2024 AI 法案與治理：風險分級與科靈格里奇困境#

案發現場#

2024 年 8 月，歐盟《人工智慧法》（EU AI Act）生效——全球第一部 AI 全面立法。設計的核心：風險分級（risk-based）的金字塔——不可接受風險（禁止：社會評分、即時生物辨識的濫用）→高風險（醫療、招聘、執法——義務加身：透明、人類監督、資料品質）→有限風險（透明義務：告知「你在和 AI 說話」、標示深偽）→最低風險（自由）；通用模型（GPAI——大型語言模型）另有義務（訓練資料摘要——呼應 2023-AI與著作權.md 的透明妥協）。

此前：2023 年 10 月美國行政命令（EO 14110，安全測試與報告義務）、NIST 的 AI 風險管理框架（2023）、中國的演算法推薦與生成式 AI 管理辦法（2022/2023）。

為什麼 AI 管制採用「風險分級」？科靈格里奇困境（技術可控制時看不出影響、影響明顯時已控制不了）如何處理？監管的速度追得上技術嗎？

偵查過程#

線索一：風險分級（管制的設計邏輯）。 為什麼不「全面管制」也不「全面放任」？偵查：用途的風險差異巨大——同一個 LLM，寫行銷文案（低風險）與篩選求職者（高風險——歧視的系統化：以歷史資料學習=複製歷史的偏見）風險天壤。分級的邏輯：管制隨「用途對人的影響」加碼——與 1906-純淨食品法.md 的藥品分級同構（非處方/處方/管制藥品——用途與風險決定管制強度）；「禁止清單」（社會評分）是紅線——與 GDPR（2018-GDPR.md）的權利清單同構。偵查的重點：AI 管制把「技術」與「用途」分開管——技術本身不違法，用途的風險決定義務；這是「用途管制」（application-based）而非「技術管制」（technology-based）。

線索二：科靈格里奇困境（本案的理論核心）。 科靈格里奇（Collingridge, 1980）的困境：技術的早期——影響未知、修改容易（可控制但不知道要控制什麼）；技術的成熟——影響已知、修改極難（知道要控制什麼但已太晚——產業、依賴、利益已固化）。偵查的重點：AI 是困境的最新案例——2023 年的監管者面對「能力每三個月翻新」的技術：管早了扼殺（誰知道哪些用途有害？）、管晚了固化（模型已滲透一切流程）；分級+透明義務+「通用模型的持續監管」是邊走邊管的妥協——管制從「事前許可」轉為「持續的風險管理」。

線索三：監管的速度差（主管機關 vs 模型週期）。 監管的現實：立法（數年）、訴訟（數年）、標準（數年）vs 模型的更新（月）——速度差的量化：AI Act 2021 提出→2024 生效→義務分期（2025/2026/2027）——立法三年、義務六年；同一時期模型從 GPT-4 到多模態代理。偵查的重點：「管制追不上」不是放棄管制的理由，是管制設計的參數——與其訂條文（跟不上），不如訂原則與程序（風險評估、透明、人類監督——原則的壽命長於條文）；標準（ISO/IEC 的 AI 標準）成為「條文與技術之間的緩衝層」。

線索四：布魯塞爾效應（治理的全球化）。 歐盟法規的全球化（與 2018-GDPR.md 的 GDPR 同一劇本）：全球企業為單一市場合規，把歐盟標準變成事實上的全球標準——CCPA 仿 GDPR、各國 AI 框架參照 EU AI Act。偵查的重點：大市場的規則=全球的規則——管制權來自市場規模（4.5 億消費者）而非技術領先（歐盟沒有大型 AI 公司卻立了全球標準）——「誰的大市場誰立法」是治理地緣學。

線索五：深偽與選舉（政治的現場）。 2023–24 的選舉年：深偽的電話（新罕布夏 2024 初選的 AI 巴登仿聲——勸阻投票）、選舉資訊的污染——AI Act 的「深偽標示義務」與平台的自律（協議）；與 2012-交友軟體與婚戀市場.md 的「演算法=新的社會中介」同一主題的更危險版本：演算法不只配對伴侶，還配對（污染）資訊。偵查的重點：生成式 AI 把「說服」的成本降到趨零——政治的資訊防線（標示、溯源、內容憑證 C2PA）是新的基礎設施——與 1884-標準時間.md 的「看不見的基礎設施」同構：真實性憑證是資訊時代的時間標準。

結案報告#

用途管制替代技術管制：風險分級（禁止/高風險/透明/自由）——技術不違法，用途的風險決定義務；與藥品分級同構。
科靈格里奇困境的妥協：早期可控制但不知影響、後期知影響但固化——管制從「事前許可」轉為「持續的風險管理」（原則與程序的壽命長於條文）。
速度差是設計參數：立法三年 vs 模型三個月——訂原則、程序與標準（緩衝層），不訂細則；布魯塞爾效應讓大市場的規則成為全球規則。
偵探教訓：AI 治理的偵查路線：先分技術與用途（管制跟用途走）、再承認速度差（原則勝於條文）、最後建真實性基礎設施（標示、溯源、憑證）——「管制追不上技術」的解方不是更快地立法，是讓原則比技術活得久。

證據與工具#

跨領域影響矩陣：

領域	發明	機制
法律	風險分級金字塔	用途管制
政治	深偽標示、選舉防線	說服成本的崩塌
經濟	合規成本、市場準入	布魯塞爾效應
技術	GPAI 義務、資料摘要	透明作為妥協
國際	標準（ISO/IEC）	條文與技術間的緩衝

AI Act 的風險金字塔：

層級	用途例	義務
不可接受	社會評分、濫用生物辨識	禁止
高風險	招聘篩選、醫療、執法	透明+人類監督+資料品質
有限風險	聊天機器人、深偽	標示（說真話）
最低風險	文案、娛樂	自由

科靈格里奇困境（管制的時間兩難）：

時期	影響知識	修改能力	困境
技術早期	未知	高	可控但不知控什麼
技術成熟	已知	低	知道控什麼但已固化

結論： 2024 年的 AI 法案是「風險分級+持續監管」的新管制範式：技術與用途分開管（用途決定義務）、科靈格里奇困境以「原則與程序」迴避（條文追不上技術，原則可以）、布魯塞爾效應讓大市場立法全球化。管制的解方不是更快立法，是讓原則比技術活得久——而深偽的選舉現場提醒：真實性憑證（標示、溯源）是資訊時代的「時間標準」。