在科技飛速發(fā)展的當(dāng)下，AI大模型無疑是最耀眼的創(chuàng)新成果之一。它廣泛應(yīng)用于智能客服、智能寫作、自動(dòng)駕駛、醫(yī)療影像診斷等眾多領(lǐng)域，深度融入人們的生活與工作，為社會(huì)帶來了前所未有的便利與效益。
然而，繁榮背后潛藏危機(jī)，AI大模型在訓(xùn)練和應(yīng)用過程中，面臨著一系列復(fù)雜的數(shù)據(jù)法律風(fēng)險(xiǎn)。這些風(fēng)險(xiǎn)不僅關(guān)乎個(gè)人隱私、企業(yè)核心利益，更對(duì)社會(huì)的安全穩(wěn)定和長(zhǎng)遠(yuǎn)發(fā)展構(gòu)成威脅。深入剖析并妥善應(yīng)對(duì)這些風(fēng)險(xiǎn)，已成為推動(dòng)AI大模型技術(shù)長(zhǎng)遠(yuǎn)發(fā)展的關(guān)鍵所在。
一、AI大模型訓(xùn)練環(huán)節(jié)的數(shù)據(jù)法律風(fēng)險(xiǎn)
AI大模型訓(xùn)練需要海量數(shù)據(jù)(15.890, -0.14, -0.87%)的支撐，數(shù)據(jù)來源廣泛，涵蓋公開數(shù)據(jù)集、網(wǎng)絡(luò)爬取數(shù)據(jù)、用戶生成內(nèi)容等多個(gè)渠道。但這種多元的數(shù)據(jù)來源，也為AI大模型帶來了侵權(quán)風(fēng)險(xiǎn)、數(shù)據(jù)偏差風(fēng)險(xiǎn)以及信息泄露等法律風(fēng)險(xiǎn)。
AI大模型訓(xùn)練所依賴的數(shù)據(jù)量極為龐大，其中包含了大量受著作權(quán)保護(hù)的作品。在獲取和使用這些數(shù)據(jù)時(shí)，開發(fā)者稍有疏忽，就可能陷入著作權(quán)侵權(quán)的困境。近年來，相關(guān)法律糾紛不斷涌現(xiàn)�！都~約時(shí)報(bào)》起訴OpenAI公司，指控其非法復(fù)制數(shù)百萬篇文章用于ChatGPT大模型訓(xùn)練，索賠金額高達(dá)數(shù)十億美元；三位美國(guó)作者對(duì)Anthropic PBC發(fā)起訴訟，稱其未經(jīng)授權(quán)使用大量書籍訓(xùn)練Claude大模型；2023年美國(guó)作家協(xié)會(huì)起訴Meta非法使用書籍?dāng)?shù)據(jù)。這些案例充分表明，大模型訓(xùn)練中的著作權(quán)侵權(quán)問題已不容忽視。
與此同時(shí)，大模型預(yù)訓(xùn)練數(shù)據(jù)中往往包含大量個(gè)人信息，未經(jīng)用戶同意收集和使用其數(shù)據(jù)，也會(huì)違反個(gè)人信息保護(hù)相關(guān)規(guī)則。但是依據(jù)《個(gè)人信息保護(hù)法》，處理個(gè)人信息有著嚴(yán)格規(guī)范。大模型開發(fā)者獲取海量個(gè)人信息數(shù)據(jù)用于訓(xùn)練的成本極高，幾乎不可能獲得每位信息主體的同意。在當(dāng)前大模型的技術(shù)環(huán)境下，對(duì)于已公開的個(gè)人信息“合理范圍”的界定也極為模糊。以ChatGPT為例，其采用“機(jī)器學(xué)習(xí)即服務(wù)”（MLaaS）的運(yùn)營(yíng)模式，用戶輸入的數(shù)據(jù)信息會(huì)被開發(fā)者獲取，也意味著用戶的個(gè)人信息時(shí)刻處于風(fēng)險(xiǎn)之中。
