美国 - 艾赫巴里通讯社
不要监管人工智能模型，要监管人工智能的使用
人工智能（AI）监管的全球格局正在迅速发展，各国都在采取不同的策略来管理这项变革性技术。从中国以提供者为中心的规则，到欧洲全面的《人工智能法案》，再到印度新兴的治理框架，国际社会都在努力寻找在利用人工智能潜力的同时减轻其风险的最佳方式。在这种复杂的地缘政治和技术竞赛中，美国发现自己正处于一个十字路口，各州都在制定自己的规则，而联邦政府则试图建立更统一的方针。对于美国工程师和政策制定者来说，一个关键问题浮出水面：美国可以实施哪些有效的监管框架来减少现实世界中的实际损害？
NeuralFabric（已被思科收购）的联合创始人、经验丰富的技术专家约翰·德瓦多斯（John deVadoss）主张对人工智能治理进行范式转变。他建议，与其试图监管复杂且难以捉摸的基础人工智能模型，不如将监管重点放在人工智能系统的“使用”上。他认为，这种方法不仅更实用，而且更符合数字技术的现实和现有的法律框架，尤其是在美国。
另请阅读
当前的全球监管趋势呈现出显著差异。中国在2021年发布的早期人工智能法规，重点关注内容治理和提供者问责制，通过平台监督和记录保存要求来执行。欧洲的《欧盟人工智能法案》（2024年生效）已在寻求更新和简化，这表明了人工智能治理的动态性质。印度在2025年11月发布了由高级技术顾问制定的AI治理系统。与此同时，美国的情况则更加分散。州级立法正在涌现，形成了一个规则的拼凑，而2025年的联邦举措则试图集中控制并可能放松现有的限制，这引发了重大的辩论和不确定性。
德瓦多斯批评了诸如许可“前沿”训练运行或限制开放权重模型等提议，并以加州的《前沿人工智能透明度法案》为例。他认为，这些措施虽然意图良好，但提供的只是控制的幻觉，而非有效的治理。根本的挑战在于人工智能模型本身的性质。模型权重和代码本质上是数字制品。一旦它们被释放到数字世界——无论是通过合法研究、意外泄露，还是外国竞争对手的行为——它们都可以几乎以零成本复制。试图控制或“撤回”这些数字制品的行为，就像试图抓住烟雾一样。试图进行地理围堵研究或防止将大型模型“蒸馏”成更小、更易于访问的模型，在技术上是困难的，如果不是不可能的话，在全球范围内执行。
试图直接监管模型的后果是双重且有害的。首先，合规公司，特别是初创企业和小型企业，面临着被繁琐的文书工作和复杂的合规程序压垮的风险，这可能扼杀创新和经济增长。其次，不太有道德的参与者可以通过在海外运营、利用地下网络或利用漏洞来轻易规避这些规定。这造成了一个不公平的竞争环境，合规者受到惩罚，而不合规者则获得优势。
此外，在美国的背景下，监管人工智能模型的发布面临着与言论自由相关的重大法律障碍。联邦法院历来将软件源代码视为受保护言论的一种形式。因此，任何试图阻止或严格限制人工智能模型发布和传播的监管体系，都可能面临重大的法律挑战，并可能被裁定为违宪。
模型监管的严格限制并非没有选择。德瓦多斯强调，不作为绝非选项。如果没有适当的保障措施，社会将继续目睹有害人工智能应用的泛滥，包括复杂的深度伪造骗局、自动化金融欺诈和无处不在的大规模说服运动。这种不受控制的泛滥常常导致危机点，迫使采取一种优先考虑表面效果而非实际结果的、被动的、政治驱动的反应。
基于使用的监管体系提供了一个更实际的解决方案。该方法包括根据潜在风险级别对人工智能部署进行分类，并相应地调整监管义务。例如，医疗保健、金融或就业等关键领域的高风险应用将受到比娱乐或一般生产力等领域低风险应用更严格的监督、测试和问责措施。该框架确保监管工作精确地集中在人工智能系统与人互动的地方以及潜在损害最严重的地方。它允许灵活性、适应性以及更具针对性的执法方法，使其在不过度阻碍技术进步的情况下，更有效地减轻现实世界的风险。
相关新闻
约翰·德瓦多斯为人工智能治理的讨论带来了丰富的经验。他是NeuralFabric的联合创始人，该公司专注于特定领域的模型，已被思科收购。他还联合创立了InterWork Alliance，并在此开发了开创性的数字资产标记分类框架（Token Taxonomy Framework）。他广泛的职业生涯包括在微软担任领导职务，在那里他开创了面向服务的架构（SOA），设计了.NET框架，并领导了Microsoft Digital等项目。他拥有马萨诸塞大学阿默斯特分校人工智能博士学位。
