Regolamentazione Basata sulle Entità nella Governance dell’AI di Frontiera
La regolamentazione dell’intelligenza artificiale (AI) di frontiera è al centro di un dibattito cruciale: dovrebbe la regolamentazione concentrarsi sulla tecnologia stessa—i modelli di AI—o sui loro utilizzi? Gli avvocati della regolamentazione basata sull’uso sostengono che questa approccio protegge l’innovazione, permettendo agli sviluppatori di modelli di sperimentare senza vincoli burocratici. D’altra parte, i sostenitori della regolamentazione basata sui modelli ritengono che concentrare il carico di conformità sugli sviluppatori consenta agli utenti di utilizzare la tecnologia come meglio credono, facilitando la diffusione a lungo termine della tecnologia.
Le Sfide della Regolamentazione Basata sui Modelli
Una proposta legislativa prominente negli Stati Uniti per la regolamentazione basata sui modelli è il California SB 1047, che si è concentrato sui modelli di AI di frontiera che richiedono oltre 1026 operazioni di calcolo al secondo per essere addestrati. Questa legge ha previsto che gli sviluppatori di AI di frontiera presentassero piani di sicurezza dettagliati per mitigare i rischi di “danni critici”. Tuttavia, la critica principale è stata la dipendenza da un trigger basato su un modello, il che potrebbe coprire un numero eccessivo di modelli in evoluzione.
Il Richiamo della Regolamentazione Basata sull’Uso
La regolamentazione basata sull’uso potrebbe sembrare una soluzione migliore, evitando alcune delle problematiche della regolamentazione basata sui modelli. Tuttavia, questa metodologia può affrontare sfide significative. Molti dei rischi più preoccupanti dell’AI di frontiera, come la deception e la misalignment, emergono durante il training dei modelli e non sono facilmente identificabili dagli utenti finali. Inoltre, una legge come il Texas HB 1709 avrebbe imposto oneri di conformità considerevoli, rendendo difficile per le piccole aziende adottare tecnologie AI.
La Promessa della Regolamentazione Basata sulle Entità
Un approccio alternativo è la regolamentazione basata sulle entità, che si concentra su entità aziendali piuttosto che su modelli o utilizzi. Questa forma di regolamentazione potrebbe essere attivata da criteri come la spesa annuale per la ricerca e sviluppo dell’AI. Tale approccio potrebbe ridurre il carico normativo su piccole imprese e startup, dirigendo risorse limitate verso le entità che sviluppano i sistemi di AI più potenti.
Il Trigger della Regolamentazione Basata sulle Entità
Un sistema di regolamentazione basato sulle entità potrebbe essere attivato da vari criteri aziendali, come ad esempio una spesa aggregata per R&D. Ad esempio, una legge potrebbe definire “sviluppatore di AI di frontiera” come un’entità che ha speso più di 1 miliardo di dollari in ricerca e sviluppo. Un tale approccio ridurrebbe il carico normativo su piccole aziende, minimizzando le pressioni che portano alla concentrazione di mercato.
La Sostanza della Regolamentazione Basata sulle Entità
La regolamentazione basata sulle entità potrebbe includere requisiti di trasparenza, obbligando gli sviluppatori a divulgare caratteristiche salienti delle loro attività rischiose. Potrebbero essere richieste anche procedure di gestione del rischio per affrontare le nuove tipologie di rischi emersi dalle loro attività. Inoltre, potrebbe essere previsto un monitoraggio continuo delle pratiche interne e della sicurezza.
Conclusione
La regolamentazione dell’AI di frontiera rappresenta una sfida significativa per i legislatori. Mentre la regolamentazione basata sulle entità offre un potenziale per un approccio più mirato e meno oneroso, è essenziale che il dibattito continui per determinare il mix ottimale di strategie regolatorie. L’analisi di come le entità sviluppano e implementano modelli di AI deve rimanere al centro della discussione, al fine di garantire che i rischi emergenti siano affrontati in modo efficace.