訓(xùn)練數(shù)據(jù)質(zhì)量直接決定了AI大模型的性能和輸出結(jié)果，低質(zhì)量的數(shù)據(jù)可能導(dǎo)致模型產(chǎn)生錯(cuò)誤的預(yù)測(cè)和決策，甚至可能引發(fā)嚴(yán)重的安全事故。數(shù)據(jù)偏差風(fēng)險(xiǎn)主要體現(xiàn)在價(jià)值性偏差、時(shí)效性偏差和真實(shí)性偏差三個(gè)方面。若訓(xùn)練數(shù)據(jù)中存在歧視、暴力、情色等不良內(nèi)容，大模型學(xué)習(xí)后輸出的信息也可能帶有價(jià)值偏差。GPT類大模型訓(xùn)練時(shí)常用超大規(guī)模無人工標(biāo)注數(shù)據(jù)，雖然擴(kuò)大了訓(xùn)練數(shù)據(jù)規(guī)模，但這些數(shù)據(jù)質(zhì)量參差不齊，包含大量?jī)r(jià)值偏差內(nèi)容。盡管開發(fā)者嘗試通過微調(diào)、基于人類反饋的強(qiáng)化學(xué)習(xí)等技術(shù)手段來減少此類風(fēng)險(xiǎn)，但是由于大模型機(jī)器學(xué)習(xí)過程存在技術(shù)黑箱特性，這些方法難以徹底避免價(jià)值性偏差信息的輸出。
同時(shí)，各類AI大模型的訓(xùn)練數(shù)據(jù)存在時(shí)效滯后問題，無法及時(shí)融入最新數(shù)據(jù)。這決定了大模型無法像搜索引擎那樣即時(shí)獲取最新的信息。比如ChatGPT剛推出時(shí)，其基于的GPT-3.5預(yù)訓(xùn)練數(shù)據(jù)截至2021年12月，這就造成答案可能滯后或不準(zhǔn)確。即便部分模型提供聯(lián)網(wǎng)檢索功能，也未能從根本上解決訓(xùn)練數(shù)據(jù)時(shí)效性偏差的問題。
此外，AI大模型訓(xùn)練數(shù)據(jù)不夠，會(huì)導(dǎo)致輸出的信息與真實(shí)情況不符，也就是所謂的“幻覺”現(xiàn)象，例如利用一些AI大模型搜集法律案例，結(jié)果輸出一些并不存在的司法案例。特別是由于存在錯(cuò)誤數(shù)據(jù)信息注入、偏見強(qiáng)化、惡意內(nèi)容嵌入等問題，可能導(dǎo)致模型生成誤導(dǎo)性內(nèi)容，也會(huì)帶來難以估量的社會(huì)風(fēng)險(xiǎn)。例如，科大訊飛(51.850, -0.30, -0.58%)AI學(xué)習(xí)機(jī)就曾因內(nèi)容審核不嚴(yán)格，導(dǎo)致不當(dāng)內(nèi)容被用于數(shù)據(jù)訓(xùn)練，引發(fā)輿情事件致使市值蒸發(fā)百億元。
AI大模型訓(xùn)練過程涉及大量敏感數(shù)據(jù)，如個(gè)人隱私數(shù)據(jù)、商業(yè)機(jī)密數(shù)據(jù)等，一旦這些數(shù)據(jù)在訓(xùn)練過程中泄露，將給個(gè)人和企業(yè)帶來巨大損失。數(shù)據(jù)泄露風(fēng)險(xiǎn)主要來源于數(shù)據(jù)存儲(chǔ)和傳輸過程中的安全漏洞，以及數(shù)據(jù)訪問和使用的權(quán)限管理不當(dāng)。用戶使用時(shí)輸入的數(shù)據(jù)可能被用于模型升級(jí)迭代，若這些數(shù)據(jù)包含商業(yè)秘密或個(gè)人隱私，無疑增加了用戶數(shù)據(jù)泄露的風(fēng)險(xiǎn)。例如，2023年韓國(guó)三星電子員工因違規(guī)使用ChatGPT，導(dǎo)致半導(dǎo)體機(jī)密資料外泄，給企業(yè)造成了嚴(yán)重的經(jīng)濟(jì)損失。此外，對(duì)GPT-2的研究發(fā)現(xiàn)，能夠通過技術(shù)手段抽取其預(yù)訓(xùn)練時(shí)的訓(xùn)練數(shù)據(jù)，還可通過特定提示詞誘導(dǎo)大模型輸出其他用戶輸入的外部數(shù)據(jù)。
