综述：人工智能治理之轮

本综述系统梳理人工智能（AI）治理的碎片化格局，提出融合性治理模型“WAG”（Wheel of AI Governance）。作者通过文献计量与深度分析，将全球AI治理方法归纳为四类：正式（法规）、非正式（伦理准则）、风险管理（技术评估）及综合（多元共治）路径。模型以Ostrom多中心治理理论为基础，将治理行动嵌入AI生命周期（CRISP-DM/CDAC适配），强调本地化参与、适应性治理与可持续发展，为政策制定者与技术开发者提供实操框架。

　　

人工智能治理的整合框架：从碎片化到系统化

引言

人工智能（AI）技术的全域渗透在激发社会变革的同时，也引发了数据隐私、算法偏见与技术准入公平等治理难题。全球治理版图呈现碎片化：欧盟侧重权利本位与风险监管，发展中国家则多倾向于创新优先。这种差异凸显了构建跨领域、跨文化有效治理模型的迫切性。

材料与方法

本研究结合Scopus与Web of Science（WoS）数据库，采用文献计量分析（bibliometric analysis）与科学图谱绘制（science mapping）方法，系统检索“人工智能治理”“AI伦理”“可信AI”等关键词，最终纳入426篇文献进行深度分析。通过VOSviewer和Biblioshiny工具识别研究热点与聚类结构。

发现：四大治理路径

1. 1.

   正式路径（Formal Approaches）

   以法律、法规和强制性标准为核心，如欧盟《人工智能法案》（EU AI Act）和《通用数据保护条例》（GDPR）。此类路径强调合规性、追责与透明度，但过度规制可能抑制创新，且存在“监管象征主义”（regulatory tokenism）风险。

2. 2.

   非正式路径（Informal Approaches）

   依赖伦理准则与行业自律，如OECD人工智能原则、IEEE伦理对齐设计（Ethically Aligned Design）。虽具灵活性与跨语境适用性，但缺乏强制力，易导致“伦理洗白”（ethics washing）。

3. 3.

   风险管理路径（Risk Management Approaches）

   通过技术性评估框架（如NIST人工智能风险管理框架）识别、量化与缓解AI风险，注重证据基础与危害防控，常见于高风险领域如医疗诊断与金融风控。

4. 4.

   综合路径（Eclectic Approaches）

   融合多元方法，倡导多利益相关方参与（multi-stakeholder engagement）、适应性治理与实验性监管沙盒（regulatory sandboxes）。其核心是通过民主协商实现技术的社会整合，尤其关注全球南方国家的本地化代理（local agency）与可持续性。

治理之轮模型（WAG）的构建

基于CRISP-DM与CDAC生命周期模型，WAG将AI流程划分为五阶段，并嵌入相应治理机制：

• •

  设计阶段：以综合路径主导，通过参与式工作坊（participatory workshops）实现需求共塑与问题界定；

• •

  开发阶段：依循非正式路径，以伦理框架指导技术建模与评估；

• •

  部署阶段：采用风险管理路径，开展算法影响评估（Algorithmic Impact Assessment）与试点测试；

• •

  社会整合阶段：引入正式路径，依托法律法规进行合规验证与市场准入；

• •

  评估阶段：建立持续监测与倡导机制，跟踪AI事件与长期影响。

该模型以Elinor Ostrom的“多中心治理”（polycentric governance）为理论基石，强调分布式权威、嵌套式决策与迭代反馈，尤其适用于应对数据作为公共资源（common-pool resource）的可持续性挑战。

实践应用与挑战

以医疗AI为例，WAG模型可操作化为：

• •

  设计阶段联合患者、临床医生与伦理学家共议诊断工具的设计意图；

• •

  开发阶段采用偏差检测与隐私保护设计（privacy by design）；

• •

  部署阶段遵循NIST框架进行风险分级；

• •

  整合阶段符合HIPAA（健康保险携带和责任法案）与FDA（食品药品监督管理局）审批要求；

• •

  评估阶段通过售后监测（post-market surveillance）与患者反馈平台动态优化。

然而，WAG面临资源密集型协作、GenAI（生成式人工智能）技术迭代过快、全球南方基础设施薄弱等挑战。需通过能力建设、开放数据库与跨国合作予以缓解。

结论

WAG模型为AI治理提供了跨学科、跨阶段的整合框架，突出伦理对齐（ethical alignment）、法律合规与社区福祉的协同。其迭代性与多中心特质尤其有助于新兴经济体在规避数字殖民主义（digital colonialism）的同时，推动可持续技术创新。未来需强化实证验证与本地化调适，以实现真正包容的AI治理生态。