רגולציה ובינה מלאכותית (4): רגולציה ענפית או משקית?

המחצית השנייה של המאה ה-19 היתה תקופה של שגשוג כלכלי בארה"ב. תעשיות חדשות כמו נפט, רכבות ופלדה העלו את רמת החיים של האמריקאים, והמסחר בין המדינות הלך והתרחב. היזמים ואנשי העסקים של אותה תקופה (רוקפלר, ונדרבליט, קרנגי ואחרים) צברו יותר ויותר עוצמה מונופוליסטית. באופן טבעי הם החלו לנסות לדחוק את מהמתחרים שלהם מחוץ לשוק, או למזג את הפעילות. כך באה לעולם תופעת ה"Trust": מנגנון משפטי שאפשר לנהל עסקים במשותף במטרה לתאם כמויות ומחירים על חשבון מתחרים, צרכנים וספקים.

באותם ימים כבר היו סמכויות פיקוח ספציפיות על תעשיות כמו תחבורה, תשתיות ואנרגיה – אבל כנראה שזה לא הספיק. לכן בשנת 1890 חוקק הקונגרס האמריקאי את "חוק שרמן", חוק ה-Antitrust הפדרלי הראשון. חוק שרמן הוא הבסיס של דיני התחרות המודרניים (או בשמם השני – דיני ההגבלים העסקיים). זו רגולציה כללית, כלל-ענפית, שנועדה למנוע פגיעה בתחרות בכל אחד מענפי המשק. היא לא מוגבלת לסקטור מסוים.

רגולציה של שוק או של שווקים

חשוב להבחין בין רגולציה ענפית לבין רגולציה כללית (או משקית).

רגולציה ענפית מסדירה ענף מסוים – רפואה, תקשורת, פיננסיים, וכו'. היא כוללת דרישות שנכתבו במיוחד לתעשייה מסוימת. בדרך כלל יש רגולטור שמתמחה בתחום ספציפי והוא מפעיל את הרגולציה על אותו ענף.

לעומת זאת, רגולציה כללית מסדירה היבט אחד שרלוונטי לכלל המשק – שמירה על התחרות, הגנה על הפרטיות, צמצום אפליה, הגנת הצרכן, הגנת סייבר ועוד. הדרישות של רגולציה כללית חלות על כל הענפים והתעשיות, ולכן רגולטור אחד פועל רוחבית.

האבחנה הזו רלוונטית לכל רגולציה, אבל מתברר שהיא חשובה במיוחד למערכות בינה מלאכותית. אין כמעט תחום בעולם שלא מושפע ממחשוב – החל מאבחון רפואי, דרך ניהול שרשרת אספקה ועד מאבק בפשיעה. טכנולוגית זיהוי פנים, למשל, משמשת כיום ב-16 ענפים שונים. אחת השאלות הבוערות היא האם נכון להסדיר את הטכנולוגיה באמצעות רגולציה כלל משקית אחת, או באמצעות הרבה רגולציות ספציפיות – לכל ענף בנפרד. מדינות יצטרכו להכריע בסוגיה הזו בקרוב.

מחוקקים בארה"ב הציגו לאחרונה הצעת חוק בשם The Algorithmic Accountability Act שנועדה להסדיר את ההשפעה של קבלת החלטות ממוחשבות על בני אדם. הצעת החוק תחייב חברות גדולות (עם הכנסות של 50 מיליון דולר ומעלה או יותר ממיליון משתמשים) לתקן אלגוריתמים כדי שלא יפלו או יהיו מוטים נגד קבוצות מוחלשות. לפי הצעת החוק, הרגולציה הזו תהיה כלל משקית – הסמכות לקבוע כללים ולבצע פיקוח תהיה של נציבות הסחר הפדרלית (FTC), ולא של הרגולטורים הענפיים.

ואם זה לא מספיק – בשבוע שעבר ה-OECD אימץ מדיניות רוחבית לגבי AI, בהסכמת כל המדינות החברות. המדיניות כוללת עקרונות וכללים מנחים לפיתוח וליישום. בהחלט ייתכן שהיא תתפתח לרגולציה מחייבת.

