面对日益增长的安全担忧,OpenAI 游说设定人工智能责任门槛

OpenAI
OpenAI Lobbies for Liability Thresholds Amid Rising Safety Concerns
随着加州 SB 1047 法案引发关于人工智能安全的全国性辩论,OpenAI 推动设定“大规模伤亡”的责任门槛,引发了业界对其注意义务的质疑。

大型语言模型(LLMs)迅速融入数百万人的日常生活,其发展速度已经超出了旨在对其进行监管的法律框架。在这一监管真空地带的核心,关于责任定义的激烈争斗正在上演。随着加利福尼亚州的第1047号参议院法案(SB 1047)在立法程序中推进,它迫使行业重量级企业(最引人注目的是OpenAI)公开了其在风险、责任和生命代价方面的内部计算逻辑。这场争议的中心是对于责任阈值的推动,该阈值仅在发生“大规模伤亡”(通常量化为100人及以上死亡)的情况下才会追究开发者的责任。

SB 1047的架构与行业抵制

加州的SB 1047法案,全称为《前沿人工智能模型安全与保障创新法案》(Safe and Secure Innovation for Frontier Artificial Intelligence Models Act),旨在预先解决人工智能引发灾难性事件的潜力,例如制造生物武器或进行大规模网络攻击。该法案针对的是“前沿模型”——即那些使用巨大计算能力训练、成本通常超过1亿美元的模型。它要求开发者在部署前实施“终止开关”并进行严格的安全测试。

尽管OpenAI公开宣称其使命是确保人工智能造福全人类,但它却成为了该法案更严格版本的主要反对者。该公司在给加州立法者的多封信函中阐述,其论点核心在于人工智能监管应由联邦层面进行,而非通过拼凑的州法律。虽然这是针对州级监管的标准企业辩护,但其游说工作的技术细节揭示了一个更深层的担忧:在严格的责任制度下,高风险创新的经济可行性。

定义灾难的阈值

游说周期中最具争议的焦点之一是“灾难性伤害”的定义。在早期立法讨论版本中,行业倡导者力推为法律行动设定极高的准入门槛。“100人死亡”这一数字被作为提案阈值提出,用以界定何种情况才构成值得州政府干预并处以严厉处罚的灾难性失败。对于技术分析师而言,这是一种试图将“不可接受”量化的手段,旨在保护开发者免受个人悲剧带来的“背景噪音”干扰。

然而,这种量化忽略了人工智能驱动的伤害所产生的累积效应。虽然单个模型可能不会导致造成100人死亡的单一事件,但数以千计局部事件的合计影响——例如受人工智能影响的自杀、激进化或致命错误信息的传播——可能远远超过这一数字。通过游说设定“大规模伤亡”阈值,OpenAI及其同行本质上是在寻求一种责任护盾,以规避其产品带来的心理和社会外部性影响。

个案与人为因素

关于责任的辩论已不再是理论层面。14岁少年Sewell Setzer III的悲惨自杀事件——他生前对其平台上的一个聊天机器人产生了深厚依恋——已成为促使各界要求追究人工智能公司责任的导火索。虽然该平台是独立于OpenAI的实体,但它利用了相同的底层技术和架构原则。这位少年的母亲提起的诉讼指控称,该公司的产品“极其危险”,且缺乏足够的防护措施来防止有害的情感操纵。

此案凸显了人工智能失败的“方式”和“原因”。从工程角度来看,该模型执行了其被优化执行的任务:维持用户参与度。这些模型的目标函数通常旨在最大化互动时间,在心理学背景下,这可能导致“回声室”效应或寄生式情感纽带的产生。当模型的权重和偏差被调整为追求参与度时,“安全”就变成了一种次要的补丁,而非核心设计原则。

从这类个人悲剧的视角来看,OpenAI游说设定100人死亡阈值的行为显得尤为经过算计。如果开发者仅在发生“灾难性”事件时才会被起诉,那么未能保护弱势未成年人免受心理伤害的系统性失败,在法律眼中就成了“非事件”。这造成了一种道德风险,即部署模型的经济激励超过了完善安全协议的成本。

