Position: AI Governance Needs ISO-like Interoperability Protocols, Not Just Laws
本立场文件认为，有效的全球人工智能治理需要从碎片化的、特定司法管辖区的法律，转向类似于 ISO 的互操作性协议和标准化的、机器可读的“营养标签”，从而实现跨国界风险沟通，减轻中小企业的合规负担，并在不抑制创新的前提下培养公众信任。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
人工智能不再仅仅是整理照片或推荐歌曲的工具，它已成为驱动全球最关键系统的隐形引擎，从医院诊断患者到银行审批贷款。随着这些系统变得日益强大且复杂，世界各地的政府都在竞相制定规则以确保其安全与公平。然而，这些规则目前是用不同的语言编写的。一个国家可能要求特定类型的安全检查，而其邻国可能要求完全不同的文件集，第三个国家则可能依赖于企业可以选择忽略的自愿性指南。这种冲突监管构成的碎片化现状为开发者创造了一个混乱的迷宫，不仅使向跨国界部署有益技术变得困难，也让公众对所使用的系统是否真正安全感到疑虑。
一组研究人员认为，解决全球性混乱的方法不是编写更多的法律，而是建立一种与法律并行的通用技术语言。在他们看来，仅仅依赖法律条文就像试图通过为每个港口编写新条约来管理全球航运业一样：既缓慢、昂贵又容易出错。相反，他们提议为人工智能创建一套标准化的、机器可读的“营养标签”。正如食品标签会告诉消费者包装内含有的精确成分——卡路里、原料和过敏原——这些新的数字标签将告诉监管机构和用户人工智能系统的内部情况：它消耗了多少能量、其训练数据来自何处，以及它在公平性测试中的表现如何。
研究人员借鉴了世界成功管理数据隐私的历史，指出法律应当设定目标，但技术标准应当承担证明这些目标得以实现的重任。他们指出，欧盟的《通用数据保护条例》（GDPR）是一项严格的隐私法，它之所以能在全球范围内发挥效力，不仅是因为法律本身，更是因为它得到了企业可以实际遵循的实用、标准化安全协议的支持。对于人工智能，他们提出了类似的路径：一种共享的技术格式，使人工智能系统在从一个国家移动到另一个国家时，能够携带自身的安全与合规证明。这意味着，一家位于首尔的公司可以创建一个单一的标准文档，证明其系统同时符合欧盟、美国和中国的安全要求，而无需为每个地区重新编写代码或重新训练模型。
为了使这一构想落地，该团队设计了一种特定的标签结构，称之为“人工智能风险清单”（AI risk manifests）。这些并非供人类阅读的简单摘要，而是计算机可以自动扫描和验证的结构化数据文件。研究人员确定了每个标签必须包含的三项关键信息。首先，它必须报告偏见情况，展示系统如何对待不同群体的人，以及是否存在不公平决策。其次，它必须追踪能源消耗，详细说明训练和运行模型所使用的电力，这是一个日益受到关注的环境问题。第三，它必须提供用于教导系统的数据的清晰历史，追溯其来源以确保数据未被窃取或篡改。通过标准化这些信息的报告方式，研究人员认为监管机构可以停止猜测并开始核查，利用自动化工具在系统运行前验证其安全性。
该论文还回应了一个普遍的担忧：即建立如此严格的标准会扼杀创新，或让小型企业的竞争变得过于困难。作者对此反驳道，目前的碎片化系统实际上才是创新的最大障碍，因为它迫使小企业去应对十几本互不兼容的规则手册。他们提出的解决方案是使这些标准具有模块化和灵活性，使其能够像软件更新一样随着技术的发展而演进。他们设想了一个核心规则保持稳定，但具体细节可以随新类型人工智能出现而进行调整的系统。他们认为，这种方法将降低所有人的合规成本，让规模较小的参与者能够进入市场，同时也为大型企业提供了一条在全球运营的清晰路径。
最终，研究人员是在呼吁世界改变治理技术的方式。他们认为，虽然法律对于定义是非曲直是必要的，但仅靠法律本身不足以确保复杂且快速变化的系统安全运行。他们建议，安全性的真正工作发生在技术细节之中——即指标、数据日志和验证步骤。通过为这些细节构建一种共享的、机器可读的语言，世界可以从监管混乱状态转向全球合作状态，届时信任将不再建立在承诺之上，而是建立在随技术本身流动的、可验证的事实之上。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。