预测性”）；确保部门的独立性和问责制。

2. 从SAFETY到P - SAFETY：隐私问题

2.1 隐私原则的考量

人工智能宪章对隐私达成了一致共识。隐私被视为对个人和群体私人领域的保护