全球首届AI安全峰会，监管与创新的博弈场

假座布莱切利公园，英国举办了第一届全球人工智能安全峰会。这里是人工智能之父图灵（Alan Turing）显灵的地方。

二战期间，盟国最聪明的大脑，数学家、密码学家们汇聚于此，破解纳粹德国的号称“不可破解”的密码，图灵发明的用于破解的图灵机，成为现代计算机的前身，也启发了后来标志机器是否具备人类智能的图灵测试。

当时的先进算法，不仅催生了计算机和人工智能，而且号称让二战“提前结束”，捍卫了人类安全。如今图灵测试在ChatGPT面前已如小儿科一般，但乱真已经开始威胁人类安全。一天天聪明起来的人工智能，不仅让人担忧社会是否已经准备好全面接纳它，甚至深度学习之父、图灵奖获得者辛顿（Geoffrey Hinton）也发出警告，“通用人工智能”很快实现，可能对人类造成“生存性威胁”（existential threat）。

政治家、企业家、科学家，还有最广泛地受其影响的消费者，都觉得要先把它管起来再说。尽管在人工智能领域是竞争激烈的对手，中国与美国都签署了《布莱切利宣言》。这意味着全球29个经济体，首次就人工智能风险监管的必要性和迫切性做出正式声明。

安全峰会将以气候变化政府间专门委员会（IPCC）为蓝本，由参加峰会的28个国家的代表组成。英国政府表示将为其提供秘书处支持。

图灵奖获得者本吉奥（Yoshua Bengio）将牵头带领一个专家组，编写有关前沿人工智能风险和能力的“科学状况”报告。该报告不会提出政策建议，但旨在为国际和国家政策制定提供信息。该报告将在明年上半年韩国举行的下一届安全峰会之前发布。

澳大利亚、加拿大、欧盟、法国、德国、意大利、日本、韩国、新加坡、美国和英国签署了一份不具约束性的文件，将测试领先公司的人工智能模型。中国没有签署。

自愿签署这一文件的人工智能公司包括亚马逊（AWS）、Anthropic、谷歌、Google DeepMind、Inflection AI、Meta、微软、Mistral AI 和 OpenAI。除了法国的初创公司Mistral AI之外，全部是美国科技巨头和初创企业。

英国为了主导AI安全国际规则的制定进程，已经成立了一个前沿项目工作组（Frontier Project Taskforce），设在科技创新部。并且还试图以此为基础，建立一个服务于峰会的AI安全研究所，进行安全标准的研究，并且打算采购上千块H100，弥补上算力差距。但美国提出要建立自己的安全研究所，研究最前沿的人工智能安全问题，并且为测试制定风险标准。

各家都对如何监管有自己的盘算。今年以来，各国陆续出台监管文件，民间也频繁公开致信。这周的布莱切利公园，成为了最激烈的博弈场所。

来自全球的100多个民间社会团体，联名上书英国首相苏纳克，警告那些将被人工智能从根本上改变生活、教育与工作方式的“社区与工人已被峰会边缘化”。它关乎上层的AI精英与底层的“无用之人”之间的公平。

另一位图灵奖获得者杨立昆（Yann LeCun）指责OpenAI 首席行政官奥特曼（Sam Altman）等自私的游说，代表了最先进而又最不透明的大模型公司，散布人类生存恐惧以游说政府，将导致有利于既得利益企业的“监管捕获”，高昂而不必要的合规成本，将阻碍后来者的创新。

美国总统拜登抢在峰会开幕前，签署了长达111页的总统令，然后派副总统哈里斯前往布莱切利公园表达美国立场。正如人工智能终将无处不在一样，这份总统令几乎触及了美国关心的一切：安全、隐私、公平，创新与人才，以及全球领导力。

美国国家标准与技术研究所（NIST）将制定的“红队（red-teaming）”标准，那些正在研发或有意研发军民两用（dual-use）基础模型的开发者，要根据《国防生产法》的要求，来识别缺陷和漏洞，并持续定期提交评估结果与缓解措施。

红队报告有其可取之处，但区别在于监管研发，还是监管应用。人类拥有的核弹头数量超过了核电站，“奥本海默时刻”发生在应用上。监管就意味着大量的财力人力投入，将监管前置到研发的成本会更高，削弱了追赶者的创新与竞争能力，也削弱了在创新中解决问题的机会。人工智能面临的很多对齐问题，正需要在研发中解决。

