执行摘要
组织在开发或部署人工智能（AI）系统时，面临着许多将AI相关最佳实践投入运营的障碍。除了实施过程中的许多实际困难，例如缺乏资源或内部专业知识外，现有AI指导的复杂格局本身也构成了重大挑战。组织面临着来自众多不同来源的大量信息，这些信息通常使用难以理解的语言编写，这使得从业者不得不自行整理和解读这些指导，这需要许多组织，尤其是中小企业无法负担的时间、资源和专业知识。
为了应对这些挑战，CSET的研究人员试图为组织完成这项密集的工作。在本报告中，我们提出了一种协调框架，说明组织应如何管理、保护和治理其技术，以及如何将新兴技术（如人工智能）集成到其现有实践中。这项工作将超过7,000条建议，收集自52份不同的指导文件，浓缩为258条建议。这些建议被分为5个总括类别和34个主题领域，使组织能够快速识别跨学科领域最重要的实践。本框架涵盖的内容范围超过了任何现有的单个指导文件。为了匹配这个范围，组织否则需要来自七个或更多不同框架的超过900条建议来近似。
在创建此框架时，我们开发了一种新的协调流程和验证结果的方法，这些方法可以重复用于其他应用。
除了每个建议之外，我们还标明了内容是基于AI特定指导的程度。这些信息，作为协调过程的一部分，有助于说明新的AI指导如何与现有的网络安全、隐私和风险管理实践重叠。最后，我们通过分析当前AI报告的焦点，确定了现有AI指导中存在的差距，这些工作旨在解决即将到来的CSET研究。
背景
在2022年基于Transformer模型（如ChatGPT）的AI热潮之前，开发AI和机器学习（ML）系统的标准和最佳实践的要求已经存在很长时间了。在2020年之前，超过80个组织已经发布了一些形式的AI原则或道德指南。随着对AI的兴趣激增，人们再次呼吁制定实用的标准和最佳实践。前总统乔·拜登的关于人工智能的行政命令呼吁开发和使用“安全、安全和值得信赖”的AI。
挑战
组织在尝试运营AI相关最佳实践时面临着许多障碍。除了实施过程中的许多实际障碍，例如资源有限或缺乏AI相关专业知识外，现有AI指导的复杂格局本身也构成了重大障碍。组织面临着来自众多不同来源的大量信息，这些信息通常使用难以理解的语言编写。
方法
本报告是CSET产生的一系列工作中的一步，旨在解决现有AI指导对组织构成的挑战。我们将这项工作分为三个阶段：
- 协调：从不同来源生成一个统一的建议集。
- 运营化：提供实施AI建议实践的步骤。
- 定制：将指导应用于各种部署场景和AI用例。
本报告涵盖了这三个阶段中的第一个阶段：协调。我们提出了一种协调框架，将现有指导文件中包含的大量信息浓缩为更小、更易于管理的清晰建议集。同时，该框架保留了组织以前需要从多个报告中获取的广泛主题范围，将AI特定指导与其他学科的指导相结合，从而为组织提供一个独立的资源。
协调结果
应用我们的方法到52份报告的语料库中，我们将7,741条建议浓缩为代表性的258条协调建议。该框架分为五个高级类别，涵盖34个不同的主题。
框架验证
我们通过应用定性编码方法到每个主题领域，将协调建议集合成258条建议。这代表了一个更易于组织消化的大量信息，有助于解决信息过载问题。通过定性编码过程，我们确定了最重要的建议，并减少了大量冗余。然而，在协调过程中，由于我们将建议集的大小压缩，也存在固有的信息损失。
CSET的协调AI框架
我们的协调框架包括258条建议，说明组织应如何管理、保护和治理其技术，以及如何将AI系统的管理集成到其现有实践中。在我们的框架中，我们为每个建议提供了一个AI分数，该分数表示该建议有多少比例来源于AI特定报告。使用此分数可以更好地了解新的AI指导与现有组织实践的重叠之处。较高的分数表示该建议主要来自AI特定指导，而较低的分数则表示它主要来自更广泛的网络安全、隐私或风险管理文献。
现有AI指导的重点
总体而言，我们发现AI报告中大多数建议（57.0%）与安全相关。在五个高级类别中，安全是唯一一个AI报告中建议的比例（81.8%）超过非AI报告（18.2%）的类别。相比之下，AI指导在治理（29.9%）、安全（15.4%）、检测和响应（15.3%）和隐私（12.8%）类别中占少数建议。
AI指导中的差距
除了AI安全和安全之间明显的失衡之外，研究团队还认为有几个主题领域在现有AI指导中缺失。我们的分析并不详尽，因此这些领域可能存在其他地方的现有指导。然而，考虑到这些主题在政策讨论中的核心作用，我们在我们检查的报告中相对缺乏对这些主题的指导仍然令人担忧。
结论
在本报告中，我们提出了一组协调的建议，基于对52份关于人工智能、安全、网络安全、隐私和风险管理的现有框架的分析。该框架代表了7,741条建议的集体知识，涵盖了比任何现有报告更广泛的范围。我们的一组258条协调建议为组织提供了一个单一资源，以采用全面的方法来管理其技术并采用AI系统。这些建议被整齐地组织成34个主题领域，并分为五个总括类别，使组织能够轻松识别和优先考虑与其用例最相关的最重要实践。在开发此资源的过程中，我们提供并验证了一种混合方法来协调，该方法可以重复用于其他领域。基于协调结果，我们提供了对现有AI指导集中领域的洞察，以及存在差距的领域。
