刘艳红生成式人工智能的三大安全风险及法律规制以ChatGPT为例

生成式人工智能的数据安全风险的类型划分:以ChatGPT为例

生成式人工智能的运行离不开算法和数据,面对ChatGPT这样高度智能化的生成式人工智能,如何妥善地运用并处理数据,成为衡量此类新兴技术是否安全并规范其后续应用的重要指标。

当前我国的立法、司法与执法机关都高度重视数据风险的分析与预防,在人工智能技术兴起之后,先后出台了《生成式人工智能服务管理办法(征求意见稿)》、数据安全法、网络安全法、个人信息保、《数据出境安全评估办法》《互联网信息服务深度合成管理规定》《个人信息出境标准合同办法》等法律规范,从多方面对人工智能应用数据加以规制。在ChatGPT为代表的生成式人工智能实际应用过程中,根据数据具体应用场景,可分为涉及的国家数据,政府在为公民服务过程中整合形成的政务数据,以及公民自身具有紧密关系的个人数据,这三类数据在应用过程中会面临不同类型的数据安全风险,需要结合场景本身加以分析。

3.对于ChatGPT应用个人数据所可能带来的法律风险,应该结合其收集个人数据的广度深度及结论真实性来构建相应的合规制度

具体而言,根据个人数据的庞大规模制定能同时平衡人工智能技术发展与个人数据保护的合规措施,从ChatGPT收集个人数据的广度、处理个人数据的深度以及得出结论的真实性这三个方面入手,构建对应的合规制度。在ChatGPT这类生成式人工智能的语境下,对于个人数据的合规处理主要集中在技术赋能和利益衡量相结合方面,利用技术手段创新来发掘个人数据的潜在价值,同时借助利益衡量来为技术处理的合规规定提供价值依据。一方面,在ChatGPT收集个人数据的过程中应该保持收集广度上合规,个人信息保第58条规定大型互联网平台企业须承担个人信息保护特别义务,而OpenAI公司显然属于大型互联网平台,其应当健全个人数据保护合规体系,设立独立监督机构来审查ChatGPT作为人工智能产品所收集的数据是否合规,尤其是对位于模棱两可处境的个人数据,应该尽可能避免收集,防止个人数据的收集范围泛化。另一方面,在确定ChatGPT处理个人数据的深度时,应该在满足技术必要性的前提下,基于最小比例原则处理个人数据,对于个人数据应该避免过分深入地挖掘其潜在价值,应围绕用户的个人诉求来处理个人数据,而非一味地追求结论的精准程度。ChatGPT作为生成式人工智能,其算法模型在运行时会出于技术本能来提升生成结论的精准度,而这一技术发展诉求不能成为其违规利用个人数据的理由,最小比例原则意味着ChatGPT只要能够实现用户的目的即可,不能过度地收集和处理个人数据,从而使得个益受到的限制和干预尽量处于最低水平。以最小比例原则作为合规标准来限制个人数据的处理深度,能够有效地消除生成式人工智能的潜在威胁,避免技术发展的途径被歪曲。最后,当前ChatGPT迭代升级标志着人工智能从算法智能走向语言智能,在人与机器的交流过程中充斥着真实与人工、真实与虚拟的交互关系,ChatGPT作为新兴的生成式人工智能也在结论上存在虚假信息甚至犯罪信息。为了以合规监管的方式消除此类虚假信息,应该规范ChatGPT对于个人数据的处理加工模式,在ChatGPT的运行规则中规定其可以得出无解作为回复,避免ChatGPT竭力去寻求回复甚至编造虚假回复或者得出错误回复,同时要求ChatGPT在处理个人数据时应该强制进行同类比对模式,对个人数据的处理结果在数据库内部进行同类比对,提升其得出结论的准确性,避免其结论过于偏离实际。

总之,当前生成式人工智能意味着一个新的科技生态系统,该系统集成了人为因素与技术因素,并基于人工系统和自然世界结合的并行智能以及去中心化模式来激发人工智能创新。鉴于此,生成式人工智能在利用数据的过程中,应该做好前置性的预防工作,通过对数据的分类以及后续合规处理措施的展开来消除数据的安全法律风险。

