_人大-中文版_生成式人工智能对网络信息内容治理的挑战及其应对_16页_899kb

报告摘要

生成式人工智能对网络信息内容治理的挑战及其应对总结

核心内容概述

生成式人工智能（AIGC）的快速发展正在深刻重塑网络信息内容的生产模式和治理生态。其带来的技术革新与潜在风险对现行网络信息内容治理体系提出了新的挑战，亟需在技术、制度与责任分配等方面进行系统性调整与完善。

主要观点与关键信息

一、生成式人工智能重塑网络信息内容生态

生成式人工智能定义：基于算法、模型、规则生成文本、图片、声音、视频、代码等内容的技术。
技术演进：
- 早期模型如隐马尔可夫模型（HMM）、高斯混合模型（GMMs）用于计算机辅助创作。
- 2014年GANs的提出为图像生成带来突破，2017年Transformer模型推动自然语言生成的发展。
- 大语言模型（LLM）如GPT-3、GPT-4等，具备“涌现能力”，显著提升了内容生成的质量与效率。
生产模式变革：
- 传统模式包括PGC（专业生成内容）和UGC（用户生成内容）。
- 生成式人工智能推动AIGC成为新的主流内容生产方式，预测到2026年AIGC将占互联网内容的90%。

二、生成式人工智能对网络信息内容治理的挑战

信息失序：
- 人工智能生成内容与人类创作内容在识别上存在困难，尤其是高质量生成内容难以被区分。
- 人类识别准确率较低，目前仅在10%-17%之间，识别技术尚未达到法律可采信的标准。
平台革命：
- 生成式人工智能催生了新型平台，如ChatGPT、通义千问等，其属性与传统平台不同，具有黑箱性和规模化特征。
- 现有平台规制规则难以适应新型平台的治理需求，需探索差异化规则。
责任困境：
- 内容损害可能涉及多个主体，包括模型开发者、训练数据提供者、平台运营者、应用开发者和使用者。
- 责任分配需结合具体场景，考虑不同主体的控制力、预见性和行为影响。

三、人工智能监管的国际发展趋势

美国：发展导向的弱监管模式：
- 强调行业自律与技术公司自我规范，未形成全面立法。
- 依赖《通信规范法》第230条等既有法律条款进行延伸适用。
- 行政命令推动监管，但政策易受政府更迭影响。
欧盟：安全导向的强监管模式：
- 2024年正式通过《人工智能法》，建立分级监管体系。
- 强调透明性、可追溯性和事前合规，成立欧洲人工智能办公室进行监管。
- 通过“布鲁塞尔效应”在国际上形成影响力。
中国：发展与安全并重的中间道路：
- 通过行政规章建立专门性规范，如《互联网信息服务深度合成管理规定》和《生成式人工智能服务管理暂行办法》。
- 强调内容标识义务与信息披露，制定国家标准支持技术实施。
- 探索制度与技术结合的治理路径，兼顾创新与安全。

四、完善人工智能生成内容治理的建议

内容识别：
- 强化识别技术体系建设，提升准确率与鲁棒性。
- 完善信息披露义务制度，区分场景并细化规则。
- 建立统一的识别与标识标准，推动国际协调。
平台治理：
- 明确生成式人工智能服务提供者的法律定位，设立独立类别。
- 根据服务提供者的信息管理能力进行分类规制。
- 完善平台举证责任与信息披露规则，强化平台责任。
责任分配：
- 结合具体情形分配责任，考虑不同主体的行为原因力。
- 采用场景化原则，权衡预防风险的成本与收益。
- 参照网络服务提供者过错认定方法，动态调整责任标准。

总结

生成式人工智能在提升内容生产效率的同时，也带来了信息失序、平台治理缺失和责任分配复杂等多重挑战。各国在监管模式上呈现出不同取向，美国偏重发展与行业自律，欧盟强调安全与合规，中国则在两者之间探索平衡路径。未来治理需在技术识别、平台规则与责任分配等方面协同推进，构建适应人工智能时代的网络信息内容治理体系。

展开完整摘要