一篇论文指出，对机器人进行监管是极为困难的，而跟着人工智能的进一步广泛，这也将成为一种越来越大的社会疑问。

　　为何机器人和人工智能将会难与管控?详细要素有三个：

　　疑问之一：机器人和人工智能的多元性

　　关于在人工智能监管方面我们正在面临的疑问，“随机暗网购物者”的出现便是一个例子。

　　2014年，一组来自瑞士的艺术家构建了一个人工智能，他们给了这个人工智能每周100比特币的核算，并对其进行编程，使得人工智能能够在Agora(一个暗网上的在线商场，购物者能够在上面收购到毒品以及其他一些违禁品)上随机收购产品。

　　终究，这个被命名为“随机暗网购物者”的人工智能买到了摇头丸、匈牙利护照、冒牌迪赛牛仔裤、带有荫蔽摄像头的棒球帽、开了洞能够存放现金的雪碧罐、卷烟、耐克运动鞋以及一套指环王电子书……

　　因为不合法收购做法，瑞士差人起先没收了这个机器人以及它所收购的物品，但后来又把东西还了回去(除了毒品)——而那些对此事负有责任的艺术家则并没有遭到指控。

　　在这个案例中，虽然机器人有一个特定的目的，但构成其不合法做法的初衷却是无害且偶尔的，因此警方没有提出指控。

　　但不难想象，日后可能会有人带着更为不光彩的主意，运用人工智能做一样的作业。

　　这便是疑问地点。“人工智能难以预测和多元化的特征让有关的法则编纂变得更为凌乱，假设管得太宽，很可能会无形之中阻挠立异的步伐;而假设管得不可，极为有限的维护又会失掉意义。”研究者们写道。

　　疑问之二：透明度

　　运用神经网络来创建人工智能能够让它非常好、更快地学习，但这么做意味着，你将不会理解人工智能为何做出这些作业。

　　如今，为了让人工智能能够完结相似图像分析这种凌乱使命，运用神经网络是一种非常成功的战略——可是，这种成功却让对人工智能做法的监管变得更为困难，因为这种“黑箱”正在越来越盛行。

　　假设你不能看清“随机暗网购物者”在做的终究是什么作业，那么判定其是不是有害就变得简直不可能了。

　　疑问之三：结构

　　“不管包括在内的硬件、软件和数据怎样混合在一起，关于公平性、透明度、可解说性和责任承担方面的关心都是对等的，它们起源一样，也应该被一起处理。”研究者们说。

　　我们更倾向于将机器人和人工智能视为不一样的实体，但跟着人脸辨认这类软件不断添加地被机器人差人所运用，二者之间的鸿沟正变得不再清楚。假设人脸辨认软件带有种族主义成见，我们就能创造出种族主义机器人差人，这意味着，我们将不得不对运用人工智能的机器人进行监管。

　　而假设人工智能也能缔造人工智能——好像谷歌在本年I/O大会上展示的一样——作业将变得更为困难。

　　终究，要处理这一疑问，需要极点精确的管控方法，以及能够对黑箱系统进行解说的方法，而这些我们如今都还未能做到。研究者们在陈述中说：“民间关于机器人的法则选择也仍在极力建立更为慎重、精确的问责制度。”而跟着人工智能的进一步铺开，疑问将会变得更为严重。