🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
过去八年，人工智能从实验室走进了手机、医院和政府部门，可“什么样的人工智能才算成功”却一直没人说得清。欧盟、经合组织、二十国集团、联合国教科文组织、联合国和欧洲委员会这些超国家机构，从二零一八年开始陆续发布政策、指南，最近还出台了法规。它们不代表某一个国家，而是代表许多国家的共同立场，所以说的话分量很重。作者收集了二零一八年到二零二五年间的十三份正式文件，其中超过六成由欧盟机构发布。这些文件大多没有法律强制力，靠各国自愿遵守；真正带强制力的只有二零二四年生效的欧盟《人工智能法案》。作者想知道，这些文件是不是在悄悄定义一套“成功标准”：什么样的系统算好系统，什么样的治理算好治理。这个问题很重要，因为标准一旦定下，全世界的研究者、公司和政府都会照着它调整方向。换句话说，这不是某一个国家的心血来潮，而是一场持续多年的集体表态。
② 研究问题（要回答什么？）
这篇文章要回答三个问题。第一，这些超国家文件到底把哪些东西当成人工智能的成功标志，是技术指标、经济收益，还是权利保护。第二，不同机构之间的说法一致吗，欧盟和非欧盟机构有没有分歧。第三，这些成功标准分别应该在哪个层级落实，是靠单个组织自觉，还是靠行业和国家监管，还是只能靠跨国协调。作者把“成功”理解得很宽：不只是模型跑得快、赚得多，也包括系统是否可信、是否尊重人的权利、是否照顾环境和弱势群体。他们还想看看，二零一八年到二零二五年这八年里，文件里的重点有没有发生变化，比如早期讲伦理、后期讲执法，这种转向是不是真的存在。作者也关心同一份文件内部会不会自相矛盾，一边鼓励创新，一边又加很多限制。换句话说，这不是在问“人工智能好不好”，而是在问“这些机构希望人工智能变成什么样子”，以及它们各自把责任推给了谁。
③ 研究方法（怎么做的？）
作者用了两条腿走路。第一条是人工细读。他们从十三份文件里挑出六份最有代表性的，包括欧盟《人工智能法案》、欧盟高级别专家组《可信人工智能伦理指南》，以及经合组织、二十国集团、联合国和联合国教科文组织的文件。一位有法律背景的研究者用一款叫 NVivo 的质性分析软件，一句一句地读，把重要的概念标出来，一共标出七十五个不同的概念。第二条是机器帮忙。作者用 BERTopic 这个主题模型，把十三份文件全部跑了一遍：模型先把句子变成向量，再聚类，把经常一起出现的词归成一组，最后由两位分别懂法律和计算机的专家给每组起一个名字。两份结果放在一起对照，再由跨学科团队反复讨论，合并成一百五十七个概念，最后归纳成四个大类、十个主题。整个过程像先由一个人精读做笔记，再让机器把全部书扫一遍划重点，最后大家开会统一说法。
④ 结果（发现了什么？）
人工细读最先给出七十五个概念，其中十八个在六份文件里全都出现，说明“可信”“透明”“人权”这类词确实是共同语言。单份文件的编码数量差别不小：欧盟《人工智能法案》最多，有五十九个；欧洲委员会《框架公约》最少，只有三十个；欧盟伦理指南五十一个，经合组织三十九个，二十国集团四十五个，联合国教科文组织四十九个。机器那边，欧盟文件跑出一百个主题标签，非欧盟文件跑出五十八个，两边都有的有二十六个。把两份结果合起来，一共一百五十七个概念，归成四个大类：人工智能的技术问题、人工智能的用途、人工智能的风险与伤害、人工智能的治理。每个大类再往下分，一共十个主题，并按照“个人或组织—行业或国家—超国家”三个层级摆好。比如技术特征和质量特性归到个人或组织层，用途归到行业层，社会层面的治理原则归到超国家层。研究者还发现一个明显变化：早期文件满口伦理，后期的欧盟文件改口讲风险分级、合规和执法。
⑤ 讨论（这些发现说明什么？）
这些文件有一个共同信念：只要防护到位，人工智能的好处就能实现。作者把这叫“带保护的创新”。在欧盟文件里，这种想法最明显：保护不是靠自觉，而是靠一套像产品安全那样的合规体系，先给系统分级，再要求高风险系统接受严格检查和持续监测。但作者也提醒，各家的分歧不在目标，而在手段：有的主张行业自律，有的主张共同监管，有的直接立法。更麻烦的是，同一个词在不同文件里含义并不一样。“可信”“以人为本”听起来人人赞成，背后却是不同的价值排序。还有一个值得注意的现象：问责这个词在二零一八年欧盟伦理指南里是核心，到了后来的《人工智能法案》和相关文件里反而变少了，被“执法”“合规”“价值链”取代。作者认为，这说明治理重心从讲道理转向了抓执行，但也留下一个漏洞：数据提供者和模型开发者该负什么责任，文件说得并不清楚。
