專家根據實際數據來描述人工智能政策負責制定的策略

由於在美國和世界各地的政治家考慮如何管理人工智能技術，伯克利研究人員與其他人結合在一起，根據實際數據為製定AI政策的機會推薦機會。

珍妮弗·夏（Jennifer Cheyes），離子斯多葛（Ion Stoic），黎明歌曲和艾瑪·皮爾森（Emma Pierson）的作者：“促進科學和基於AI政策的實際數據” Rishi Bommasani等。出版 在雜誌中 科學 7月31日，本文提出了解決“越來越強大的AI”能力和問題的政治機制。

其他共同作者包括斯坦福大學，普林斯頓大學，卡內基國際世界，哈佛大學，高級教育研究所和布朗大學的人工藝術專家和科學家。

最新的出版物是在加利福尼亞聯合政治工作組針對AI Frontier模型的最新報告之後，該報告在Cheesa，教授和大學院長的領導下，在伯克利分校的計算機，科學科學和社會上。

上個月，工作組介紹了 最終報告– 應州長加文·紐瑟姆（Gavin Newsom）的要求，“加利福尼亞州的邊境政策報告”。在考慮工作組報告中AI的最佳證據時，提出了政治的關鍵原則，以幫助告知該州穀物AI的使用，評估和管理。該報告包括加利福尼亞州參議員和議會議員，構成立法，以及國家機構，技術行業和民間社會組織的領導人。

七月第31條 科學 為考慮在美國和世界各地的干預措施的更廣泛的政客提出建議：“ AI政策必須促進AI創新，確保其潛在的利益實現並廣泛。

在本文中，作者根據實際數據制定了AI政策制定的願景，考慮了三個主要組成部分：證據應如何為政策提供信息；當前的證據狀態；政治如何加快新證據的產生。

作者指出：“（可靠）證據的定義是基於實際數據應用於AI-Zadach的上下文的策略的第一個障礙，這已經變得越來越重要，因為證據規範取決於政策區域。”

然而，專家警告說，不斷發展證據的參與者不應使用不採取行動或促進負面的社會結果來使用證據，這是指過去的行業案例，這些案例是煙霧證據作為歷史例子，以避免重複。

作者說：“基於實際數據的AI政策將受益於不僅值得信任，而且行動的證據。” “主要的關注是最終風險，這意味著與現有技術（例如搜索引擎）相比，與AI相關的其他風險將有助於確定新的風險以及如何正確介入以解決它們。”

作者說：“對人工智能的廣泛覆蓋可能意味著證據和政治也發生了變化：儘管有些證據和政治直接涉及AI，但更部分地與AI相交。” “一項善意的政策應整合反映科學理解的證據，而不是炒作。”

作者說：“政策可以積極加快能夠最能為未來政治決定提供最佳信息的證據的生成。”

他們建議政客迫害以下機制來開發實際基礎，並根據實際數據作為AI政策的基礎：

• 釋放前刺激對AI模型的評估；
• 大型人工智能公司的需求向政府，尤其是公眾披露有關其安全實踐的更多信息；
• 破壞後對AI VRD的監測；
• 創建盾牌以保護對第三方方面的認真研究；
• 加強社會保護，尤其是考慮到無限制風險的明顯證據，即使是缺失的AI功能；和，
• 催化科學共識的教育。

作者總結說：“我們承認，基於實際數據圍繞實際數據的統一隻是許多基本張力的協調的第一步。” “廣泛的辯論對於民主法律政策既有用，也是必要的；此類辯論應基於現有證據。”