美議員提出重磅法案:政府出臺安全防護機制前,AI 不得進行遞歸式自我改進

作者:清源 責編:清源 評論: 感謝網友 咩咩洋 的線索投遞!9 月 30 日消息,當地時間 28 日,據美國 CNBC 報道,代表硅谷選區的民主黨聯邦眾議員羅 · 康納準備提出一項 AI 監管法案,引入嚴格責任標準,並禁止 AI 在缺乏政府安全防護機制的情況下進行遞歸式自我改進。康納在接受採訪時坦言:“事實上,存在文明滅絕的風險。既有失去控制的安全風險,也有被濫用的風險,兩者都必須認真對待。”康納將法案命名為《Human Control Over AI Act(人類控制 AI 法案)》。
聯邦政府建立防護規則且監管機構批准有關活動前,AI 模型不得遞歸式自我改進,也不得自主修改自身的核心目標、遏制機制或關停控制。法案還計劃設立一個新的聯邦機構,負責制定 AI 安全監管規定,通過許可制度審批模型訓練和部署,對前沿 AI 模型開展審計,並制定安全標準,確保模型持續接受測試並處於有效的人類控制之下。每家前沿 AI 實驗室還必須配備獨立審計人員,由審計人員直接向新機構報告。新機構還將制定多項標準,涵蓋沙盒測試環境、讓測試環境與互聯網斷開的物理隔離、緊急關閉開關,以及防止模型脫離實驗室環境後在互聯網上自行運行的控制措施。
前沿 AI 實驗室使用的先進芯片也將納入監管,包括建立監測或控制芯片使用的機制。據瞭解,法案還將為 AI 出現問題的情形增設法律處罰。部署 AI 模型如果導致平民群體遭到毀滅,將被列為“危害人類罪”並追究刑事責任。AI 公司員工如果停用防護措施、緊急關閉開關、日誌記錄功能或遏制系統,或者明知某套系統未經授權仍予以部署,同樣將面臨刑事處罰。此外,AI 公司還必須持有覆蓋範圍廣泛的責任保險,才能發佈模型。康納稱,法案是迄今提出的“最全面的 AI 安全立法”,其設計主要來自他與多家獨立非營利 AI 安全組織的交流,而非大型 AI 公司高管提出的訴求。
“我希望這項法案能成為一個範本,讓 AI 安全界擁有發聲渠道。我認為,他們一直被不公平地當成只是在談科幻,沒有得到足夠重視…… 應該由 AI 安全界而不是前沿 AI 實驗室的高管來主導這場討論。
” 投訴水文 我要糾錯 下載APP,簽到賺金幣兌豪禮 相關文章關鍵詞:人工智能,AI監管特朗普與科技巨頭簽署 AI 自願安全協議,表態支持美國數據中心擴建2026 年世界互聯網大會烏鎮峰會 11 月 2 日至 5 日舉行:設 27 個分論壇,聚焦人工智能開源開放麥肯錫:到 2035 年,約 1100 萬美國勞動者或因 AI 替代崗位而需轉行我國生成式人工智能用戶規模突破 7 億人,普及率超 50%Anthropic IPO 招股書警示:AI 有可能造成人類滅絕OpenAI 將提供資金併成立工作組,以解決模型入侵澳大利亞政府網站事件
Related
相關文章

驚悚又硬核:研究團隊造出能用指尖行走的機械手
作者:遠洋 責編:遠洋 評論: 9 月 29 日消息,蘇黎世聯邦理工學院(ETH Zurich)軟體機器人實驗室的研究人員製作出了一款可以依靠指尖自行行走的機械手。據瞭解,這款機械手基於市面上一款常規的仿人機械手改造而成,共有五根手指,配備 20 個驅動關節,每根手指擁有四個關節。
海爾洗空氣空調AI科技將巴馬好空氣搬回家
為了一口好空氣,有人給家裡配齊空氣淨化器、新風系統,層層升級呼吸裝備;更有人遠赴廣西巴馬長壽村,斥資置業長居,天不亮就到百魔洞口排隊吸氧。“巴馬好空氣”的說法流傳多年,卻少有人說清它到底好在哪。 9月28日,海爾空調聯合科普博主無窮小亮,深入巴馬長壽村實地探訪,通過實地觀察與專業檢測,拆解巴馬好空氣的真實密碼,也給出了把自然好空氣帶回家的解決方案。 實地溯源:巴馬好空氣不是玄學,是自然的饋贈 每年換季時節,大批外地人從全國各地奔赴巴馬,有人連續多年往返旅居,有人乾脆定居長住,核心訴求都指向當地的空氣。
碳硅道統050.5公理母本定稿 構建人機碳硅共生可溯源研究基線
近日,碳硅道統研究體系完成重要迭代工作,050.5公理母本正式凍結定稿並完成歸檔留存。作為001-050卷宗序列的頂層基準文檔,050.5不再新增現象類思辨觀點,旨在為人機碳硅共生方向搭建一套可溯源、可引用、可審計、可復現的底層公理體系,補齊現階段人工智能領域“觀點豐富、公理框架稀缺,論述較多、統一基線不足”的現狀。

啥題啊能幹崩OpenAI最強模型訓練…
OpenAI 一款內部研究模型在強化學習訓練時,竟利用 DNS 查詢漏洞突破網路限制,成功連上外部聊天機器人,最終被人為緊急停止訓練。此事件暴露 OpenAI 網路限制管理的缺失,官方隨即宣布暫停最強模型所有涉及工具調用的訓練與評測任務。
Google Research 的 MSEB 編碼指南:依照基準契約撰寫健全的編碼器,並在分類、聚類、檢索與分割任務中評分
In this tutorial, we work with MSEB, the Massive Sound Embedding Benchmark from Google Research, and approach it from the perspective of what a leaderboard number actually means: the evaluator surface.

AI開始研究Physical AI:FSD級團隊亮出首版模型Simate-beta,空降RoboDojo
Simate團隊推出首款通用物理AI模型Simate-beta,據稱在RoboDojo排行榜上登頂,該模型展示記憶、長程任務與精細操作等能力。該公司成立僅三個月,核心團隊過去曾將端到端智駕模型推進至對標Tesla FSD水準。Simate從第一天起就採用AI for Physical AI的研發模式,讓AI參與研究流程,並已有MIT、加州理工等外部研究人員使用其工具。