⑥ 结论（最终结论 + 启示）
所以，这篇文章的答案不是“哪份文件最好”，而是“这些文件合起来画出了一张什么样的成功地图”。作者给出的地图有四层：技术要过关，用途要有益，风险要管住，治理要分层。他们据此提出五条建议。第一，把高层原则翻译成技术标准、测评方法和计量工具，别让原则停在纸面上。第二，补上问责的缺口，尤其是大型科技公司和价值链上游的参与者。第三，把“可信”这类模糊说法讲清楚，建立大家都能读懂的共同词表。第四，加强跨国协调，避免各管一段。第五，别忘环境，现有文件对人工智能的生态代价关注太少。换句话说，这份研究最大的价值，是让人看清原则和落地之间还差多远。作者也承认，样本只有十三份文件，人工编码只做了六份，而且由一位研究者完成，所以这张地图更像草稿，不是终稿。未来的研究应该把国家层面的政策和技术标准也纳进来，看看这套框架站不站得住。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
自二零一八年起，超国家机构围绕人工智能发布的政策、指南与法规迅速累积。此轮治理浪潮的直接触因，是大型人工智能企业不当实践被曝光后公众对算法伤害的担忧；其制度后果，是一批以“可信人工智能”为名的软法文件在多边层面形成共识。欧盟、联合国、经合组织相继出台原则性文本，但这些文本不具法律拘束力，对组织与国家均无直接义务，实际效果因此受限。作为回应，欧盟于二零二四年通过《人工智能法案》，首次以风险分级方式建立具有域外效力的横向立法，被视为“布鲁塞尔效应”的延伸。
既有文献大致分三路：早期描述性综述归纳透明、公平、问责、隐私、人类控制等原则（Jobin et al., 2019; Hagendorff, 2019）；随后研究提高方法严谨性，将原则映射为八组主题或嵌套层级（Fjeld et al., 2020; Palladino, 2023）；自动化一路则以 LDA 或 BERTopic 分析国家战略与部门政策（Papadopoulos and Charalabidis, 2020; Yang, 2022; Wang et al., 2024）。混合方法近年兴起（Roche et al., 2023; Schiff et al., 2021; Saheb and Saheb, 2024）。但据作者所知，尚无研究系统覆盖二零一八至二零二五年间由超国家机构发布的文件，也少有研究跨越欧盟与非欧盟机构作对照。
本文填补这一空白，贡献有四：其一，构建十三份文件的开放语料；其二，以人工主题分析与 BERTopic 相结合，得到一百五十七个概念；其三，提出四元主题、十主题并按微观—中观—宏观排列的成功标准分类；其四，据此给出关于问责与协调的政策建议。与作者前期仅限欧盟文件的研究（Golpayegani et al., 2025）相比，本文把语料扩展至 OECD、G20、UNESCO、UN 与欧洲委员会，使欧盟与非欧盟路径的对照成为可能。
I. Theoretical Framework & Hypotheses（理论框架与假设）
分析框架取自“期待社会学”（sociology of expectations）。该传统主张，对未来的集体期待并非事后描述，而是具有施为性（performativity）：它动员资源、协调行动者、为特定技术轨迹提供合法性，并在争议中充当“交易区”。据此，本文不把治理文件仅视为政策产出，而视为相互竞争的社会想象的表达——各机构以“成功”之名，争夺人工智能应当朝哪个方向发展的定义权。所谓主题（theme），即由专家解释得到的、可解释的宽泛语义概念；所谓成功标准，即文件所承载的、关于“何为好的 AI”的期待。
在层级上，作者借用治理研究的尺度划分，把每条期待落到“最适宜由谁处理”的层级：微观指组织或个体自行处理，中观指部门或国家政策层面，宏观指跨越部门与政策域的超国家层面。这一操作化的关键不是文本出现在哪一级政府，而是期待所指向的责任主体；同一份文件因此可以同时产出三个层级的主题。其解释力在于把“原则为何难以落地”重构为“期待被投射到了错误的层级”，代价是层级判定依赖专家判断，缺少可复现的编码规则。
| 元主题 | 期待指向 | 层级 | 判据 |
|---|---|---|---|
| AI Technical Issues | 系统设计质量可控 | 微观 | 由开发者与部署者承担 |
| AI Use | 应用有益、行业可承接 | 中观—宏观 | 部门职能或跨政府政策 |
