从硅谷到华盛顿：AI“知识蒸馏”技术为何突然成为监管焦点？

人工智能领域的一项名为“知识蒸馏”（Distillation）的技术，正迅速从极客们的学术讨论演变为硅谷科技巨头与华盛顿立法者之间激烈辩论的核心议题。

简单来说，知识蒸馏是一种通过将大型、复杂且高成本的“教师模型”（Teacher Model）所掌握的知识，迁移到规模更小、运行更快的“学生模型”（Student Model）中的技术。这一过程旨在在尽可能保留大模型性能的同时，大幅降低计算资源的需求和推理成本，使AI能够更高效地在移动设备或边缘计算端运行。

然而，这项技术在提升效率的同时，也引发了严重的法律与监管争议。争议的焦点在于：如果一个小型模型是通过“学习”另一个受版权保护的大模型输出结果而训练出来的，这是否构成了对原模型知识产权的侵犯？此外，监管机构担忧，知识蒸馏可能会被用来绕过现有的AI安全护栏，使原本受到严格管控的强大能力被“浓缩”到难以监测的小型模型中，从而增加安全风险。

随着AI模型向轻量化和端侧化发展，如何平衡技术创新、商业效率与法律合规，已成为当前AI治理中一个亟待解决的棘手问题。

来源： CNBC报道