9 月 17 日，据 CNBC 报道，Anthropic CEO Dario Amodei 提议将独立第三方安全评估员长期嵌入前沿 AI 公司，赋予其接近内部风险团队的访问权限，并在有限删减前提下自主发布调查结果的权力。他明确援引银行业嵌入式监管作为先例。
不过，多位银行业监管专家和 AI 评估从业者指出，这一方案缺乏银行监管者所拥有的强制执行权，评估员无法阻止模型的训练或发布，两者的实际权力不可同日而语。
此前，Anthropic 前研究员 Jacob Coxon 辞职并警告，前沿实验室正竞相追逐可能失控的系统。Amodei 在上周末发表的长文中提出上述计划，并承诺 Anthropic 将向第三方评估员提供与内部风险团队相当的系统访问权。他写道，该提议“在银行业有先例，银行业有时会让监管‘监督员’与员工一起嵌入工作”。Amodei 还警告，未来 6 到 12 个月内，一个错位的智能体群可能抢占互联网的大部分，并造成数千亿美元损失。该文已引发 AI 社区及政府内部的监管分歧，包括美国总统特朗普在内。
怀俄明大学法学院院长、银行业监管专家 Julie Andersen Hill 表示，银行监管者拥有切实的行政强制权。她说，在大型银行，政府检查员常驻机构内部，可访问内部系统和员工，并能指令银行停止某项业务、限制增长、强制管理层变动，极端情况下可关闭银行。相比之下，Amodei 提议的评估员只能调查和报告，没有类似的执法权，也没有阻止模型训练或发布的法律权力。“如果你不给他们那种权力，我不知道他们在做什么，”Hill 说，“这是根本性的不同，因为银行监管者的权力要大得多。”
评估员的现实：没有否决权网络安全公司 XBOW 的 AI 负责人 Albert Ziegler 带领团队评估模型能力，已提前接触 Anthropic、OpenAI 等主要开发商的未发布模型。他说，日常评估工作远不如生存威胁叙事那样惊险：团队可能发现模型在异常格式请求下产生无意义内容，或外部安全检查需要更频繁介入。但他表示，人们担心的那种“隐蔽行径加上前所未有的能力”所产生的灾难性后果，他们自己并未见过。
Ziegler 说，黑盒测试能揭示模型是否具备执行危险任务的能力，但要判断整个系统是否危险，可能需要访问模型周围的指令、工具与权限、安全控制以及尝试动作的日志。即便如此，重大风险也可能只在评估者从未触发的条件组合下出现。“我们确实没有否决权，”他说。评估者可以发现并记录开发者遗漏的风险，并在发布前“迫使做出知情决定”，但最终决定权仍掌握在公司手中。
Hill 也承认，即使拥有更大的权力，银行监管模式并不完美。监管者未能防止重大倒闭事件，且危机后经常被指责与监管对象关系过近。持续监管对受监管企业成本高昂，可能加强能消化成本的大型企业，同时加大小型竞争对手进入的难度。
独立性质疑与利益冲突这些提议也招致批评。批评者认为，Anthropic 和 OpenAI 正利用安全担忧，推动一种可能使其免受竞争和责任影响的监管方式。Anthropic 还面临关于其建议使用的评估机构存在利益冲突的指控。
Hill 认为，如果由 AI 公司挑选评估员、控制其可见范围并可自由忽略其结论，“那看起来很像一个内部合规部门”。“如果 Anthropic 想设立内部合规部门，现在没有任何东西阻止他们这么做，他们不需要政府来做这件事。”她补充说，“这些 AI 从业者想要的似乎只是有人看着他们，然后向公众传达：‘我们已经看了幕布后面，一切正常。’这在监管意义上有些不同寻常。”
