Единых правил для рискованного AI нет — нужны проверяемые «блоки»

Главный риск для разработчиков высокорискового AI сегодня — не отсутствие этических принципов, а несовпадение обязательных правил. В ЕС, США и Китае разные триггеры классификации риска, требования, механизмы ответственности и способы контроля. Поэтому одна и та же система может соответствовать одному режиму и оставаться проблемной в другом.

Авторы обзора предлагают смотреть на регулирование не как на набор общих деклараций, а как на проверяемую структуру. Их идея — Knowledge Blocks: машинопроверяемые блоки соответствия, описанные через RDF/OWL, SHACL и PROV-O. В них можно фиксировать требования, ограничения, происхождение данных и подтверждения того, что конкретный продукт этим требованиям отвечает.

Практический смысл здесь довольно приземлённый: вместо ручного сбора документов под каждую проверку организация могла бы собирать аудитный след по мере разработки системы. Такой подход особенно важен там, где AI напрямую влияет на людей или распределяет дефицитные ресурсы.

В качестве проверки авторы рассматривают три сценария: реабилитационную робототехнику с EEG, взыскание долгов с помощью AI в экосистемах CBDC и распределение дефицитных GPU в инфраструктуре AI Factory. Это не три готовых продукта, а стресс-тест для вопроса: можно ли связать требования AI-регулирования с отраслевыми нормами и правилами защиты данных.

Но «машинопроверяемый» не означает «автоматически совместимый». Авторы выделяют слабые требования к интероперабельности между юрисдикциями, сложность одновременного применения AI-регулирования, отраслевых норм и защиты данных, а также недостаточно проработанное управление критической цифровой инфраструктурой. Knowledge Blocks могут сделать доказательства соответствия аккуратнее, но не решают сам конфликт законов.

Именно поэтому ценность этой работы не в обещании единого глобального стандарта. Скорее, это попытка превратить compliance из разрозненной папки с документами в структурированные данные, которые можно проверять и переиспользовать. Вопрос только в том, договорятся ли регуляторы хотя бы о формате таких доказательств.

Если вам пришлось бы запускать высокорисковую AI-систему завтра, что стало бы большей проблемой: доказать соответствие одной стране или свести вместе требования нескольких режимов? Источник: cs.AI updates on arXiv.org