二、内核优化:生成式人工智能运算阶段中算法模型的分析与纠偏

生成式人工智能之所以获得社会各界的高度关注,乃因其由传统的分析式人工智能转向了新兴的生成式人工智能,而算法模型在其转型过程中扮演重要的角色,生成式人工智能对于数据的分析和处理主要通过基础算法进行分析,改变了数据的产生方式、组织形式以及流转方式。在以ChatGPT为代表的生成式人工智能的运算阶段,算法模型是其核心技术特征,正是ChatGPT把预训练和微调体系引入自然语言算法处理过程中,才开启了生成式人工智能应用新时代,算法偏见风险也因此成为生成式人工智能的第二大风险。与之对应,《生成式人工智能服务管理办法(征求意见稿)》中第4条(2)规定在算法设计、训练数据选择、模型生成和优化、提供服务等过程中不得出现各类歧视,这说明在规范制定之初就充分吸取了之前的设置经验,已经充分考虑算法偏见所带来的风险,进一步增强了该规范的实用性,因此值得肯定。但是该规范中缺乏专门的预防算法偏见的规定,需要结合ChatGPT运行的现实需求进行设置。

技管结合纠正ChatGPT中的算法偏见

针对ChatGPT算法运行过程中难以避免的算法偏见法律风险,应该根据算法偏见的产生原理与产生场域进行针对性的管控。面对“算法失灵”的社会现状以及“算法脱轨”的潜在风险,应该承认“算法不是万能的”,并在算力不足、算法无解和数据缺失的领域做好人力物力的充分布局,从而与智能社会形成良好的匹配与互补。ChatGPT采用的“机器学习 人工标注”的技术处理模式就是通过人力资源来填补算法模型的固有不足。值得注意的是,虽然人工标注能大幅提升算法结论的准确性,促使ChatGPT得出公众需要的有效结论,但也不可避免出现算法偏见,尤其是在ChatGPT立足于服务公众并满足公众需求的前提下,这种算法偏见会得到默许甚至支持,最终导致算法结论失真。针对ChatGPT中的算法偏见问题,应该遵循技管结合的理念,从技术与规范两方面入手来强化对算法偏见的全流程监管,在推动生成式人工智能发展的同时做好规范层面的法律监管工作。

1.针对ChatGPT在应用之前的机器学习调试中出现的先天性算法偏见,应该根据算法模型的学习路径进行调整,通过规范文件的形式强调算法模型应该遵守的技术标准,在ChatGPT投入市场应用之前进行实质审查。2021年12月31日国家互联网信息办公室等多部门颁布的《互联网信息服务算法推荐管理规定》第8条规定,算法推荐服务提供者应当定期审核、评估、验证算法机制机理、模型、数据和应用结果等,不得设置诱导用户沉迷、过度消费等违反法律法规或者违背伦理道德的算法模型。在这一规范文件的指引下,ChatGPT的算法模型在投入应用之前就应该进行严格的法律审查,避免算法模型在机器学习的过程中就被渗入人为的算法偏见,并将规范文件的要求以技术标准的形式融入算法程序的编译过程中。鉴于ChatGPT的特殊技术特征,对其预先设置的算法纠偏过程应该分两个方向展开:一是针对机器学习中可能存在的先天性算法偏见,在算法程序编译环节进行预防。机器学习的过程是将部分数据作为输入,并产生相应的结论作为输出,其中的计算过程需要进行预先的训练,而这一训练过程也就是算法的机器学习过程,应该将规范文件的要求融入算法程序的设计过程中。在算法设计过程中,对于可能存在算法偏见的参数,要及时发现并予以消除,对算法程序上的偏见进行调整和校对,促使其能够回归正常的算法运行路径,以规范文件约束算法技术,避免算法偏见成为ChatGPT的“隐疾”并被放大,而是贯彻“技术治理”的工具赋能路径,完善对算法程序代码的监督样态。二是对人工标注的算法偏见通过设置规范加以预防。ChatGPT中存在与公众对接的接口,需要在机器学习的调试中提升其准确理解公众语言传输的能力,并尽可能避免在语言传输与转化过程中出现先天性偏见,导致输入端的先天性偏见最终演化为输出端的结果性偏见,而这种算法偏见主要来源于人工标注。在现实应用过程中,对于不同语言描述的内容,ChatGPT会自动识别其语言形式,从形式和实质两个方面判断公众想要咨询的内容并给出偏见性回复。比如,简体字和繁体字描述同一问题可能得出截然不同的回复,这种算法偏见主要归咎于算法模型在学习阶段受到了差异性的人工标注的影响。为了尽可能消除这种输入端引发的算法偏见,促使ChatGPT能够以公正合理的态度来处理问题,而非根据输入端内容在形式上的差异而给出带有偏见性色彩的回复,应该设置统一的人工标注规范标准,要求人工标准遵循相对一致的判断标准,避免人工标注造成的偏向性误导,同时要求生成式人工智能在理解问题时遵循一致的逻辑并给出公允的回复,而非刻意“讨好”公众并给出偏见性的回复。

