美国国会发布生成式人工智能专题报告
2025年4月，美国国会研究处（CRS）发布了题为《生成式人工智能：概述、问题与国会关注点》的报告。该报告由CRS科技政策分析员Laurie Harris撰写，旨在为美国国会议员及委员会成员提供生成式人工智能（GenAI）的发展路径、技术逻辑、潜在风险及政策应对议程的系统性概括。
Laurie A. Harris是CRS科学与技术政策分析师，专注于人工智能与科技政策议题。她曾撰写多份关于人工智能、深度伪造、科研资助等领域的政策报告，是美国联邦立法系统内科技议题的重要研究者与政策顾问。
核心内容解读
GenAI≠通用AI，但经济外溢效应显著
报告指出，GenAI的关键特征在于“生成内容”，其技术基础以Transformer为代表，尤其是自2017年以来的大模型技术演进（GPT、Claude、Gemini、DeepSeek等）。这推动了从“文本生成”向“多模态理解”和“初步推理”的跃迁。
- 模型能力出现“涌现性”特征，展现出开发者未预期的能力。
- 训练资源集中化，顶级模型的训练成本高企。
- 基础模型呈现“平台效应”，逐步成为行业基础设施。
尽管GenAI尚未达到通用智能水平，但它已从工具演进为“数字基础设施”，对产业分工和技术创新产生深远影响。
生成式AI的三重风险机制
报告提出三类值得关注的风险：
- 错误与误导（confabulation）：模型可能生成看似合理但虚假的内容，已在司法领域引发案例。
- 操控与滥用（prompt injection/jailbreak）：攻击者可通过提示词绕过安全机制。
- 数据隐私与训练来源不透明：缺乏外部验证导致偏见放大与责任模糊。
这些风险表明，当前阶段信任AI输出仍存在不确定性。
五项政策抉择
报告为立法者提供了以下政策建议：
- 在高风险应用场景中设定特殊限制。
- 构建模型测试与透明机制，推动“强制测试+结果披露”模式。
- 通过现有工具应对劳动力冲击。
- 支持开放研究资源，避免“AI新垄断”。
- 针对GenAI特性制定单独立法逻辑。
这些建议构成了一份“未来AI政策工具箱”的草图。
结语：技术跃迁后的治理之道
CRS报告体现出“机构理性”，强调通过系统整理风险、政策选项与治理盲点为后续立法提供支点。这对全球政府和产业界具有重要启示：形成“可追赶的制度节奏”决定了技术能否带来稳定红利。生成式人工智能作为一种底层力量，政策失速或过度监管都可能扭曲产业发展。