人工智能监管的发展前景：为何约束手段优于防护机制

宾夕法尼亚大学规制项目主任兼凯里法学院教授凯瑞·科格利亚内塞和圣母大学计算机科学博士候选人科尔顿·R·克拉姆解释说，管理式监管（一种灵活的“牵引绳”策略）将比处方式护栏方法更有效，因为AI过于异构和动态，难以在固定轨道内运行。作者写道，牵引绳“灵活且适应性强——就如同在社区遛狗时使用的物理牵引绳允许一定范围的运动和探索一样”。牵引绳“允许AI工具探索新领域，而不受监管障碍的阻碍”。

AI的各种应用包括社交媒体、聊天机器人、自动驾驶车辆、精准医疗、金融科技投资顾问等。尽管AI为社会带来益处，例如，仅举一例，能够发现训练有素的放射科医生可能遗漏的癌性肿瘤证据，但它也可能带来风险。

在他们的论文中，科格利亚内塞和克拉姆提供了三个AI风险的例子：自动驾驶车辆（AV）碰撞、与社交媒体相关的自杀，以及AI通过各种应用和数字格式（如AI生成的文本、图像和视频）带来的偏见和歧视。

通过灵活的管理式监管，在每种情境——以及其他情境——中使用AI工具带来风险的公司将被期望通过创建内部系统来“拴住”其AI工具，以预测和减少使用其工具可能造成的危害范围。

科格利亚内塞和克拉姆写道，管理式监管可以灵活应对“AI的新用途和问题，并更好地允许技术探索、发现和变革”。同时，它提供了一种“系留结构，如同牵引绳，有助于防止AI‘失控’”。