Négy lehetőséget vázoltak fel az amerikai frontier AI lassítására

Az AI Futures Project négy lehetőséget javasol az Egyesült Államok számára a frontier AI fejlesztésének tudatos lassítására. A cél a szervezet szerint az egzisztenciális kockázatok csökkentése, első lépésként hazai szabályozással, később nemzetközi együttműködéssel.
- Az AI Futures Project négy lehetőséget vázolt fel a frontier AI amerikai lassítására.
- Az egyik javaslat ideiglenesen leállítaná a frontier modellek képességfejlesztését.
- Egy másik megoldás legalább 70 százalékos külső következtetési kapacitást írna elő.
- A projekt 9 hónapos késleltetést javasolhat az AI-kutatás automatizálására használt modelleknél.
- A hosszabb távú cél a hazai szabályozás nemzetközi kiterjesztése.
A fejlesztési ütem mérséklését sürgetik
Az AI Futures Project 2026. augusztus 5-én közzétett bejegyzése a Pacing the Frontier nyílt levélre reagál, amelyet több mint 1000 frontier AI-val foglalkozó munkatárs írt alá. A levélben azt kérték az amerikai kormánytól, hogy támogasson nemzetközi erőfeszítést az automatizált AI-fejlesztés ütemének tudatos szabályozásához szükséges technikai és irányítási eszközök kidolgozására.
Az AI Futures Project értelmezése szerint a „frontier pacing” azt jelenti, hogy egy adott joghatóságban meghatározzák, mikor fejleszthetők ki egy bizonyos képességszintet meghaladó mesterségesintelligencia-rendszerek. A szervezet ebben a bejegyzésben elsősorban az egzisztenciális kockázatok mérséklésére összpontosít.
A projekt szerint a hazai szabályozás azért is értékes lehet, mert lassíthatná Kínát. Az amerikai vállalatok kevésbé fejlett modelleket kínálnának, amelyekből a kínai cégek tudást nyerhetnek, és gyengébb algoritmusokat, illetve modelleket kellene ellopniuk. A szerzők szerint az amerikai kormány már ma is előírhatná a frontier AI fejlesztésének lassítását, bár az előkészítés hatékonyabbá és kevésbé költségessé tehetné a rendszert.
Négy szabályozási lehetőség
Az első javaslat ideiglenesen megtiltaná a frontier modellek képességeinek javítását, a vállalatokon belül használt modellek esetében is. Ezt például úgy lehetne kikényszeríteni, hogy a cégek számítási kapacitásuk 100 százalékát külső felhasználók kiszolgálására fordítják. Az AI Futures Project ezt átmeneti megoldásnak tekinti addig, amíg a képzés újraindítását lehetővé tevő intézkedések elkészülnek.
A második lehetőség legalább 70 százalékos külső következtetési, valamint például 25 százalékos, átlátható biztonsági számítási kapacitást írna elő. A megfelelést harmadik félként működő auditorok ellenőriznék, akik hozzáférhetnének a vállalatok belső rendszereihez. A biztonsági számítások kódját és kimeneteit közzé kellene tenni, néhány kivétellel. A kormány közben képességmérésekkel követné a frontier AI fejlődését, és ezek alapján módosíthatná a kapacitási minimumokat.
A harmadik javaslat korlátozná, hogy a vállalatok milyen képességszintű modelleket használhatnak az AI-kutatás és -fejlesztés automatizálására. A projekt egyik becslése szerint csak olyan modellek lennének használhatók erre, amelyek kiképzése legalább 9 hónappal korábban befejeződött.
A negyedik lehetőség egy harmadik félként működő kockázatértékelői hálózatra bízná a maximális kockázati küszöb betartatásának ellenőrzését. Példaként a szerzők olyan szabályt említenek, amely a vállalatok havi egzisztenciális kockázatát 1 százalék alatt tartaná.
A számítási kapacitás újraelosztása
Az AI-fejlesztés ütemét lassító intézkedések felszabadítanák a vállalatok egy részének számítási kapacitását. Ezt két fő célra lehetne használni: meglévő modellek kiszolgálására, ami bevételt termelhet, illetve biztonsági kutatásra. Egyes biztonsági kutatási irányok nagy számítási kapacitást igényelnek, akár előzetes tudományos munka, akár a rendszerek működés közbeni megfigyelésének javítása miatt.
A külső következtetési kapacitás minimuma mellett ugyanakkor fennállna a veszély, hogy a külső használat maga is segíti a képességek fejlődését. Ilyen lehet például szintetikus adatok előállítása vagy megerősítéses tanulási futtatások elvégzése külső vállalatoknál, majd az eredmények visszaküldése. Az AI Futures Project ezért azt javasolja, hogy a cégek ne vásároljanak külsőleg előállított AI-adatokat, és ne tanítsanak ügyféladatokon vagy a külső következtetésből származó egyéb belső adatokon.
A szervezet szerint a legjobb szabályozási rendszer a kockázati küszöbön alapuló negyedik modell lehetne, ehhez azonban több előkészítés szükséges, és nehéz lenne hozzáértően végrehajtani. A hazai frontier AI-lassítást az AI Futures Project később nemzetközi szabályozássá bővítené, ha ez megvalósítható, lehetőleg minél korábban.
AI Futures Project: How to pace the US frontier


