La Cina ha un nuovo piano per valutare la sicurezza dell’intelligenza artificiale generativa – ed è ricco di dettagli.

La Cina presenta un innovativo piano di valutazione della sicurezza dell'intelligenza artificiale generativa - ricco di dettagli.

Said Matt Sheehan, un compagno tecnologico globale presso il Carnegie Endowment for International Peace, ha detto: “Questo sostanzialmente fornisce alle aziende una struttura o una guida su come conformarsi alle normative sull'IA generativa che presentano molti requisiti vaghi. ¶ Credito: Stephanie Arnett/MIT Technology Review/Getty

Dal momento in cui il governo cinese ha approvato una legge sull’IA generativa lo scorso luglio, mi sono chiesto come esattamente la macchina di censura della Cina si adatterà all’era dell’IA. I contenuti prodotti dai modelli di IA generativa sono più imprevedibili rispetto ai social media tradizionali. E la legge lasciava molti punti oscuri; ad esempio, richiedeva alle aziende “che sono capaci di mobilitazione sociale” di presentare “valutazioni di sicurezza” agli enti di regolamentazione governativa, anche se non era chiaro come funzionasse tale valutazione.

La scorsa settimana abbiamo ottenuto una certa chiarezza su come potrebbe essere tutto ciò nella pratica.

L’11 ottobre, un’organizzazione governativa cinese chiamata Comitato Tecnico per la Standardizzazione della Sicurezza delle Informazioni Nazionali ha pubblicato un documento di bozza che proponeva regole dettagliate su come determinare se un modello di IA generativa è problematico. Spesso abbreviato come TC260, il comitato consulta rappresentanti aziendali, accademici e regolatori per stabilire norme per l’industria tecnologica su questioni che vanno dalla sicurezza informatica alla privacy all’infrastruttura IT.

A differenza di molti manifesti che potresti aver visto su come regolamentare l’IA, questo documento di standard è molto dettagliato: stabilisce criteri chiari per quando una fonte di dati dovrebbe essere vietata nell’addestramento dell’IA generativa, e fornisce metriche sul numero esatto di parole chiave e domande campione che dovrebbero essere preparate per testare un modello.

Da MIT Technology Review Visualizza l’articolo completo