2.针对ChatGPT在应用过程中经过自我学习而得出的后天性的算法偏见,应该通过在外部建立自动化、生态化、全流程的动态监管体系来进行审核并消除算法偏见。这种动态监管体系对算法偏见的审核,一方面承认算法在运算过程中存在客观上的技术偏差,另一方面通过不断地动态校正来消除这类偏见所带来的风险。ChatGPT作为高度智能化的生成式人工智能,其算逐渐演变出自主性和认知性特征,初步具备自我学习的能力而摆脱了纯粹的工具性角色,算法偏见在其自我学习过程中也会逐渐滋生且难以避免。针对这一情形,即使是预置的算法纠偏措施也会趋于失效,尤其是在人工标注的加持下,ChatGPT在自我学习过程中产生的算法偏见会愈发明显且难以避免,试图一劳永逸地解决后天性的算法偏见在ChatGPT这种高度智能化的语境下并不现实,而动态监管反而是能够平衡资源投入与效率保持的举措,将技管结合理念以自动化、生态化、动态化的形式嵌入ChatGPT的算法运行过程中。在技管结合的理念下,对于后天性算法偏见的监管主要包括建立监管算法技术的自动化监管模式、形成多主体共生演化的生态化监管网络以及落实全流程覆盖的动态化监管机制,从而实现对ChatGPT的全方位监管。一是对于监管算法技术的自动化监管模式,要求对机器学习与人工标注实现自动化监管,尤其是在两者的衔接阶段,要避免人工标注的算法偏见影响“反噬”机器学习的过程,对ChatGPT的运行全过程进行实时监控,只要出现算法偏见的情形便暂停结论输出且回溯至算法偏见的根源寻求解决方案。二是形成多主体共生演化的生态化监管网络,要求对ChatGPT的监管由多方主体介入,不仅是行政机关依据规范文件介入规制过程,平台自身也应该及时介入监管并形成行业自律,技管结合中的规范要求包括具体法律规范上的“硬法”要求以及行业自律公约上的“软法”要求。事实上,构建生态化监管网络需要平台积极参与,而“软法”的介入本身也是平台企业合规的具体要求,对算法模型进行监管的“软法”属于有效合规计划的一部分,并与合规政策、员工手册、合规组织体系、合规管理流程一起组成复杂的合规治理结构,生态化监管网络可以激发平台在ChatGPT上的技术创新活力。三是落实全流程覆盖的动态化监管机制,意味着对ChatGPT运算的全流程进行监管,这是为了降低算法偏见导致错误结论的概率,不仅对机器学习进行监管来消除算法偏见,对人工标注也进行相应的监管,防止ChatGPT在自我学习过程中产生算法偏见并将算法偏见扩大。在技管结合的理念下构建的全方位监管体系,能够及时发现与规制ChatGPT运行过程中的算法偏见,从侧面系统地推进算法可信可控制度体系的构建,这有利于ChatGPT这类新兴的生成式人工智能在现实社会中的应用,避免算法偏见阻碍人工智能技术的发展与推广。

总之,ChatGPT的出现意味着人工智能的发展已经迈入了新的阶段,而作为其灵魂核心的算法也逐渐超越工具角色,成为执行资源配置的基本法则。面对ChatGPT中可能存在的算法偏见风险,应该在分析其具有的“机器学习 人工标注”的技术特征的基础上,依据技管结合的理念尽可能消除算法偏见,不仅针对先天性算法偏见在技术层面与规范层面上进行消除,还针对后天性算法偏见进行全方位监管,从而使得规避了算法偏见的生成式人工智能系统能够及时投入现实生活并加以应用。

