مدل‌های اصلی حکمرانی جهانی هوش مصنوعی: مقایسه رویکردهای مبتنی بر ریسک اتحادیه اروپا، بخشی ایالات متحده و متمرکز چین

یک مدل پیشرفته هوش مصنوعی که در سانفرانسیسکو آموزش دیده، در برلین مستقر شده و در شنژن مورد دسترسی قرار می‌گیرد، اکنون تحت سه واقعیت حقوقی اساساً ناسازگار عمل می‌کند. در حالی که هوش مصنوعی از یک رشته تحقیقاتی به زیرساخت حیاتی جهانی تبدیل می‌شود، سه اقتصاد بزرگ دیجیتال جهان فلسفه‌های کاملاً متفاوتی را برای حکمرانی بر آن تدوین کرده‌اند. به جای یک استاندارد جهانی واحد، چشم‌انداز نظارتی به سه معماری متمایز تقسیم شده است: هرم مبتنی بر ریسک اتحادیه اروپا، رویکرد بخشی و بازارمحور ایالات متحده، و سیستم ثبت متمرکز و همسو با دولت چین.[1][4]

رویکرد اتحادیه اروپا با احتیاط پیشینی (ex-ante precaution) تعریف می‌شود. قانون هوش مصنوعی اتحادیه اروپا (EU AI Act) سیستم‌های هوش مصنوعی را به چهار سطح ریسک متمایز طبقه‌بندی می‌کند، از «ریسک غیرقابل قبول» – که منجر به ممنوعیت کامل اقداماتی مانند امتیازدهی اجتماعی و نظارت بیومتریک بلادرنگ می‌شود – تا «ریسک حداقلی» که نیازی به مداخله ندارد. این سازوکار به شدت متکی بر ارزیابی‌های انطباق پیش از استقرار است و توسعه‌دهندگان را مجبور می‌کند تا قبل از ورود سیستم‌هایشان به بازار اروپا، ایمن، بی‌طرف و شفاف بودن آن‌ها را اثبات کنند.[2][3]

شواهد حامی مدل اتحادیه اروپا به «اثر بروکسل» اشاره دارد؛ پدیده‌ای که در آن شرکت‌های چندملیتی استانداردهای اروپایی را در سطح جهانی می‌پذیرند تا از نگهداری خطوط تولید دوگانه اجتناب کنند. طرفداران استدلال می‌کنند که این امر یک خط پایه برای حفاظت از حقوق اساسی ایجاد می‌کند. با این حال، شواهد در مورد اینکه آیا تنظیم‌کنندگان اروپایی ظرفیت فنی لازم برای ممیزی مدل‌های پیشرفته با تریلیون‌ها پارامتر را دارند یا خیر، ضعیف است و این سؤال را مطرح می‌کند که آیا این چارچوب به عنوان یک شبکه ایمنی سخت‌گیرانه عمل خواهد کرد یا صرفاً یک گلوگاه بوروکراتیک.[1][2]

در مقابل، ایالات متحده یک مدل اجرایی بخشی و پسینی (post-hoc) را اتخاذ کرده است. ایالات متحده به جای تصویب یک قانون جامع واحد برای هوش مصنوعی، بر آژانس‌های فدرال موجود – مانند FTC، FDA و SEC – تکیه می‌کند تا کاربردهای هوش مصنوعی را در حوزه‌های خاص خود تنظیم کنند. این امر با تعهدات داوطلبانه شرکت‌های بزرگ فناوری و دستورات اجرایی هدفمند که تدارکات و ارزیابی‌های ایمنی فدرال را هدایت می‌کنند، تکمیل می‌شود.[1][4]

ادعای اصلی که از مدل ایالات متحده حمایت می‌کند این است که سرعت نوآوری را حفظ می‌کند. ایالات متحده با اجتناب از قوانین سخت‌گیرانه و پیشگیرانه، به فناوری اجازه می‌دهد تا تکامل یابد و تنها زمانی مداخله می‌کند که آسیب‌های مشخصی رخ دهد، مانند تبعیض الگوریتمی در مسکن یا اقدامات تجاری فریبنده. نقطه ضعف در این بسته شواهد، فرض چابکی آژانس‌ها است؛ منتقدان خاطرنشان می‌کنند که تنظیم‌کنندگان بخشی با بودجه ناکافی اغلب فاقد اختیارات قانونی و تخصص فنی لازم برای پیگیری پرونده‌های پیچیده مسئولیت الگوریتمی علیه غول‌های فناوری با سرمایه بالا هستند.[4][6]

معماری نظارتی چین یک پارادایم متمایز سوم را نشان می‌دهد: متمرکز، چابک و همسو با دولت. اداره فضای مجازی چین (CAC) به سطوح ریسک گسترده یا آژانس‌های پراکنده متکی نیست. در عوض، از یک سیستم ثبت الگوریتمی بسیار خاص استفاده می‌کند. توسعه‌دهندگان هوش مصنوعی مولد و الگوریتم‌های توصیه‌گر باید مدل‌های خود را ثبت کنند، ارزیابی‌های امنیتی را ارائه دهند و اطمینان حاصل کنند که داده‌های آموزشی و خروجی‌های آن‌ها با «ارزش‌های اصلی سوسیالیستی» قبل از انتشار عمومی همسو هستند.[3][4]

