美國有1200項人工智能法案，卻沒有一個好的測試方法

美國在人工智能政策方面陷入了困境：儘管各州和聯邦層面提出了超過1200項法案，但幾乎沒有一項經過嚴格測試以確定其有效性。IBM首席執行官阿文德·克里希納在接受福克斯商業頻道採訪時指出，政策制定者需要在過度監管和監管不足之間找到“金髮姑娘”式的平衡。這種平衡不僅涉及聯邦政策，還延伸至各州立法和國際競爭。

在過去九個月裏，美國出台的人工智能立法數量超過了此前十年，但這些法案基於三種不同的理論。加州SB 53關注前沿開發者的透明度，紐約的RAISE法案要求更嚴格的事件報告，而德克薩斯州的TRAIGA則禁止特定故意濫用並設立監管沙盒。康涅狄格州最近也通過了參議院第5號法案。然而，這些努力往往重複了現有的民權和消費者保護法律。

聯邦政策同樣搖擺不定。特朗普總統的行政令指示司法部挑戰州級人工智能法律，而2026年的國防授權法案卻排除了先佔條款。Anthropic透露的Mythos Preview模型因自主網絡能力而被扣留，這引入了新的風險類別，促使白宮考慮建立類似FDA的上市前審查系統。

文章提出了一個三階段測試框架。第一階段是目標特異性問題：如果將法案中的“人工智能”替換為“技術”或“軟件”，現有法律是否已涵蓋相關損害？如果是，則只需發佈解釋性指南。第二階段是成本效益分析，考慮四個維度：減少危害、國家安全與關鍵基礎設施韌性、創新環境以及競爭集中度。第三階段涉及迭代政策改進。

這一框架旨在幫助政策制定者避免重複監管，確保新法規針對實際未解決的危害，並在保護與創新之間取得平衡。隨着歐盟實施AI法案、中國在國家指導下部署前沿能力，美國需要更清晰的政策方向。