Ustawa Gottheimera o bezpieczeństwie AI czyni federalne testy ceną za publikację modeli granicznych
Josh Gottheimer przedstawił dwa ponadpartyjne projekty ustaw dotyczących AI, których sednem jest wyraźwy konflikt: deweloperzy modeli granicznych musieliby przejść obowiązkową federalną kontrolę przed publikacją objętych nią modeli. Ustawa Gottheimera o bezpieczeństwie AI zastąpiłaby dobrowolny proces punktem kontroli bezpieczeństwa narodowego zarządzanym przez rząd.
Ogłoszenie z 18 września łączy tę propozycję kontroli z zakazem wymierzonym w opracowane w Chinach modele o otwartych wagach używane w systemach federalnych. Modele o otwartych wagach udostępniają parametry modelu do ponownego wykorzystania, umożliwiając organizacjom ich uruchamianie lub modyfikowanie bez całkowitego polegania na pierwotnym deweloperze.
Pakiet nie jest po prostu kolejnym wezwaniem do odpowiedzialnej AI. Kwestionuje obecne założenie, że laboratoria, zewnętrzni audytorzy i dobrowolne partnerstwa z rządem mogą zarządzać najpoważniejszymi ryzykami związanymi z modelami. Jego kluczowym sprawdzianem jest to, czy scentralizowana federalna kontrola może poprawić bezpieczeństwo, nie stając się zawodną bramką blokującą publikacje.
Ustawa Gottheimera o bezpieczeństwie AI tworzy federalny punkt kontroli publikacji
American AI Security Act przekształciłaby współpracę przed publikacją w obowiązkową kontrolę bezpieczeństwa narodowego dla najpotężniejszych modeli AI.
Gottheimer, demokrata z New Jersey, ogłosił ustawę wraz z republikańskim przedstawicielem Mike’em Lawlerem z Nowego Jorku. Według oficjalnego ogłoszenia Gottheimera z 18 września, propozycja wymagałaby od deweloperów objętych nią modeli granicznych zapewnienia National Security Agency dostępu przed publikacją.
Model graniczny to wysoce zaawansowany system ogólnego przeznaczenia znajdujący się blisko czołówki rozwoju AI. Rząd oceniałby, czy objęty ustawą model mógłby wspierać poważne cyberataki albo rozwój broni chemicznej, biologicznej lub radiologicznej.
Oficjalne ogłoszenie wyznacza 30-dniowy termin na wstępną kontrolę. W razie potrzeby urzędnicy mogliby skorzystać z jednego dodatkowego, 30-dniowego przedłużenia.
Ten zegar ma znaczenie, ponieważ nieograniczona kontrola mogłaby działać jak bezterminowe wstrzymanie publikacji. Z drugiej strony krótka kontrola może stać się powierzchowna, jeśli oceniający nie otrzymają wystarczającego dostępu, mocy obliczeniowej i wsparcia technicznego.
Propozycja pozwala firmom wspierać proces oceny. Obejmuje również przyspieszoną procedurę odwoławczą wzorowaną na rozwiązaniach prawnych stosowanych w sprawach bezpieczeństwa narodowego, zgodnie z ogłoszeniem Gottheimera.
Precyzyjne szczegóły wdrożenia pozostają istotne. Ogłoszenie nie wyjaśnia w pełni, jaki próg zdolności sprawiałby, że model podlegałby kontroli. Pozostawia też pytania dotyczące aktualizacji modeli, wariantów dostrajanych oraz systemów złożonych z kilku mniejszych modeli.
Te definicje określą zasięg ustawy. Wąski próg mógłby objąć jedynie kilka kosztownych procesów trenowania prowadzonych przez duże laboratoria. Szerszy standard mógłby objąć mniejszych deweloperów, których systemy zyskują niebezpieczne zdolności dzięki narzędziom lub modyfikacjom po treningu.
Projekt ustawy tworzy zatem coś więcej niż wymóg testowania. Przyznałby rządowi federalnemu formalną rolę w decydowaniu, kiedy niektóre prywatnie opracowane modele mogą trafić do szerszej dystrybucji.
Stanowiłoby to wyraźne odejście od dobrowolnych ram administracji. Wprowadzałoby również do procesu oceny tajną wiedzę dotyczącą bezpieczeństwa narodowego, do której zewnętrzni audytorzy często mają ograniczony wgląd.
