去年八月，麻省理工學院一棟化學樓因一名研究生報告製造二甲基汞而長時間關閉。二甲基汞是一種劇毒化合物，甚至可以滲入普通的乳膠手套。最終，這場恐慌遠沒有預想的那麼嚴重——血液檢測結果呈陰性，而且人們也開始懷疑這種物質是否真的被製造出來。但這一事件引出了一個令人不安的假設，律師、監管機構和人工智能公司已經在爲此苦苦思索：如果對類似事件的調查發現，聊天機器人幫助某人策劃了犯罪，那該怎麼辦？這個問題是美國人工智能法律監管辯論的核心，而答案遠比“監管”或“不監管”複雜得多。

要點總結

• 人工智能公司目前已在美國現行的版權法、誹謗法、消費者保護法和刑法下運營——沒有任何特殊豁免。
• 美國聯邦貿易委員會明確表示，“現行法律中沒有任何人工智能豁免條款”。
• 國會仍然可以採取行動，制定專門針對人工智能的安全港條款，明確下游濫用行爲的責任主體。
• 像大衛·薩克斯這樣的人物所支持的自願性行業安全標準可以指導買家，但不能解決責任糾紛。
• 開源人工智能模型一旦流通就很難控制，而加強監控以發現濫用行爲又會引發隱私問題。

人工智能與美國現有的法律框架

跳過專門針對人工智能的法律並不意味着人工智能公司可以凌駕於法律之上——它們和其他任何企業一樣，都受到版權法、誹謗法、消費者保護法和刑法的約束。聯邦貿易委員會已明確指出，“現行法律中沒有任何針對人工智能的豁免條款”。但這並不意味着，只要人工智能模型造成損害，開發者就必須承擔全部責任；原告仍然需要證明其訴訟請求的法律要素，而公司也可以提出法律或憲法方面的抗辯。但這確實意味着，關於人工智能的爭議始於現有的法律體系之內，而不是在某種監管真空之中。

法院正在逐案審理以下問題：如果人工智能提供商捏造虛假指控，是否應被視爲出版商；危險建議是否屬於受保護的言論；以及用戶和構建或部署模型的公司之間應承擔多少責任。這些裁決不會等待國會。每一項裁決都將影響公司選擇構建哪些功能、拒絕哪些請求、如何評估潛在風險以及如何嚴格審查使用其工具的用戶。面臨模糊責任認定的公司可能會選擇屏蔽一整類原本有用的請求，而不是在法庭上應對個案——這種安全策略並非出於監管機構的設計，而是由訴訟風險所驅動。

監管選擇與立法可能性

選擇不制定專門針對人工智能的規則本身就是一種監管決策，而非對現有規則的放棄。維持現有的法律框架不變，意味着最終將由法院而非立法者來劃定人工智能公司運營的界限，並根據幾十年前制定的法律來解釋這些法律，而這些法律的適用對象是制定這些法律時無人預料到的系統。

國會與人工智能安全港的必要性

但這並不排除立法行動的可能性，立法者除了增加限制之外還有其他手段。國會可以保護通用模型開發者免受與下游濫用相關的某些索賠，或者爲符合特定安全標準的公司設立安全港，其精神類似於《通信規範法》第230條限制第三方內容託管平臺的責任。這種保護源於立法者的深思熟慮，而非缺乏立法——它提供了一個範例，表明監管既可以放鬆義務，也可以加強義務。一部切實可行的AI法律可以在某些領域增加義務，同時在其他領域明確免除責任，例如，區分解釋稅法的模型和實際代表他人申報納稅的AI代理。

一些業內人士力主採取更爲寬鬆的自律監管方式，而非更爲嚴格的審批制度，他們認爲，責任訴訟已經促使企業優先考慮安全問題。這種論點不無道理，但它嚴重依賴於責任問題已經得到解決的假設——而目前這些問題尚未得到解決。自願性安全標準可以引導消費者選擇或避開某些產品，但它們無法決定一旦出現問題誰來承擔責任，而且願意從事高風險用途的公司完全可以選擇退出自願性體系。正是由於這一缺陷，每當新的安全框架被提出時，關於人工智能責任法的爭論都會再次浮出水面。