中国参与首届峰会，成为一大亮点。中国正在一步步探索对生成式人工智能的监管，优先保障“境内公众”接受的生成式人工智能服务都是“正能量”。今年7月施行的“管理暂行办法”，打消了行业对技术研发阶段以及企业应用场景的合规顾虑。10月开始征求意见的“安全基本要求”，进一步明确在“服务上线的备案申请前”完成安全评估并提交材料。英国《促进创新的人工智能监管方法》的方向也在于“使用”而非“技术”。

美国的总统令也体现出卡住算力脖子的惯性思路，要求那些在高于指定算力下训练的大模型，都要纳入红队监管；收购、开发或拥有门槛以上算力的公司、个人或其他组织或实体，需要报告它的位置与总算力。美国还要求算力基础设施厂商穿透披露它们的海外客户信息。

人工智能科学家和创业者吴恩达认为这匪夷所思，眼下的超级计算机，很快就会成为口袋里的手表，随着人工智能迅速发展，更多初创企业将被挡在算力门槛之外。尽管政府可以调整算力门槛，但创新会消弭在繁文缛节之中。

美国想保持人工智能的“领导力”，建立在其垄断技术和算力的基础上。拜登下令，要将人工智能风险管理框架的原则、指导方针和最佳实践，纳入美国境外的社会、技术、经济、治理、人权和安全状况。他还想发布《全球人工智能研究议程》。重担压给了商务部，部长雷蒙多也去了峰会，宣布将成立美国人工智能安全研究所，即她所称的“制定一流标准的中立第三方”。

在缺乏透明性的前提下，无法谈论监管中立。美国的监管框架目前缺乏对透明度的要求，无论是预训练数据、微调数据、注释，还是下游影响，与微软/OpenAI、谷歌/Anthropic 等全球领先的人工智能企业日益封闭的操作如出一辙。它们认为，先进的闭源基础模型远优于开源模型，而闭源正是为了商业竞争和防止 “恶意获取” AI技术。

这与同日发布《七国集团领导人关于广岛人工智能进程的声明》形成对比。七国集团同时发布的“国际指导原则”与“国际行为准则”，在一定程度上强调了透明度。欧盟要求生成式公司披露受版权保护的材料。中国则称宜具备“公开训练语料中涉及知识产权部分的摘要信息”的措施。

基础模型透明度指数

建立全球监管框架的一个必要前提，是各成员方之间要有基本的透明度。按斯坦福大学的研究，目前主要基础模型开发商及其旗舰模型，在100分中仅取得了37分的平均成绩，开源的Llama2得分最高，也不及格。

人工智能系统的“互操作”也成为国际安全合作中的一个重要议题。但中美两个大国之间在人工智能技术领域的激烈竞争，还彼此严加防范着跨境数据的流动，加上地缘政治竞争，让“互操作”听起来有些超现实。中国官方在“一带一路”国际合作高峰论坛发布了《全球人工智能治理倡议》，批评了技术垄断和单边强制措施，也显示出中国在国际上建立起自己的“互操作生态”的可能性。

与欧盟与中国相比，美国的监管基础，仍然是援引相关法律的行政策命令，以及行政部门和国会出台的一些指引原则，目前还看不到任何全国性的数据隐私保护或人工智能立法的前景。在立法上，欧盟走得最快最远，《人工智能法案》预计在今年底正式通过，将是全球首部综合性人工智能监管法律。基于风险管理的原则，欧盟试图规避因技术短板所暴露的风险。

以马斯克为代表的人工智能业界也在发问：监管方在出台政策之前，是否真的对人工智能有洞察。对人工智能创新的骚动正在平息下来，监管让生成式人工智能变得很现实。未来感十足的技术，背后是国家间的现实政治，企业之间的激烈竞争，以及各利益集团的博弈。

监管与研究、应用一起，共同塑造着生成式人工智能的发展。2024年，在中美两国主导的竞争格局下，人工智能的安全意义将会强化，它的商业应用想象维度也在收敛，但成为国家间竞争的利器，并不会缺乏资源。与此同时，各国政府与人工智能企业仍然会坚持对话，寻找全球监管的最大公约数，探索“无害利用”人工智能，寻求监管与创新的平衡，在应用落地的过程中，定义最佳实践。

本文来自微信公众号：未尽研究 （ID：Weijin_Research），作者：未尽研究