AI风险已成为公众关注议题，麻省理工学院（MIT）等学者集结了一个AI风险存储库（AI Risk Repository），供企业与政策、研究单位决策或评估系统之用。
这个AI风险存储库旨在以公用而完整的框架，协助用户识别、了解缓和解AI相关风险和漏洞，克服知识碎裂化造成资讯互通困难及决策速度耽搁。
本存储库的作者来自MIT FutureTech、MIT电机与AI实验室、澳洲昆士兰大学、荷兰鲁汶大学等研究机构。
这个存储库主要分成三部分。一是AI风险数据库，提供由现有43个框架汲取出的777多种风险。二是AI风险原因分类，分成三种，包括实体（人）、意图（有意、无意）及时间点（部署前、部署后）。三是AI风险领域分类，将风险分成7种领域（如“假消息、歧视/毒性、安全/隐私、恶意行为者/误用、社经/环境风险、人机互动、AI系统安全”）及23种次领域（如“虚假或误导资讯”。）
AI风险存储库提供AI风险概要、会定期更新最新风险和研究资讯来源，并给立法人士、主管机关、企业、开发人员、研究、审核者等角色的公用参考架构。对AI团队而言，本存储库可提升风险管理能力，以充分资讯协助更有效识别缓和解可能的风险，以确保安全AI系统的开发。立法议员则可用这存储库从事更有效的立法。这资源也有于培育AI风险专业人才。
但学者们也指出，这个存储库还是有些不足，像是涵盖面有漏失，未能完全包括新兴风险，查看过程不免有人为偏见，分类系统也可能过度简化问题复杂性。最重要的是存储库目前还无法提供风险影响及可能性百分比的资讯，而减损了实用性。不过即使有这些问题，仍不致减损它对推动负责任AI部署的贡献。
用户可以自由下载这个存储库，MIT专家也欢迎提供反馈意见或补充。
AI服务企业Gradient Flow则建议，为发挥AI风险存储库的功能，最好能将之提供的知识和洞见集成到AI开发流程和组织架构中。例如企业组织根据本数据库创建事件回应策略，像是清楚的事件定义、多向度监控及预先定义的事件控制方法，作为有效的事件管理、降低对运营和商誉的冲击。或是创建统一的平台，减少碎裂化的AI生态系统，确保AI系统在合法、合乎伦理及性能要求下运行。
本AI存储库也反映全球应对AI安全风险及威胁的尝试。欧盟制定全球第一部AI法案，也在8月初生效。