人工智能法律法規執行面臨的挑戰和隱私問題

即使制定了完善的國內規則手冊，也會遇到一個硬性限制：模型不會停留在國界之內，一旦系統的權重被公開，任何一家公司都無法將其撤回。

開源模式及其執行的侷限性

開源人工智能模型使得安全措施的執行尤爲困難。一旦模型副本傳播開來，原始開發者就無法可靠地召回這些副本，也無法對在其他地方運行的修改版本實施安全措施。本地運行的模型無需託管服務的許可即可回答問題，這正是開源模型對獨立研究和價格競爭至關重要的原因——也正是這一點，使得針對前沿實驗室的安全規則在小型開源系統功能逐漸增強後，其效力可能會逐漸減弱。

制度控制與隱私權衡

由於模型層面的限制存在侷限性，各機構仍然依賴更爲傳統的保障措施：審查採購流程、監督實驗室實驗以及控制真正危險化學品或材料的獲取，這與化學品供應商必須標記可疑採購的方式非常相似。這些控制措施並不依賴於全球所有人工智能提供商的合作。

但我們越是不信任模型本身內置的控制機制，就越容易傾向於監視使用該模型的人——更豐富的對話記錄、更嚴格的身份驗證、更完整的歷史記錄。這些舉措都在削弱用戶對人工智能工具的私密性和匿名訪問，監管機構、企業和用戶之間尚未解決這一權衡問題。這種矛盾是美國人工智能監管之爭難以輕易解決的最明顯原因之一：加強對模型的監管可能會悄然將負擔轉移到對人的監控上。

人工智能監管的複雜性和權衡取捨

這個問題沒有簡單的答案，假裝有答案只會錯失重點。與嚴重且定義明確的危害掛鉤的狹義規則似乎比一刀切的強制性規定更可行，而對下游責任進行更明確的限制可以增強部分行業的信心。與此同時，任何政策都必須在一個已經存在能力強但違規模式的現實世界中發揮作用——它不能忽略這個世界的存在。如果過於強調謹慎，相關模式就有可能落後於國際競爭對手；如果過於保守，那麼那些讓蓄意違規者鑽空子的漏洞仍然會存在。

這就是擺在我們面前的真正選擇。不立法，就意味着沿用現有的法律條文，並由法院對這些條文的解釋來設定人工智能公司實際操作的界限。立法雖然能提供真正的保護，但也可能導致權力過度擴張。無論選擇哪條路，都無法讓強大的模型從世上消失，也無法避免對安全、隱私或創新造成影響。顯而易見的是，“不對人工智能進行監管”從來就不是一個真正的選項——我們始終面臨的是一個選擇，即由哪種監管機制（無論是舊的還是新的）來決定人工智能的邊界在哪裏。

常問問題

人工智能目前是否不受美國現行法律的約束？

不。聯邦貿易委員會已聲明，現行法律，包括版權法和消費者保護法，並未對人工智能做出任何豁免。

如果國會不通過人工智能專項立法會發生什麼？

法院繼續將現有法律應用於人工智能相關的爭議，這些裁決影響着公司如何決定允許或限制哪些人工智能輸出。

爲什麼開源人工智能模型在監管方面面臨挑戰？

因爲一旦發佈，開放重量級型號的複製品就可以自由傳播，這使得任何人很難強制執行安全措施或召回有害版本。

人工智能監管涉及哪些隱私風險？

加強監控以發現人工智能工具的濫用行爲可能意味着收集更多關於用戶自身的數據，這增加了以安全爲名侵蝕隱私的風險。

本文由人工智能輔助生成，並經編輯團隊審覈。