| AI Risks and Harms | 伤害可识别、可管理 | 微观—宏观 | 风险可评估性决定层级 |
| AI Governance | 责任可分配、可执行 | 三层皆有 | 机制与原则的作用范围 |
M. Materials & Methods（材料与方法）
- 语料与纳入标准：正式政策、指南与法规，明确以 AI 为对象，发布时间为 2018 年 1 月至 2025 年 8 月，兼收有拘束力与无拘束力文书，不设篇幅限制。最终语料 13 份，分三组：（1）欧盟 8 份——AI-HLEG 可信 AI 系列 4 份（2019 伦理指南、2020 ALTAI、2019 政策与投资建议、2020 部门考量）与《AI Act》及其配套指南 4 份；（2）OECD 与 G20 共 2 份；（3）UNESCO、UN 与欧洲委员会共 3 份。欧盟文件占 61%；软法为主，《AI Act》是唯一规制型文书。语料按 FAIR 原则发布于 Zenodo（DOI: 10.5281/zenodo.19628323）。
- 人工主题分析：对 13 份中的 6 份代表性文件作归纳式编码，使用 NVivo，由一位法律背景研究者完成，明确不使用 NVivo 的 AI 功能，以保证编码可追溯。共得 75 个唯一概念，其中 18 个在六份文件中全部出现。逐份编码量为：HLEG 指南 51、OECD 39、G20 45、UNESCO 49、欧洲委员会 30、《AI Act》59。
- 自动主题模型：采用 BERTopic（Grootendorst, 2022），对每份文件单独建模。其标准流程为句子嵌入 → UMAP 降维 → HDBSCAN 聚类 → c-TF-IDF 提取类内特征词。此处“主题”指模型识别出的、与文件内某句子子集相关联的潜在概念，通常由一组共现的显著词表示。
- 主题命名与信度：因 BERTopic 只产出词簇，另设专家命名步骤，由两位分别具法学与计算机背景的成员独立标注、再经共识讨论定名。欧盟文件得 100 个主题标签，非欧盟文件得 58 个，两者重叠 26 个。需注意：人工编码为单一编码者，未报告编码者间一致性（κ 或类似指标）；主题命名虽有两人，但以共识而非独立双编码计信度。
- 整合与分层：对代码与主题作跨方法比对，经着色、聚类与反复回读原文，合并为 157 个唯一概念，再由法学、计算机与社会科学组成的跨学科团队迭代解释，归纳为 4 个元主题、10 个主题，并按微观—中观—宏观赋值。代码与结果见 GitHub（DelaramGlp/forsee_topicmodelling）及 Zenodo 存档（DOI: 10.5281/zenodo.18303112）。
R. Results（结果）
- 人工编码：75 个概念中 18 个跨全部六份文件出现，构成最小共识集；逐份编码量差异明显（51/39/45/49/30/59），《AI Act》最密（59），欧洲委员会《框架公约》最疏（30）。各文件的高频代码亦分化：HLEG 为可信 AI、基本权利、伦理 AI；OECD 为利益相关方、隐私、劳动与就业；G20 为可持续发展、创新、经济；UNESCO 为人权、环境保护、生命周期、AI 素养；欧洲委员会为人权、民主、法治、人类监督；《AI Act》为风险、基本权利、人类监督、健康与安全、透明度。
- BERTopic 主题：欧盟 100 个标签显示明显的时间转向——早期（HLEG 阶段）集中于可信与伦理原则，后期（《AI Act》及配套指南）转向监管执法、风险分级与技术合规。非欧盟 58 个标签则集中于 AI 与数据治理、算力基础设施、人权、可持续发展、全球合作、多元与包容、AI 研究。
- 机构间异同：OECD、G20 与 UN 在多数主题上趋同；欧洲委员会与 UNESCO 各自偏移，但在“弱势群体”上与欧盟文件一致。非欧盟文件并提收益与风险，欧盟后期文件则以风险为主。“AI 治理”一词在非欧盟文件中更常见，欧盟则转用合规与执法语言。
- 概念整合：157 个概念归入四个元主题——AI 技术问题、AI 用途、AI 风险与伤害、AI 治理；再分十个主题，覆盖三个层级（见表）。其中“AI 治理”最为扩张，独占四个主题。
| 文件 | 年份 | 编码数 | 关键代码 |
|---|---|---|---|
| HLEG 可信 AI 指南 | 2019 | 51 | 可信 AI、基本权利、伦理 AI、鲁棒性 |
| OECD AI 建议 | 2019 | 39 | 利益相关方、隐私、劳动与就业、风险 |
