人工智能风险分类法是对与人工智能相关的风险进行分组和命名的结构化方法。它为人们提供了用于识别、比较和讨论风险的共同词汇，同时帮助组织发现其评估中可能存在的漏洞。

分类法是一张地图，而不是完整的风险评估。一个类别可以指向某种危害或原因，但无法决定该风险在特定使用中的发生概率、其影响会有多严重或哪种控制措施会有效。这些问题取决于具体情况：系统的用途、受影响的人群、部署环境、运营规模以及现有的控制措施。

麻省理工学院人工智能风险库

MIT FutureTech 维护的 AI 风险库是一个动态参考库，汇集了现有 AI 框架和分类中的风险。其数据库包含 1,700 多个分类风险。其领域分类法将风险分为七个领域和 24 个子领域，而独立的因果分类法则有助于描述风险如何、何时以及为何产生。该存储库根据知识共享署名 4.0（CC BY 4.0）授权，允许在适当署名的情况下进行重复使用。

这种广泛性使该存储库对于发现和共享分析非常有用。团队可以使用它将他们自己的风险登记册与更广泛的已发布关注点集合进行比较，或者为原本描述不一致的问题寻找语言。它还可以支持跨技术、政策和组织角色的研究、审计和讨论。

探索 MIT AI 风险库.

负责任地使用类别

庞大的清单可能会营造出一种虚假的完整感。某个风险可能属于多个类别，并且系统的新用途或新组合可能会产生在汇编分类法时未曾预料到的风险敞口。因此，团队应记录每个所选项目背后的具体情景：可能发生什么、谁或什么可能会受到影响，以及在什么条件下。

在此基础上，组织可以评估影响和可能性、选择成比例的控制措施并确定负责人。某些风险需要进行技术测试；其他风险则需要对培训、流程设计、人工审查或供应商安排进行更改。分类法有助于组织这项工作，但不应取代部署后的本地判断或监控。

对于企业而言，价值在于将分类与决策联系起来。使用通用分类法的风险登记册可以支持跨团队的报告，同时保留足够的细节以反映各个系统。当用途、模型、数据、用户群或运行环境发生变化时，请审查登记册，并记录当前类别未能充分描述的任何新风险。