来源:上海人工智能研究院”

人工智能大模型的出现成为人工智能发展历程当中具有里程碑意义的标志性事件,正加速人工智能“奇点”时刻的到来。随着大模型技术创新发展日新月异,并与垂直行业深度融合应用,在充分显现人工智能技术红利的同时,其面临的隐私泄露、侵犯产权以及违背伦理等风险也日益突出,引发社会各界的广泛关注和担忧,需要加快完善大模型法律监管体系,推动行业共建大模型治理体系,确保大模型的应用和发展符合伦理道德和社会价值观。 为帮助社会各界了解大模型立法最新动态和立法趋势提供有价值的参考、助力大模型行业健康规范发展,金杜律师事务所联合上海人工智能研究院、华为技术有限公司、上海昇思AI框架&大模型创新中心共同编制《大模型合规白皮书》,并于2023年11月26日在上海市科普志愿者协会院士专家指导团赵巷活动中心暨“巷未来”公共文化空间揭牌仪式上正式发布

白皮书着眼于当前大模型广阔的发展前景及面临的风险,重点梳理了欧盟、美国、英国以及我国在大模型及人工智能方面的法律监管现状;并在我国人工智能法律监管框架之下进一步梳理了大模型相关方的合规义务及合规要点;最后展望了未来大模型法律监管体系的发展趋势与特征。

报告封面

白皮书主要内容

1

欧盟、美国和英国人工智能大模型

法律监管现状

欧盟以《人工智能法案》为核心,结合大模型相关的其他领域的立法,逐步建立起以专项法案为主、现存法规为辅的人工智能法律监管框架。美国对于人工智能大模型的立法较为分散、地区化,各州独自推进人工智能立法,联邦政府在现有的立法框架内对大模型进行规制,人工智能相关的联邦立法提案也在推进当中。

欧盟、美国人工智能大模型法律监管现状 图源《大模型合规白皮书》 英国目前的司法实践中对于专利的发明人是否只能为自然人存在激烈的讨论,相关案件的判决将为“AI能否被认定为发明人”这一难题在英国的解决提供指引,同样对AI大模型领域的研究与发展至关重要。

英国-立法现状及案例 图源《大模型合规白皮书》

2 我国人工智能大模型法律监管现状

我国围绕网络安全、数据安全、个人信息保护等重点领域制定了法律法规,并及时跟进人工智能技术创新发展态势,先后针对互联网信息推荐、生成式人工智能等技术领域出台了法律法规,建立了法律法规和标准规范相协调的人工智能监管制度体系。

我国人工智能大模型法律监管现状 图源《大模型合规白皮书》 3

大模型相关方的合规义务及合规要点

大模型相关方包括服务提供方、技术支持方和用户,三方在面对不同的合规要素时应履行不同的合规义务。对各方义务进行明确划分,可为相关单位开展大模型业务提供法律解读及合规指引,保障大模型相关业务的合规经营。

大模型相关方的合规义务及合规要点 图源《大模型合规白皮书》 4

未来展望:大模型合规监管的发展前沿

由于大模型合规规则在全球范围的趋同趋势、国际合作与共建趋势、各国策略的差异化、以及不同行业和领域对打模型合规需求的差异性,大模型法律监管体系的发展演变将呈现标准化、国际化、多元化和差异化的特征;同时大模型的发展与应用还涉及到社会、文化、伦理等多重维度,应建立与社会伦理规范对齐的监管规则,所以大模型合规监管还将呈现与社会伦理规范相融的发展特征。

未来展望:大模型合规监管的发展前沿 图源《大模型合规白皮书》 5

发展建议:建立大模型合规治理生态

政府应通过建立横向监管、纵向监管相结合的大模型合规监管制度,提供资金支持和税收优惠,并与行业共建合规监管体系推动构建行业新秩序;企业应重视大模型自我治理和社会责任、重视技术研发与模型优化并加强沟通与合作,坚持守正创新的同时做好责任担当;社会组织应加强大模型监督与评估,开展大模型相关的教育和培训,并与政府、企业建立对话机制,从而加强协同合作,共促行业发展。

白皮书目录

1

大模型的发展历程

1、早期模型的探索与局限性 2、深度学习的崛起 3、GPT等代表性大模型的影响 (1)大模型带来的效率与准确度革命 (2)大模型带来的机会与挑战 2

全球大模型监管现状

1、主要国家和地区加快完善大模型监管 (1)欧盟 (2)美国 (3)英国 2、我国对于大模型的监管现状 (1)立法现状 (2)合规要素 (3)大模型业务中各方合规义务一览表 (4)运营角度的其他考量 3

未来展望与发展建议

1、未来展望:大模型合规的前沿 (1)大模型技术创新发展与合规风险并存 (2)大模型合规框架走向标准化与国际化 (3)社会文化和伦理逐渐与合规体系相融 (4)行业应用面临不同合规挑战与监管 (5)治理路径分阶段、有弹性地构建 2、发展建议:构建大模型合规生态 (1)政府推动构建行业新秩序 (2)企业创新与责任担当 (3)社会组织加强协同合作

成为VIP会员查看完整内容
108

相关内容

大模型是基于海量多源数据打造的预训练模型,是对原有算法模型的技术升级和产品迭代,用户可通过开源或开放API/工具等形式进行模型零样本/小样本数据学习,以实现更优的识别、理解、决策、生成效果和更低成本的开发部署方案。
重磅!《2023人工智能发展白皮书》版本,118页pdf
专知会员服务
158+阅读 · 2023年8月31日
重磅!《数字孪生城市白皮书(2022年)》发布,54页pdf
专知会员服务
50+阅读 · 2023年1月12日
重磅!《区块链白皮书(2022年)》发布,38页pdf
专知会员服务
56+阅读 · 2022年12月30日
244页pdf!《2022 中国云计算生态蓝皮书》发布
专知会员服务
108+阅读 · 2022年8月3日
重磅!华为等发布《知识计算白皮书》,65页ppt
专知会员服务
163+阅读 · 2022年6月6日
重磅!《人工智能白皮书(2022年)》发布,42页pdf
专知会员服务
467+阅读 · 2022年4月13日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
27+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
Arxiv
134+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
329+阅读 · 2023年3月31日
Arxiv
115+阅读 · 2023年3月24日
Arxiv
17+阅读 · 2023年3月17日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
27+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员