Polisis 是由瑞士聯邦技術學院、美國威斯康辛大學、密西根大學，共同研究的成果。研究人員先收集了 115 個隱私政策條文，請一組紐約 Fordham 大學的法律系學生幫忙，仔細分析條文並詳加註解，作為機器學習藍本，再從 Google Play Store 收集到 13 萬份隱私政策條文作為學習大數據，讓軟體學習如何把條款的律師腔調，轉換成簡單直接的普通話。
轉換的結果，與 Fordham 大學的分析達到 88% 的近似，雖然不算完美，但法律專家對這些條款的解譯原本也不一致，相互同意的部分也不過是這個百分比，法學內部的不一致，轉換結果自然有含混的地方，即使如此，還是能澄清一些模稜兩可的詞句。不過專家們仍然認為 Polisis 只是一個法律助理，要了解轉換過的摘要，仍需要一些基本知識。
從零散的資料整理出簡單扼要的總結，早在 2015 年 AP 就用機器人編輯上市公司財務季報，每季編撰 3000 篇，十倍於人力，這一技術近幾年來的進展與逐漸普及，越來越成熟。Polisis 是一個起步，這幾所大學的研究人員說會繼續研發，要掀開技術公司把我們的隱私埋在法律條文下的秘密，讓原本是保護我們的隱私政策，還原給我們這些每天使用網路的人。
除了技術，有專家延伸 Polisis 的深遠意義，認為提供網上服務的技術公司，是否應該檢討這些政策，是否有必要收集顧客這麼多的資料，收集的理由是否成立，資料的流向是否要讓顧客知道、同時有所選擇，更有人提出把各家的隱私條款做評比，看看誰對顧客最親和、誰最苛刻。果能提升隱私政策的品質， 或有機會讓肆無忌憚的網路隱私恢復些許。
＊作者為資深媒體人
