Ang mga Pangunahing Batas at Regulasyon sa AI na Dapat Mong Bantayan

Tapos na ang panahon ng walang regulasyong artificial intelligence. Ang mga gobyerno sa buong mundo ay lumilipat na mula sa malalabong mungkahi patungo sa mga mahigpit na batas na may mabibigat na multa. Kung ikaw ay gumagawa o gumagamit ng software, nagbabago na ang mga patakaran sa ilalim ng iyong mga paa. Hindi na lang ito tungkol sa etika. Ito ay tungkol sa legal compliance at ang banta ng bilyun-bilyong halaga ng multa. Ang European Union ang nagtakda ng bilis sa pamamagitan ng unang malaking komprehensibong batas, ngunit hindi rin nagpahuli ang United States at China. Ang mga patakarang ito ang magtatakda kung anong mga feature ang maaari mong gamitin at kung paano pinangangasiwaan ng mga kumpanya ang iyong data. Akala ng karamihan ay malayo itong problema para sa mga abogado. Mali sila. Apektado nito ang lahat, mula sa kung paano ka mag-apply sa trabaho hanggang sa kung paano niraranggo ang iyong social media feed. Nasasaksihan natin ang pagsilang ng isang regulated na industriya na mas mukhang banking o medisina kaysa sa bukas na web ng nakaraan. Ang pagbabagong ito ang magtatakda sa susunod na dekada ng teknikal na pag-unlad at estratehiya ng mga korporasyon. Oras na para tingnan ang mga partikular na mandato na lumilipat mula sa mga bulwagan ng gobyerno patungo sa code sa iyong mga app.

Ang Pandaigdigang Paglipat Patungo sa Pangangasiwa sa Artificial Intelligence

Ang sentro ng kasalukuyang regulasyon ay ang European Union AI Act. Ang batas na ito ay hindi itinuturing na pare-pareho ang lahat ng software. Gumagamit ito ng risk-based framework para magpasya kung ano ang pinapayagan at kung ano ang hindi. Sa tuktok ng pyramid ay ang mga ipinagbabawal na system. Kasama rito ang mga bagay tulad ng real-time biometric identification sa mga pampublikong lugar o social scoring ng mga gobyerno. Ang mga ito ay ipinagbabawal dahil nagdudulot ang mga ito ng sobrang panganib sa mga karapatang sibil. Sa ibaba nito ay ang mga high-risk system. Kasama sa kategoryang ito ang AI na ginagamit sa edukasyon, hiring, o kritikal na imprastraktura. Kung ang isang kumpanya ay gumawa ng tool para mag-screen ng mga resume, dapat nilang patunayan na hindi ito biased. Dapat silang magpanatili ng mga detalyadong log at magbigay ng human oversight. Tinatarget din ng batas ang mga general purpose model. Ang mga modelong ito ay dapat maging transparent tungkol sa kung paano sila sinanay. Kailangan nilang igalang ang mga batas sa copyright at ibuod ang data na ginamit para sa training. Ito ay isang malaking pagbabago mula sa palihim na paraan ng pagbuo ng mga modelo dalawang taon lang ang nakalilipas.

Sa United States, ang diskarte ay magkaiba ngunit kasing-halaga. Naglabas ang White House ng isang Executive Order na nag-aatas sa mga developer ng makapangyarihang system na ibahagi ang kanilang mga resulta ng safety test sa gobyerno. Ginagamit nito ang Defense Production Act para matiyak na ang AI ay hindi magiging banta sa pambansang seguridad. Hindi ito batas na ipinasa ng Kongreso, ngunit dala nito ang bigat ng federal procurement at oversight. Nakatuon ito sa red-teaming, na siyang praktis ng pagsubok sa isang system para sa mga kahinaan o mapaminsalang output. Ang China ay may sariling hanay ng mga patakaran na nakatuon sa katotohanan ng content at proteksyon ng kaayusang panlipunan. Bagama’t magkaiba ang mga pamamaraan, iisa ang layunin. Gusto ng mga gobyerno na bawiin ang kontrol sa isang teknolohiyang mas mabilis kumilos kaysa sa inaasahan nila. Mahahanap mo ang higit pang mga detalye sa mga partikular na kinakailangan sa opisyal na European Commission AI Act documentation. Ang mga patakarang ito ang bagong baseline para sa anumang kumpanyang gustong mag-operate sa global scale.

