理论上说,随着通用人工智能的继续发展,人工智能技术有可能逐渐渗透法治的每一环节,甚至形成一条智能的法治链条
责任编辑 | 尹丽
人工智能立法问题受到越来越多的关注。我国已将制定人工智能法纳入工作计划,而欧盟《人工智能法》刚刚开始生效。许多其他国家和地区也在讨论和审议相关的法案。对人工智能立法的迫切需求,源于通用人工智能近年来的迅速发展。人工智能立法有无必要、如何开展,离不开对人工智能技术发展,特别是通用人工智能技术发展的判断。就此,人工智能立法有三点最大的技术变数。
01
规模法则能够走多远
人工智能立法面临的第一点也是最大的技术变数,就是规模法则还能走多远。没有对规模法则的信奉和笃行,就没有今天的通用目的人工智能;进而,没有对规模法则未来趋势的判断,就很难设计一部足以经受时间考验的立法。
一言蔽之,规模法则就是“大力出奇迹”。投入的数据更多,投入的算力越多,模型的规模越大,人工智能的能力就会越强。不仅能更好地完成既有的任务,还能涌现出全新的能力。从GPT-1到GPT-2、GPT-3,再到真正引起世界范围关注的GPT-3.5(即ChatGPT)等,每一次数据、算力和模型的规模扩张,都伴随着人工智能的明显增强。每一次规模法则的威力得到印证,也都很快激起了更多对人工智能立法的急切呼吁。
如果进一步扩张前沿水平的人工智能的规模,能否实现更好的能力、更强的通用性和智能的涌现?第一种可能是规模法则已经到达极限。继续扩张只是空耗成本,而无法带来更好的人工智能。第二种可能是规模法则在有限范围内依然成立,但无法带来人工智能的变革。也就是说,继续扩张仍有收益,但收益有限。第三种可能是规模法则的未来依旧海阔天空——继续扩张数据、算力和模型,足以带来人工智能的变革,甚至循此足以迈向强人工智能。
规模法则能够走多远,很大程度上决定了人工智能立法必须直面的5个问题的答案。这5个问题分别是:立法的必要性、立法体例选择、立法切口大小、统一立法与场景立法的关系和分级分类体系的设计。
简单来说,如果规模法则已然到达极限,小切口、场景性和原则性的规范已经完全够用,根据既有的部门和领域实施风险分类分级没有太大困难;如果规模法则尚可有限外推,人工智能立法势在必行,通用人工智能的发展导致切口范围不可避免地扩大、场景界限不可避免地消融,人工智能立法相应需要扩大切口、全局统筹,风险分类分级面临很多本质的困难;如果规模法则的未来海阔天空,甚至需要考虑谋划更加基本的制度应对。
02
人工智能自我治理能够走多远
人工智能立法面临的另外一点变数,是人工智能自我治理能够达到的限度。这里的自我治理不是企业的自律治理,而是真正意义上由人工智能针对自身开展的治理。人工智能的自我治理的潜力,是相关立法不得不面对的新问题。
顾名思义,通用人工智能可以完成多种多样的任务,其中包括生成不同用途的文本。自然,这也包括法治国家日常运行所需的立法、执法和司法等不同用途的文本。从立法酝酿和起草开始,再到司法审理和判决,再到合规拆解和落地,人工智能都有辅助或主导开展相应程序、审阅或主持起草相应文本的能力。理论上说,随着通用人工智能的继续发展,人工智能技术有可能逐渐渗透法治的每一环节,甚至形成一条智能的法治链条。
就自我治理的当前进展而言,最受忽视的是立法或者说规范制定的层面。巴西等国家已经通过了由人工智能起草的立法。更重要的是,OpenAI和Anthropic等企业正在推进由人工智能主持的规范制定。
自我治理的未来发展同样存在三种可能。一是人工智能终究不能很好地主持会议、起草文件,最多只能承担校对润色这样的边缘工作。二是人工智能达到一般的从业者的水平。起草的文件难言优秀,但一般情况可以凑合着用。三是人工智能达到甚至超过优秀的从业者的水平。不考虑写作者身份的话,其所拟撰的法案、决定和判决足以让其他大部分从业者为之喝彩。
最后是自我治理如何影响立法。只要自我治理足以达到一般,甚至是比较拙劣的从业者的水平,立法面对的主要问题就已经从单向的监管变成了双向的互动。如果人工智能的生成文本不堪实用,大家当然不会在严肃的任务中使用人工智能;如果人工智能的生成文本凑合够用,考虑到其成本低廉、随时响应、随时修改、没有情绪等十分方便的特性,无论如何规范,经济激励都会导致人工智能很快渗透法治的各个环节。
03
端侧人工智能的发展潜力
人工智能立法面临的最后一项变数,是人工智能端侧部署能够达到的限度。或者说,在我们的手机和其他终端设备上,能够放下能力多强的人工智能小模型?如果小模型很快就会具备大模型的能力,人工智能立法就不能不对此作出回应。
首先介绍端侧人工智能。当前人工智能发展的一个重要方向,就是人工智能大模型的有效压缩和高效部署。一方面是有效压缩,也就是借助规模较小的模型,实现与大模型相近甚至几乎等同的性能。另一方面是高效部署,也就是将这样的高性能小模型部署到手机和其他终端设备上,只利用较少的数据和算力,充分释放相应模型的性能。端侧人工智能推进的过程,也是智能迈向泛在的过程。
其次概述技术的新进展。就端侧人工智能可能抵达的限度,同样存在三种相当不同的可能。一是压缩和部署的潜力相当有限。能部署到端侧的小模型性能上始终存在很大局限。二是压缩和部署具备一定的潜力。端侧的小模型保持一定的可用性,可以胜任一些日常任务,但和前沿的通用人工智能大模型存在明显的距离。三是最乐观的可能——前沿大模型也有可能部署到手机和其他终端上。
最后是其对立法的影响。端侧部署得否推进,泛在智能可否实现,直接影响到立法路径和规制工具的选择。如果端侧部署的潜力非常有限,通用人工智能在很长一段时间内收敛到极少数企业和数据中心,人工智能立法的调整对象、客体及其所回应的风险由此高度集中,立法可以将平台监管和反垄断作为主要路径,事前审批和备案固然备受争议,仍是现实可行的规制工具;如果端侧部署和智能泛在的潜力足够突出,通用人工智能大模型及其压缩部署的小模型不再以高度中心化的方式存在,而是以相当分散多元的方式存在,立法不能忽视自然人间以小模型为媒介开展的交往和相应形成的关系,全量事前规制不再具备任何现实性。
综上,人工智能立法存在三大技术变数。规模法则、自我治理和端侧部署的进展如何,将决定许多立法问题的答案。由此引出一个问题:如何判断这些技术将会如何发展?如果只罗列技术变数和立法选择的关系,而将技术本身的变数研判大画幅地留白,对人工智能立法的探讨终究还是不甚完整。尽管围绕每一技术变数的争论都很多,每种可能都不乏其支持者。笔者的判断是:对于每一变数,人工智能立法都应当以第二种可能为基准,为第三种可能预留空间。
(作者系同济大学法学院助理教授、上海市人工智能社会治理协同创新中心研究员)
END
原文始发于微信公众号(数据何规):人工智能立法的三大技术变数
- 左青龙
- 微信扫一扫
- 右白虎
- 微信扫一扫
评论