[論文レビュー] Bridging the Global Divide in AI Regulation: A Proposal for a Contextual, Coherent, and Commensurable Framework

Sang-Chul Park|arXiv (Cornell University)|Mar 20, 2023

Law, AI, and Intellectual Property被引用数 4

ひとこと要約

本論文は、AI規制におけるグローバルな格差を是正するため、文脈的・一貫的・可換性のある（3C）フレームワークを提唱する。このフレームワークは、AIシステムをその展開文脈と人間との相互作用に基づき、自律的、分類的（割り当て、懲罰的、認知的）、生成的の3つのタスクベースのタイプに分類する。それぞれの分類に対して目的に応じた規制を設定することで、規制の一貫性を確保し、国際的なリスク測定基準を通じてグローバルな相互運用性を促進する。

ABSTRACT

As debates on potential societal harm from artificial intelligence (AI) culminate in legislation and international norms, a global divide is emerging in both AI regulatory frameworks and international governance structures. In terms of local regulatory frameworks, the European Union (E.U.), Canada, and Brazil follow a horizontal or lateral approach that postulates the homogeneity of AI, seeks to identify common causes of harm, and demands uniform human interventions. In contrast, the United States (U.S.), the United Kingdom (U.K.), Israel, and Switzerland (and potentially China) have pursued a context-specific or modular approach, tailoring regulations to the specific use cases of AI systems. This paper argues for a context-specific approach to effectively address evolving risks in diverse mission-critical domains, while avoiding social costs associated with one-size-fits-all approaches. However, to enhance the systematicity and interoperability of international norms and accelerate global harmonization, this paper proposes an alternative contextual, coherent, and commensurable (3C) framework. To ensure contextuality, the framework (i) bifurcates the AI life cycle into two phases: learning and deployment for specific tasks, instead of defining foundation or general-purpose models; and (ii) categorizes these tasks based on their application and interaction with humans as follows: autonomous, discriminative (allocative, punitive, and cognitive), and generative AI. To ensure coherency, each category is assigned specific regulatory objectives replacing 2010s vintage AI ethics. To ensure commensurability, the framework promotes the adoption of international standards for measuring and mitigating risks.

研究の動機と目的

• 水平的（EU、カナダ、ブラジル）と文脈特化型（米国、英国、イスラエル、スイス、中国を含む可能性あり）のAI規制モデルの間で拡大するグローバルな規制格差に対処する。
• 2010年代の「ワンサイズ・フィットスモール」規制の限界を乗り越え、多様なAI応用分野における文脈に敏感でミッション・クリティカルなリスク管理を可能にする。
• 標準化されつつも柔軟なガバナンスフレームワークを通じて、国際的規制の相互運用性を高め、調和を加速する。
• 2010年代のAI倫理原則を、現実のAI利用事例に一致する成果志向の規制目的に置き換える。
• AIシステムのカテゴリごとに共通のリスク測定基準を促進することで、国境を越えた規制整合性の基盤を構築する。

提案手法

• AIライフサイクルを、導入前の学習段階と、導入後のタスク特化型の展開段階に二分し、基盤的または汎用的モデルの概念に依存しない。
• 応用分野と人間との相互作用に基づき、AIシステムを3つの規制カテゴリに分類する：自律的、分類的（割り当て、懲罰的、認知的）、生成的AI。
• それぞれのカテゴリに、具体的な成果志向の規制目的を割り当て、2010年代の一般的な倫理原則を置き換える。
• 国際的なリスク評価および緩和基準を統合し、異なる司法管轄区域および規制制度間での可換性を確保する。
• 共通の分類および測定プロトコルを通じて、国家的規制の自律性と国境を越えた規制の一貫性の両立を可能にするフレームワークを構造化する。
• 規制設計を実際のAIシステムの行動と社会的影響に合わせることで、立法、執行、国際的協力の指針としてフレームワークを活用する。

実験結果

リサーチクエスチョン

• RQ1 文脈特化型のAIガバナンスとグローバルな相互運用性の必要性を両立させる規制フレームワークは、どのように構築できるか？
• RQ2 展開文脈と人間との相互作用に基づいて、異なる種類のAIシステムを効果的に区別する基準は何か？
• RQ3 抽象的な倫理原則から、特定のAI応用分野における具体的で測定可能な成果に向け、規制目的をどのように再調整できるか？
• RQ4 国際基準が、異なる国家のAI規制モデル間で可換性を実現する程度はどの程度か？
• RQ5 統一されたフレームワークは、国家政策の自律性を損なうことなく、規制の断片化を軽減できるか？

主な発見

• 3Cフレームワークは、ワンサイズ・フィットスモールモデルから文脈に応じたカテゴリベースのアプローチに移行することで、現実のAI展開パターンに適合する形でAI規制を再定義した。
• 自律的、分類的（割り当て、懲罰的、認知的）、生成的というカテゴリへのAI分類により、より的確で的を射た規制対応が可能になる。
• 2010年代のAI倫理原則を成果志向の規制目的に置き換えることで、規制の明確性、実効性、政策の一貫性が、国境を越えて向上する。
• リスク測定および緩和のための国際基準の統合は、規制の可換性および国境を越えた整合性の可能性を顕著に高める。
• EUの水平的アプローチと米国の用途特化型モデルの間で顕在する規制モデルの相違を、共通の分析的・規範的基盤を提供することで、このフレームワークは橋渡しの可能性を示している。
• 学習段階と展開段階にライフサイクルを二分するという提案は、基盤モデルに関する概念的曇りを回避し、より動的でリスク対応性の高い規制を支援する。