评估以非洲为中心的AI安全评估立论依据

前沿 AI 系统正在非洲各地被采用，而绝大多数 AI 安全评估是在西方环境中设计和验证的。这份资料要回答的正是这个落差带来的问题：当这些系统被嵌入物质资源受限、彼此依赖的基础设施之中，以非洲为中心的严重危害路径会不会根本没有被测试过。作者把这种现象称为可移植性缺口（portability gap），并认为它并不只是评估细节上的瑕疵，更意味着覆盖范围上存在空白。在采用速度超过评估能力建设的地区，这个问题的现实意义正在上升。

覆盖面从概念界定一路延伸到方法建议。它先梳理业界与政策机构对严重 AI 风险的既有视角，再讨论 AI 安全评估在严重风险治理中的位置，然后落到非洲部署环境的具体条件。方法上做的是定义与框架搭建：提出一套识别非洲中心严重 AI 风险的分类法（taxonomy），并借用四类成熟的威胁建模技术，按当地约束条件加以改造。就可见的正文而言，它产出的是分析框架和操作建议，而不是实证测量结果。

在定义上，作者把严重 AI 风险限定为前沿 AI 系统带来的实质性风险，其造成的严重危害以两种可测量的结果为准：数千人的重伤或死亡，或者相当于一国 GDP 百分之五的经济损失与损害。分类法把结果阈值与过程路径连接起来，将风险建模为危害、脆弱性与暴露三者的交汇。作者还用两个特征把严重风险从一般风险中区分出来：放大（amplification）要求前沿 AI 成为潜在危险的必要放大装置，突发性（suddenness）则刻画那些快到足以压垮日常应对与治理能力的危害。

在方法层面，资料考察了参考类预测、结构化专家征询（structured expert elicitation）、情景规划与系统理论过程分析四种威胁建模技术，并针对资源有限、网络连通性差、技术专业能力不足、国家能力薄弱与冲突等约束逐项调整。它也没有回避 AI 失准（misalignment）风险，结论是非洲更可能通过分布偏移暴露普遍性的失效模式，而不是产生独特的失准路径。最后给出在资源约束下开展评估的实务建议：开放且可扩展的工具、分层评估流水线，以及共享方法与发现以扩大评估覆盖面。

这些结论对实践的含义是，评估的可移植性并不是中立的工程细节：一套在别处验证过的基准，搬到不同的基础设施条件下，可能测不到真正致命的路径。把「数千人死亡」或「GDP 百分之五」写成阈值，等于给评估设定了可见的严重性门槛，也把评估与治理决策挂上了钩。分层流水线则意味着资源紧张不必然等于放弃评估，可以按能力分层逐步推进。而关于失准的判断，解读下来是给非洲语境换了一个定位：它的价值不只是补足本地案例，更在于充当普遍失效模式的压力测试场。

关心 AI 安全评估如何跨语境落地的人、在资源受限环境中设计评估流程的团队，以及做 AI 治理与风险政策的研究者，都能从中拿到一套可用的定义、一份分类法和一组可裁剪的建模方法。需要说清楚的边界是：这是一份提出框架与议程的工作，严重风险阈值和分类法都是作者的界定与提议，材料本身没有给出按这套框架完成的具体评估结果或案例数据。把它当作方法起点而不是结论清单，更贴合它的性质。

Assessing the Case for Africa-Centric AI Safety Evaluations Gathoni Ireri1,2 Cecil Abungu1,3Jean Cheptumo1,2 Sienka Dounia1,2 Mark Gitau1,2 Stephanie Kasaon4,5 Michael Michie6 Chinasa T. Okolo7 Jonathan Shock2,8 1ILINA Program 2African Hub on AI Safety, Peace and Security at the University of Cape Town 3University of Cambridge 4DAIvolve Technologies 5Action Lab 6Everse Technology 7Technēcultură 8Dept. of Maths and Applied Maths, University of Cape Town Abstract Frontier AI systems are being adopted across Africa, yet most AI safety evaluations are designed and validated in Western environments. In this paper, we argue that the portability gap can leave Africa-centric pathways to severe harm untested when frontier AI systems are embedded in materially constrained and interdependent infrastructures. We define severe AI