Shared (Mis)Understandings and the Governance of AI: A Thematic Analysis of the 2023-2024 Oversight of AI Hearings

这是一份关于 Rachel Leach 所著论文《共享的（误）解与人工智能治理：2023-2024 年人工智能监督听证会的主题分析》的详细技术总结。

1. 研究问题 (Problem)

本文旨在探讨美国早期关于人工智能（AI）的立法审议过程，特别是通过2023-2024 年参议院司法委员会隐私、技术与法律小组委员会举行的“人工智能监督”（Oversight of AI）听证会。

核心研究问题在于：在治理人工智能的早期尝试中，关于 AI 的“共享的（误）解”（Shared (Mis)understandings）扮演了什么角色？
作者关注这些听证会如何成为一个场所，参与者（主要是科技行业代表）在此利用并重新协商既有的技术与社会思维模式。具体而言，研究试图揭示：

• 行业参与者如何构建关于 AI 过去、现在和未来影响的叙事。
• 这些叙事如何被用来论证特定的 AI 治理形式，同时将替代方案描绘为不可行或“反美”。
• 这些话语背后所确立和维持的权力结构。

2. 研究方法 (Methodology)

作者采用了主题分析法（Thematic Analysis），对参议院司法委员会举行的六场听证会进行了定性分析。

• 数据来源：2023-2024 年（第 118 届国会）举行的六场听证会，主题涵盖 AI 规则、监管原则、立法、新闻业未来、选举深度伪造及内部人士视角。
• 样本规模：共 21 名证人作证，总时长约 15 小时。
• 参与者构成分析：首先创建描述性表格，对证人进行分类。结果显示，科技行业代表占据了主导地位（在 16 名主要参与者中占 10 名），而学术界、媒体、政府和民间社会的代表相对较少。
• 编码过程：
  1. 一级编码：将证词按主题分组，识别共同引用的叙事。
  2. 分析单位：以“陈述”（statement）而非句子或单词为单位进行编码，以识别宏观主题。
  3. 理论框架：结合 Steven Lukes 的“权力第三维度”（通过塑造感知利益来行使权力）和 Langdon Winner 关于技术预设对治理影响的理论。
  4. 备忘录写作：围绕“听证会中出现了哪些关于 AI 的共享理解？”这一问题撰写备忘录，以识别主导性的共享理解及其背后的权力安排。

3. 关键发现与结果 (Key Results)

通过对听证会证词的分析，作者识别出科技行业代表与参议员之间共享的三种核心（误）解，这些理解共同阻碍了对 AI 潜在危害的实质性监管：

理解一：AI 具有巨大的潜在益处 (AI has Tremendous Potential Benefits)

• 叙事特征：行业代表（如 NVIDIA、OpenAI）和参议员广泛引用 AI 在未来解决癌症、气候变化、教育等全球性挑战的推测性能力。
• 问题所在：这些主张往往缺乏具体证据，依赖于未实现的愿景（如“通用人工智能 AGI"）。参议员在引用这些观点时，往往去除了行业证词中的不确定性，将其视为既定事实。
• 后果：这种叙事将 AI 的潜在益处视为“普遍的社会福利”，从而边缘化了当前已存在的严重危害（如针对老年人的诈骗、对边缘化社区的环境影响、数据剥削），并将任何当前的监管努力视为阻碍未来进步的障碍。

理解二：AI 是不可避免的 (AI is Inevitable)

• 叙事特征：行业代表（如 NVIDIA 的 William Dally）和参议员（如 Cory Booker）频繁使用“瓶子里的精灵”（genie out of the bottle）这一隐喻，声称 AI 技术一旦发布就无法收回，全球扩散不可阻挡。
• 问题所在：这种“技术决定论”构建了一个虚假的二元选择：要么接受不受限制的快速发展，要么秘密开发并突然释放。它暗示立法者无法通过监管来减缓或塑造 AI 的发展。
• 后果：这种逻辑导致参议员认为暂停或限制 AI 发展的立法是“不可行”的，从而免除了政府保护公民免受新兴技术危害的责任，将监管重点从“是否应该发展”转移到了“如何适应不可避免的未来”。

理解三：AI 民族主义 (AI Nationalism)

• 叙事特征：将 AI 的发展与美国的核心价值观（创新、自由市场、民主）紧密绑定，并将监管框架与“中国模式”（国家主导）或“欧洲模式”（权利主导）对立起来。
• 问题所在：行业代表（如 IBM、OpenAI）主张“精准监管”或“不干预”，声称严格的监管会扼杀创新，使美国在与中国的地缘政治竞争中处于劣势。他们将 AI 开发描绘成一种维护美国霸权和自由表达的必要手段。
• 后果：这种话语将对科技巨头的监管等同于反美或阻碍进步，从而封锁了对 AI 技术本身及其商业模式（如监控资本主义）进行批判性审查的空间。

4. 主要贡献 (Key Contributions)

• 揭示话语权力：文章不仅关注监管内容，更关注监管话语的构建过程。它展示了科技行业如何通过主导听证会的叙事框架，将自身的商业利益包装成国家利益和公共利益。
• 解构“共享误解”：作者指出，所谓的“共享理解”实际上是由行业主导的“误读”（Misunderstandings）。这些误解（如 AI 的必然性、巨大的未证实收益）被用作证据的替代品，使得在缺乏实证基础的情况下推动有利于行业的政策成为可能。
• 批判技术决定论：通过 Winner 和 Zuboff 的理论视角，文章有力地反驳了技术中立和不可避免的观点，强调了 AI 的发展路径是人为选择的结果，而非自然规律，因此完全处于政治和监管的范畴之内。
• 早期干预的重要性：引用 Winner 的观点，强调在技术发展的早期阶段（即“第一次引入”时）进行治理至关重要，因为一旦初始承诺（基础设施、投资、习惯）形成，灵活性将消失。

5. 研究意义 (Significance)

• 政策制定警示：该研究警告政策制定者，当前的立法讨论正被一种由行业主导的、基于推测和民族主义叙事的框架所捕获。如果不打破这些“共享误解”，未来的 AI 治理可能会继续忽视环境成本、劳工剥削、隐私侵犯和算法偏见等现实危害。
• 理论贡献：为理解新兴技术的治理提供了新的视角，即治理不仅仅是法律条文的制定，更是关于如何定义技术本身的斗争。谁定义了技术（是“魔法工具”还是“数据提取机器”），谁就掌握了治理的主动权。
• 社会影响：文章揭示了这种话语如何掩盖了 AI 技术对弱势群体（如少数族裔、低收入群体）的不成比例的伤害，并呼吁在治理中重新引入对权力不对称和物质现实的批判性审视。

总结：
Rachel Leach 的论文通过严谨的听证会分析，揭示了美国 AI 治理早期阶段的一个核心困境：科技行业通过构建关于 AI“巨大潜力”、“不可避免性”和“美国价值观”的共享叙事，成功地将监管议程锁定在有利于自身发展的轨道上，同时系统性地边缘化了关于技术危害和权力结构的实质性讨论。 这种“共享的误解”成为了阻碍有效 AI 治理的关键障碍。