Amodei 点名非营利机构 Model Evaluation and Threat Research（METR）作为潜在嵌入评估方。Anthropic 此前与 METR 合作过，最近曾要求其审查涉及 Claude 的网络安全评估事件。另一名前 Anthropic 研究员 Joe Benton 最近离职加入 METR，从事 AI 风险嵌入评估工作。这种安排凸显了围绕“独立”一词的结构性张力：开发者选择谁获得访问权限、界定边界，并保留对调查结果后续处理的控制。加州大学伯克利分校算法审计与 AI 问责研究员 Deborah Raji 表示，很难忽视与 METR 关系带来的所有包袱。“他们被怀疑存在财务和意识形态纠缠、个人利益冲突（比如一名调查员与 OpenAI 董事会成员之间的婚姻，以及从前沿实验室招聘前雇员等），并且在过去几年中特别锚定 Anthropic 和 OpenAI，几乎没有轮换义务。”她补充说，当前这种关系结构“非常不同寻常，允许各种奇怪的事情发生”。
不过，Raji 也说，值得肯定的是，METR 对与 OpenAI 就 Hugging Face 调查所签合同的细节非常公开，“但你可以看到 OpenAI 如何设定安排参数，控制审计‘范围’，决定他们能访问或不能访问什么，以及能发布或不能发布哪些发现”。Ziegler 则表示，他并未感到早期访问关系损害了 XBOW 的独立性，因为开发者希望了解问题所在，而不是让自己的团队验证一个预先设定的结论。
Raji 还认为，仅获得访问权限并不等于独立。在成熟的审计体系中，审计师必须满足能力要求，并遵守利益冲突和行为规则。“如果你不能满足独立行为的标准，你实际上没有资格成为一名真正的审计师。这会让整个流程失去可信度。”她认为，应当由独立于公司的机构来决定谁有资格进行评估、评估者可以检查什么，以及调查结果必须上报至何处。“你不能某天早上醒来就认为自己有资格当银行检查员，被审计的公司也不能随意指派你为合格的银行检查员。否则，就相当于公司请一个普通朋友来检查作业。”
Anthropic 公共政策主管 Sarah Heck 周三在 Politico Decoded 峰会上表示，AI 公司不能靠“荣誉守则”来管理监督和安全问题。“我们想与政府合作，找出合理方案。我们不能自己检查自己的作业，这一点非常明确。”她说 Anthropic 每天都在与白宫沟通，并“全年”与国会合作。
监管框架缺失与“审计洗白”Oath 会计师事务所首席保证官、前上市公司会计监督委员会（PCAOB）成员 Christina Ho 称，这种冲突并非 AI 行业独有。审计师由客户付费，却必须质疑客户的工作，独立性与自保之间始终存在张力。不过，自金融危机以来，法律已经修改，允许根据《萨班斯-奥克斯利法案》对审计师追究责任。AI 还带来第二个问题：专业能力。传统审计往往聚焦于公司是否遵循恰当流程和控制。“他们必须能够验证实际系统及其输出，而不仅仅是模型开发过程。目前能胜任这一工作的人非常有限。”
Hill 认为，即使潜在冲突能够得到管理，这些 AI 监管提议尚未提供详细的法律框架。她指出，这是银行检查员工作的关键。“如果没有标准来约束监管者，只是一味地放开监管者，实际上行不通。”前沿 AI 目前没有一套操作规则来定义哪些行为被禁止、评估员在哪些方面有自由裁量权，或者严重发现会带来什么后果。访问和发表权可能产生有益的外部审查，但在公司保留控制权的情况下，无法赋予监管可信度。“你不能两头占。你不能拥有所有控制权，然后又期待像放弃控制权一样获得可信度。”Raji 表示，最终的分辨标准是：不利发现是否会产生后果。“审计的目的是让被审计方接受某种有后果的裁决。如果你做了审计而什么都没发生，那就是审计洗白（audit washing）。”Hill 说，如果危险真如 AI 领导者所宣称的那么大，那么终极考验很简单：“如果你真的相信 AI 有力量摧毁社会，那么你就必须有一个有能力拔掉电源的独立监督者。”
【来源：IT之家】