三、提质增效:生成式人工智能生成阶段中知识产权的剖析与重塑

生成式人工智能的兴起给诸多产业带来挑战,但其中影响最大的是在生成阶段对知识产权领域带来的挑战,因为生成式人工智能的智能化程度非常高,在运算时对于知识产权的归属相较于以往的人工智能系统产生了颠覆性变化,所以知识产权风险成为生成式人工智能无法规避的第三大风险。《生成式人工智能服务管理办法(征求意见稿)》中多次提及“尊重知识产权”“防止侵害知识产权”以及“不含有侵犯知识产权的内容”,体现出规范层面对于生成式人工智能所可能造成的知识产权法益损害后果的重视,凸显出规范制定过程中的务实性与前瞻性。事实上,虽然OpenAI公司在ChatGPT的《共享和发布政策》中提到与ChatGPT共同创作的内容归属于用户,但同时也要求作品中必须以一种任何读者都不会错过的方式来清楚地揭示ChatGPT的作用。有鉴于此,对于ChatGPT在生成阶段所引发的知识产权争议,应该以提质增效的宗旨来寻求解决路径,既要肯定并发掘出ChatGPT在创作上具备的技术优势,又要根据ChatGPT的技术特征合理地调整知识产权分配模式。

基于技术模型剖析ChatGPT的知识产权属性

ChatGPT作为生成式人工智能,在处理和分析数据的能力上显著强于分析式人工智能,其生成内容的流程包括内容自动化编纂、智能化润色加工、多模态转换以及创造性生成,直接改变出版的内容生产范式与内容供给模式,并由此引发了生成式人工智能的生成物是否受知识产权保护的问题。

在现实生活中,已经有作者借助ChatGPT生成的内容出书并赚取稿酬,已有超过200本ChatGPT署名创作的新书在亚马逊网站上架,亚马逊网站甚至为ChatGPT创作开设了专栏。但事实上,虽然ChatGPT的创作者中部分蕴含了自然人的创作因素(思想、情感),在一定程度上更符合作品构成要件的要求,但对于这类由生成式人工智能创作的作品能否赋权尚存争议,而且具体的赋权认定标准也仍属空白。ChatGPT创作作品的模式主要是挖掘人类日常交流的文本,并进行统计分析,甚至在对已有的数据库进行爬取后组合得出全新的作品,因此这类作品中“原创性”的含金量存在争议,而这也是ChatGPT产生知识产权争议的来源。事实上,即使是ChatGPT自身,对于其创作作品的属性也存在“疑惑”,当其被问及“你生成的内容是作品吗?”,ChatGPT承认其可以根据输入的提示来生成文本,但是这些生成的文本并不算是作品,因为这些作品并没有蕴含创造性、独创性、艺术性等元素,仅是根据预先训练好的模型对输入的提示进行生成。因此,ChatGPT认为其生成的内容更类似于工具或辅助工具,可以帮助公众自动生成一些文本,但其并不算是创意作品或原创作品。与之相对,2019年9月18日国际保护知识产权协会(AIPPI)《人工智能生成物的版权问题决议》提出,人工智能生成物在其生成过程中有人类干预且该生成物符合受保护作品应满足的其他条件情况下,能够获得版权保护,而对于生成过程无人类干预的人工智能生成物无法获得版权保护。在学界,关于人工智能生成物的属性争讼不休,人工智能知识产权支持者认为“人工智能生成物是一种对设计版权的演绎作品” ,而人工智能知识产权反对者则认为当前的人工智能生成物只是数据算法的结论,其本质上是计算与模仿,而非智力劳动,不具有智力财产的属性,无法成为知识产权的客体,应当归属于公有领域。在司法实践中,对于人工智能生成物的保护也大多持有积极态度,比如“当字库中出现既不同于现存的古代书法字体,也不同于现有电脑字库中已存在的公用字体,还不同于通常手书美术字体的新字体,这种新字体具有一定的独创特征,该独创性是通过人工智能的途径取得的,属于知识产权的范畴”,因此人工智能的生成物在具有独创性与创新性时为法律所保护。面对ChatGPT生成物的知识产权争议,无论是ChatGPT自身的回应,还是学界不同观点的碰撞,实际上都应该回归到技术的研讨上来,通过对技术模型的剖析来判断ChatGPT生成物的属性。生成式人工智能的技术进步,生成物中人工智能的介入方式与内容都不同以往,如果忽视技术进步而对生成物属性的判断一言蔽之,则会和技术发展脱节,阻碍人工智能技术的提质增效。