Ang mga batas na ito ay may abot na lumalampas sa mga hangganan ng mga bansang sumulat nito. Ito ay madalas tawaging *Brussels Effect*. Kung ang isang malaking tech company ay gustong magbenta ng software nito sa Europe, dapat itong sumunod sa mga patakaran ng EU. Sa halip na gumawa ng magkakaibang bersyon para sa bawat bansa, karamihan sa mga kumpanya ay ipapatupad na lang ang pinakamahigpit na patakaran sa kanilang buong global product. Nangangahulugan ito na ang isang batas na ipinasa sa Brussels ay epektibong nagiging batas para sa isang developer sa California o isang user sa Tokyo. Lumilikha ito ng global floor para sa kaligtasan at transparency. Gayunpaman, lumilikha rin ito ng isang fragmented na mundo kung saan ang ilang feature ay pinapatay na lang sa ilang partikular na rehiyon. Nakikita na natin ang nangyayaring ito. Ang ilang kumpanya ay nag-antala sa paglulunsad ng mga advanced feature sa Europe dahil masyadong mataas ang legal risk. Lumilikha ito ng digital divide kung saan ang mga user sa US ay maaaring may access sa mga tool na wala ang mga user sa France. Para sa mga creator, nangangahulugan ito na mas protektado ang kanilang gawa mula sa paggamit bilang training data nang walang pahintulot. Para sa mga gobyerno, ito ay isang karera para makita kung sino ang makakapag-host ng pinagkakatiwalaang tech. Mataas ang nakataya. Kung ang isang bansa ay nag-over-regulate, maaaring mawala ang kanilang pinakamahusay na talento. Kung ito ay nag-under-regulate, nanganganib ang kaligtasan ng mga mamamayan nito. Ang tensyong ito ang bagong normal para sa global tech economy. Maaari mong subaybayan ang mga pagbabagong ito sa pamamagitan ng White House Executive Order on AI na nagbabalangkas sa estratehiyang Amerikano para sa pagbabalanse ng inobasyon at kaligtasan.

Isipin ang isang araw sa buhay ng isang software engineer na si Marcus. Dalawang taon na ang nakalilipas, si Marcus ay makakakuha ng dataset mula sa web at makakapagsanay ng modelo sa loob ng isang weekend. Hindi niya kailangang humingi ng pahintulot sa kahit kanino. Ngayon, ang kanyang umaga ay nagsisimula sa isang compliance meeting. Kailangan niyang idokumento ang pinagmulan ng bawat imahe sa kanyang training set. Kailangan niyang magsagawa ng mga test para matiyak na ang modelo ay hindi nagdidiskrimina laban sa mga partikular na zip code. Ang kanyang kumpanya ay kumuha ng bagong Chief AI Compliance Officer na may kapangyarihang pigilan ang anumang paglulunsad. Ito ang operational reality. Hindi na lang ito tungkol sa code. Ito ay tungkol sa audit trail. Ginugugol ni Marcus ang tatlumpung porsyento ng kanyang oras sa pagsusulat ng mga ulat para sa mga regulator sa halip na magsulat ng mga feature para sa mga user. Ito ang nakatagong buwis ng bagong regulatory era. Para sa karaniwang user, ang epekto ay mas banayad ngunit kasing-lalim. Kapag nag-apply ka para sa loan, dapat maipaliwanag ng bangko kung bakit ka tinanggihan ng AI. May karapatan kang makakuha ng paliwanag. Tinatapos nito ang black box era ng automated decision-making. Ang mga tao ay may tendensiyang i-overestimate kung gaano kabilis titigil ang mga error dahil sa mga batas na ito. Ina-underestimate nila kung gaano kabagal ang paglabas ng mga bagong feature dahil sa mga batas na ito. Lumilipat tayo mula sa mundo ng beta software patungo sa mundo ng certified software. Magreresulta ito sa mas stable na mga produkto ngunit mas kaunting radikal na pag-unlad.

Nakakakita rin ng pagbabago ang mga creator. Ang mga malalaking platform ay inaatasan na ngayong lagyan ng label ang generated content. Kung makakita ka ng photorealistic na imahe sa iyong feed, malaki ang pagkakataong mayroon itong maliit na tag na nagsasaad na ginawa ito ng makina. Direktang resulta ito ng mga kinakailangan sa transparency. Binabago nito kung paano natin pinagkakatiwalaan ang nakikita natin online. Ang ingay ng debate sa politika ay madalas na nagtatakip sa mga praktikal na pagbabagong ito. Habang ang mga politiko ay nagsasalita tungkol sa existential risk, ang totoong trabaho ay nangyayari sa mga compliance department ng bawat malaking kumpanya. Para manatiling updated sa mga pagbabagong ito, tingnan ang latest AI policy analysis para sa malalim na pagsusuri sa mga partikular na panuntunan sa rehiyon.

