迈向受规制深度学习

多智能体系统（MAS）与声明式电子制度（DEI）的规制是过去十年涉及（物理与软件）智能体与法律的多学科研究课题，且自 2016 年起演变为所谓“机器人律师”的新动向。早期限制软件智能体行为的提案之一是电子制度。然而，随着人工神经网络（ANN）近期被重新表述为深度学习（DL），关于 DL 使用的安全、隐私、伦理与法律问题已引起人工智能（AI）界的关注。鉴于 MAS 规制已近乎妥善解决，我们提出将人工神经网络的规制作为一类特殊受规制人工神经网络（我们称之为制度神经网络（INN））的基于智能体的训练。本文主要目的是引起对人工教学（AT）的关注，并给出一个概念验证实现受规制深度学习（RDL）的尝试性解答。本文引入前述概念，并提供此前用于声明式建模和扩展电子制度的 $I^*$ 语言，作为规制人工神经网络执行及其与人工教学者（AT）交互的手段。