[논문 리뷰] Navigating Governance Paradigms: A Cross-Regional Comparative Study of Generative AI Governance Processes & Principles

José Diogo Forte de Oliveira Luna, Ivan Tan외 2명|arXiv (Cornell University)|2024. 08. 14.

Ethics and Social Impacts of AI인용 수 4

한 줄 요약

이 논문은 유럽연합(EU), 미국(US), 중국, 캐나다, 영국(UK), 싱가포르의 6개 지역을 대상으로 한 생성형 AI 거버넌스에 대한 다국적 비교 분석을 제안하는 하모나이즈드 GenAI 프레임워크(H-GenAIGF)를 제시한다. 이 프레임워크는 15개의 프로세스, 25개의 서브프로세스, 9개의 원칙을 규명한다. 분석 결과, 위험 기반 접근 방식이 가장 많은 프로세스를 커버하지만, 유일하게 전역적으로 일치하는 프로세스는 하나뿐이어서 신뢰할 수 있는 생성형 AI 도입을 위해 하모니제이션의 긴급한 필요성을 드러낸다.

ABSTRACT

As Generative Artificial Intelligence (GenAI) technologies evolve at an unprecedented rate, global governance approaches struggle to keep pace with the technology, highlighting a critical issue in the governance adaptation of significant challenges. Depicting the nuances of nascent and diverse governance approaches based on risks, rules, outcomes, principles, or a mix across different regions around the globe is fundamental to discern discrepancies and convergences and to shed light on specific limitations that need to be addressed, thereby facilitating the safe and trustworthy adoption of GenAI. In response to the need and the evolving nature of GenAI, this paper seeks to provide a collective view of different governance approaches around the world. Our research introduces a Harmonized GenAI Framework, "H-GenAIGF," based on the current governance approaches of six regions: European Union (EU), United States (US), China (CN), Canada (CA), United Kingdom (UK), and Singapore (SG). We have identified four constituents, fifteen processes, twenty-five sub-processes, and nine principles that aid the governance of GenAI, thus providing a comprehensive perspective on the current state of GenAI governance. In addition, we present a comparative analysis to facilitate the identification of common ground and distinctions based on the coverage of the processes by each region. The results show that risk-based approaches allow for better coverage of the processes, followed by mixed approaches. Other approaches lag behind, covering less than 50% of the processes. Most prominently, the analysis demonstrates that among the regions, only one process aligns across all approaches, highlighting the lack of consistent and executable provisions. Moreover, our case study on ChatGPT reveals process coverage deficiency, showing that harmonization of approaches is necessary to find alignment for GenAI governance.

연구 동기 및 목표

• 생성형 AI에 대한 거버넌스 접근 방식을 세계 주요 6개 지역 간에 분석하고 비교하기.
• 지역 간 거버넌스 프로세스와 원칙의 공통점과 상이점을 규명하기.
• 현재 거버넌스 관행을 통합하여 하모니제이션된 모델로 제시하는 통합 프레임워크—H-GenAIGF 개발하기.
• 다양한 지역적 패러다임에서 거버넌스 프로세스의 커버리지 수준을 평가하고 핵심 격차를 식별하기.
• 실제 생성형 AI 시스템인 ChatGPT 사례 연구를 통해 현재 거버넌스 모델의 실용적 적용 가능성을 평가하기.

제안 방법

• 6개 지역의 기존 거버넌스 프레임워크에서 4개의 구성 요소, 15개의 핵심 프로세스, 25개의 서브프로세스, 9개의 원칙을 식별한다.
• 지역 거버넌스 모델 간 프로세스 커버리지 수준을 평가하기 위해 비교 분석을 수행한다.
• 지역적 접근 방식에서 겹치는 요소와 차이점을 통합하여 H-GenAIGF 프레임워크를 구축한다.
• 위험 기반, 원칙 기반, 규칙 기반, 결과 기반, 또는 혼합형으로 거버넌스 패러다임을 분류하고, 각 패러다임별 커버리지 수준을 측정한다.
• 실제 생성형 AI 시스템인 ChatGPT에 대한 사례 연구를 통해 거버넌스 프로세스의 실용적 일치도를 평가한다.
• 패러다임 간 프로세스 커버리지 수준을 통계적으로 비교하여 효과성 순위를 매기고 결함을 식별한다.

실험 결과

연구 질문

• RQ1 다양한 지역 거버넌스 패러다임이 생성형 AI 프로세스 커버리지 측면에서 어떻게 비교될 수 있는가?
• RQ2 위험 기반, 혼합형, 또는 원칙 기반 접근 방식 중에서 어떤 것이 핵심 생성형 AI 거버넌스 프로세스를 가장 광범위하게 커버하는가?
• RQ3 핵심 거버넌스 프로세스 이행에서 지역 간 일치 수준은 어느 정도인가?
• RQ4 실제 생성형 AI 시스템인 ChatGPT와 같은 시스템에 적용했을 때 현재 거버넌스 프레임워크의 주요 격차는 무엇인가?
• RQ5 하모니제이션 프레임워크는 글로벌 생성형 AI 거버넌스의 일관성과 신뢰성 향상에 어떻게 기여할 수 있는가?

주요 결과

• 위험 기반 거버넌스 접근 방식이 15개의 핵심 프로세스 중 가장 높은 비율을 커버하며, 이어 혼합형 접근 방식이 뒤를 이룬다.
• 원칙 기반 및 규칙 기반 접근 방식은 프로세스의 50% 미만을 커버하여 심각한 커버리지 격차를 드러낸다.
• 모든 6개 지역의 거버넌스 패러다임에서 일관되게 일치하는 프로세스는 유일하게 하나뿐이므로, 보편적 표준의 부재가 심각한 문제로 드러난다.
• ChatGPT에 대한 사례 연구 결과, 프로세스 커버리지에 상당한 결함이 있음을 확인하여, 종합적 거버넌스 기대와의 일치하지 않는다는 점이 드러났다.
• 분석 결과 현재 거버넌스 모델는 일관성과 통합성이 부족하여 효과적인 글로벌 거버넌스를 위해 하모니제이션 프레임워크의 필요성이 확인되었다.
• H-GenAIGF 프레임워크는 통합적이고 증거 기반의 모델을 제공하여 글로벌 생성형 AI 거버넌스를 통합하고 강화한다.