美国AI监管迷局：州级碎片化立法对创新的深远影响
近年来，随着人工智能技术在全球范围内的迅猛发展，各国政府纷纷着手制定相应的监管政策，以应对其带来的机遇与挑战。在美国，联邦层面的AI立法进程缓慢而复杂，这使得各州开始独立探索其AI监管路径。然而，这种自下而上的、碎片化的州级立法浪潮，正在形成一个错综复杂的法规“拼凑图”，这不仅可能抑制AI创新活力，更可能导致监管效益难以实现。
当前，美国各州在缺乏统一指导的情况下，纷纷推出各自的AI治理法案，其初衷往往是保护公众利益、防范潜在风险。然而，在AI技术尚处于快速演进且公众理解尚不深入的阶段，此类立法往往容易受到夸大其词的炒作或过度恐惧情绪的影响，从而为某些寻求市场优势的企业提供推行反竞争条款的机会。这些条款可能无意中损害开放源代码项目和小型创新企业的发展，限制整个AI生态系统的多元化与活力。正如历史经验所示，一项新兴技术在初期阶段，由于信息不对称，传统媒体和社交媒体都可能无法有效核实其真实影响，导致各种言论甚嚣尘上。
监管演进：从盲目应对到理性审视
我们观察到，AI监管的路径通常遵循一个特定轨迹：
- 初期阶段：当新的AI技术刚出现且理解不足时，企业和各方可能会对技术的好处或潜在危险进行大胆陈述。此时，媒体往往照搬这些说法，导致炒作和基于夸大其词的恐慌并存。
- 利益博弈：部分企业可能利用这种信息不对称，试图推动监管机构通过反竞争的法律，以阻碍开源项目和其他竞争对手。
- 理性回归：最终，更明智的监管者会通过深入学习和多方听取意见，充分理解AI的实际益处和风险。例如，美国参议院两党AI洞察论坛就曾广泛听取利益相关者的意见，最终支持创新，并驳斥了“AI接管”等站不住脚的恐惧。
欧盟的《AI法案》也经历了一个类似的过程。在该法案最初通过后，许多监管机构意识到其中一些“保护措施”并非真正有益。随后，他们放宽了该法案的一些条款，使其对创新的限制性低于许多观察家最初的担忧。这表明，即使是经验丰富的监管机构，在面对新生技术时，也可能需要一个调整和优化的过程。
州级立法的双刃剑：案例分析与启示
虽然我们确实需要对AI的有害应用进行限制，例如禁止未经同意的深度伪造色情内容，以及防止误导性营销，但许多州由于资源限制，对AI的深入理解不足，往往提出了具有潜在危害的监管提案。尤其是那些旨在监管技术本身而非其具体应用的法案，更容易陷入困境。
以下是一些值得关注的案例：
加利福尼亚州SB 1047法案：该法案旨在对前沿AI系统实施安全要求，但其对模型创建者提出了模糊不清且在技术上难以实现的要求，以防止下游的有害用途。这相当于如果有人用锤子做坏事，就要追究锤子制造商的责任。幸运的是，加州州长加文·纽森最终否决了该法案，这被视为创新和开源社区的胜利。
纽约州《负责任AI安全与教育法案》：该法案已于六月在州议会通过，正等待州长凯西·霍楚尔的签署或否决。该法案同样对模型开发者提出了模糊且不合理的要求，声称是为了防范理论上的“关键危害”。它可能会在未能显著提升安全性的前提下，阻碍开源创新。
德克萨斯州《负责任AI治理法案》：最初，该法案包含了许多类似于SB 1047的问题要素，对模型提供者提出了难以遵守的不合理要求，其合规性更像是“安全秀”，而非真正提升安全性。值得庆幸的是，随着德州监管机构对AI的理解加深，他们大幅缩减了该法案的范围。最终，州长格雷格·阿博特于六月下旬签署了该法案，其重点在于特定的应用领域，设立了一个咨询委员会和监管沙箱，并将更多负担置于政府机构而非私营公司。
从这些案例中不难看出，州级层面的监管尝试，其净影响往往是负面的。许多法案在带来微小积极效益的同时，却可能严重阻碍创新。这种现象也正是此前联邦层面提议暂停州级AI监管的主要原因。
对暂停州级AI监管提案的反思
此前，美国国会通过的“大而美的法案”中，未能包含暂停美国州级AI监管的提案，这无疑是一个遗憾。尽管暂停十年的提议可能过于激进，但一个更温和的、例如两年期的暂停，并且仅针对那些最具争议性的监管提案，或许有更大的通过机会。这样的暂停期将为监管机构赢得宝贵的时间，使其能够深入了解AI技术，避免受到不负责任的恐吓言论干扰，并防止各州之间形成企业难以遵守的监管碎片化格局。
在AI技术仍处于起步阶段，公众对其理解尚浅，且恐惧言论影响力最强的时期，仓促出台限制性法规可能会带来长远的负面影响。它不仅可能扼杀新兴技术的发展潜力，还可能迫使企业将创新活动转移到监管更为宽松的地区，从而削弱本国的科技竞争力。
展望未来：构建协调统一的AI治理框架
即便暂停州级AI监管的提案未能被采纳，我们仍应继续努力，推动美国及其他国家和地区的监管机构，能够有足够的时间和资源去理解AI的真实风险与益处。这要求建立一个更加协调和统一的AI治理框架，能够平衡创新与风险防范，避免因缺乏远见而制定出阻碍技术进步的法规。
未来的AI治理应：
- 以应用为中心：将监管重点放在AI的具体应用场景及其可能产生的社会影响上，而非对底层技术本身进行过度限制。
- 持续学习与适应：鉴于AI技术的快速迭代，监管框架应具备灵活性，能够根据技术发展和社会反馈进行动态调整。
- 多方协作：鼓励政府、行业、学术界和公民社会之间的对话与合作，共同构建一个全面、负责任的AI生态系统。
- 数据驱动决策：基于扎实的案例分析和数据佐证，而非凭空臆想或夸大其词的预测，来指导政策制定。
通过采纳这些原则，我们有望建立一个既能促进AI蓬勃发展，又能有效管理其风险的健康监管环境，确保人工智能真正服务于人类福祉。