相较于传统的人工智能技术,ChatGPT作为生成式人工智能的创新之处在于其将部分自主意识贯彻至生产加工的全过程,其不同于以往的算法程序性创造,而是通过神经卷积网络控制自身的设计与制造,初步展现出深度学习能力,模拟人脑神经网络的构造来获取与输出数据。虽然当ChatGPT的创作力度达到“词”的级别时以已经几近极限,其并未完全跳跃出训练文本库的归纳范围,但不能据此就否认ChatGPT的技术进步,尤其是在GPT3.5升级为GPT4之后,其神经元数量已经可以媲美正常的人类思维,即使尚不能及,也不能全盘否定。在技术迭代升级的背景之下,理论必因社会发展变化而更新。对于ChatGPT生成物的知识产权属性,应该根据现有技术的运行模式与技术特征来判定其是否具有知识产权属性。第一,相较于分析式人工智能,生成式人工智能的接收端必然要有人类意志的参与,即公众向ChatGPT反馈自己的需求,这就代表人类意志已经干预了ChatGPT的创作,所以理论上其作品具有部分人的意志,这符合知识产权的兜底性要求,并满足《人工智能生成物的版权问题决议》中的规定。此外,人类意志的介入也为ChatGPT生成物的知识产权归属指明了方向,因为人类思维的介入,人类思维成为知识产权独创性的基础性要素,ChatGPT生成物的知识产权应该属于提问者,这也和OpenAI公司的《共享和发布政策》的规定不谋而合。第二,生成式人工智能的算法模型内部采用“机器学习 人工标注”模式,而人工标注模式体现了人的意志,并且将人的意志以运行规律和学习算法的形式在生成式人工智能中进行传承,因此ChatGPT具有类人的智慧,甚至部分情况下通过了图灵测试,这种类人的生成式人工智能逐渐突破了传统的技术壁垒,通过“机器学习 人工标注”的技术进步给其生成物注入了创新性与独创性的“灵魂”,而且这些“灵魂”具有可解释性,可以追溯并解释其产生路径,所以应该承认其具有知识产权。第三,从工程技术的角度分析,ChatGPT的可解释性远超一般预期,2023年5月10日,OpenAI公司发布了一个关于GPT4语言模型解析神经元的对齐性研究成果,利用GPT4的技术架构来解释包含307200个神经元的GPT2架构,也就是用ChatGPT来“解释”ChatGPT。这种技术模型上的进步意味着ChatGPT具备一定的“自我反省能力”,这为ChatGPT突破“可解释性的迷障”提供了更强有力的技术支撑,侧面印证了对ChatGPT的运行机理加以解释具有实际可行性。鉴于此,当ChatGPT不断优化升级时,其技术模型上的可解释性也随之增强,公众甚至可以通过技术模型本身来具体解释ChatGPT中新生成内容的产生机理,而这也成为印证ChatGPT的生成物具有独创性与创新性且应该被赋予知识产权的有力依据。

总之,ChatGPT作为生成式人工智能,其人工智能技术模型存在突破性进步,并且本身运行过程中与个人的意志之间进行互动交流,而且其算法模型内部也存在“人工标准”所附随的个人意志,具有一定的可解释性,因此其生成物具有创新性与独创性,满足赋予其知识产权的实质要求。如何创新发展传统知识产权制度,以使之适应生成式人工智能的发展,需要持续性的关注和思考。

依据可解释性重塑ChatGPT的知识产权保护体系

对于生成式人工智能生成物的保护,不能对所有内容都进行保护,因为这样会导致公众在应用ChatGPT时处于束手束脚的状态,同时也不利于生成式人工智能技术自身的发展,所以对于ChatGPT的知识产权的保护应该采用有重点、有选择的保护模式,并针对具体的保护内容构建知产合规体系。

