一套面向前沿人工智能（AI）治理的新框架提出。该框架不再把“是否放缓发展”作为唯一选项，而是将伦理风险拆成四个可操作的维度。相关论文发表在最新一期《人工智能与伦理》期刊。

英国安格利亚鲁斯金大学学者将这套框架称为“四个A”：行动（Action）、访问（Access）、权威（Authority）和分配（Allocation）。研究者认为，前沿模型的训练速度很难靠“踩刹车”真正控制，因为模型能力不局限于某一家公司或一个国家。更现实的做法，是在不同环节设置相称的保障措施，即保留有意义的人类控制，引入独立评估与明确责任，并随能力变化定期重审。

四个维度分别指向不同类型的伦理问题。“行动”关注人类能否限制AI具体能做什么；“访问”关注谁有资格接触或调用危险能力；“权威”关注哪些判断可以被委托给AI，例如医疗或军事决策；“分配”关注AI带来的利益、负担与权力如何流转。框架强调，风险不是单一问题，要先识别它属于哪一个“A”，再匹配相应的治理工具，开发者主要约束行动，监管机构管理访问，部署机构守住权威边界，政府与公共机构承担分配责任。

框架从以往管理强技术的过程中吸取经验，参照对象包括核军控、CRISPR基因编辑治理，以及1975年讨论重组DNA技术的阿西洛马尔会议。框架特别提醒，干预措施可能产生连锁反应。比如收紧强大模型的访问权限，虽然能降低滥用风险，也可能把能力与决策权进一步集中到少数企业手中，从而制造新的配置难题。治理不能只看单点安全，还要监测权力是否失衡。

英国近期政策提供了现实注脚。新设的AI生物安全实验室计划借助前沿模型提升生物安全能力，同时依赖对先进模型的可信访问。

随着AI加速渗透科研自身，治理紧迫性还在上升。剑桥相关研究显示，研究自动化可能触发所谓“智能爆炸”，把数年的进步压缩到数月。研究者指出，当能力演进快过制度适应速度，只问“AI是否安全”已经不够，必须继续追问：谁在掌控，谁有访问权，决策权落在何处，最终由谁享受收益、由谁承担代价。