《AI 监管的关键不是"定规则"，而是提前投资可选性》

导语

Import AI 第 456 期覆盖四个主题：AI 监管的「激进可选性」策略、Schmidhuber 团队提出的「神经计算机」概念、递归自我改进（RSI）如何引爆经济增长，以及 Google 的分布式训练新框架 Decoupled DiLoCo。每个方向都在用不同路径回答同一个问题——当 AI 能力快速跃迁时，制度、硬件和经济结构该怎么跟上。

1. 激进可选性：AI 监管的第三条路

法律与 AI 研究所的研究者提出了一种不同于「管」或「不管」的策略：激进可选性（radical optionality）。核心思路是——政府现在就投资建设未来可能需要的治理工具，而不是急着制定可能很快过时的规则。在巨大的不确定性下，花大钱保留行动能力是值得的。

具体建议涵盖七个方向：1）透明度与报告要求，让企业公开 AI 系统信息，并建立第三方审计；2）吹哨人保护，确保前沿实验室员工能安全举报风险；3）政府间信息共享，特别是围绕敏感的 AI 进展和关键供应链；4）灵活规则与弹性定义，采用「if-then」条件式监管承诺，避免过早锁死；5）能力评估与安全评估，发展政府和第三方的 AI 评测能力；6）模型权重与算法秘密的安全保护，通过自愿标准提升物理和网络安全；7）人才招聘，加大对 AISI（英国）和 CAISI（美国）等机构的资金投入。

作者也回应了几个反对意见：这些工具是否会鼓励政府过度干预？答案是它们本身不是「重型权力」，滥用空间有限。是否牺牲民主合法性？确实可能需要在灵活性和公众参与之间取舍。是否导致权力集中？作者承认风险存在，因此特意不建议大幅扩展《国防生产法》等紧急权力。