人工智能对透明度的需求日益增长，促使企业探索算法可审计性。IBM指出，理解决策机制是建立用户信任与落实AI责任的关键。在此背景下，X（前Twitter）可能公开推荐算法代码的动向，再次引发关于数字平台透明度的热议。
开放算法的价值与局限
算法开源有助于研究人员和开发者分析运行机制、识别偏见并推动改进。但专家强调，这仅是透明化的一环，训练数据、AI模型、基础设施及内容审核政策等核心要素通常仍处于封闭状态。
透明度驱动信任与创新
红帽巴西首席技术官鲍里斯·库什卡（Boris Kuszka）认为，此举契合开源原则：“算法公开符合开源倡导的理念——透明度产生信任，信任催生创新。当代码可审计时，社区能更理解决策逻辑，从而识别偏见并助力平台演进。”
安全依赖于持续响应能力
虽然透明度主要惠及开发者、研究人员和广告商，提升平台运作的可预测性，但代码开放必须配套持续的漏洞审查与响应机制。库什卡表示：“开源本身不等同于安全，关键在于组织的响应能力，包括持续代码审查、快速修复漏洞及与社区的积极协作。”
Lightwell Project：强化开源生态安全
这一趋势已在市场显现。近期，IBM与Red Hat联合推出Lightwell Project，旨在通过AI及与自由软件社区的合作加强开源生态安全。库什卡指出，此类举措表明，透明度、治理和可审计性正成为数字平台及AI解决方案的战略差异化因素。