Position: AI Governance Needs ISO-like Interoperability Protocols, Not Just Laws
Dieses Positionspapier argumentiert, dass eine effektive globale KI-Governance einen Übergang von fragmentierten, jurisdiktionsspezifischen Gesetzen hin zu ISO-ähnlichen Interoperabilitätsprotokollen und standardisierten, maschinenlesbaren „Nährwertetiketten“ erfordert, die eine grenzüberschreitende Risikokommunikation ermöglichen, die Compliance-Belastungen für KMU reduzieren und das öffentliche Vertrauen fördern, ohne die Innovation zu ersticken.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Künstliche Intelligenz ist nicht mehr nur ein Werkzeug zum Sortieren von Fotos oder zum Empfehlen von Liedern; sie ist zum unsichtbaren Motor geworden, der die kritischsten Systeme der Welt antreibt, von Krankenhäusern, die Patienten diagnostizieren, bis hin zu Banken, die Kredite genehmigen. Da diese Systeme immer leistungsfähiger und komplexer werden, haben Regierungen weltweit eilig damit begonnen, Regeln aufzustellen, um sie sicher und fair zu halten. Diese Regeln sind jedoch derzeit in unterschiedlichen Sprachen verfasst. Ein Land fordert vielleicht eine bestimmte Art von Sicherheitsprüfung, während sein Nachbar ein völlig anderes Set an Dokumenten verlangt, und ein drittes verlässt sich auf freiwillige Richtlinien, die Unternehmen ignorieren können. Dieses Flickenteppich aus widersprüchlichen Regulierungen schafft ein verwirrendes Labyrinth für Entwickler, was es schwierig macht, hilfreiche Technologien über Grenzen hinweg einzusetzen, und die Öffentlichkeit im Unklaren darüber lässt, ob die von ihr genutzten Systeme wirklich sicher sind.
Ein Team von Forschern argumentt, dass die Lösung für diese globale Verwirrung nicht darin besteht, mehr Gesetze zu schreiben, sondern eine universelle technische Sprache zu schaffen, die neben ihnen existiert. Ihrer Ansicht nach ist es, sich allein auf gesetzliche Bestimmungen zu verlassen, so als würde man versuchen, die weltweite Schifffahrtsindustrie zu steuern, indem man für jeden einzelnen Hafen neue Verträge schreibt; es ist langsam, teuer und anfällig für Fehler. Stattdessen schlagen sie vor, eine Reihe standardisierter, maschinenlesbarer „Nährwertetiketten“ für künstliche Intelligenz zu erstellen. Genau wie Lebensmittelkennzeichnungen dem Verbraucher genau sagen, was in einer Packung enthalten ist – Kalorien, Inhaltsstoffe und Allergene –, würden diese neuen digitalen Etiketten Regulierern und Nutzern genau erklären, was in einem KI-System steckt: wie viel Energie es verbraucht, woher seine Trainingsdaten stammen und wie es bei Fairness-Tests abschneidet.
Die Forscher schlagen, unter Bezugnahme auf die Geschichte, wie die Welt das Datenschutzmanagement erfolgreich bewältigt hat, vor, dass Gesetze die Ziele vorgeben sollten, aber technische Standards die schwere Arbeit leisten müssen, um den Nachweis zu erbringen, dass diese Ziele erreicht wurden. Sie verweisen auf die Datenschutz-Grundverordnung der Europäischen Union, ein strenges Datenschutzgesetz, das nicht nur wegen des Gesetzes selbst weltweit wirksam wurde, sondern weil es durch praktische, standardisierte Sicherheitsprotokolle unterstützt wurde, denen Unternehmen tatsächlich folgen konnten. Für die künstliche Intelligenz schlagen sie einen ähnlichen Weg vor: ein gemeinsames technisches Format, das es einem KI-System ermöglicht, seinen eigenen Nachweis über Sicherheit und Konformität mit sich zu führen, wenn es von einem Land in ein anderes zieht. Dies würde bedeuten, dass ein Unternehmen in Seoul ein einziges, standardisiertes Dokument erstellen könnte, das beweist, dass sein System die Sicherheitsanforderungen der Europäischen Union, der Vereinigten Staaten und Chinas gleichzeitig erfüllt, ohne dass es den Code neu schreiben oder die Modelle für jede Region neu trainieren muss.
Um diese Idee umsetzbar zu machen, haben die Forscher eine spezifische Struktur für diese Etiketten entworfen, die sie „KI-Risiko-Manifeste“ nennen. Dabei handelt es sich nicht um einfache Zusammenfassungen, die für Menschen zum Lesen bestimmt sind, sondern um strukturierte Datendateien, die Computer automatisch scannen und verifizieren können. Die Forscher identifizierten drei kritische Informationen, die jedes Etikett enthalten muss. Erstens muss es über Bias (Voreingenommenheit) berichten und zeigen, wie das System verschiedene Gruppen von Menschen behandelt und ob es unfaire Entscheidungen trifft. Zweitens muss es den Energieverbrauch verfolgen, also den Strombedarf beim Training und Betrieb des Modells detailliert darzustellen, was ein wachsendes Anliegen für die Umwelt ist. Drittens muss es eine klare Historie der Daten liefern, mit denen das System trainiert wurde, um deren Ursprung zurückzuverfolgen und sicherzustellen, dass sie nicht gestohlen oder manipuliert wurden. Durch die Standardisierung der Art und Weise, wie diese Informationen gemeldet werden, argumentieren die Forscher, dass Regulierer aufhören können zu raten und stattdessen anfangen können zu prüfen, indem sie automatisierte Werkzeuge nutzen, um zu verifizieren, dass ein System sicher ist, bevor es betrieben werden darf.
Das Paper befasst sich auch mit einer häufigen Angst: dass die Schaffung solch strenger Standards die Innovation ersticken oder es für kleine Unternehmen zu schwer machen könnte, mit der Konkurrenz mitzuhalten. Die Autoren halten dagegen, dass das aktuelle fragmentierte System tatsächlich das größte Hindernis für Innovationen ist, da es kleine Unternehmen dazu zwingt, ein Dutzend verschiedener, inkompatibler Regelwerke zu durchforsten. Ihr Lösungsvorschlag ist es, die Standards modular und flexibel zu gestalten, sodass sie sich mit der Technologie weiterentwickeln können, ähnlich wie Software-Updates. Sie stellen sich ein System vor, in dem die Kernregeln stabil bleiben, aber spezifische Details angepasst werden können, wenn neue Arten von KI entstehen. Dieser Ansatz würde ihrer Argumentation nach die Compliance-Kosten für alle senken, sodass kleinere Akteure leichter in den Markt eintreten können, während große Konzerne einen klaren Weg für den globalen Betrieb erhalten.
Letztendlich rufen die Forscher zu einem Umdenken in der Art und Weise auf, wie die Welt Technologie regiert. Sie glauben, dass Gesetze zwar notwendig sind, um festzulegen, was richtig und falsch ist, aber für sich genommen nicht ausreichen, um sicherzustellen, dass komplexe, schnelllebige Systeme sicher agieren. Die eigentliche Arbeit der Sicherheit findet ihrer Meinung nach in den technischen Details statt – den Metriken, den Datenprotokollen und den Verifizierungsschritten. Indem sie eine gemeinsame, maschinenlesbare Sprache für diese Details schaffen, kann die Welt von einem Zustand der regulatorischen Verwirrung zu einer globalen Zusammenarbeit übergehen, in der Vertrauen nicht auf Versprechen, sondern auf verifizierbaren Fakten basiert, die mit der Technologie selbst mitreisen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.