国际组织为推广安全、可靠和值得信赖的人工智能（AI），制定了针对开发先进AI系统的组织行为准则。该准则基于风险方法，适用于学术界、民间社会、私营部门和公共部门等组织，涵盖先进AI系统的设计、开发、部署和使用全生命周期。
核心原则与行动：
- 基于风险的方法： 组织应采取适当措施识别、评估和减轻先进AI系统生命周期中的风险，包括采用内部和外部测试、红色团队测试等，并记录和定期更新技术文档。关注的风险包括化学、生物风险，进攻性网络能力，健康安全风险，自我复制模型风险，社会风险，对民主价值观和人权的威胁，以及特定事件风险。
- 漏洞识别与缓解： 组织应在部署后持续监控漏洞、事件和新风险，采取适当措施解决，并鼓励通过赏金系统等方式促进第三方和用户报告问题。
- 透明度报告： 组织应公开报告先进AI系统的能力、局限性和使用领域，发布透明度报告，包括风险评估、性能限制、安全和社会影响评估、红色团队结果等，确保信息清晰易懂。
- 负责任的信息共享： 组织应与行业、政府、民间社会和学术界共享信息，包括评估报告、安全风险、恶意使用意图等，并参与制定共享标准和最佳实践。
- AI治理与风险管理： 组织应建立风险管理和治理政策，披露隐私政策，并实施问责制和治理流程，定期更新政策，并进行员工培训。
- 安全控制： 组织应投资并实施强大的安全控制，包括物理安全、网络安全和内部威胁防护，保护模型权重和算法，并建立漏洞管理过程。
- 内容身份验证： 组织应开发可靠的内容身份验证和来源机制，如水印，使用户能够识别AI生成的内容，并合作推进该领域的研究。
- 风险缓解研究： 组织应优先考虑研究，投资于有效的缓解措施，以减轻社会、安全和安保风险，并分享研究成果和最佳实践。
- 解决全球挑战： 组织应优先发展先进AI系统，解决气候危机、全球卫生和教育等全球性挑战，并支持数字扫盲计划。
- 国际标准与最佳实践： 鼓励组织参与发展国际技术标准，如水印，并与标准开发组织合作，制定可互操作的标准和框架。
- 数据管理与保护： 组织应采取适当措施管理数据质量，减轻有害偏见，并实施保障措施，尊重隐私和知识产权。
实施与更新：
该准则将通过持续的多利益攸关方协商进行审查和更新，鼓励各国政府制定更持久的治理和监管方法，并支持组织建立内部AI治理结构和自我评估机制。组织应尊重法律、人权和民主价值观，不以破坏的方式开发或部署先进AI系统。
