美国有1200项人工智能法案，却没有一个好的测试方法

美国在人工智能政策方面陷入了困境：尽管各州和联邦层面提出了超过1200项法案，但几乎没有一项经过严格测试以确定其有效性。IBM首席执行官阿文德·克里希纳在接受福克斯商业频道采访时指出，政策制定者需要在过度监管和监管不足之间找到“金发姑娘”式的平衡。这种平衡不仅涉及联邦政策，还延伸至各州立法和国际竞争。

在过去九个月里，美国出台的人工智能立法数量超过了此前十年，但这些法案基于三种不同的理论。加州SB 53关注前沿开发者的透明度，纽约的RAISE法案要求更严格的事件报告，而德克萨斯州的TRAIGA则禁止特定故意滥用并设立监管沙盒。康涅狄格州最近也通过了参议院第5号法案。然而，这些努力往往重复了现有的民权和消费者保护法律。

联邦政策同样摇摆不定。特朗普总统的行政令指示司法部挑战州级人工智能法律，而2026年的国防授权法案却排除了先占条款。Anthropic透露的Mythos Preview模型因自主网络能力而被扣留，这引入了新的风险类别，促使白宫考虑建立类似FDA的上市前审查系统。

文章提出了一个三阶段测试框架。第一阶段是目标特异性问题：如果将法案中的“人工智能”替换为“技术”或“软件”，现有法律是否已涵盖相关损害？如果是，则只需发布解释性指南。第二阶段是成本效益分析，考虑四个维度：减少危害、国家安全与关键基础设施韧性、创新环境以及竞争集中度。第三阶段涉及迭代政策改进。

这一框架旨在帮助政策制定者避免重复监管，确保新法规针对实际未解决的危害，并在保护与创新之间取得平衡。随着欧盟实施AI法案、中国在国家指导下部署前沿能力，美国需要更清晰的政策方向。