二、AI大模型應(yīng)用場(chǎng)景中的數(shù)據(jù)風(fēng)險(xiǎn)類型
在AI大模型的實(shí)際應(yīng)用過程中，同樣存在著多種數(shù)據(jù)風(fēng)險(xiǎn)。這些風(fēng)險(xiǎn)不僅影響用戶體驗(yàn)，還可能對(duì)社會(huì)秩序和公共利益造成損害。從知識(shí)產(chǎn)權(quán)角度看，AI生成的圖像或文本可能未經(jīng)授權(quán)使用了他人的作品或形象，就構(gòu)成侵權(quán)。例如，一些AI繪畫作品可能因借鑒了他人的創(chuàng)作元素而引發(fā)著作權(quán)糾紛。AI生成內(nèi)容若涉及對(duì)他人肖像權(quán)、名譽(yù)權(quán)的侵害，同樣會(huì)引發(fā)人格權(quán)法律糾紛。此外，AI生成的內(nèi)容還可能包含虛假信息、誤導(dǎo)性內(nèi)容或有害內(nèi)容，這些內(nèi)容可能對(duì)社會(huì)秩序和公共利益造成損害，擾亂正常的社會(huì)輿論環(huán)境。
AI大模型還存在被惡意利用的風(fēng)險(xiǎn)。其中，模型越獄（Jailbreaking）是較為突出的問題。模型越獄主要是用戶利用一些巧妙設(shè)計(jì)的指令，逃避AI大模型預(yù)先設(shè)置的安全防護(hù)規(guī)則，讓模型生成不符合倫理道德、違法內(nèi)容。一些用戶可能利用模型越獄技術(shù)獲取模型的敏感信息（如訓(xùn)練數(shù)據(jù)、模型參數(shù)等），或者是讓模型生成有害內(nèi)容（如惡意軟件代碼、煽動(dòng)性言論等）�；诖�，耶魯大學(xué)計(jì)算機(jī)科學(xué)教授阿明·卡巴西指出，“大模型驅(qū)動(dòng)的機(jī)器人(20.800, -0.19, -0.91%)在現(xiàn)實(shí)世界中的越獄威脅將達(dá)到全新的高度”。不法分子如果繞過AI大模型的安全防護(hù)，操控機(jī)器人執(zhí)行破壞性的任務(wù)，比如控制自動(dòng)駕駛汽車撞向行人，或是將機(jī)器狗引導(dǎo)到敏感地點(diǎn)實(shí)施爆炸任務(wù)，這將嚴(yán)重威脅人類社會(huì)的安全穩(wěn)定。
隨著AI大模型的廣泛應(yīng)用，大模型的網(wǎng)絡(luò)安全日益重要。2025年1月，DeepSeek連續(xù)遭遇HailBot和RapperBot僵尸網(wǎng)絡(luò)的TB級(jí)DDoS攻擊，導(dǎo)致大模型服務(wù)多次中斷，給用戶帶來極大不便。AI在數(shù)據(jù)授權(quán)方面，企業(yè)未對(duì)數(shù)據(jù)進(jìn)行合法授權(quán)的二次使用，可能構(gòu)成不正當(dāng)競(jìng)爭(zhēng)行為。因此，AI大模型的數(shù)據(jù)使用不合規(guī)，不僅影響AI模型的性能，還可能涉及數(shù)據(jù)提供者、模型開發(fā)者和使用者之間的復(fù)雜法律責(zé)任問題。此外，在數(shù)據(jù)跨境傳輸方面，AIGC服務(wù)提供者將數(shù)據(jù)傳輸至境外時(shí)，若不符合相關(guān)規(guī)定，會(huì)觸發(fā)數(shù)據(jù)出境合規(guī)義務(wù)要求。
