香港喺推動人工智能應用嘅同時，必須盡快建立以數據治理、系統安全同責任歸屬為核心嘅法律框架；呢個方向合理而且迫切。隨住深偽技術被用嚟詐騙、偽造身份證明同洗黑錢開戶，單靠現有嘅事後追究機制，未必足以處理 AI 帶嚟嘅快速、跨平台同跨境風險。政府已經表示會檢視現行法律能否處理 AI 產品造成事故或損害嘅責任問題，而警方亦將 AI 列為 2026 年五大網絡威脅之一。
點解有需要立法
AI 嘅風險唔只係技術本身，更加涉及「邊個收集資料、點樣訓練模型、邊個決定用途，以及出事之後邊個負責」。如果冇清晰規則，企業可能因為法律不確定性而唔敢投資，市民亦可能因為私隱、歧視、錯誤決策同詐騙風險而失去信心。專家所講嘅責任界線，正正係建立市場同公眾信任嘅基本條件。
例如，如果銀行用 AI 審批貸款、醫院用 AI 協助判斷病情，或者政府用 AI 作公共服務篩選，一旦系統因偏見、資料錯誤或者設計缺陷造成損失，究竟應該由開發商、供應商、部署機構，定係最後操作人負責，就唔應該等到事故發生之後先逐宗個案摸索。
法律唔應該只係加重刑罰
不過，新法唔應該只係集中打擊 AI 犯罪。深偽詐騙、偽造文件同惡意自動化固然應該嚴懲，但更有效嘅制度應該包括事前預防同持續問責：
- 對高風險用途設立更嚴格嘅測試、審計、人工覆核同事故通報要求。
- 規定處理個人資料時，必須遵守目的限制、資料最少化同安全保障等原則。
- 要求 AI 生成或者大幅修改嘅內容有適當標示，幫助公眾辨認深偽訊息。
- 建立可追溯嘅紀錄同申訴渠道，令受影響人士可以了解、質疑同更正重大 AI 決定。
- 按風險分級監管：低風險創新可以採取較寬鬆要求，高風險系統就必須接受更嚴格監督。
呢種按風險而定嘅做法，較能夠兼顧創新同保障。香港現時嘅政策討論亦提出，應該禁止不可接受嘅用途，對高風險系統要求合規評估同人類監督，而對較低風險應用則採取較輕量嘅自我認證或者透明度義務。
香港要避免兩個極端
香港要避免兩個極端：第一係規管太慢，令詐騙、私隱侵犯同不公平決策先造成廣泛損害；第二係規管過度或者定義含糊，令初創企業、中小企同公共服務機構因為合規成本或者不確定性而卻步。
較可取嘅做法，係喺現有私隱、消費者保障、知識產權、金融監管同刑事法律嘅基礎上，補充 AI 特有嘅規管缺口，包括演算法透明度、模型安全、合成內容標示、供應鏈責任同事故賠償。香港作為國際金融同數碼服務中心，亦應該盡量同主要國際規範接軌，減少企業面對多套標準嘅成本，同時保留本地執法同保障公眾所需嘅針對性措施。
總結
真正可以建立公眾信心嘅，唔係一部籠統嘅「AI 法」，而係一套清晰、可執行、按風險分級，而且可以隨住技術演變而更新嘅制度。法律應該令市民知道自己嘅資料受到保障，知道受 AI 影響嘅重要決定可以追問，亦知道受到損害時有人要負責；同時亦要令企業清楚知道合規界線喺邊度。只有做到「可以創新、有人問責、可以補救」，AI 先至可以成為香港服務公眾利益嘅工具，而唔係另一個破壞信任嘅風險。
#人工智能 #AI立法 #AI監管
#數據治理 #數據安全 #私隱保障
#人工智能安全 #科技創新
#風險分級監管
#人類監督 #深偽技術
#網絡安全 #香港科技 #數碼轉型