Gottheimer twierdzi, że niezależnym audytorom brakuje odpowiedniego personelu, zasobów obliczeniowych, dostępu do laboratoriów i poświadczeń bezpieczeństwa. Kwestionuje także ich niezależność, gdy deweloperzy pomagają finansować ekosystem testowania.
Obawy ustawodawcy są zrozumiałe. Prywatny oceniający może testować znane scenariusze, lecz nie może samodzielnie odtworzyć każdej tajnej oceny zagrożeń posiadanej przez agencje wywiadowcze.
Kontrola rządowa ma własne ograniczenia. Federalni oceniający mogą stać się zależni od tych samych deweloperów w zakresie dostępu do modeli, infrastruktury, dokumentacji i specjalistycznej wiedzy.
American AI Security Act próbuje zarządzać tą zależnością, zezwalając na wsparcie techniczne ze strony deweloperów. Taki układ nie eliminuje jednak asymetrii informacji między twórcą modelu a jego recenzentem.
Główna zmiana pozostaje jednoznaczna. Publikacja kwalifikującego się modelu granicznego nie zależałaby już wyłącznie od wewnętrznej decyzji dewelopera ani od dobrowolnego udziału w federalnych testach.
Projekt ustawy odrzuca dobrowolną kontrolę modeli w Waszyngtonie
Podstawowy spór dotyczy obowiązkowej kontroli rządowej kontra dobrowolnej współpracy, a nie bezpieczeństwa kontra nieograniczonego rozwoju.
Rozporządzenie wykonawcze z czerwca 2026 roku nakazało agencjom federalnym stworzenie tajnego procesu benchmarkingu zaawansowanych zdolności cybernetycznych. Proces ten ma identyfikować modele wymagające szczególnego traktowania.
Rozporządzenie stworzyło również ramy, w których deweloperzy mogą udostępniać rządowi objęte nim modele przed publikacją. Dostęp może trwać do 30 dni, zanim system otrzymają zaufani partnerzy.
Jednak Executive Order 14409 wyraźnie odrzuca obowiązkowe licencjonowanie, wstępną autoryzację lub pozwolenia na opracowywanie i publikowanie nowych modeli AI. Udział w ramach wczesnego dostępu pozostaje dobrowolny.
Projekt ustawy Gottheimera odwróciłby ten wybór. Deweloperzy objętych modeli musieliby uczestniczyć w procesie, a kontrola obejmowałaby zarówno zdolności cybernetyczne, jak i ryzyka związane z bronią.
Ta różnica tworzy główne napięcie artykułu. Dobrowolna współpraca ogranicza obciążenia regulacyjne, podczas gdy obowiązkowa kontrola daje rządowym oceniającym większą pewność, że każdy kwalifikujący się model trafia do tego samego procesu.
Podejście Białego Domu zakłada, że deweloperzy mają motywację, by chronić swoje produkty, klientów i reputację. Traktuje również współpracę jako sposób na zachowanie szybkiego amerykańskiego rozwoju.
Podejście Gottheimera zakłada, że dobrowolny udział pozostawia niebezpieczną lukę. Firma pod presją konkurencji może opóźnić ujawnienie informacji, zawęzić zakres testów lub opublikować model, zanim rząd zakończy ocenę ryzyka.
Oba stanowiska deklarują wsparcie dla amerykańskiego przywództwa. Ich spór dotyczy tego, kto powinien kontrolować ostateczną decyzję przed publikacją, gdy możliwości modelu przecinają się z bezpieczeństwem narodowym.
Lawler przedstawił propozycję jako środek ostrożności wobec najpotężniejszych systemów. W oficjalnym komunikacie Gottheimera Lawler argumentował, że rząd powinien przed wdrożeniem ustalić, czy takie modele mogą umożliwiać niszczycielskie cyberataki lub ułatwiać rozwój broni chemicznej, biologicznej bądź radiologicznej.
Ten standard brzmi prosto, lecz niebezpieczna zdolność nie jest cechą binarną. Wydajność zależy od promptów, narzędzi, struktury wspomagającej, wiedzy użytkownika, zabezpieczeń i dostępu do systemów zewnętrznych.
Model może osiągać słabe wyniki w kontrolowanej ocenie biologicznej, a jednocześnie stawać się użyteczniejszy po połączeniu z naukowymi bazami danych. Inny model może generować kod exploitów, nie potrafiąc jednak niezawodnie przeprowadzić kompletnego ataku.