三、應(yīng)對(duì)AI大模型數(shù)據(jù)法律風(fēng)險(xiǎn)的策略
面對(duì)AI大模型數(shù)據(jù)法律風(fēng)險(xiǎn)，必須積極采取有效策略加以應(yīng)對(duì)。通過完善法律規(guī)制體系、運(yùn)用技術(shù)手段以及強(qiáng)化保障措施等多方面努力，為AI大模型的健康發(fā)展保駕護(hù)航。
第一，需要完善AI大模型數(shù)據(jù)法律規(guī)則體系。在著作權(quán)方面，可考慮將使用作品類數(shù)據(jù)進(jìn)行AI大模型預(yù)訓(xùn)練設(shè)定為著作權(quán)的合理使用方式之一，但要平衡好著作權(quán)人與開發(fā)者的利益。允許著作權(quán)人明確表示不同意作品用于AI大模型預(yù)訓(xùn)練，同時(shí)通過征收著作權(quán)補(bǔ)償金成立公益性基金會(huì)，激勵(lì)文化藝術(shù)創(chuàng)作。
在個(gè)人信息保護(hù)方面，調(diào)整《個(gè)人信息保護(hù)法》相關(guān)規(guī)定。對(duì)于普通個(gè)人信息，設(shè)定“默示同意”規(guī)則，只要信息主體未特別聲明，默認(rèn)同意其普通個(gè)人信息被用于大模型預(yù)訓(xùn)練；對(duì)于敏感個(gè)人信息，堅(jiān)持“明示同意”規(guī)則。筆者建議，可將AI大模型開發(fā)者處理已公開個(gè)人信息的“合理范圍”，界定在不侵害信息主體人格權(quán)的底線之上。可以通過設(shè)定具體法律責(zé)任，督促大模型開發(fā)者防范數(shù)據(jù)偏差風(fēng)險(xiǎn)。對(duì)于AI大模型輸出價(jià)值偏差信息的情況，明確開發(fā)者應(yīng)承擔(dān)的行政法律責(zé)任，避免民事法律責(zé)任約束不足和刑事法律責(zé)任過重的問題。對(duì)于AI大模型數(shù)據(jù)泄露風(fēng)險(xiǎn)，明確開發(fā)者在數(shù)據(jù)安全保護(hù)方面的義務(wù)和責(zé)任，對(duì)違規(guī)行為進(jìn)行嚴(yán)厲處罰。
第二，需要運(yùn)用多種技術(shù)手段，構(gòu)建AI大模型安全防護(hù)閉環(huán)，提升數(shù)據(jù)安全性和準(zhǔn)確性。在AI大模型訓(xùn)練過程中，為了保持模型性能，有必要根據(jù)訓(xùn)練進(jìn)度自動(dòng)調(diào)整數(shù)據(jù)保護(hù)強(qiáng)度，既不讓隱私泄露又能保持模型準(zhǔn)確性。通過同態(tài)加密技術(shù)讓AI在加密數(shù)據(jù)上進(jìn)行計(jì)算，可以確保數(shù)據(jù)在計(jì)算過程中的安全性，并且在不影響數(shù)據(jù)分析準(zhǔn)確性的前提下，可以向查詢結(jié)果添加噪聲，或者是采用分布式協(xié)作讓萬千臺(tái)設(shè)備合作完成大模型訓(xùn)練，以全面提升AI大模型的數(shù)據(jù)保護(hù)能級(jí)。
