数据立法为人工智能发展划定“安全线”

　　近日，中国科学院战略咨询研究院主办的“构建智能未来：人工智能与数据立法的挑战与应对”研讨会暨第六届智库科学与工程国际研讨会平行论坛举行。此次论坛汇聚学界与业界的智慧，对人工智能与数据立法这一前沿议题展开深入务实且具前瞻性的交流研讨。

　　当前，全球正迎来以人工智能为代表的新一轮科技革命和产业变革，在此背景下，如何平衡创新发展与风险治理，如何构建既符合国情又具备国际竞争力的人工智能法律制度体系，已成为重大课题。首都师范大学科技法中心主任李昕认为，人工智能立法的顶层思考需明确定位为新社会契约，回应责任分配与社会运转需求，平衡创新与安全等关系；中观层面需剖析创新与安全、中国与世界、现在与未来三对张力；底层支撑则涉及社会保障、全球正义等延展议题，并指出中国应走国家主导型技术普惠主义道路。

　　中国人民公安大学数据法学研究院院长苏宇呼吁关注规制负担评估工作，主张以该评估为基础，优化算法备案制度、强化产业链内的安全港，为人工智能治理提供动态平衡点。中国社会科学院网络与信息法研究室助理研究员徐玖玖以标识制度为切入点，探索人工智能治理困境中的出路，提到我国标识制度管理历经从“一刀切”到逐步细化的过程，以强制性国家标准为特点，构建起全链条闭环管理，同时需关注标识制度存在的技术局限性、对其科学合理性的质疑，以及配套强制性国家标准是否合理的问题。

　　对外经济贸易大学法学院教授张欣基于“数据驱动的人工智能新范式”提出观点：人工智能立法需以训练数据为核心，但当前出台人工智能基本法时机尚未成熟，首要任务是明确训练数据及合理使用的制度框架。此外，他还指出，人工智能规制需从数据源头把控；训练数据还需平衡证据开示与商业秘密保护的关系；利用公开个人信息进行模型训练时，应将个人信息在大模型中的使用视为连续过程，重点思考“处理目的变更是否触发重新授权”等关键问题。中国政法大学研究员郝明英针对人工智能模型训练数据的合法性问题展开研究，重点关注数据输入与预处理、训练、输出三个核心阶段，并从制度层面提出类型化划分建议：模型类型上，基础模型适用“合理使用”的可能性更高，垂类模型则相反；使用方式上，需谨慎引入“表达性”与“非表达性”概念；合法性来源上，坚持数据来源合法，同时探讨物权与著作权分离的可行性；合理使用上，著作权使用应从“自愿许可”向“延伸性集体管理”方向推进。

　　在数据要素化的法律困境与制度破局方面，中国政法大学知识产权创新与竞争法研究中心主任陶乾从数据相关权益出发，探讨激发数据要素活力的法律政策。他提出，当前应设立专门数据法，激励数据生产开发、利用共享与收益分配，设计专门交易规则并与数据安全法配合，该立法需考察保护与利用、集中与流动、体量与质量、私益与公益及安全与知情权等关系，平衡原始数据来源者、持有者等多方利益，具体制度设计可从三方面展开：权益客体需区分数据与商业秘密；权益主体区分原始与衍生数据，平衡持有者权益与处理者权益；权益内容限定原始数据“反爬取”，同时考虑采集知情等问题。此外，欧盟在原始数据层面平衡个人与平台利益及数据迁移的规则值得借鉴，数据权益限制将是未来立法重点。

　　中国科学院科技战略咨询研究院副研究员吕磊表示，以文生图为例，图由算法生成，人的自我表达减少，鉴于人工智能未来发展的不可预知性，各国需要加强沟通，从多元视角汇聚各方观点，达成全球治理共识。（启源）

（编辑：刘珊）