想象一下，你正在试图制造一个能够协助做出重要决策的机器人，比如决定谁可以获得签证、哪份医疗扫描报告需要医生立即处理，或者谁能被录用工作。在计算机科学领域，这被称为人工智能（AI）治理。你可以把 AI 治理看作是这些机器人的规则手册和安全护栏。如果没有它，机器人可能会做出伤害他人的错误，或者可能对某些群体产生偏见。

长期以来，专家们拥有几种不同的规则手册。其中一个著名的手册来自美国，叫做 NIST AI 风险管理框架。它就像是一本非常详细、高质量的机器人建造说明书。它告诉你要“治理”（要有负责人）、“映射”（了解你的风险）、“测量”（测试你的工作）以及“管理”（解决问题）。另一套规则来自欧盟，它更像是一项严格的法律，规定“你必须这样做，否则会被罚款”。

但棘手之处在于：加拿大有点像一座有着许多不同房间的巨型大宅，每个房间都有自己的一套规则。联邦政府（“房主”）为它自己的机器人制定了一套规则。但是各省（“房间”，如安大略省、魁北克省和阿尔伯塔省）也有各自略有不同的规则。有些房间主要关注隐私，有些关注谁在负责，还有些关注机器人如何解释其选择。对于一家试图建造一个能在所有这些房间里运行的机器人的公司或政府来说，试图同时遵循每一本规则手册，就像是试图同时穿上五双鞋一样。这既混乱又昂贵，而且你可能会被自己的脚绊倒。

这就是这篇论文发挥作用的地方。作者们（由来自 Scitus Solutions 的 Mohammad Etemad 领导）正在提议一种解决这个“鞋子问题”的新方法。他们创建了一个名为 SCITUS（系统化加拿大信任与统一标准集成）的框架。把 SCITUS 想象成一个“通用适配器”或“万能钥匙”。与其尝试遵循五本不同的规则手册，SCITUS 通过对流行的 NIST 指南进行微调，使其能够完美地同时适配于加拿大的每一个房间。

论文认为，旧的做法——先检查安大略省的规则，然后停下来检查魁北克的规则，再单独检查联邦规则——是在浪费时间和金钱。作者建议，通过使用他们的全新 SCITUS 框架，组织可以构建一套满足所有人的安全控制措施。他们用三个虚构的故事测试了这个想法：一个联邦移民机器人、一个安大略省的医院机器人和一个魁北克的招聘机器人。在每个故事中，他们都展示了 SCITUS 如何帮助机器人通过所有测试，而无需为其构建五个不同的版本。

该论文并不声称解决了世界上所有可能的问题，也不说规则永远不会改变。相反，它提出这种“适配器”方法是处理不同地方存在不同法律这一复杂现实的一种更聪明、更快且更安全的方式。它是一个关于如何在加拿大成为一名优秀的机器人建造者的指南，确保我们信任的机器人是公平、安全且准备好进入任何一个房间的。

---

用通俗易懂的语言解读论文：AI 规则的“通用适配器”

问题所在：“五双鞋”的困境
想象一下，你是一名加拿大的机器人建造者。你想建造一个智能系统来协助筛选数千份签证申请。但你面临着巨大的头痛问题：加拿大就像一座有着许多不同房间的大房子，每个房间对于你的机器人如何表现都有严格的规则手册。

• 联邦政府（主屋）有一本名为《财政部指令》的规则手册。它规定：“如果你的机器人做出重大决策，你必须填写一份特定的表格，即算法影响评估 (AIA)，并证明你检查了偏差。”
• 安大略省（其中一个房间）有一项新法案，《第 194 号法案》。它规定：“如果你是公共建筑，你必须公布一份你的机器人清单，并解释你如何确保它们的安全。”
• 魁北克省（另一个房间）有《第 25 号法律》。它规定：“如果你的机器人使用个人信息，你必须立即告知当事人，并允许他们要求人类进行审查。”
• 阿尔伯塔省有关于准确性和隐私的自己的规则。
• 不列颠哥伦比亚省有一些一般性建议，但还没有严格的法律。

如果你试图分别遵循所有这些规则，那将是一场噩梦。你需要写五份不同的报告，运行五种不同的测试，并雇佣五支不同的律师团队。论文指出，这就像是试图同时穿上五双鞋。这很沉重，很混乱，而且你很可能会被绊倒。

解决方案：SCITUS “通用适配器”
作者创建了一个新工具，叫做 SCITUS。把它想象成你机器人安全装备的一个“通用适配器”。与其为五个插座购买五个不同的适配器，SCITUS 是一个能适配所有插座的智能适配器。

它的工作原理是提取一份来自美国的著名、高质量规则手册——NIST AI 风险管理框架（许多公司在全球范围内都在使用它），并将其为加拿大进行“翻译”。

• 核心： 它保留了 NIST 的四个主要步骤：治理（要有负责人）、映射（寻找风险）、测量（测试机器人）以及管理（解决问题）。
• 特色： 它为每个步骤加入了“加拿大风味”。例如，当 NIST 手册说“要透明”时，SCITUS 会说：“要透明，并且确保你同时提供法语和英语版本，并明确告知符合魁北克第 25 号法律的要求。”

