作者：Chris Lehane，全球事務長
從美國各州首府、華盛頓，到國際會議，前沿 AI 治理的嚴謹做法正逐步成形。這些努力共同推動以民主為基礎的 AI 願景。
加州、紐約州，以及最近的伊利諾州，已推動前沿安全立法，協助美國朝治理最強大 AI 系統的共同基準邁進。
這些努力顯示，OpenAI 所稱的反向聯邦主義正逐漸形成動能，各州透過共同框架協助確立一致方向。隨著各州主導的工作與聯邦層級的努力逐漸整合，全國標準也開始成形，為美國主導的全球 AI 框架奠定基礎。我們相信，若要確保 AI 造福多數人而非少數人，最妥適的方式是由民主政府做出關鍵決策，並從前沿安全著手，而非只由前沿實驗室決定。
最終，以這項原則為基礎的全國框架最符合美國利益。在全國框架尚未建立前，各州可先通過彼此呼應的法律，逐步朝這個目標邁進，形成事實上的全國標準
如果安全是優先事項，這樣的全國標準就是最妥適的政策做法，可達成兩項目標。第一，讓美國持續引領創新，不受各州零散法規牽制，避免拖慢全球民主 AI 技術體系的建設。這套體系應讓防禦方取得所需工具，對抗在網路安全等領域試圖濫用 AI 的惡意行為者。第二，讓美國處於最有利的位置，能以全國標準為基礎，建立一套符合民主價值的全球 AI 安全部署方式。若要建立真正以全國和國際標準為優先、切實支持 AI 安全部署的安全框架，就需要投入大量心力、抱持堅定目標，並以策略串連各州、聯邦政府與國際討論。流於表面或道德表態的做法無法達成目標。州層級的混亂不利於建立持久的安全制度，只會造成更多混亂。
要讓這套做法成功，各州應繼續就核心要素達成一致，如同加州、紐約州與伊利諾州。概括而言，包含以下要素。
- 一套書面安全框架，包含對前沿模型的風險評估，並公開揭露這些評估及其結果。
- 通報重大安全事件。
- 透過獨立、客觀的稽核落實治理與究責。
整體而言，這三個州已將民主監督納入前沿 AI 部署。加州建立了核心揭露框架。紐約州顯示這套做法可跨司法管轄區採用。伊利諾州則透過要求對關鍵揭露進行獨立驗證，補足了這套做法。
我們理解，立法通常會納入額外條款，爭取法案通過所需票數。但我們相信，這三項要素正是透過反向聯邦主義建立事實上全國標準的必要條件。若無法堅守這些要素，政策範圍可能持續擴張，各州法律也可能變得零散不一，不但使監管機關難以執行、消費者無所適從，也會占用開發者原可投入安全工作的資源，尤其影響新創公司與小型企業。過去幾週的發展尤其顯示，隨著 AI 模型能力不斷提升，我們需要一套連貫的制度，才能讓政府、關鍵基礎設施、盟友及可信賴夥伴取得這些工具。
政策制定者也應防範任務範圍擴張。不應要求各州管理重大的國家安全風險（或實際上代表整個國家作出國家安全決策），也不應要求各州進行高度技術性的審查；這些工作更適合由具備資源、專業能力、機密系統存取權，並有能力與我們團隊密切合作的聯邦專家處理。
在聯邦層級，川普政府持續與技術及國家安全專家合作，為美國政府針對最強大 AI 模型的網路安全測試制定框架。該框架將建立測試標準、時程與流程。OpenAI 正與政府、同業公司、商業團體及其他利害關係人展開建設性討論，共同協助形塑這項工作。
正在進行的網路安全評估顯示，一致性很重要。目前聯邦框架尚未完成，模型就已接受測試，這是可以理解的。各實驗室實際執行這套流程後，一項教訓已經很清楚，我們在州與聯邦層級都需要一致且可重複執行的方法。只有如此，最強大的模型才能交到政府、關鍵基礎設施防禦者、盟友及其他可信賴夥伴手中。我們樂見政府以 8 月初前完成這套框架為目標。
