Yann LeCun警告AI监管过度:'我们正用20世纪的法律驯服21世纪的火种'

2024年6月,Meta首席AI科学家Yann LeCun在巴黎AI Action Summit闭门论坛上发表尖锐演讲,直指当前全球AI立法浪潮存在严重时滞与误判风险。他以‘数字时代的火种’比喻基础大模型——强调其本质是通用技术基础设施,而非需前置许可的高风险产品。LeCun援引欧盟《人工智能法案》草案中将开源基础模型纳入‘高风险系统’监管范畴的条款,指出该分类逻辑混淆了模型能力与具体应用场景:一个开源Llama 3权重文件本身不构成风险,而将其嵌入医疗诊断系统或金融风控流程才需针对性规制。

他披露Meta内部评估显示,现行合规框架使中小研究团队部署开源模型的成本上升300%,训练周期延长平均47天,直接导致欧洲AI初创公司向加拿大蒙特利尔和日本东京迁移研发重心。更关键的是,LeCun质疑‘黑箱审计’范式的科学性——当模型参数超千亿、推理路径呈指数级分支时,传统软件测试方法论已失效,而强制要求可解释性可能倒逼开发者采用性能妥协的简化架构,实质削弱AI进步动能。

该言论引发政策界激烈反应。欧盟委员会AI事务负责人表示将启动‘开源模型豁免机制’专项修订,但德国联邦数字化部坚持‘能力即风险’原则。美国白宫科技政策办公室则悄然调整立场,在最新发布的《AI风险分级指南》中新增‘基础模型沙盒’条款,允许经认证的开源项目在特定场景下豁免部分透明度义务。产业界迅速响应:Hugging Face宣布联合12家学术机构启动‘OpenAudit Initiative’,开发基于形式化验证的轻量级模型行为审计协议;而Stability AI则宣布终止所有闭源商业模型研发,全面转向‘可验证开源’路线。

LeCun观点的核心张力在于技术演进节奏与制度构建周期的根本错配。历史表明,电话、汽车、互联网均经历‘先发展后规范’的螺旋演进,而当前AI监管试图以工业时代线性思维覆盖智能体自主涌现特性。未来三年关键变量在于:能否建立动态风险映射机制(如按API调用量/部署场景实时调整监管强度),以及是否承认开源社区作为‘分布式治理主体’的合法性。当AI开始自我迭代代码与训练数据时,人类监管者或将从规则制定者转型为生态协调者——这或许是LeCun真正警示的深层命题。