|
9 月 30 日消息,当地时间 28 日,据美国 CNBC 报道,代表硅谷选区的民主党联邦众议员罗 · 康纳准备提出一项 AI 监管法案,引入严格责任标准,并禁止 AI 在缺乏政府安全防护机制的情况下进行递归式自我改进。 康纳在接受采访时坦言:“事实上,存在文明灭绝的风险。既有失去控制的安全风险,也有被滥用的风险,两者都必须认真对待。” 康纳将法案命名为《Human Control Over AI Act(人类控制 AI 法案)》。联邦政府建立防护规则且监管机构批准有关活动前,AI 模型不得递归式自我改进,也不得自主修改自身的核心目标、遏制机制或关停控制。 法案还计划设立一个新的联邦机构,负责制定 AI 安全监管规定,通过许可制度审批模型训练和部署,对前沿 AI 模型开展审计,并制定安全标准,确保模型持续接受测试并处于有效的人类控制之下。 每家前沿 AI 实验室还必须配备独立审计人员,由审计人员直接向新机构报告。新机构还将制定多项标准,涵盖沙盒测试环境、让测试环境与互联网断开的物理隔离、紧急关闭开关,以及防止模型脱离实验室环境后在互联网上自行运行的控制措施。前沿 AI 实验室使用的先进芯片也将纳入监管,包括建立监测或控制芯片使用的机制。 据了解,法案还将为 AI 出现问题的情形增设法律处罚。部署 AI 模型如果导致平民群体遭到毁灭,将被列为“危害人类罪”并追究刑事责任。 AI 公司员工如果停用防护措施、紧急关闭开关、日志记录功能或遏制系统,或者明知某套系统未经授权仍予以部署,同样将面临刑事处罚。此外,AI 公司还必须持有覆盖范围广泛的责任保险,才能发布模型。 康纳称,法案是迄今提出的“最全面的 AI 安全立法”,其设计主要来自他与多家独立非营利 AI 安全组织的交流,而非大型 AI 公司高管提出的诉求。“我希望这项法案能成为一个范本,让 AI 安全界拥有发声渠道。我认为,他们一直被不公平地当成只是在谈科幻,没有得到足够重视…… 应该由 AI 安全界而不是前沿 AI 实验室的高管来主导这场讨论。” AI 解读 AI自我改进为何被单独设限
递归式自我改进之所以被单拎出来,是因为它和普通的能力提升不是一回事。普通训练是人设定目标、模型去拟合;递归式自我改进是模型自己改自己的核心目标、遏制机制或关停控制,一旦改的是关停开关,外部就失去了最后一道刹车。法案把这条线画在政府防护规则落地之前,等于承认现有技术手段还不足以让人放心。 对行业来说,真正的成本不在禁止本身,而在许可制和独立审计。训练和部署都要审批,审计员直接向新机构报告,芯片使用还要被监测,这套流程会拉长前沿模型的迭代周期。责任保险和刑事条款则把风险从公司层面推到个人层面,员工停用防护措施也可能被追责。 对普通人而言,短期内看不到直接变化,因为法案尚未走完立法程序,是否通过、何时生效都不确定。它更像一个信号:AI 安全议题正在从讨论稿进入立法文本,但具体门槛定在哪,目前还没有公布。 法案还在提案阶段,别把它当成已生效的规则,重点看后续许可门槛怎么定。 以上内容由 AI 依据原文补充生成,不代表本站观点,仅供参考。 |
© 2013-2016 Discuz Team. Powered by Discuz! X3.5