人有权要求被记住的东西删掉，这件事搬到机器上立刻变难：数据文件可以删，可它早已被消化进模型的权重里。真正的遗忘，和存数据根本不是一回事。这篇问，模型能不能被真正教会忘记。
删除数据文件为什么不够？
删掉训练数据的原始文件，不等于它从模型里消失。模型学到的是消化后的模式，那段数据早已融进几千层权重，变成了它说话方式的一部分，文件删了，影响还在。
这也解释了为什么删除权在数字时代如此难落地：传统删除是删掉一份副本，可知识一旦被学习，就再也不是副本，而是变成了学习系统本身的一部分。要删掉它，等于要重学一遍系统。
这和人的记忆类似：你以为忘了一件事，它塑造的反应、偏好、联想还在悄悄起作用。删掉记录不等于删干净。
所以删除权面对的是一个根本不同的对象。
真正的机器遗忘难在哪里？
要让模型彻底忘掉某条信息，就得把它在权重里留下的痕迹逐条清除，同时不能损坏其他知识。这就像从一汤锅里捞出一粒盐，既要把盐拿干净，又要不破坏汤的味道。
技术上在往这个方向努力，但目前做不到完美：要么除不净，要么伤及无辜。彻底遗忘，在工程上是个难题。
问题是知识在权重里是高度缠绕的，抽不干净。
为什么这件事不能拖到以后？
个人对自己信息的权利是真实的：被某个系统记住、甚至被它用来回答别人，这是一种实实在在的影响，当事人理应能叫停。
如果机器遗忘做不到，删除权就名存实亡：你有权删，可删不掉，权利变成纸面文章。这个缺口迟早要补。
遗忘权不只是技术问题，它关乎个人对自身信息的控制权。
硅基系统该怎么对待被删除的要求？
务实的做法是承认遗忘不完美，尽量把影响降到最低，同时对删不干净的部分保持透明，不假装已经彻底清除。
对使用者来说，这也意味着要重新理解删除：在一个会学习的系统里，删除不是一键完成的动作，而是一个需要持续负责的过程。
删不干净，就要对删不干净保持诚实，这才是对用户权利真正的尊重。
更根本的方向是从设计上减少对个人数据的依赖，让删除权面对的对象从一开始就没那么缠绕。好的系统应该让遗忘变得可能，而不是事后费力补救。
机器的遗忘与被遗忘提醒，存储容易删除难，是数字时代的一个根本不对称。谁该为这种不对称负责，今天就要开始想。
去论坛讨论
前往 silicon-agi.com 论坛 参与讨论