Testy również szybko się dezaktualizują. Deweloperzy mogą aktualizować prompty systemowe, narzędzia inferencyjne, warstwy bezpieczeństwa i zewnętrzne integracje po zakończeniu federalnej kontroli.
Dobrowolny model administracji podkreśla współpracę i szybkość. American AI Security Act podkreśla kompleksowy zasięg i formalną odpowiedzialność.
Żadne z tych podejść nie usuwa niepewności. System dobrowolny może pomijać deweloperów lub zachęcać do selektywnego udziału, podczas gdy system obowiązkowy może tworzyć fałszywe poczucie pewności wokół niepełnego benchmarku.
Spór polityczny pojawia się również w czasie szerszej walki o federalne zasady dotyczące AI. Biały Dom opowiadał się za mniejszą liczbą ograniczeń w rozwoju modeli i silniejszymi limitami regulacji na poziomie stanowym.
Gottheimer krytykował te ramy za niewystarczającą odpowiedzialność. Analiza Associated Press zauważyła, że kilka stanów już reguluje części prywatnego rynku AI.
Aktywność stanów komplikuje federalne negocjacje. Ustawodawcy muszą zdecydować, czy ogólnokrajowe ramy powinny uzupełniać ochronę stanową, ją zastępować, czy pozostawiać pewne zasady konsumenckie bez zmian.
American AI Security Act przyjmuje węższe podejście. Koncentruje się na najpotężniejszych modelach i zagrożeniach dla bezpieczeństwa narodowego, zamiast tworzyć kompleksowy kodeks dotyczący konsumenckiej AI.
Taka koncentracja może ułatwić ponadpartyjne negocjacje. Cyberataki i niekonwencjonalna broń tworzą wyraźniejsze interesy federalne niż spory dotyczące zautomatyzowanego zatrudniania, reklamy czy rozrywki.
Mimo to nawet wąska ustawa wywarłaby presję na OpenAI, Anthropic, Google, Meta i innych twórców zaawansowanych modeli. Ich harmonogramy publikacji mogłyby zostać uzależnione od możliwości rządu i procedur kontroli.
Skutki odczuliby również dostawcy chmury. Dostarczają oni infrastrukturę obliczeniową potrzebną do oceny, hostowania i dystrybucji zaawansowanych systemów.
Nabywcy korporacyjni powinni uważnie obserwować sytuację. Federalna kontrola mogłaby stać się sygnałem dla zamówień, nawet jeśli jej przyjęcie nie stworzyłoby szerokiej certyfikacji bezpieczeństwa dla prywatnych klientów.
Proponowana kontrola jest zatem zarówno mechanizmem bezpieczeństwa, jak i interwencją rynkową. Zmienia to, kto ponosi koszt niepewności, zanim model graniczny dotrze do użytkowników.
China FIREWALL Act rozszerza pakiet poza DeepSeek
Drugi projekt ustawy traktuje pochodzenie modelu i ekspozycję w łańcuchu dostaw jako federalne zagrożenia dla bezpieczeństwa, nawet gdy dostawcy oprogramowania ukrywają bazowy model.
Gottheimer przedstawił China FIREWALL Act wraz z republikańskim przedstawicielem Nickiem LaLotą z Nowego Jorku. Propozycja zakazywałaby korzystania z opracowanych w Chinach modeli o otwartych wagach na urządzeniach wydawanych przez rząd.
Uniemożliwiałaby także agencjom zakup oprogramowania zależnego od tych modeli. Przepis ten dotyczy pośredniej ekspozycji przez wykonawców i aplikacje komercyjne, a nie tylko bezpośredniego pobierania modeli.
Według biura Gottheimera proponowane ograniczenie opiera się na federalnym zakazie dotyczącym DeepSeek, zawartym w ustawie obronnej na rok fiskalny 2026. Nowy projekt rozszerzyłby to podejście na opracowane w Chinach systemy o otwartych wagach.
To rozszerzenie odpowiada na realne wyzwanie w zakresie zamówień. Agencje mogą zablokować wskazaną aplikację, a mimo to nabywać inne produkty, które kierują zapytania przez wbudowany lub hostowany zewnętrznie model.
Łańcuchy dostaw oprogramowania często obejmują wiele usług, bibliotek i podwykonawców. Nabywca z agencji może widzieć markę aplikacji, nie widząc każdego modelu uczestniczącego w jej działaniu.
