据 MIT Technology Review 于 2026 年 10 月 26 日刊发的文章《The focus on AI safety disasters ignores everyday harms》，围绕人工智能安全的公共讨论存在一种视角偏差：业界与政策圈高度聚焦可能出现的“灾难性”场景，而对已在日常生活中发生、更为分散的损害关注不足。文章把这种注意力取舍本身作为讨论对象，认为它直接影响 AI 治理议程的优先级排序。
在 AI 安全讨论中，灾难性风险通常指发生概率低但后果极端的情形，这类叙事性强，容易获得关注与资源。相比之下，日常性损害往往是渐进的、分散的、难以单一归因的，缺少戏剧性，也更难量化，因而容易在议程中被边缘化。文章的核心提醒是：若研究方向与政策设计过度围绕极端场景展开，就可能与多数用户实际承受的影响脱节。
这一观点对治理有现实意义。监管资源与合规成本有限，框架若只为极端情形设计，可能既不适用于日常使用中的具体问题，也难以给受影响的个人提供有效救济；而评估基准、责任划分与信息披露，则是把日常损害纳入可治理范围的基础设施。
对从业者而言，文章的提示是：安全工作的边界不只是一道防止极端事故的防线，也包括对产品在常规使用中可预期影响的持续测量与改进。相关讨论表明，“该优先关注哪一类风险”正成为 AI 政策辩论中的一条主线。