近年来，人工智能领域的发展备受关注，其中最具代表性的就是ChatGPT和BlenderBot。ChatGPT是由OpenAI开发的人工智能聊天机器人，可以在各种语境下进行对话，并回答用户的问题。而BlenderBot则是由Meta开发的人工智能机器人，可以在虚拟现实环境中进行交互和操作。这些工具的出现，让人们可以更好地理解和利用人工智能技术。在接下来的几年中，这个领域将会继续百家争鸣，百花齐放。各种新的工具和算法将会涌现，让人们可以更好地应用人工智能技术。同时，也需要注意到，人工智能技术的发展还存在许多挑战和问题，需要不断地进行研究和改进。
ChatGPT的核心是Generative Pre-trained Transformer(生成式预训练转换器)，通过深度学习和训练，GPT有能力极快地搜集并整理资料，组合成相当成熟的文本回答。这涉及到数据搜集(input)和数据整理输出(output)两个方面。在数据搜集方面，GPT需要收集并整理各种来源的数据，包括网页、书籍、新闻等。在数据整理方面，GPT需要将数据转换为适合输入的格式，例如将一段文本转换为数字或字母等。这两方面都需要涉及到数据隐私和版权等法律问题。随着这一大类“生成式”人工智能越来越广泛的新应用，这些问题也变得越来越重要。
2016年，微软公司推出了一款名为AI Tay的聊天机器人，但在短短的时间内，该机器人就昙花一现，出现了停止的现象。这一事件引发了人们对于科技发展和立法滞后之间的思考。如果立法无法跟上技术的发展，新技术可能就会变成潘多拉的魔盒，带来不可预测的后果。因此，我们需要探讨一些与技术推广相关的立法问题，以确保科技的发展不会给社会带来不可逆转的损害。
一、数据隐私和同现有数据法的冲突
获取数据时，首先要关注数据隐私和保护问题。在使用搜索引擎查找资料时，对数据的采集和整合与使用AI是完全不可相提并论的。这就涉及到大量的数据法冲突。例如，自从“欧洲通用数据保护条例(GDPR)”出炉后，各公司机构都颁布了数据隐私条款，列出了各自对这些数据的处理条件和责任。但是，当这些数据被AI取得后，又被分散到个体用户手中，数据的所有权和保护就被架空了。因此，谁来对数据隐私和有效期负责？谁决定数据的应用限制或许可？谁来控制这些数据不被再次多次转手甚至滥用？这些问题都亟待解决。
二、知识产权问题
数据收集和整理一旦完成，知识产权问题也进入了更复杂的区域。与普通的抄袭不同，GPT有能力按照预先训练的指令模仿已经存在的内容风格进行再创作，这就涉及到侵权主体责任的定义问题和“风格”作为知识产权的界定和权益问题。在版权法中，风格拷贝也是一种剽窃，但界定本身又相当抽象，同时涉及到多重执行主体，这会给保护原创带来新的挑战。最近洛杉矶艺术家 Hollie Mengert 的作品被用作训练生成式 AI “Stable Diffusion” 的模板，并被模仿再创作的事件，就体现出这里立法的模糊性。
三、运用他人数据营利问题
类似Hollie Mengert作品被模仿和再创作的事件，可以引申出如果这类信息或作品被用作商业工具营利，那么接下来该怎样处理相关权益和经济纠纷的难处。虽然很多网络信息是公开免费的，但这并不意味着可以用这些信息来间接盈利。在这种情况下，可能会涉及到相关权益纠纷和经济纠纷的问题。例如，如果需要向ChatGPT问题，那些回答的信息来自不同的源头的组合，其中不乏私有专业以及受版权保护的内容。那么，在这种情况下，需要处理相关权益纠纷和经济纠纷，以确保自己的利益受到保护。
四、数据质量和算法偏差
随着技术的不断发展，AI的数据质量也会不断提高，但使用者依旧不能对其形成盲目依赖。数据的真实性和可靠性需要使用者自己进行衡量和决策。AI可以提供优质的答案，但也可能提供误导性的答案，同时，AI回答问题的方式也可能带来伦理问题。此外，AI训练所用的数据库不同，也会导致结果的算法偏差。同时，也需要考虑到给AI设定特定意识形态的问题。