它是如何运作的：三层蛋糕
论文将 SCITUS 描述为一个三层蛋糕：

1. 底层（基础）： 这是原始的 NIST 框架。它是坚实的基座，确保一切都符合国际标准。
2. 中间层（加拿大混合层）： 这是见证奇迹的地方。作者将联邦政府和各省（安大略省、魁北克省、阿尔伯塔省等）的所有规则融入到 NIST 的步骤中。他们理清了哪些规则是重叠的（这样你只需要做一次），以及哪些规则是独特的（这样你才不会遗漏）。
3. 顶层（糖霜）： 这是实践指南。它为你提供清单、模板和工具，让你在建造机器人时不会迷失方向。

“控制目录”：一个不断增长的工具箱
论文提到，他们有一个“控制目录”（一份安全规则列表），这个目录正在不断增长。

• 在 2025 年 6 月，他们拥有 31 条规则。
• 到 2026 年 7 月（本文发表之时），他们将其更新到了 57 条规则。
  为什么会增长？因为 AI 世界变化极快。新的威胁出现了，比如“代理式 AI”（能够自主行动的机器人）以及关于训练数据收集的新规则。作者增加了新的规则来应对这些新鲜挑战，展示了他们的系统如何随着世界的变化而进化。

测试适配器：三个故事
为了证明其理念可行，作者讲述了三个关于公司如何使用 SCITUS 的场景：

1. 移民机器人（联邦级）：

   • 挑战： 一个用于筛选签证申请的机器人。它必须是公平、双语且安全的。
   • 冲突： 政府希望公开机器人运作的方式以示透明，但安全专家说：“如果我们把运作方式完全公开，坏人就会利用这一点来欺骗机器人！”
   • SCITUS 的解决方法： 该框架帮助他们找到了折中方案。他们发布了通用信息（如“我们会检查公平性”），但对“秘方”（精确的数学模型）保持私密。他们还解决了一个复杂的数学问题：如何在某些国家申请人素质更高的情况下，依然保持对所有国家的公平。他们选择了一个特定的公平定义（称为“等效赔率/equalized odds”），并记录了为何选择它。

2. 医院机器人（安大略省）：

   • 挑战： 多伦多一家医院中的机器人，用于查看 X 光片以发现紧急情况。它必须遵守安大略省的公共部门规则、加拿大卫生部（Health Canada）的医疗器械规则以及隐私法。
   • 冲突： 通常情况下，医院必须分别为省政府、联邦卫生机构和隐私监管机构填写不同的表格。
   • SCITUS 的解决方法： 框架显示，这些规则其实有很多重叠之处。通过使用 SCITUS，医院可以编写一份安全计划，同时满足这三个监管机构的要求。他们节省了数周的工作时间，并确保了患者的安全。

3. 招聘机器人（魁北克省）：

   • 挑战： 一家在魁北克使用 AI 进行招聘的私营公司。他们必须遵守魁北克严格的隐私法（第 25 号法律）。
   • 冲突： 公司需要测试机器人是否对特定群体存在偏见，但隐私法规定他们不能收集有关人们种族或族裔的数据。
   • SCITUS 的解决方法： 框架提出了一个聪明的变通方法。他们可以邀请人们为了测试目的而“自愿”分享背景信息（而不将其用于实际的招聘决策），或者使用“代理数据”（例如某人居住的城市）来推测机器人是否公平。这让他们能够在不违反隐私法的前提下测试偏差。

论文说了什么（以及没说什么）
作者谨慎地表示，SCITUS 是一个建议和框架，而不是一个能瞬间解决所有问题的魔杖。

• 他们建议，使用这种“通用适配器”比逐一遵循每本规则手册要高效得多。他们估计，逐一遵循规则可能需要 12 到 16 周，而使用 SCITUS 可以将时间缩短至 6 到 8 周。
• 他们排除了“只能选择最简单的规则来遵循”的想法。他们强调，为了安全起见，你必须遵循房间里最严格的规则。
• 他们并不声称这能解决所有的法律问题。他们承认，有时规则会发生冲突（如透明度与安全性之间的冲突），在这种情况下，需要一个专家委员会来进行艰难的抉择。SCITUS 只是为这个委员会提供了一张更好的地图，以便做出选择。

为什么这很重要
论文总结道，对于任何拥有不同地区规则的国家（如美国或澳大利亚）来说，这种“适配器”方法都是一种明智的前进方式。它能防止组织在重复工作中浪费资金，并帮助他们构建真正安全且公平的 AI，无论这些 AI 处于哪一个“房间”之中。

简而言之，SCITUS 是那本指南，它在说：“你不需要五双不同的鞋。你只需要一双能胜任所有房间的好鞋。”