| G20 部长声明 | 2019 | 45 | 可持续发展、创新、经济、多元与包容 |
| UNESCO 伦理建议 | 2022 | 49 | 人权、环境保护、生命周期、AI 素养 |
| 欧洲委员会框架公约 | 2024 | 30 | 人权、民主、法治、人类监督 |
| 欧盟《AI Act》 | 2024 | 59 | 风险、基本权利、人类监督、透明度 |
| 主题类别 | 含义 | 出现文件 / 例子 |
|---|---|---|
| 元主题一：AI 技术问题 | 对技术设计与质量的可控期待 | 欧盟文件为主；主题 1 技术特征（算力、模型训练）、主题 2 质量特性（透明、可解释、鲁棒） |
| 元主题二：AI 用途 | 应用领域与宏观收益 | 主题 3 用途（医疗、教育，中观）；主题 4 收益（数字转型、数字经济，宏观） |
| 元主题三：AI 风险与伤害 | 伤害识别与风险管理 | 主题 5 组织可处理风险（歧视、保密性，微观）；主题 6 共享风险（民主、人的尊严，中观—宏观） |
| 元主题四：AI 治理 | 责任的层级化分配 | 主题 7 组织机制（风险管理、测试）；主题 8 部门监督（认证、标准、事件报告）；主题 9 社会机制（知识产权、劳动者权利）；主题 10 社会原则（可信 AI、AI 素养） |
a / D. Discussion & Conclusion（讨论与结论）
- 共同信念与分歧：语料显示各机构共享一个判断——可信 AI 是可以实现的；也共享一个方法主张——治理必须多利益相关方参与。分歧在于治理模式（自律、共同监管还是立法）与支撑治理的核心标准。作者据此把欧盟路径概括为“带保护的创新”：保护通过以风险管理为中心的合规体系实现，其原型是产品健康与安全监管，再扩展至基本权利。
- 监管转向：《AI Act》前后，代码与主题从伦理原则、自律，转向数据保护、网络安全等技术面向，以及合规、风险管理等操作面向。作者认为这既是治理落地，也是视野收窄；数据保护、隐私与弱势群体的欧盟法遗产仍在，但新增了“安全”重心。问责在 2018 年 HLEG 文件中居核心，在后期欧盟文件中却被执法、价值链与合规取代。
- 成功标准非普适：国家与区域情境塑造了对隐私、自主、非歧视等权利受影响的敏感度与优先级，因而“成功”的含义随语境变化，不能直接跨国移植。
- 五条政策建议：（1）把伦理原则转译为技术标准、基准与计量，支持监管沙盒等实验性治理，并以互操作性防止碎片化；（2）补足价值链问责，尤其针对数据提供者与模型开发者，并回应大型科技公司规模堪比国家带来的执法与监管俘获问题；（3）澄清“可信”“以人为本”等术语背后的价值承诺，借助 SKOS 等开放标准建立共享词表与分类法；（4）强化跨框架互操作、持续的多利益相关方协作与全链条问责，以应对系统性权利风险；（5）把环境影响纳入治理，通过影响评估、效率标准与气候目标对接，填补现有文件（尤其近期欧盟文件）的盲区。
- 局限：语料仅 13 份、时间截至 2025 年 8 月，且 61% 为欧盟文件；人工编码仅覆盖 6 份且由单一法律研究者完成，未报告编码者间信度；主题命名以共识代替独立双编码；欧洲委员会《框架公约》截至 2026 年 3 月尚未获任何签署方批准，其规范效力仍待观察。作者计划将语料扩展至国家层面政策、GDPR 与 DSA 等间接相关框架及技术标准。
- 资助：欧盟 Horizon Europe（FORSEE，grant No. 101177579）；Research Ireland 资助的 ADAPT 中心（TCD 与 UCD，#13/RC/2106_P2）。
🧠 IRMaD 思维导图
mindmap
root((超国家AI成功观))
I 引言
二零一八年后文件激增
超国家机构定标准
欧盟法案首开强制
既有研究未系统比较
本文四项贡献
R 问题
成功标准有哪些
欧盟与非欧盟异同
责任落在哪一层
八年重点如何变化
M 方法
十三份文件
六份人工编码
NVivo 七十五概念
BERTopic 跑全部
两位专家命名主题
一百五十七概念整合
R 结果
四类元主题
十个具体主题
十八概念六份皆有
欧盟一百主题
非欧盟五十八主题
重叠二十六主题
a 讨论
带保护的创新
监管转向
同词不同义
问责被执法取代
环境议题缺位
D 结论
原则需转标准
补价值链问责
建共同词表
强化跨国协调
纳入环境代价
图：本研究的 IRMaD 思维导图。蓝色 I 引言；橙色 R 研究问题；绿色 M 方法； 橙色 R 结果；紫色 a 讨论；红色 D 结论。