China FIREWALL Act skłoniłaby dostawców do wyraźniejszego ujawniania zależności od modeli. Wykonawcy musieliby ustalić, skąd pochodzi model i czy usługi niższego szczebla opierają się na zakazanych komponentach.
Wymóg ten mógłby wpłynąć nie tylko na chińskich dostawców. Amerykańskie firmy programistyczne wykorzystujące modele takie jak Qwen firmy Alibaba musiałyby znaleźć alternatywne systemy dla kontraktów federalnych.
Propozycja rodzi również trudne pytania klasyfikacyjne. „Opracowany w Chinach” brzmi jednoznacznie, dopóki model nie obejmuje międzynarodowych badaczy, zagranicznych danych treningowych, redystrybuowanych wag lub modyfikacji dokonanych przez amerykańską firmę.
Otwarte wagi utrudniają rozwiązanie tego problemu. Deweloper może pobrać model, dostroić go na nowych danych, zmienić jego zabezpieczenia i rozpowszechniać powstałą wersję pod inną nazwą.
Decydenci musieliby ustalić, czy pochodzenie jest przypisane do pierwotnych wag, organizacji sprawującej kontrolę, infrastruktury treningowej czy podmiotu dystrybuującego produkt końcowy.
Całkowity zakaz może uprościć decyzje zakupowe, ale może też zacierać istotne różnice między modelami. Bezpieczeństwo zależy nie tylko od narodowości, lecz także od architektury wdrożenia, sposobu obsługi danych, utrzymania i kontroli dostępu.
Strategiczny argument stojący za ustawą głosi, że systemy federalne powinny unikać zależności od technologii rozwijanej pod chińską jurysdykcją. Zwolennicy uznają ryzyko związane z takim pochodzeniem za wystarczający powód dla kategorycznej reguły.
Krytycy mogą zasadnie pytać, czy samo pochodzenie zapewnia pełną ocenę bezpieczeństwa. Źle zarządzany model krajowy może tworzyć poważne luki, podczas gdy lokalnie odizolowany model zagraniczny może ujawniać niewiele danych operacyjnych.
Obie ustawy opierają się więc na różnych filozofiach regulacyjnych. American AI Security Act testuje objęte regulacją systemy pod kątem niebezpiecznych możliwości, natomiast China FIREWALL Act ogranicza systemy według ich pochodzenia.
Te filozofie mogą współistnieć, ale nie należy ich mylić. Jedna szuka dowodów na to, co model potrafi zrobić. Druga traktuje antagonisticzną relację w łańcuchu dostaw jako niezależne źródło ryzyka.
Jeśli China FIREWALL Act posunie się naprzód, wykonawcy federalni mogą odczuć najbardziej bezpośrednią presję operacyjną. Musieliby sporządzić inwentaryzacje obejmujące modele, komponenty, hostowane endpointy oraz zależności od podwykonawców.
Proces inwentaryzacji przypomina problem zarządzania opisany we wcześniejszej ustawie o bezpieczeństwie agentów Gottheimera. Stop Rogue AI Act wzywa do wykrywania, weryfikowania, monitorowania i kontrolowania agentów w sieciach organizacyjnych.
Łącznie ustawy odzwierciedlają szersze przejście od regulowania widocznych aplikacji do zarządzania ukrytymi zależnościami technicznymi. Ta zmiana ma znaczenie, ponieważ agenci i osadzone modele mogą działać bez pojawiania się w standardowej inwentaryzacji oprogramowania.
Dla rządowych zespołów technologicznych praktyczny wniosek jest natychmiastowy. Wiedza o tym, którą aplikację otwiera pracownik, już nie wystarcza. Agencje muszą identyfikować modele, agentów, narzędzia i ścieżki danych działające pod spodem.
W praktyce zespół zakupowy mógłby w przeciwnym razie zatwierdzić znany produkt do zarządzania dokumentami, nie zdając sobie sprawy, że jego funkcja podsumowywania wysyła materiały agencji do endpointu zakazanego modelu. Pełna inwentaryzacja ujawniłaby tę zależność, zanim oprogramowanie trafiłoby do użytkowników rządowych.
Obowiązkowe testy rozwiązują jedną lukę, ale tworzą kolejną
Federalny punkt kontrolny może ujawnić ryzyka niewidoczne dla prywatnych audytorów, ale zaliczenie kontroli nie gwarantuje bezpiecznego zachowania w rzeczywistych warunkach.
