Das US-Repräsentantenhaus hat diese Woche einen Gesetzentwurf verabschiedet und dem Senat vorgelegt, der eine Pilotinitiative zur Verwendung künstlicher Intelligenz zur Überprüfung der Sicherheit von Verbraucherprodukten darstellen soll.
HR 3723, das Consumer Safety Technology Act, wird von Rep. Jerry McNerney (Dem.) gesponsert, der den 9. Pilotprogramm” zur Untersuchung des Einsatzes künstlicher Intelligenz durch die Consumer Product Safety Commission.”
Das CPSC wurde 1973 gegründet und ist dafür verantwortlich, die Sicherheit aller Arten von Produkten auf Schäden zu überprüfen, einschließlich brennbarer Stoffe und gefährlicher Materialien.
Der Gesetzentwurf sieht vor, dass „die Kommission für Verbraucherproduktsicherheit spätestens 1 Jahr nach Inkrafttreten dieses Gesetzes ein Pilotprogramm zur Untersuchung des Einsatzes künstlicher Intelligenz durch die Kommission zur Unterstützung der Mission der Kommission für die Sicherheit von Verbraucherprodukten aufstellt“ .”
Das Argument für den Gesetzentwurf, wie er am Dienstag im Energie- und Handelsausschuss des Repräsentantenhauses von einem Co-Sponsor Michael Burgess (Rep.) aus dem 26. , ist, dass das CPSC mit einer Überlastung von Produktdaten zu kämpfen hat und Automatisierung dabei helfen kann:
Man kann mit Sicherheit sagen, dass, als die Consumer Product Safety Commission gegründet wurde, niemand mit der schieren Menge an Material gerechnet hat, die importiert werden würde, für die sie jetzt verantwortlich sind.
Künstliche Intelligenz nutzt Algorithmen, um menschliche Funktionen schnell zu automatisieren und Daten zu filtern und zu analysieren. Künstliche Intelligenz verbessert bereits die Fähigkeiten in mehreren Sektoren, um den Verbrauchern besser zu dienen, indem sie die Kapazität erhöht und die Ergebnisse verbessert. Im Zuge der Weiterentwicklung der künstlichen Intelligenz sollte sie in der Lage sein, Fehlerraten vorherzusagen und Probleme in Verbraucherprodukten zu erkennen, bevor sie den Markt erheblich beeinträchtigen können.
Burgess machte seine Bemerkungen nach den Bemerkungen von McNerney.
Der Gesetzentwurf ist eigentlich eine Überarbeitung eines früheren Gesetzentwurfs, HR 8128, der künstlichen Intelligenz für die Sicherheit von Verbraucherprodukten, der letztes Jahr das Repräsentantenhaus verabschiedete, aber im Senat nicht vorangekommen ist.
Dieses Mal wird der Gesetzentwurf mit zwei anderen zuvor eingeführten Technologiegesetzen zusammengefasst, dem Blockchain Innovation Act, HR 8153, gesponsert von Darren Soto (Dem.) aus Floridas 9. Bezirk, und dem Token Taxonomy Act, HR 1628, gesponsert von Warren Davidson (Rep.) aus dem 8. Distrikt von Ohio.
Auch: KI in 60 Sekunden
Der Blockchain Innovation Act schlägt vor, dass das US-Handelsministerium und die Federal Trade Commission „eine Studie über die aktuelle und potenzielle Nutzung der Blockchain-Technologie im Handel und die potenziellen Vorteile der Blockchain-Technologie zur Begrenzung von Betrug und anderen unlauteren und irreführenden Handlungen und Praktiken durchführen“.
Der Token Taxonomy Act schlägt vor, dass die FTC dem Kongress in den nächsten drei Jahren jedes Jahr einen Bericht darüber vorlegt, wie sie mit “betrügerischen Handlungen oder Praktiken bei Transaktionen im Zusammenhang mit digitalen Token” umgegangen ist, d. Währungen wie Bitcoin (obwohl sie im Text nicht aufgeführt sind.)
Das Gesetz schlägt jedoch auch vor, “den Wettbewerb zu fördern und Innovationen im globalen Sektor digitaler Token zu fördern”.
Die Gesetzgebung zu KI erfolgt zur gleichen Zeit, in der sich die Consumer Product Safety Commission auf eigene Initiative mit KI befasst.
Im Dezember veranstaltete die Kommission ein Forum über den möglichen Einsatz von KI zur Bestimmung der Produktsicherheit. Die Mitarbeiter des CPSC beschreiben KI in groben Zügen:
Für dieses Forum definieren wir im Allgemeinen “Künstliche Intelligenz” (KI) als jede Methode zur Programmierung von Computern oder Produkten, die es ihnen ermöglichen, Aufgaben oder Verhaltensweisen auszuführen, die Intelligenz erfordern würden, wenn sie von Menschen ausgeführt würden. “Maschinelles Lernen” (ML) ist typischerweise versteht sich als iterativer Prozess der Anwendung von Modellen oder Algorithmen auf Datensätze, um Muster zu lernen und zu erkennen und/oder Aufgaben wie Vorhersagen oder Entscheidungsfindung auszuführen, die sich einigen Aspekten der Intelligenz annähern können HR 3723 wurde am Donnerstag im Senat empfangen, zweimal verlesen und laut Congressional Record an den Ausschuss für Handel, Wissenschaft und Verkehr verwiesen.
Verwandte Themen:
Digitale Transformation CXO Internet of Things Innovation Unternehmenssoftware Smart Cities
