AI部署授权：面向高风险人工智能的全球机器可读治理标准

现代人工智能治理缺乏一种正式且具有约束力的机制，用于确定给定的人工智能系统是否在特定域和司法管辖区内被允许运行。现有的工具，如模型卡、审计和基准评估，提供有关模型行为和训练数据的描述性信息，但不会产生具有法律或经济约束力的部署决策。本文引入AI部署授权分数（ADAS），这是一种机器可读的监管框架，对人工智能系统在五个法律和经济层面进行评估：风险、对齐、外部性、控制和可审计性。ADAS产生一个可通过加密方式验证的部署证书，监管机构、保险公司和基础设施运营商可作为运行许可证来消耗，使用基于公共密钥验证和透明机制的机制，源自安全软件供应链和证书透明系统。本文提出了ADAS的正式规范、决策逻辑、证据模型和政策架构，并演示了如何将其操作化为欧洲联盟人工智能法案、美国关键基础设施治理和保险承保要求，通过将法定和监管义务编译为可机器执行的部署门槛。我们认为，部署层面的授权，而非模型层面的评估，是实现安全、合法且经济可扩展的人工智能所缺失的制度层。