شواهد نشان می‌دهد که مدل چین از بین این سه مدل، سریع‌ترین قابلیت انطباق را دارد. از آنجایی که CAC مقررات هدفمندی را برای فناوری‌های خاص – مانند دیپ‌فیک‌ها در سال ۲۰۲۲ و هوش مصنوعی مولد در سال ۲۰۲۳ – صادر می‌کند، می‌تواند الزامات انطباق را در عرض چند ماه به جای سال‌ها به‌روزرسانی کند. محدودیت این مدل، مأموریت دوگانه صریح آن است: تلاش برای تقویت یک صنعت هوش مصنوعی داخلی رقابتی در سطح جهانی و در عین حال حفظ کنترل اطلاعاتی مطلق، تنشی که اغلب توسعه‌دهندگان چینی را مجبور می‌کند تا قابلیت‌های مدل‌های خود را به شدت سانسور کنند.[1][6]

هنگام نرمال‌سازی بارهای انطباق در این سه حوزه قضایی، یک یافته غیرمنتظره ظاهر می‌شود. در حالی که اتحادیه اروپا و چین در اهداف ایدئولوژیک خود – حقوق اساسی در مقابل امنیت دولتی – اساساً متضاد به نظر می‌رسند، سازوکارهای ساختاری آن‌ها بار عملیاتی تقریباً یکسانی را بر توسعه‌دهندگان هوش مصنوعی پیشرفته تحمیل می‌کند. هر دو به ممیزی‌های گسترده پیش از استقرار، واترمارکینگ اجباری و مسئولیت سخت‌گیرانه برای مدل‌های بنیادی نیاز دارند، که به شدت با مدل اجرایی پراکنده و پسینی ایالات متحده در تضاد است.[7]

این همگرایی ساختاری بین اروپا و چین در مورد مقررات پیشینی، افسران انطباق شرکت‌های جهانی را در موقعیت دشواری قرار می‌دهد. شرکتی که یک سیستم هوش مصنوعی با هدف عمومی می‌سازد، اکنون باید خط لوله داده‌های خود را طوری طراحی کند که الزامات شفافیت حق نسخه‌برداری اروپا را برآورده سازد، در حالی که همزمان اطمینان حاصل کند که فیلترهای خروجی آن استانداردهای امنیتی چین را رعایت می‌کنند، و در عین حال مجموعه‌ای از قوانین ایالتی در حال ظهور در ایالات متحده را نیز مدیریت کند.[3][7]

داده‌های افکار عمومی بیشتر روشن می‌کند که چرا این مدل‌ها واگرا شدند. نظرسنجی‌ها نشان می‌دهد که اعتماد به دولت برای تنظیم هوش مصنوعی به شدت بر اساس منطقه متفاوت است. در ایالات متحده، تنها ۳۸٪ از بزرگسالان به دولت فدرال برای مدیریت ریسک‌های هوش مصنوعی اعتماد دارند، که به شدت با اتکای این کشور به چارچوب‌های داوطلبانه و بازارمحور مرتبط است. در مقابل، جمعیت‌های اروپایی حمایت قابل توجهی بیشتری از مداخله پیشگیرانه دولت نشان می‌دهند، که زمینه سیاسی لازم برای قانون جامع هوش مصنوعی را فراهم می‌کند.[5]

یک حوزه اصلی از عدم قطعیت شفاف در هر سه مدل، نحوه برخورد با هوش مصنوعی متن‌باز (open-source) یا با وزن باز (open-weight) است. اتحادیه اروپا معافیت‌های مشروطی را برای مدل‌های متن‌باز فراهم می‌کند مگر اینکه ریسک‌های سیستمی ایجاد کنند، ایالات متحده تا حد زیادی این تمایز را در سطح فدرال نادیده می‌گیرد، و چین استقراردهندگان متن‌باز را به شدت مسئول خروجی‌های پایین‌دستی می‌داند. شواهد در مورد اینکه چگونه این قوانین متضاد بر جامعه جهانی متن‌باز تأثیر خواهند گذاشت، کاملاً حدس و گمان است.[2][6]

در نهایت، داده‌ها نشان می‌دهند که دستیابی به یک معاهده جهانی واحد برای هوش مصنوعی در کوتاه‌مدت بسیار بعید است. فلسفه‌های بنیادی که بروکسل، واشنگتن و پکن را هدایت می‌کنند، بیش از حد واگرا هستند. در عوض، شواهد به آینده‌ای از آربیتراژ نظارتی اشاره دارد، جایی که توسعه‌دهندگان هوش مصنوعی ویژگی‌ها را محدود به مناطق جغرافیایی می‌کنند، فرآیندهای آموزشی خود را دو شاخه می‌سازند و قابلیت‌های مدل‌های خود را برای بقا در سه واقعیت حقوقی متمایز تنظیم می‌کنند.[1][7]