物界前沿欧盟AI透明度生效，算法岗面试可能多了一道题
根据IT之家报道，欧盟委员会7月31日宣布，自8月2日起，欧盟《人工智能法》的透明度相关条款正式执行。具体来说，部分AI系统必须明确告知用户“你正在与AI互动”，并且相关系统需要提供清晰的标签和说明。这部法案从2021年提案到2024年部分生效，走了三年多。罚款比例也不低——违规企业最高可被处以全球年营收的7%或3500万欧元（取较高者）。
我刷了300道LeetCode，正在准备AI算法岗面试。看到这条新闻，第一反应是：这个面试会问吗？后来想想，可能不只是面试题，而是整个行业正在变。
先说结论：透明度不是技术问题，是权力问题
透明度要求把AI从“黑盒”变成了“必须交代的盒子”。过去我们做模型，只关心准确率、召回率、F1分数。用户知不知道对面是AI，不重要。但欧盟这条规则，直接把“告知义务”写进法律。这意味着：
- 部署AI系统的公司，必须在前端加上“我是AI”的提示。
- 如果用户问“你是真人吗”，系统不能撒谎。
- 训练数据、模型能力边界、错误率，可能也需要一定程度的公开。
我查了一下，欧盟AI法把AI系统按风险分四档：不可接受风险（禁止）、高风险、有限风险、极低风险。透明度要求主要针对“有限风险”类别，比如聊天机器人、深度伪造内容。高风险系统（比如医疗、招聘、信贷）还有更严格的合规义务。
从技术角度看，加一个“我是AI”的标签可能只需要一行代码。但从商业角度看，这行代码会改变用户信任、产品设计、甚至商业模式。举个例子，如果用户知道对面是AI，可能就不愿意透露个人信息，导致推荐系统数据稀疏，冷启动更难。再比如，一些靠“假装真人”来提升转化率的客服机器人，直接失效。
对算法岗面试的启示：可解释性成了硬通货
我面试过几家大厂，算法题基本是LeetCode medium/hard，八股文会问Transformer、BN、优化器。但几乎没有公司问过“你的模型如何向用户解释”。现在欧盟这一刀切下来，可解释性不只是一个加分项，而是一个合规门槛。
具体来说，我觉得未来面试可能会涉及：
- 模型可解释性方法：LIME、SHAP、注意力可视化。这些以前只在论文里看，现在公司需要实际部署。
- 用户交互设计：如何让AI告知用户自己是AI，同时不降低用户体验。比如用“AI助手”标签，还是用“由AI生成”的免责声明，哪种更符合法规？
- 错误处理：当AI给出错误答案，如何让用户知道这不是最终结论？有些系统需要加“该回答仅供参考，请咨询专业人士”的提示。
- 数据隐私：透明度要求往往和GDPR联动。比如用户有权利知道AI系统用了哪些个人信息来做决策，这涉及模型训练数据溯源。
我刷了300道题，但说实话，对可解释性的了解还停留在课程作业。之前看了一篇论文说，用SHAP解释一个深度模型，需要跑几百次前向传播，推理成本太高。现在想，如果公司要部署一个高透明度系统，工程师必须想办法在推理速度和解释能力之间做权衡。这大概就是所谓的“算法落地”吧。
个人学习心得：从刷题到读法律，AI工程师的边界在变宽
我最近在准备面试，发现除了刷题，还需要了解一些非技术的东西。比如欧盟AI法，美国白宫AI行政令，中国的《生成式人工智能服务管理暂行办法》。以后可能每个AI工程师都要懂一点合规，就像前后端工程师要懂一点隐私协议一样。
我列了几个需要补的东西：
- 欧盟AI法的风险分类规则，知道哪些场景需要透明度。
- 可解释性算法的原理和落地代价（比如LIME的局部线性假设是否合理，SHAP的超多项式复杂度怎么优化）。
- 不同国家监管差异：欧盟偏向“事前审批”，美国偏向“自愿指导”，中国偏向“内容安全”。同一个模型在不同地区部署，可能要做不同的适配。
- 用户心理学：告知用户“这是AI”后，用户行为会怎么变？有没有论文研究过？
我其实有点慌。因为这些东西不在常规的面试准备清单里，但感觉大厂已经开始关注了。比如字节跳动的AI面试会问“模型上线后如何监控偏见”，腾讯的某次面试问了“用户认为AI有情感怎么办”。这些问题的底层逻辑，其实和透明度要求一脉相承。
留一个问题：国内AI法会怎么落地？
欧盟已经动手了，美国也在讨论。中国去年8月15日生效的《生成式人工智能服务管理暂行办法》里面，也有类似要求——比如要求AI生成内容必须“显著标识”。但具体执行力度和解释细则，我还没看到太详细的案例。
如果国内也严格执行透明度要求，对算法岗的影响会不会更大？ 毕竟国内很多AI产品（比如智能客服、AI绘画、虚拟主播）的用户量级比欧洲大得多。合规成本会增加，但也会催生新的岗位，比如“AI合规工程师”、“模型可解释性专家”。我猜以后面试可能会问：“我们有一个聊天机器人，需要欧盟合规，你准备怎么改？”
反正我打算近期把可解释性相关的论文看一遍，顺便把欧盟AI法原文读一读。虽然暂时用不上，但面试时能说一句“我了解这个”，应该比只会刷题强一点。