יתרונות של רגולציה רוחבית

לרגולציה כללית ורוחבית יש יתרונות לא מבוטלים. היא יוצרת סטנדרטים אחידים שיכולים לצמצם פערים, סתירות וחוסר ודאות. מבחינה טכנולוגית, תקינה אחידה יכולה לאפשר שפה משותפת בין תוכנות בענפים שונים. למשל, מפתחים של מערכת בינה מלאכותית שמשלבת מידע רפואי ומידע פיננסי יעבדו לפי סט אחד של כללים ולא יצטרכו לתמרן בין שתי רגולציות (שעלולות גם להיות סותרות). חברות עם מוצרים דיגיטליים שמשתרעים על יותר מתחום אחד (ויש לא מעט כאלו) יברכו על רגולציה כללית אחידה.

יתרון נוסף של רגולציה רוחבית על בינה מלאכותית הוא שרגולטור רוחבי יכול לרכוש התמקצעות בתחום הבינה המלאכותית. זו התמקצעות שלא קיימת אצל רגולטורים ענפיים שמומחים לאנרגיה או לביטוח. רגולטורים ענפיים מומחים לענף שעליו הם מפקחים והם עלולים להתקשות להתמודד עם מגמות טכנולוגיות רוחביות. רגולטור ייעודי יכול להפנות יותר משאבים ללימוד והבנה של נושאים טכנולוגיים מורכבים ולפתח סטנדרטים איכותיים ומדויקים עבור כלל המשק.

חסרונות של רגולציה רוחבית

אבל אסור להתעלם גם מהחסרונות של אסדרה רוחבית. השימוש במערכות בינה מלאכותית תמיד נעשה בהקשר מסוים (מסחר, איסוף מידע, סייבר וכו'). לא בטוח שאפשר לקבוע כללים אחידים לכל סיטואציה. זיהוי פנים, למשל, מבוצע למגוון צרכים שונים – מזיהוי עבריינים ועד לאבחון מחלות, מאבטחת חשבונות אישיים ברכב החכם ועד לזיהוי רגשות ומצבי רוח לצרכים שיווקיים. האם ניתן לקבוע כללים אחידים לטכנולוגיית זיהוי פנים שיתאימו לכל סיטואציה? ייתכן שדרישות רגולטוריות עבור אלגוריתם יתאימו לענף מסוים אבל לא לענף אחר.

קחו לדוגמה רגולציה של שקיפות. בחלק מהענפים יכול להיות הגיוני לחייב להסביר על מה מבוססת החלטה אלגוריתמית שפגעה במישהו (למשל אלגוריתם שהחליט לסרב לקבל מועמד לעבודה). אבל היא לא תהיה מוצדקת במקרה כמו איתור פעילות עבריינית – כדי לא לחשוף מודיעין או לפגוע באפקטיביות המודל.

דוגמה נוספת היא הטיה גזעית. יש משתנים שבהקשר מסוים מהווים אינדיקציה לאפליה נגד מיעוטים אבל בהקשרים אחרים הם יהיו לגיטימיים. רגולציה נגד אפליה אלגוריתמית תידרש לקבוע באיזה מידע אסור לאלגוריתם להשתמש – אבל לא בטוח שאפשר לקבוע את זה באופן רוחבי.

האתגר בפיקוח על טכנולוגיות חדשות הוא לא רק בתוכן הכללים, אלא איך לקבוע אותם. בשנים הקרובות נגלה האם תקבע רגולציית-על רוחבית על בינה מלאכותית ("חוק שרמן" של הרובוטים) או הרבה רגולציות ענפיות שיתפתחו בהדרגה.

__

סדרת הפוסטים בנושא AI (כולל הפוסט הזה) נכתבה יחד עם עו"ד עדן לנג. עדן הוא עורך דין ברשות ניירות ערך ומתמחה ברגולציה פיננסית וטכנולוגיה. הדעות המובעות הן שלו בלבד ולא מייצגות בהכרח את עמדת הרשות.

להשאיר תגובה

הזינו את פרטיכם בטופס, או לחצו על אחד מהאייקונים כדי להשתמש בחשבון קיים:

הלוגו של WordPress.com

אתה מגיב באמצעות חשבון WordPress.com שלך. לצאת מהמערכת /  לשנות )

תמונת גוגל

אתה מגיב באמצעות חשבון Google שלך. לצאת מהמערכת /  לשנות )

תמונת Twitter

אתה מגיב באמצעות חשבון Twitter שלך. לצאת מהמערכת /  לשנות )

תמונת Facebook

אתה מגיב באמצעות חשבון Facebook שלך. לצאת מהמערכת /  לשנות )

מתחבר ל-%s