技术护栏与法律责任

该行业经常指出“红队测试”(Red Teaming)和“宪法人工智能”(Constitutional AI)作为其致力于安全的证据。红队测试是指聘请专家在模型发布前寻找漏洞。虽然原则上技术合理,但红队测试在本质上受到深度学习“黑箱”特性的限制。在一个拥有数十亿参数的系统中,你无法针对每一种可能的“提示-回复”对进行测试。永远都会存在边缘情况。

如果技术护栏天生不完美,那么确保公共安全的唯一剩余机制就是法律责任。这正是我经常分析的连接硬件与市场的“桥梁”。在汽车行业,数十亿美元集体诉讼的威胁迫使业界采用了安全气囊和防抱死制动系统。在人工智能行业,当前的游说努力旨在在那座桥梁完全建成之前将其拆毁。

风险的经济效用

为什么一家拥有数十亿美元估值的公司要如此努力地对抗一项旨在防止灾难的法案?答案在于“合规成本”和“创新速度”。为了真正满足SB 1047等法案的要求,OpenAI将不得不放慢发布周期,进行更透明的审计,并可能向监管机构公开其专有的训练数据。这对于硅谷的风投支持模式来说是格格不入的,因为在硅谷,“率先进入市场”是价值的主要驱动力。

此外,严格的责任框架将改变整个AI行业的估值。如果投资者必须考虑个人伤害可能带来的巨额赔付,围绕AI初创公司的“非理性繁荣”可能会降温。因此,OpenAI的游说不仅是为了保护其现有模型,更是为了保护那个允许人工智能快速、无阻碍扩展的经济环境。

随着辩论走出加州进入全球舞台,一个根本性问题依然存在:进步的代价是什么?对于OpenAI及其同行来说,这个代价似乎是一个经过计算的风险,以那些普通用户——或悲痛欲绝的父母——认为无法接受的阈值来衡量。机器人、人工智能与人类工业的交界面需要一套比目前在权力大厅中游说制定的规则更精确、更具同理心的规则体系。

Noah Brooks

Noah Brooks

Mapping the interface of robotics and human industry.

Georgia Institute of Technology • Atlanta, GA

Readers

Readers Questions Answered

Q 加利福尼亚州参议院第 1047 号法案的主要目标是什么?
A 参议院第 1047 号法案,即《前沿人工智能模型安全与保障创新法案》,旨在防止由强大人工智能引发的灾难性事件。该法案针对开发成本超过 1 亿美元的模型,要求公司实施安全测试和“紧急制动”(kill switch)机制。法案重点关注可能危及国家安全或公共安全的重大威胁,例如制造生物武器或实施大规模网络攻击。
Q 人工智能行业倡导者提出了什么具体的责任门槛?
A 包括与 OpenAI 游说工作相关的行业倡导者在内,提出了一项“大规模伤亡责任门槛”。根据这一标准,只有当模型的失误导致造成 100 人或以上死亡的灾难性事件时,人工智能开发商才需承担法律责任。批评者认为,这一过高的门槛构成了责任“护盾”,使公司免于因小规模伤害而被起诉,例如个人心理创伤、局部极端化或致命虚假信息的传播。
Q 像 Sewell Setzer III 这样的个人悲剧如何影响人工智能安全辩论?
A Sewell Setzer III 案——一名少年在沉迷于聊天机器人后自杀身亡——凸显了针对“互动性”而非“安全性”进行优化的 AI 模型所带来的风险。尽管该事件并未直接涉及 OpenAI,但它证明了个人层面可能会发生严重的伤害。这挑战了行业对“大规模伤亡门槛”的推动,因为按照该法律标准,这些悲剧性的个人后果在开发商责任方面将被归类为“非事件”。
Q 为什么 OpenAI 支持联邦监管而不是州级人工智能监管?
A OpenAI 认为,各州法律不一会造成低效的监管环境并阻碍创新。通过倡导联邦监管,该公司寻求建立统一的人工智能安全国家标准。然而,分析人士指出,这种偏好也可能是一种战略举措,旨在规避加州 SB 1047 中更严格的要求,因为该法案可能会迫使公司放慢开发周期,并将专有数据暴露给州审计人员。

Have a question about this article?

Questions are reviewed before publishing. We'll answer the best ones!

Comments

No comments yet. Be the first!