2021年12月24日全国会修订后的中华人民共和国科技进步法第13条规定,国家制定和实施知识产权战略,建立和完善知识产权制度,营造尊重知识产权的社会环境,保护知识产权,激励自主创新。企业事业单位、社会组织和科学技术人员应当增强知识产权意识,增强自主创新能力,提高创造、运用、保护、管理和服务知识产权的能力,提高知识产权质量。这从宏观层面体现出国家对于知识产权保护体系建设的重视。数字技术的进步导致生成式超人工智能的生成物的创作、保存、分发知识内容(图像、音乐、文字和视频)的过程发生了根本性变化,而这些变化主要来源于生成式人工智能技术利用可解释性算法创造的具有实际价值的内容,如ChatGPT的技术核心在于其中可解释性算法部分,由可解释性算法所生成的内容才具有创新性与独创性,因此可解释性算法及其生成的内容才是ChatGPT知识产权的保护重点。

在ChatGPT中围绕可解释性重塑知识产权保护体系,主要是打破传统人工智能技术的“束缚”,同时也以合理的标准限制人工智能技术的过度扩张,避免知识产权保护范围被无序化扩大。在以往的人工智能技术中,算法决策根据输入数据得出结论,人工智能所得出的结论是其自主性的结果,具有不可预测性,该结论并非设计者可以控制的,也不体现设计者的意图,所以无法被解释,而这种不可解释性使我们很难证明“其是否被设定了损害权利的算法(算法偏差),或者人工智能是否以及怎样自动基于自主学习而生成了争议言论”,那么对应的知识产权保护体系也就无从谈起。在人工智能领域,虽然以深度学习为代表的人工智能技术已取得了令人瞩目的成就,但如何确保以非技术性的方式向最终用户和其他利益相关方解释算法决策以及任何驱动这些决策的数据,仍然是横亘在人工智能生成物知识产权合规保护体系面前的难题,以往人工智能的算法“黑箱”释明难题导致了人工智能生成物的不可解释性。法律责任的本质是答责,不具有可解释性的人工智能不能自我答责,其无法承担法律责任,而法律责任的目的是预防,不具有可解释性的人工智能无法实现法律责任的预防目的,法律保护也就无从谈起。但与之相对,ChatGPT的技术进步和应用模式意味着生成式人工智能中部分内容是可解释的,“在自然界中,每一物件都是按照规律起作用。唯独有理性的东西有能力按照对规律的观念,也就是按照原则而行动,或者说,具有意志”。鉴于“机器学习 人工标注”的介入使得算法程序编译者自身的意志在“人工标注”的过程中介入了ChatGPT的程序编译过程,这导致ChatGPT中的部分程序可以被解释,那么可以被解释的部分算法以及对应的生成物天然地具有独创性与创新性,并值得赋予知识产权保护。这同时也给ChatGPT的知识产权保护体系划定了保护范围,即以可解释性作为保护的范围,而这些可解释性的算法与内容在知产保护体系中也具有实际可操作性。

围绕ChatGPT中的可解释性内容来重塑其知识产权保护体系,可以参照已有的经验并结合ChatGPT的技术特征来制定其特有的保护体系。第一,明确ChatGPT中知识产权合规保护体系的保护对象是其中的可解释内容,包括可解释算法以及由可解释算法得出的具体内容,以此为重心构建保护体系,可以将保护的重心限缩到ChatGPT的核心价值领域,以有效地保护ChatGPT的生产能力。第二,明确ChatGPT的具体保护任务,分为基础性保护任务与专门性保护任务,前者主要针对知识产权保护的一般预防,而后者主要针对ChatGPT的技术特征进行强化保护,构建特定的具有预防、监控和应对作用的专门化管理制度,根据生成式人工智能和传统的分析式人工智能在技术模式上的区别引入差异化的管理要素。第三,针对ChatGPT的可解释性内容构建全流程的保护,对ChatGPT生成物的保护计划的设计和运行效果进行全过程审查,避免知识产权保护出现漏洞。虽然ChatGPT的可解释性内容主要集中在后半段的内容生成,但是前半段对于基础数据的选择以及知识产权的保护也应该是题中应有之义,从而实现对可解释性内容的全流程合规监管。第四,ChatGPT针对可解释内容的知识产权保护应该引入全新的保护技术,比如“数字版权管理技术(Digital Rights Management, DRM)”。通过DRM技术来设置对ChatGPT中可解释算法的访问权限,DRM分为基于密码技术的DRM系统和基于数字水印的DRM系统以及两者相结合的系统,当网络空间出现侵权内容时,监管保护机构可以及时删除侵权信息、断开侵权链接,防止针对ChatGPT的侵权内容范围扩张,DRM技术的应用可以为知产保护体系提供技术支撑,在提质增效的同时和ChatGPT技术相配合,构建一体化的知产保护体系。