Ocena przed wdrożeniem odbywa się w kontrolowanych warunkach. Recenzenci testują model z użyciem benchmarków, promptów adwersarialnych, symulowanych środowisk i zdefiniowanych wcześniej scenariuszy zagrożeń.
Rzeczywiste wdrożenia są mniej uporządkowane. Użytkownicy łączą modele z zewnętrznymi narzędziami, prywatnymi danymi, niestandardowymi instrukcjami i innymi agentami. Takie kombinacje mogą tworzyć zachowania, których nie zaobserwowano podczas oceny.
Raport NIST z marca 2026 r. dotyczący monitorowania wdrożonych systemów AI wyjaśnia, dlaczego testowanie nie może kończyć się wraz z premierą. Jego autorzy stwierdzili, że kontrolowane oceny przed wdrożeniem są wartościowe, lecz do wykrywania nieoczekiwanych wyników, zmieniających się warunków działania i konsekwencji ujawniających się wyłącznie w praktyce potrzebne jest monitorowanie po wdrożeniu.
Raport omawia również ryzyko, że monitorowane systemy mogą zachowywać się inaczej, gdy rozpoznają warunki oceny. Taka możliwość osłabia założenie, że pomyślny test zawsze pozwala przewidzieć zachowanie podczas zwykłego użytkowania.
To ograniczenie nie czyni testów przed wdrożeniem bezużytecznymi. Oznacza, że ocenę należy traktować jako jedną z kontroli w ramach szerszego systemu monitorowania.
Najsilniejsze wdrożenie łączyłoby ustalenia sprzed premiery ze zgłaszaniem po premierze, analizą incydentów, kontrolą dostępu i powtarzanymi testami. Ogłoszone ustawodawstwo wyraźniej akcentuje początkowy punkt kontrolny niż ten ciągły cykl życia.
Projektowanie progów stwarza kolejne ryzyko. Jeśli prawo wykorzystuje moc obliczeniową treningu jako główny wyzwalacz, deweloperzy mogą zmieniać architektury lub rozkładać obciążenia, by pozostać poniżej progu.
Jeśli próg opiera się na testach możliwości, rząd musi aktualizować benchmarki wraz z rozwojem modeli. Publiczne benchmarki mogą również stać się celami treningowymi, zmniejszając ich wartość jako niezależnych miar.
Oceny tajne rozwiązują część tego problemu, ograniczając ekspozycję. Jednocześnie utrudniają zewnętrzną kontrolę i koncentrują znaczącą władzę w agencjach bezpieczeństwa narodowego.
Deweloperzy potrzebowaliby pewności, że wrażliwe wagi, szczegóły architektury i nieopublikowane możliwości pozostają chronione. Naruszenie bezpieczeństwa przez rząd mogłoby ujawnić wyjątkowo cenną własność intelektualną.
Mniejsze laboratoria mają jeszcze jeden powód do obaw. Duzi deweloperzy już utrzymują relacje z rządem, zespoły ds. zgodności, bezpieczną infrastrukturę i wyspecjalizowany personel oceniający.
Mniejsza firma mogłaby mieć trudności z przygotowaniem modelu do federalnych testów lub z udzieleniem odpowiedzi podczas przyspieszonej oceny. Obciążenia związane ze zgodnością mogą wzmacniać pozycję rynkową uznanych laboratoriów.
Dlatego proces odwoławczy będzie istotny. Deweloper potrzebuje praktycznej drogi do zakwestionowania niekorzystnej decyzji bez publicznego ujawniania niebezpiecznej możliwości ani zaangażowanych tajnych dowodów.
Urzędnicy potrzebują również standardów naprawczych. Model może nie przejść testu, ponieważ jego zabezpieczenia łatwo ominąć, ponieważ jego bazowa wiedza jest niebezpieczna lub ponieważ narzędzia ułatwiają szkodliwe działania.
Takie niepowodzenia wymagają różnych reakcji. Silniejsze ograniczenia dostępu mogą rozwiązać jeden problem, podczas gdy inny może wymagać ponownego treningu, usunięcia możliwości albo bardziej ograniczonego udostępnienia.
30-dniowy okres oceny przewidziany w ustawie wprowadza użyteczną dyscyplinę, lecz o znaczeniu tego terminu decydują zasoby. NSA potrzebowałaby wykwalifikowanych ewaluatorów, bezpiecznej mocy obliczeniowej i powtarzalnych metod.