五、网络犯罪
AI的能力既可以用来行善，也可以用来作恶，这取决于它的本质，即它所提供的服务或工具。就像Deepfake技术一样，它被广泛用于色情业，引起了对AI在身份欺诈方面的担忧。但是，法律对于AI在这一领域的应用却十分滞后，涉及到诈骗、名誉权、肖像权、诽谤、身份盗窃等多个方面，但几年过去了，相关法律并未得到完善。随着AI技术的进步，它的能力只会增强，而不是减弱。像ChatGPT这样的工具，完全有能力伪装成我们非常熟悉的人来和我们进行沟通，写出以假乱真的各种书信文件，在私人和商业生活中引起更大的混乱。因此，我们需要认识到AI的本质，并制定相应的法律和伦理规范，以确保其用于行善的能力，而不是用于作恶。
AI技术带来的潜在问题需要法律来指导和规范，但目前的法律体系还不足以应对这些挑战。法律的生成又具有滞后性，无法及时应对未来可能出现的情况。因此，自上而下的立法和自下而上的立法都存在一定的困难。虽然这两种立法方式都有其优点和缺点，但无论如何努力，在法治上跟上科技的紧迫性和困难性都是不言而喻的。
科技发展的平衡问题需要寄望于科技本身的发展，以应对滥用科技所带来的风险。例如，ChatGPT的出现引起了学生们的作弊动机，因此有人开发了一系列工具来检测AI写作的可信度，如GPTZero等软件。科技发展的速度非常快，这种技术一物降一物的现象在科技界也很常见。
科技发展难以阻挡，未来已来，我们做好准备了吗？
（作者系法律学者）
• （本文仅为作者个人观点，不代表本报立场）
陆倩
关键词：ChatGPT，数据隐私，知识产权，网络犯罪，数据收集，数据整理输出，人工智能工具，生成式预训转换器，数据搜集，数据法，GDPR，微软AI Tay，立法滞后，新技术，潘多拉的魔盒，人工智能，机器学习，自然语言处理，生成式语言模型，GPT，风格拷贝，版权，侵犯知识产权，算法偏差，数据质量，数据营利，网络犯罪，数据隐私，数据收集，数据整理输出，人工智能工具，生成式预训转换器，数据搜集，数据法，GDPR，立法滞后，新技术，人工智能，机器学习，自然语言处理，生成式语言模型，GPT，风格拷贝，版权，侵犯知识产权，算法偏差，数据质量，数据营利，网络犯罪，数据隐私，数据收集，数据整理输出，人工智能工具，生成式预训转换器，数据搜集，数据法，GDPR，立法滞后，新技术，人工智能，机器学习，自然语言处理，生成式语言模型，GPT，风格拷贝，版权，侵犯知识产权，算法偏差，数据质量，数据营利，网络犯罪，数据隐私，数据收集，数据整理输出，人工智能工具，生成式预训转换器，数据搜集，数据法，GDPR，立法滞后，新技术，人工智能，机器学习，自然语言处理，生成式语言模型，GPT，风格拷贝，版权，侵犯知识产权，算法偏差，数据质量，数据营利，网络犯罪，数据隐私，数据收集，数据整理输出，人工智能工具，生成式预训转换器，数据搜集，数据法，GDPR，立法滞后，新技术，人工智能，机器学习，自然语言处理，生成式语言模型，GPT，风格拷贝，版权，侵犯知识产权，算法偏差，数据质量，数据营利，网络犯罪，数据隐私，数据收集，数据整理输出，人工智能工具，生成式预训转换器，数据搜集，数据法，GDPR，立法滞后，新技术，人工智能，机器学习，自然语言处理，生成式语言模型，GPT，风格拷贝，版权，侵犯知识产权，算法偏差，数据质量，数据营利，网络犯罪，数据隐私，数据收集，数据整理输出，人工智能工具，生成式预训转换器，数据搜集，数据法，GDPR，立法滞后，新技术，人工智能，机器学习，自然语言处理，生成式语言模型，GPT，风格拷贝，版权，侵犯知识产权，算法偏差，数据质量，数据营利，网络犯罪，数据隐私，数据收集，数据整理输出
Related posts
