麻省理工学院（MIT）研究人员近日发布了一个号称迄今为止最全面的AI风险动态数据库，涵盖了43大AI风险类别共计777种AI风险。
这是业界首次尝试全面整理、分析和提取人工智能风险，并整合成一个公开可访问、全面、可扩展的分类风险数据库。为业界统一定义、审计和管理人工智能风险奠定了基础。
对于从事AI安全和治理的专业人士来说，这是一个不可或缺的知识库，可用于创建自己（所在企业）的个性化风险数据库。
AI风险数据库
MIT科技评论的一篇文章指出，AI技术应用面临多种危险，系统可能存在偏见、传播错误信息，甚至具有成瘾性。这些风险只是冰山一角，AI还有可能被用于制造生物或化学武器，甚至在未来失控，造成难以挽回的灾难性后果。
AI风险全景图
为了满足AI风险治理的迫切需求，MIT的计算机科学与人工智能实验室（CSAIL）下属的FutureTech团队着手开发了“全覆盖”AI风险数据库。
据CSAIL网站发布的新闻，研究人员在现有的AI风险框架中发现了大量严重漏洞，现有的最详尽的AI风险框架（例如NIST、谷歌和欧盟发布的框架）也仅涵盖了所有风险的约70%。因此，项目负责人Peter Slattery博士担心决策者可能会因为认知偏差而忽略重要问题，从而形成集体决策盲区。
MIT的AI风险数据库旨在为学者、安全审计人员、政策制定者、AI公司和公众提供关于AI风险“全景图”，为研究、开发和治理AI系统提供了一个统一的参考框架。该数据库由三部分组成：AI风险数据库、AI风险因果分类法以及AI风险领域分类法，具体如下：
- AI风险数据库：记录了从43种现有框架中提取的700多种风险，并附有相关引用和页码。
- AI风险因果分类法：分类AI风险发生的方式、时间和原因。
- AI风险领域分类法：将风险分为七大领域和23个子领域，涵盖歧视与有害内容、隐私与安全、虚假信息、恶意行为者及误用、人机交互、社会经济与环境危害、AI系统安全与故障等。
AI治理的利器
Info-Tech研究集团首席研究总监Brian Jackson认为，AI风险数据库对负责AI治理的企业领导者来说极具价值。它不仅帮助企业识别新的AI风险，还可以作为制定具体治理策略的基础工具。此外，该数据库以Google Sheets的形式提供，便于各组织根据自己的需求进行定制。
AI风险数据库的功能和适用场景如下：
通用功能：
- 吸纳新成员进入AI风险领域。
- 为复杂项目奠定基础。
- 为开发更细化或特定的分类体系提供信息支持（例如，系统性风险或欧盟相关的虚假信息风险）。
- 利用分类体系进行优先级排序（如通过专家评分）、综合分析（如进行审查）或比较（如跨领域探讨公众关注点）。
- 识别被忽视的领域（如AI的福利和权利）。
适用人群和场景：
- 政策制定者：用于制定法规和共享标准的开发。
- 审计人员：开发AI系统的审计标准。
- 学术界：识别研究空白，开发教育和培训。
- 行业：内部评估和准备AI风险，制定相关战略、教育和培训。
尽管数据库还存在一些限制，例如依赖现有的43种分类法，可能遗漏新兴的特定领域风险，但MIT的研究人员表示，这项工作为未来的AI风险评估奠定了基础，促进了更协调和全面的风险管理方法。
展望未来：AI治理的新篇章
面对AI技术的野蛮生长和潜在风险的快速累积，越来越多的企业和机构在部署AI应用时更加谨慎，并渴望提高严重滞后的AI风险治理能力。
MIT发布的AI风险数据库为AI的健康发展提供了全方位的风险地图，标志着AI治理的新篇章已经开启。
Gartner副总裁分析师Bart Willemsen指出，这项研究是迈向更深入理解AI技术风险的重要一步。他期待未来的版本能够不仅列出AI风险，还能提供相关的缓解措施，为行业应用提供最佳实践指南。