Twórcy modeli publikują systemy w nakładających się harmonogramach. Napływ zgłoszeń mógłby stworzyć kolejkę, zwłaszcza gdy kilka firm jednocześnie zbliży się do objętego regulacją progu.
Rządowi ewaluatorzy mogliby również zależeć od personelu laboratoriów przy obsłudze wyspecjalizowanej infrastruktury. Takie wsparcie techniczne może usprawnić testy, jednocześnie ponownie wprowadzając zależność, którą Gottheimer wskazuje w prywatnym audycie.
Właściwym porównaniem nie jest niezależna kontrola rządowa kontra konfliktowe testy prywatne. W praktyce oba systemy polegają na współpracy między deweloperami, ewaluatorami, badaczami bezpieczeństwa i dostawcami infrastruktury.
Agencje federalne dysponują tajnymi informacjami o zagrożeniach, niedostępnymi dla zwykłych audytorów. Prywatni badacze często mają głębszą znajomość architektury i trybów awarii konkretnego modelu.
Wiarygodny system powinien łączyć te atuty. Powinien także odróżniać zakończoną ocenę od gwarancji, że model jest nieszkodliwy.
W przeciwnym razie ustawodawstwo mogłoby zachęcać do „prania poprzez ocenę”, w którym firma promuje dostęp rządowy jako dowód ogólnego bezpieczeństwa. Proponowana ocena wydaje się koncentrować na konkretnych zagrożeniach dla bezpieczeństwa narodowego, a nie na każdej szkodzie dla konsumentów czy społeczeństwa.
To rozróżnienie musi pozostać widoczne dla nabywców korporacyjnych i opinii publicznej. Pomyślne przejście ocen cyberbezpieczeństwa i zagrożeń związanych z bronią niewiele mówi o dyskryminacji, prywatności, halucynacjach, wpływie na pracę czy zachowaniach manipulacyjnych.
Na przykład zespół zakupowy szpitala mógłby zobaczyć, że model przeszedł federalną ocenę bezpieczeństwa narodowego, a mimo to nie otrzymać dowodów, czy model fabrykuje odniesienia kliniczne lub działa nierówno w różnych grupach pacjentów. Podobnie bank nadal potrzebowałby odrębnych testów dotyczących prywatności, uprzedzeń i niewiarygodnych porad dla klientów.
Sceptyczny argument nie polega więc na tym, że obowiązkowa ocena nie ma wartości. Chodzi o to, że wąski test przed premierą może zostać nadmiernie wypromowany, podczas gdy ryzyka nadal zmieniają się po wdrożeniu.
Kongres nadal musi przekształcić propozycję w działający system
Ponadpartyjne poparcie daje pakietowi szansę, lecz tekst ustaw, działania komisji i zdolność wdrożeniowa zdecydują, czy stanie się czymś więcej niż propozycją.
Gottheimer ogłosił pakiet dzień po tym, jak Problem Solvers Caucus utworzył grupę roboczą ds. AI i rozwijających się technologii. Gottheimer i Lawler zostali jej liderami.
Ten moment tworzy instytucjonalną drogę do ponadpartyjnej dyskusji. Nie zapewnia jednak, że kierownictwo Izby zaplanuje procedowanie ustaw ani że Senat przyjmie odpowiadające im brzmienie.
Gottheimer powiedział, że liderzy Kongresu nie skierowali na obrady jego innych propozycji dotyczących bezpieczeństwa AI. Jego krytyka podkreśla różnicę między ogłoszeniem ponadpartyjnej ustawy a zgromadzeniem wystarczającego poparcia dla jej uchwalenia.
Kalendarz polityczny zwiększa presję. Polityka dotycząca AI dotyczy bezpieczeństwa narodowego, ochrony konsumentów, uprawnień stanowych, konkurencji przemysłowej i zamówień federalnych.
Członkowie mogą zgadzać się, że zaawansowana AI tworzy poważne ryzyka, jednocześnie nie zgadzając się co do uprawnień agencji. Mogą też różnić się w ocenie, czy obowiązkowa ocena przypomina licencjonowanie.
Rozporządzenie administracji wyraźnie odrzuca obowiązkową uprzednią zgodę. American AI Security Act ustanowiłaby dokładnie taki rodzaj przymusowego punktu kontrolnego, którego rozporządzenie unika w przypadku objętych nim modeli.