在AI大模型應(yīng)用過程中，可以通過多模態(tài)交叉驗(yàn)證、知識(shí)圖譜、混合防御等技術(shù)，加強(qiáng)數(shù)據(jù)驗(yàn)證和污染檢測(cè)，不斷優(yōu)化模型數(shù)據(jù)防護(hù)系統(tǒng)。具體技術(shù)上，多模態(tài)交叉驗(yàn)證系統(tǒng)就像給AI配備了“火眼金睛”，能同時(shí)核對(duì)文字、圖片、視頻之間的關(guān)聯(lián)性，清除生成結(jié)果中的虛假描述。知識(shí)圖譜系統(tǒng)則相當(dāng)于內(nèi)置的“核查員”，每秒能比對(duì)數(shù)百萬條信息，確保AI不會(huì)生成出自相矛盾的內(nèi)容。混合防御更是讓AI大模型在具體應(yīng)用場(chǎng)景中擁有“自我凈化”能力，采用“基線對(duì)抗訓(xùn)練+實(shí)時(shí)動(dòng)態(tài)防護(hù)”的混合防御模式，可延長(zhǎng)大模型在真實(shí)復(fù)雜應(yīng)用場(chǎng)景中的安全生命周期。
第三，應(yīng)強(qiáng)化數(shù)據(jù)安全保障措施，建立數(shù)據(jù)監(jiān)測(cè)和預(yù)警機(jī)制。為防范AI大模型可能出現(xiàn)的越獄風(fēng)險(xiǎn)、侵權(quán)風(fēng)險(xiǎn)，需要將AI技術(shù)與倫理和行為建模深入結(jié)合，在模型設(shè)計(jì)和開發(fā)階段，應(yīng)采用先進(jìn)的安全技術(shù)和算法，提高AI大模型的安全性；在AI大模型部署和應(yīng)用階段，應(yīng)進(jìn)行嚴(yán)格的安全測(cè)試和評(píng)估，持續(xù)進(jìn)化融合確保適應(yīng)不同場(chǎng)景的需求，找到數(shù)據(jù)保護(hù)和模型性能之間最佳的平衡點(diǎn)。
同時(shí)，應(yīng)建立健全AI大模型安全管理制度，對(duì)企業(yè)員工展開數(shù)據(jù)合規(guī)培訓(xùn)，提高員工的數(shù)據(jù)安全意識(shí)和合規(guī)操作技能。在AI大模型數(shù)據(jù)采集、存儲(chǔ)、使用、共享等各個(gè)環(huán)節(jié)，通過解析模型內(nèi)部推導(dǎo)過程，實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)的使用和傳輸情況，及時(shí)發(fā)現(xiàn)和處理數(shù)據(jù)安全隱患，確保AI大模型服務(wù)的穩(wěn)定運(yùn)行。
總而言之，AI大模型是科技迭代更新的重要推動(dòng)者，應(yīng)用場(chǎng)景已經(jīng)擴(kuò)展到金融、醫(yī)療、制造等多個(gè)領(lǐng)域，但也伴隨著諸多數(shù)據(jù)法律風(fēng)險(xiǎn)，以及還可能引發(fā)就業(yè)、人機(jī)矛盾等社會(huì)問題。為確保AI大模型的可持續(xù)發(fā)展，我們必須高度重視這些法律風(fēng)險(xiǎn)，多舉措完善AI大模型的數(shù)據(jù)風(fēng)險(xiǎn)規(guī)制機(jī)制，進(jìn)一步實(shí)現(xiàn)智能化科技創(chuàng)新與社會(huì)公共利益的動(dòng)態(tài)平衡。
（作者孫伯龍為杭州師范大學(xué)副教授、財(cái)稅法研究中心主任，譯有澤維爾·奧伯森所著《對(duì)機(jī)器人征稅：如何使數(shù)字經(jīng)濟(jì)適應(yīng)AI？》）
