监管AI：应对日益增长担忧的可行方法

随着生成式人工智能（AI）技术的影响力不断扩大，围绕其潜在后果的担忧也随之增加。这些担忧涵盖了各种问题，从错误信息的泛滥和失业，到失去创作控制权，甚至超级智能AI带来的生存威胁。

面对这些日益加剧的恐惧，全球各国政府正在努力寻求监管AI的方法。本文探讨了各种AI监管途径，并考虑了它们的技术和经济可行性。

限制训练数据：一种技术上和部分经济上可行的方法

AI监管的一种可行方法是限制AI模型使用的训练数据，仅限于公共领域材料以及已获得明确许可的受版权保护内容。这种方法允许AI公司控制其模型中使用的数据质量和合法性。 

从技术角度来看，这种限制是完全可行的，因为AI开发人员可以精确地策划其训练数据集。

从经济角度来看，使用受限数据与实现最高内容质量之间存在权衡。AI系统受益于多样且广泛的训练数据，但遵守许可要求可能会限制数据的多样性和丰富性。 

尽管如此，一些AI公司，如拥有Firefly图像生成器的Adobe，已经通过使用仅授权内容来进行营销，证明了部分经济可行性是可以实现的。

将AI输出归因于创作者：一项技术上不可行的努力

AI监管的另一个潜在途径是将AI技术的输出归因于特定的创作者或创作者群体以进行补偿。然而，这种方法面临重大的技术挑战。 

生成式AI中使用的复杂算法使得几乎不可能确定哪些输入样本直接影响了输出。即使这种归因成为可能，确定每个输入样本对输出的贡献程度仍然是一项艰巨的任务。

AI系统的复杂性以及输入与输出之间缺乏明确联系，使得这种形式的监管在技术上不可行。这是一个关键问题，因为能够归因AI生成内容将决定创作者及其许可持有人是拥抱还是反对AI技术。

区分人类与AI生成内容：一项技术不断演变的挑战

对AI生成错误信息运动的担忧凸显了区分人类生成内容与AI生成内容的必要性。虽然科技初创公司正在积极开发解决方案来解决这一问题，但当前的技术水平落后于生成式AI的进步。

现有的方法主要依赖于识别生成式AI特有的模式，但这种方法类似于追逐移动的目标。在技术上，可靠地区分人类和AI生成内容仍然是一个挑战。然而，该领域的快速进展表明，解决方案可能在不久的将来出现。

将AI输出归因于AI公司：一种技术和经济上可行的监管方式

另一种方法是将由特定AI供应商负责创建的AI生成内容归因于该供应商。这可以通过密码学签名来实现，这是一种成熟且被广泛理解的技术。 

AI公司可以对系统的所有输出进行密码学签名，允许任何人验证内容来源的真实性。

这种监管在技术和经济上都是可行的，因为必要的技术已经嵌入到基本的计算基础设施中。 

尽管如此，这引发了一个问题：是否 desirable 完全依赖于一小部分经过验证签名的知名供应商生成的内容。