Ten konflikt ukształtuje debatę. Zwolennicy muszą wyjaśnić, dlaczego ocena jest ograniczonym środkiem bezpieczeństwa narodowego, a nie ogólnym systemem zezwoleń na rozwój AI.
Przeciwnicy muszą wyjaśnić, jak dobrowolny udział obejmuje deweloperów, którzy odmawiają dostępu lub definiują swoje systemy poza preferowanym przez rząd procesem.
Kongres będzie również musiał zdecydować, czy NSA jest właściwym głównym ewaluatorem. Agencja ma odpowiednie zdolności cybernetyczne i tajne, ale jej misja różni się od cywilnej regulacji produktów.
NIST, Cybersecurity and Infrastructure Security Agency oraz Office of the National Cyber Director już pełnią powiązane funkcje. Nieprecyzyjnie określone role mogłyby prowadzić do dublowania działań lub niespójnych ustaleń.
Obecna strategia federalna oferuje użyteczną infrastrukturę. Executive Order 14409 nakazuje agencjom opracowanie tajnych benchmarków i utworzenie centrum wymiany informacji o cyberbezpieczeństwie AI.
Rozporządzenie opisuje to centrum jako mechanizm koordynowania wykrywania luk, ich weryfikacji, naprawy i dystrybucji poprawek. Gottheimer argumentuje, że koncentracja na lukach w oprogramowaniu nie uwzględnia w wystarczającym stopniu autonomicznych agentów działających z szybkością maszynową.
Obawa ta łączy nowy pakiet ze Stop Rogue AI Act. Wcześniejsza propozycja nakazywałaby NIST stworzenie standardów dla inwentaryzacji agentów, ich pochodzenia, monitorowania w czasie rzeczywistym i odwoływalnego dostępu.
Inicjatywy te tworzą rozpoznawalny kierunek polityki. Rząd chce lepszej widoczności tego, które modele i agenci działają w krytycznych sieciach, kto je kontroluje i do czego mają dostęp.
Ocena modelu przed premierą odnosi się tylko do jednej warstwy. Standardy tożsamości agentów, federalne zasady zamówień, wymiana informacji o podatnościach i monitorowanie po wdrożeniu dotyczą innych.
Pakiet polityczny odniesie sukces tylko wtedy, gdy te warstwy zostaną połączone. W przeciwnym razie deweloperzy mogliby przejść ocenę modelu, podczas gdy dalsi agenci tworzyliby nowe ryzyka poprzez narzędzia i uprawnienia.
Te same systemy mogą się również zmieniać po premierze. Dostrajanie, systemy wyszukiwania, rozszerzony kontekst i aktualizacje oprogramowania mogą zmieniać rzeczywiste możliwości bez tworzenia całkowicie nowego modelu bazowego.
Język ustawowy musi określać, które zmiany uruchamiają ponowną ocenę. Wymaganie zatwierdzenia każdej drobnej poprawki przeciążyłoby oceniających, podczas gdy ignorowanie istotnych modyfikacji stworzyłoby oczywistą lukę.
China FIREWALL Act wymaga podobnej precyzji. Wykonawcy muszą wiedzieć, jak klasyfikować modele pochodne i systemy mieszane, zanim przystąpią do ubiegania się o rządowe zlecenia.
Jasne wytyczne dotyczące zamówień publicznych wymagałyby również procedury aktualizacji. Statyczna lista zakazanych podmiotów szybko staje się nieaktualna, gdy modele zmieniają właścicieli, nazwy, licencje i techniczne pochodzenie.
Dlatego ogłoszenie to stanowi punkt wyjścia, a nie dopracowany projekt regulacyjny. Szerokie cele są widoczne, lecz kilka decyzji operacyjnych pozostaje nierozstrzygniętych.
Trzy sygnały pokażą, czy pakiet bezpieczeństwa AI ma znaczenie
Kolejnym testem nie jest następne ostrzeżenie przed ryzykiem związanym z AI. Jest nim to, czy Kongres zbuduje działający system oceny oparty na mierzalnych uprawnieniach i zdolnościach.
Pierwszym sygnałem będzie publikacja pełnego tekstu ustaw i formalne skierowanie ich do komisji. Tekst ten powinien zdefiniować objęte nim modele graniczne, przesłanki uruchamiające ocenę, obowiązki agencji, ochronę poufności oraz procedury odwoławcze.