聯邦測試框架將有助於把先進 AI 工具交到政府、關鍵基礎設施防禦者、盟友及其他可信賴夥伴手中。這樣做可強化民主制度，並協助建立由美國主導的民主 AI 技術體系。現在正是運用美國的創新領先優勢支持民主 AI 的時候。
無論是未明確界定的聯邦流程，或是各州法律拼湊而成的制度，都無法形成連貫的前沿安全體系。我們需要一套方法，確保最優秀的測試者能評估最強大的模型，也確保可信賴的防禦者能及時取得這些工具，領先惡意行為者一步。
國會也正採取行動。參眾兩院及兩黨的立法者，最新包括眾議員 Jay Obernolte 與 Lori Trahan，都已注意到各州及行政部門的發展，並提出聯邦框架方案。任何有實際通過可能的討論草案都不會完美。但我們認為這項工作是有意義的一步，也相信其中許多條款經過深思熟慮，值得支持。
我們也樂見參眾兩院領袖認真投入國家治理與前沿安全提案，並已與其中許多人進行具建設性的對話。已制定方向大致一致法律的州，在規模與影響力方面都舉足輕重。將這些做法納入聯邦立法，應有助於建立單一的全國前沿安全體系。
OpenAI 的前沿安全藍圖列出了我們認為該框架不可或缺的要素。
首先，聯邦政府應主導最先進系統的測試與評估。前沿 AI 涉及國家安全與公共安全議題，處理這些議題需要技術專業、資源及必要權限，任何單一州政府都無法完全具備。
這項工作應強化拜登總統任內創設、川普總統任內加強的 AI 標準與創新中心 (CAISI)。CAISI 可提供評估先進模型所需且能長期運作的聯邦能力，推動前沿安全工作轉向事前預防危害，而非主要依賴事後究責。任何聯邦立法都應審慎考量 CAISI 如何與政府其他部門合作，以及在整體測試工作中應扮演何種核心角色。
其次，開發最強大系統的公司應符合明確要求，包括獨立稽核、事件通報、嚴格安全標準，以及吹哨者保護。
第三，聯邦與州層級的努力應相互強化。各州法律不會完全相同，我們期待與全國各地的政策制定者合作，確保這些法律在提升安全的同時，充分發揮 AI 帶來的經濟效益。
各州也應在前沿安全以外的領域，繼續扮演民主實驗室的角色，包括青少年保護、電力與環境政策，以及 AI 教育與素養。
聯邦框架仍然不可或缺。前沿 AI 涉及國家安全、經濟競爭力與公共安全等問題，最終需要全國標準、國家能力與國家機構來支持民主 AI。
全國性立法也是建立美國主導 AI 標準國際框架的關鍵。幾週前，這個構想已在 G7 會議上與巴西、埃及、印度、肯亞及韓國等國代表共同討論，多家領先前沿實驗室的執行長也在會中討論建立這類框架的必要性。會後，OpenAI 執行長 Sam Altman 在《Financial Times》撰文提議(在新視窗中開啟)「建立一個由美國主導的國際論壇，制定公認標準，針對能力與風險提供專業且公正的分析，並讓參與且遵守規則的國家和公司取得這項技術。」本週，Google DeepMind 執行長 Demis Hassabis 也在一篇新論文中提出了深思熟慮的構想。聯邦立法必須由兩黨共同支持，也將為這項國際工作奠定堅實基礎。
如今，各層級都已展現這股動能。各州正形成共同做法，國會與行政部門正著手建立全國框架，全球領袖也開始討論國際標準。只要各層級彼此銜接，美國就能帶頭建立一套以民主 AI 願景為基礎的全球框架。這種以民主價值為基礎、協調一致的 AI 治理方式，才能真正把安全列為優先事項。
