AI 규제를 위한 계산적 규제 준수: 새로운 연구 분야를 위한 청사진

Computational Compliance for AI Regulation: Blueprint for a New Research Domain

AI 규제(AIR)의 시대가 도래했다. 그러나 우리는 전통적인 아날로그 방식의 규제 준수 방법에 계속 의존해서는 AI 시스템이 필요한 속도와 규모로 이러한 규제를 준수할 수 없을 것이라고 주장한다. 대신, 우리는 규제 준수가 현실적으로 오직 '계산적으로', 즉 변화하는 조건 속에서도 AI 시스템을 AIR 준수 방향으로 자동 유도하며 시스템 수명주기 전반에 걸쳐 실행되는 알고리즘을 통해서만 달성될 수 있다고 본다. 그러나 이러한 방식의 불가피성(우리의 주장대로라면)에도 불구하고, 연구 커뮤니티는 아직 계산적 AIR 준수 알고리즘이 정확히 어떻게 작동해야 하는지, 혹은 그 성능을 어떻게 벤치마킹해야 하는지에 대해 구체적으로 명시하지 못하고 있다. 이러한 공백을 메우기 위해, 우리는 해당 알고리즘에 대한 일련의 설계 목표를 제시한다. 또한, 개별 알고리즘이 이러한 설계 목표를 충족하는지 정량적으로 측정할 수 있는 벤치마크 데이터셋을 명시한다. 이 청사진을 통해 우리는 중요하지만 아직 구체화되지 않은 새로운 연구 분야의 기틀을 마련하고, 나아가 이에 필요한 투자를 촉진하기를 희망한다.

The era of AI regulation (AIR) is upon us. But AI systems, we argue, will not be able to comply with these regulations at the necessary speed and scale by continuing to rely on traditional, analogue methods of compliance. Instead, we posit that compliance with these regulations will only realistically be achieved computationally: that is, with algorithms that run across the life cycle of an AI system, automatically steering it toward AIR compliance in the face of dynamic conditions. Yet despite their (we would argue) inevitability, the research community has yet to specify exactly how these algorithms for computational AIR compliance should behave - or how we should benchmark their performance. To fill these gaps, we specify a set of design goals for such algorithms. In addition, we specify a benchmark dataset that can be used to quantitatively measure whether individual algorithms satisfy these design goals. By delivering this blueprint, we hope to give shape to an important but uncrystallized new domain of research - and, in doing so, incite necessary investment in it.