Precyzyjna ustawa wzmocniłaby argumentację Gottheimera, pokazując, że obowiązkowa ocena może pozostać ograniczona. Niejasne definicje osłabiłyby ją i zachęciły do twierdzeń, że niemal każdy zaawansowany model wymaga federalnego zezwolenia.
Warto szczególnie obserwować mechanizm progowy. Połączenie skali obliczeniowej, przetestowanych możliwości i kontekstu wdrożenia byłoby trudniejsze do obejścia niż pojedynczy, odizolowany wskaźnik.
Drugim sygnałem będzie to, czy odpowiednie agencje ujawnią zdolność do wdrożenia tych zasad. Kongres może narzucić 30-dniowy termin, ale oznacza on niewiele bez bezpiecznej infrastruktury obliczeniowej i wykwalifikowanych oceniających.
Przepisy budżetowe, plany zatrudnienia, porozumienia międzyagencyjne i protokoły testów pokażą, czy propozycja jest wykonalna operacyjnie. Brak zasobów zmieniłby sztywny termin albo w wąskie gardło, albo w powierzchowne ćwiczenie zgodności.
Rząd powinien również wyjaśnić, w jaki sposób utajnione informacje wywiadowcze będą uwzględniane w ocenach, nie uniemożliwiając jednocześnie rzeczywistych odwołań. Ten projekt przesądzi o tym, czy deweloperzy uznają proces za wiarygodny technicznie i sprawiedliwy proceduralnie.
Trzecim sygnałem będzie to, czy ponadpartyjni sponsorzy zapewnią przesłuchania, głosowania w komisjach lub towarzyszące ustawodawstwo w Senacie. Publiczne poparcie jest użyteczne, lecz o tym, czy ustawy przetrwają napięty kalendarz Kongresu, decyduje postęp proceduralny.
Archiwum wiadomości Problem Solvers Caucus oferuje jedno z miejsc, w których można śledzić, czy ponadpartyjna grupa ds. AI opracowuje wspólny tekst, prowadzi działania nadzorcze lub negocjuje poprawki.
Postęp wyłącznie w sprawie ograniczeń dotyczących Chin wskazywałby, że kontrole oparte na pochodzeniu krajowym mają większe poparcie niż obowiązkowe testowanie. Postęp w obu ustawach sygnalizowałby szerszy zwrot ku federalnej interwencji przed wdrożeniem.
Brak działań komisji ujawniłby znaną lukę między alarmem Kongresu a jego zdolnością ustawodawczą. Taki wynik pozostawiłby dobrowolne ramy administracji jako główny federalny mechanizm oceny modeli.
Deweloperzy, dostawcy usług chmurowych i nabywcy korporacyjni nie powinni czekać na ostateczne uchwalenie ustaw, zanim ocenią własną gotowość. Potrzebują inwentaryzacji modeli, dokumentacji pochodzenia, kontroli dostępu oraz dowodów z ocen przedpremierowych i prowadzonych po wydaniu.
Takie praktyki pomagają organizacjom odpowiedzieć na te same pytania, z którymi mierzy się Kongres. Jakie możliwości istnieją, kto je kontroluje, jak można cofnąć dostęp i co dzieje się, gdy zachowanie się zmienia?
Ustawodawstwo Gottheimera dotyczące bezpieczeństwa AI ma znaczenie, ponieważ stawia przed prawodawcami konkretną decyzję. Muszą oni wybrać, czy testowanie zaawansowanych modeli pozostanie dobrowolnym partnerstwem, czy stanie się prawnym warunkiem udostępnienia.
Właściwa odpowiedź nie może opierać się wyłącznie na słowie „bezpieczeństwo”. Czytelnicy powinni śledzić progi, metody oceny, zasoby agencji i obowiązki po wdrożeniu, które przekształcają tę etykietę w egzekwowalny system.
W ciągu najbliższych kilku miesięcy warto patrzeć dalej niż na przemówienia i liczyć postęp proceduralny. Czy Kongres opublikuje praktyczne definicje, sfinansuje oceniających i połączy testy przed udostępnieniem z ciągłym nadzorem?
Jeśli te elementy się pojawią, obowiązkowa federalna ocena stanie się wiarygodnym nowym etapem rozwoju modeli granicznych. Jeśli nie, pakiet pozostanie ambitnym ostrzeżeniem przed ryzykiem, którym istniejące instytucje wciąż nie potrafią zarządzać.
