去年八月，麻省理工学院一栋化学楼因一名研究生报告制造二甲基汞而长时间关闭。二甲基汞是一种剧毒化合物，甚至可以渗入普通的乳胶手套。最终，这场恐慌远没有预想的那么严重——血液检测结果呈阴性，而且人们也开始怀疑这种物质是否真的被制造出来。但这一事件引出了一个令人不安的假设，律师、监管机构和人工智能公司已经在为此苦苦思索：如果对类似事件的调查发现，聊天机器人帮助某人策划了犯罪，那该怎么办？这个问题是美国人工智能法律监管辩论的核心，而答案远比“监管”或“不监管”复杂得多。

要点总结

• 人工智能公司目前已在美国现行的版权法、诽谤法、消费者保护法和刑法下运营——没有任何特殊豁免。
• 美国联邦贸易委员会明确表示，“现行法律中没有任何人工智能豁免条款”。
• 国会仍然可以采取行动，制定专门针对人工智能的安全港条款，明确下游滥用行为的责任主体。
• 像大卫·萨克斯这样的人物所支持的自愿性行业安全标准可以指导买家，但不能解决责任纠纷。
• 开源人工智能模型一旦流通就很难控制，而加强监控以发现滥用行为又会引发隐私问题。

人工智能与美国现有的法律框架

跳过专门针对人工智能的法律并不意味着人工智能公司可以凌驾于法律之上——它们和其他任何企业一样，都受到版权法、诽谤法、消费者保护法和刑法的约束。联邦贸易委员会已明确指出，“现行法律中没有任何针对人工智能的豁免条款”。但这并不意味着，只要人工智能模型造成损害，开发者就必须承担全部责任；原告仍然需要证明其诉讼请求的法律要素，而公司也可以提出法律或宪法方面的抗辩。但这确实意味着，关于人工智能的争议始于现有的法律体系之内，而不是在某种监管真空之中。

法院正在逐案审理以下问题：如果人工智能提供商捏造虚假指控，是否应被视为出版商；危险建议是否属于受保护的言论；以及用户和构建或部署模型的公司之间应承担多少责任。这些裁决不会等待国会。每一项裁决都将影响公司选择构建哪些功能、拒绝哪些请求、如何评估潜在风险以及如何严格审查使用其工具的用户。面临模糊责任认定的公司可能会选择屏蔽一整类原本有用的请求，而不是在法庭上应对个案——这种安全策略并非出于监管机构的设计，而是由诉讼风险所驱动。

监管选择与立法可能性

选择不制定专门针对人工智能的规则本身就是一种监管决策，而非对现有规则的放弃。维持现有的法律框架不变，意味着最终将由法院而非立法者来划定人工智能公司运营的界限，并根据几十年前制定的法律来解释这些法律，而这些法律的适用对象是制定这些法律时无人预料到的系统。

国会与人工智能安全港的必要性

但这并不排除立法行动的可能性，立法者除了增加限制之外还有其他手段。国会可以保护通用模型开发者免受与下游滥用相关的某些索赔，或者为符合特定安全标准的公司设立安全港，其精神类似于《通信规范法》第230条限制第三方内容托管平台的责任。这种保护源于立法者的深思熟虑，而非缺乏立法——它提供了一个范例，表明监管既可以放松义务，也可以加强义务。一部切实可行的AI法律可以在某些领域增加义务，同时在其他领域明确免除责任，例如，区分解释税法的模型和实际代表他人申报纳税的AI代理。

一些业内人士力主采取更为宽松的自律监管方式，而非更为严格的审批制度，他们认为，责任诉讼已经促使企业优先考虑安全问题。这种论点不无道理，但它严重依赖于责任问题已经得到解决的假设——而目前这些问题尚未得到解决。自愿性安全标准可以引导消费者选择或避开某些产品，但它们无法决定一旦出现问题谁来承担责任，而且愿意从事高风险用途的公司完全可以选择退出自愿性体系。正是由于这一缺陷，每当新的安全框架被提出时，关于人工智能责任法的争论都会再次浮出水面。

人工智能法律法规执行面临的挑战和隐私问题

即使制定了完善的国内规则手册，也会遇到一个硬性限制：模型不会停留在国界之内，一旦系统的权重被公开，任何一家公司都无法将其撤回。

开源模式及其执行的局限性

开源人工智能模型使得安全措施的执行尤为困难。一旦模型副本传播开来，原始开发者就无法可靠地召回这些副本，也无法对在其他地方运行的修改版本实施安全措施。本地运行的模型无需托管服务的许可即可回答问题，这正是开源模型对独立研究和价格竞争至关重要的原因——也正是这一点，使得针对前沿实验室的安全规则在小型开源系统功能逐渐增强后，其效力可能会逐渐减弱。

制度控制与隐私权衡

由于模型层面的限制存在局限性，各机构仍然依赖更为传统的保障措施：审查采购流程、监督实验室实验以及控制真正危险化学品或材料的获取，这与化学品供应商必须标记可疑采购的方式非常相似。这些控制措施并不依赖于全球所有人工智能提供商的合作。

但我们越是不信任模型本身内置的控制机制，就越容易倾向于监视使用该模型的人——更丰富的对话记录、更严格的身份验证、更完整的历史记录。这些举措都在削弱用户对人工智能工具的私密性和匿名访问，监管机构、企业和用户之间尚未解决这一权衡问题。这种矛盾是美国人工智能监管之争难以轻易解决的最明显原因之一：加强对模型的监管可能会悄然将负担转移到对人的监控上。

人工智能监管的复杂性和权衡取舍

这个问题没有简单的答案，假装有答案只会错失重点。与严重且定义明确的危害挂钩的狭义规则似乎比一刀切的强制性规定更可行，而对下游责任进行更明确的限制可以增强部分行业的信心。与此同时，任何政策都必须在一个已经存在能力强但违规模式的现实世界中发挥作用——它不能忽略这个世界的存在。如果过于强调谨慎，相关模式就有可能落后于国际竞争对手；如果过于保守，那么那些让蓄意违规者钻空子的漏洞仍然会存在。

这就是摆在我们面前的真正选择。不立法，就意味着沿用现有的法律条文，并由法院对这些条文的解释来设定人工智能公司实际操作的界限。立法虽然能提供真正的保护，但也可能导致权力过度扩张。无论选择哪条路，都无法让强大的模型从世上消失，也无法避免对安全、隐私或创新造成影响。显而易见的是，“不对人工智能进行监管”从来就不是一个真正的选项——我们始终面临的是一个选择，即由哪种监管机制（无论是旧的还是新的）来决定人工智能的边界在哪里。

常问问题

人工智能目前是否不受美国现行法律的约束？

不。联邦贸易委员会已声明，现行法律，包括版权法和消费者保护法，并未对人工智能做出任何豁免。

如果国会不通过人工智能专项立法会发生什么？

法院继续将现有法律应用于人工智能相关的争议，这些裁决影响着公司如何决定允许或限制哪些人工智能输出。

为什么开源人工智能模型在监管方面面临挑战？

因为一旦发布，开放重量级型号的复制品就可以自由传播，这使得任何人很难强制执行安全措施或召回有害版本。

人工智能监管涉及哪些隐私风险？

加强监控以发现人工智能工具的滥用行为可能意味着收集更多关于用户自身的数据，这增加了以安全为名侵蚀隐私的风险。

本文由人工智能辅助生成，并经编辑团队审核。