在使用人工智能系统或制定相关规范时，个人、企业及政府应考量哪些具体风险？若AI控制关键基础设施，安全威胁显而易见；但用于考试评分、简历筛选或移民证件验证的AI，其风险性质虽异，严重性却不容小觑。
在制定欧盟《人工智能法案》或加州SB 1047法案等监管政策时，各方难以就风险范畴达成共识。为此，麻省理工学院（MIT）研究人员开发了“AI风险库”——一个全面的人工智能风险数据库，旨在为政策制定者及行业利益相关方提供指导。
MIT未来技术小组（FutureTech Group）研究员、项目负责人彼得·斯莱特里（Peter Slattery）表示：“我们致力于构建一个公开、全面、可扩展且分类清晰的AI风险数据库，供任何人复制使用并持续更新。该项目源于自身研究需求，同时也回应了行业的普遍需要。”
该风险库收录了700多种AI风险，按因果因素（如意图性）、领域（如歧视）及子领域（如虚假信息网络攻击）进行分类。斯莱特里指出，现有风险框架仅覆盖了该库中部分风险，这些遗漏可能对AI开发、应用及政策制定产生重大影响。
他强调：“尽管人们可能认为AI风险存在共识，但研究显示并非如此。现有框架平均仅覆盖23个风险子领域中的34%，近四分之一框架覆盖率不足20%。没有任何文献涵盖全部子领域，最全面的也仅达70%。文献碎片化意味着我们在风险认知上尚未统一。”
为构建该库，MIT联合昆士兰大学、生命未来研究所（Future of Life Institute）、荷语鲁汶大学（KU Leuven）及Harmony Intelligence等机构，检索了数千份AI风险评估文档。
研究发现，不同风险被提及频率差异显著：超70%的框架涉及隐私与安全影响，仅44%涵盖虚假信息问题；超50%讨论了歧视与错误表征，但仅12%关注“信息生态系统污染”（即AI生成垃圾内容激增）。
斯莱特里认为，该数据库为研究人员、政策制定者及相关从业者提供了坚实基础。“此前，要么耗时梳理零散文献，要么依赖可能遗漏风险的有限框架。如今，这一全面数据库有望节省时间并强化监督。”
然而，全球AI监管现状仍是杂乱拼凑，缺乏统一标准。即便早有此类风险库，能否改变现状仍难断言。此外，仅在风险认知上达成一致，并不足以推动有效监管，许多AI安全评估本身仍存在重大局限。
尽管如此，MIT团队计划继续探索。FutureTech实验室负责人Neil Thompson透露，下一阶段将利用该存储库评估各类AI风险的解决程度。
Thompson表示：“我们将通过该库识别组织应对措施中的不足。例如，若各方过度聚焦某类风险而忽视其他同等重要风险，这正是我们需要重点关注并解决的问题。”