Mga Praktikal na Pagbabago para sa Industriya

• Mandatory safety testing para sa anumang modelo na lalampas sa partikular na threshold ng computing power.
• Ang karapatan ng mga user na makatanggap ng paliwanag para sa anumang automated decision na nakakaapekto sa kanilang legal status.
• Mahigpit na kinakailangan para sa data labeling at copyright disclosure sa mga training set.
• Mabibigat na multa na maaaring umabot ng hanggang pitong porsyento ng kabuuang global revenue ng isang kumpanya.
• Ang pagtatatag ng mga pambansang AI office para subaybayan ang compliance at mag-imbestiga ng mga reklamo.

Mayroon ka bang kuwento, tool, trend, o tanong tungkol sa AI na sa tingin mo ay dapat naming i-cover? Ipadala sa amin ang iyong ideya sa artikulo — gusto naming marinig ito.

Dapat nating itanong kung ang mga patakarang ito ba ay tunay na nagpoprotekta sa publiko o kung pinoprotektahan lang nila ang mga makapangyarihan. Nakakatulong ba ang apat na raang pahinang regulasyon sa isang maliit na startup, o tinitiyak lang nito na ang mga kumpanya lang na may bilyong dolyar na legal team ang makakaligtas? Kung masyadong mataas ang gastos sa compliance, baka ibinibigay natin ang permanenteng monopolyo sa mga kasalukuyang tech giant. Kailangan din nating kuwestiyunin ang kahulugan ng kaligtasan. Sino ang magpapasya kung ano ang hindi katanggap-tanggap na panganib? Kung ang isang gobyerno ay maaaring magbawal ng ilang uri ng AI, maaari rin nilang gamitin ang kapangyarihang iyon para patahimikin ang mga sumasalungat o kontrolin ang impormasyon. May nakatagong gastos din sa transparency. Kung dapat ibunyag ng isang kumpanya kung paano eksaktong gumagana ang modelo nito, mas madali ba para sa mga bad actor na makahanap ng mga kahinaan? Ipinagpapalit natin ang bilis para sa kaligtasan, ngunit hindi pa natin natutukoy kung ano ang hitsura ng tunay na ligtas. Posible bang i-regulate ang isang industriya na nagbabago tuwing anim na buwan gamit ang mga batas na inaabot ng ilang taon bago maisulat? Ito ang mga tanong na magtatakda kung ang panahon ng regulasyong ito ay magiging tagumpay o kabiguan. Dapat tayong maging maingat na huwag bumuo ng isang system na masyadong matigas kaya nagiging obsolete bago pa man matuyo ang tinta. Ang mga patakaran sa China, na pinamamahalaan ng Cyberspace Administration of China, ay nagpapakita kung paano maaaring bigyang-kahulugan ang kaligtasan bilang social stability. Binibigyang-diin nito ang iba’t ibang pilosopikal na landas na tinatahak ng mga bansa. Kailangan nating maging mapag-alinlangan sa anumang batas na nag-aangking lulutasin ang lahat ng problema habang lumilikha ng mga bago para sa susunod na henerasyon ng mga builder.

Mga Teknikal na Pamantayan at Compliance Workflow

Para sa mga teknikal na tao, ang pokus ay lumilipat patungo sa compliance stack. Kasama rito ang mga tool para sa data lineage at automated model auditing. Tinitingnan ng mga developer ang mga pamantayan ng C2PA para sa digital watermarking. Kasama rito ang pag-embed ng metadata sa mga file na nananatili kahit i-crop o i-save muli. Mayroon ding paglipat patungo sa local storage ng sensitibong data. Para sumunod sa mga patakaran sa privacy, lumalayo ang mga kumpanya sa centralized cloud processing para sa ilang partikular na gawain. Gumagamit sila ng edge computing para panatilihin ang user data sa device. Ang mga API limit ay muling idinisenyo rin. Hindi na lang ito tungkol sa rate limiting para sa trapiko. Ito ay tungkol sa mga safety filter na humaharang sa ilang uri ng query sa hardware level. Nasasaksihan natin ang pag-usbong ng mga Model Card na parang nutrition label para sa AI. Inililista nito ang training data, ang nilalayong paggamit, at ang mga kilalang limitasyon. Mula sa pananaw ng workflow, nangangahulugan ito ng pagsasama ng automated testing sa continuous integration process. Sa tuwing ia-update ang isang modelo, dapat itong pumasa sa isang serye ng mga test para sa bias at kaligtasan bago ito ma-deploy. Nagdaragdag ito ng latency sa development cycle ngunit binabawasan ang panganib ng isang legal na sakuna. Tinitingnan din ng mga kumpanya kung paano pangasiwaan ang mga request para sa pagbura ng data para sa mga sinanay na modelo, na isang malaking teknikal na hamon. Kung humiling ang isang user na alisin ang kanilang data, paano mo