总之,数字经济的兴起除了需要新兴的人工智能技术提供新的产值,同时人工智能生成物、人工智能技术等也逐渐成为知识产权保护的新客体,这增加了知识产权安全风险和保护难度。既然在大数据人工智能时代,人的生活与行动开始被智能化算法所“绑架”,“人”的主体性地位逐渐丧失,并实现人与技术的“和解”,而“和解”的前提是人工智能技术中可解释性内容的增加,那么就应该借此机会强化对人工智能技术中可解释性内容的保护,实现技术和监管的相互配合,并为司法实践提供外部助力。在ChatGPT中围绕可解释性内容塑造知产保护体系,既可以实现保护目的,为ChatGPT技术的发展提供良好的外部环境,又可以合理地限制保护范围,避免知产保护范围的无序扩张引发社会争议,而是以实质性的ChatGPT可解释内容作为知产保护的核心要旨,营造良好的人工智能整体发展环境,为ChatGPT的提质增效提供法律保障。

结语

“智能时代是由大数据与人工智能等技术驱动发展的时代”。伴随以ChatGPT为代表的生成式人工智能技术的蓬勃发展,元宇宙等未来人工智能环境的构建指日可待,生成式人工智能技术的成熟是人与人工智能在语言上的交互,而后就是行为上的交互,最终实现高度智能化的人工智能整体场景,甚至在2030年前后元宇宙将无处不在。随着生成式人工智能的发展与应用,虽然当前很多附随的社会影响并不明显,却有可能在未来的生成阶段产生后续影响,必须对进行前瞻性预防。以ChatGPT为代表的生成式人工智能在社会应用过程中产生的扩散影响还有很多,除了上述的三大安全风险之外,仍然有很多其他类型的安全风险,比如影响教育公平,其生成的内容可能导致学生获得不正当的竞争优势,包括美国、澳大利亚、新加坡的教育机构已经对ChatGPT可能引发的作弊危机进行评估,部分高校已经禁止学生利用ChatGPT提交论文作业,违反者将被直接认定为作弊。再如影响科研伦理,对ChatGPT不当使用可能会使人类产生技术依赖,进而损害自身的独立自主性和学术品质。还如,对碳中和的环境保护的影响,生成式人工智能的运算需要将电力资源转化为算力资源,但在这一过程中会消耗大量的能源,所以对生成式人工智能需要国家层面的合理规划,对于人工智能体系进行合理的布局建设,避免资源浪费,贯彻绿色原则。最后是可能造成数字鸿沟进一步增大,损害数字弱势群体的利益。一方面,ChatGPT导致个人和平台之间处于绝对的信息不对称,平台占据了绝对的信息优势,个人的权利被进一步压缩。另一方面,不同群体之间的差异在ChatGPT的语境中更加明显,比如ChatGPT可能扩大“银发鸿沟”,导致老年人的权益受损,限缩老年人基本生活选择,降低老年人的生活质量,危及老年人社会参与积极性。鉴于此,自然科学的知识与技术应用于法律现象的情况愈演愈烈,为了避免陷入技术主义的陷阱,需要分析新兴技术对当前社会以及未来社会所可能造成的影响,并且从法律规制的角度提供可行的解决之策。总之,对于生成式人工智能所带来的冲击,既要着眼于其在当前已经造成的安全风险并进行合理规制,又要考虑其在未来所可能造成的泛化的安全风险,基于风险预防主义,对其在各行各业所可能造成的暂不显著的安全风险进行提前预防,从而在最大程度上发挥生成式人工智能的技术效能,同时减少新兴技术对社会发展造成的负面冲击。