人工智能生成行為的決策標準

孫陽

摘要：基于博弈模型分析的人工智能生成行為強調決策收益和決策成本的不同結果，收益和成本的權衡進一步完善人工智能生成行為的決策標準。人工智能生成行為的決策收益與決策成本因生成內容使用行為的共識狀態而發生實質變化，對生成行為規范性質形成共識的情況下，人工智能設備所有者與內容使用者僅需要依據共識性理解進行決策。共識性理解即雙方主體對于生成內容的使用是否需要取得授權形成一致判斷，這就需要人工智能生成行為的規范設計足夠明確和統一，當雙方主體對于生成內容的使用無法形成規則共識，圍繞生成行為的權益糾紛必然增加決策成本并降低決策收益。因此，厘清人工智能生成行為及其法律效力，促進規則共識的形成是決策標準指導規范設計的核心要素。

關鍵詞：人工智能生成行為 ?規范設計 ?博弈模型 ?收益與成本

中圖分類號：D922.17 文獻標識碼： A文章編號：1674-8557（2024）01-0094-14

人工智能生成行為是人工智能技術應用的主要內容之一，通過人工智能相關主體的參與和決策實現產業需求與價值預期。作為重點發展和推廣的前沿技術，人工智能生成過程中復數主體參與的技術特征要求清晰和統一的規范設計以協調不同主體之間的行為決策，提高人工智能生成行為的運行效率和應用價值。人工智能生成內容的多樣性要求規范設計不拘泥于特定法律部門，2023年8月起施行的《生成式人工智能服務管理暫行辦法》（以下簡稱《暫行辦法》）中明確了人工智能生成行為的規范設計應當“促進生成式人工智能健康發展和規范應用，維護國家安全和社會公共利益，保護公民、法人和其他組織的合法權益”。《暫行辦法》中對于生成內容的多層次要求意味著生成行為的規范設計不等同于特定法律規則的移植，而應當圍繞主體行為的決策，為人工智能生成行為提供制度性保障。

人工智能生成行為伴隨生成內容的客觀結果，從行為模式上契合著作權作品創作生成的一般特征。因此，現階段人工智能生成行為的規范設計側重于討論著作權規則對人工智能生成行為的法律適用，通過作者權規則的適用確認人工智能生成內容的著作權法律屬性，構建類似于著作權作品權屬的規范標準。問題在于，人工智能生成行為的技術特征無法實現自然人格為基礎的作者權屬，需要借助于擬制人格實現作者主體身份的權利基礎。作者權規則的適用一定程度上壓縮了人工智能生成行為的規范調整空間，也不滿足人工智能生成行為多層次規范設計的總體要求。有鑒于此，人工智能生成行為的規范設計應跳出生成內容法律屬性認定的窠臼，圍繞人工智能生成行為的主體決策設計規范標準。本文基于博弈理論模型，圍繞人工智能生成行為的主體決策進行分析，探討構建符合人工智能技術發展的生成行為決策標準，為人工智能生成行為規范設計提供參照。

一、作為決策基礎的人工智能生成行為

明確法律規范的效力是行為主體進行決策的基本前提，也是行為主體通過具體決策最大化行為收益并降低行為成本的必然結果。人工智能生成行為屬于人工智能技術運行的主要類型之一，技術運行的基本特征和法律屬性直接決定了人工智能參與主體的行為邊界，行為邊界的厘清和確認影響人工智能生成行為的相關規范思考。在此基礎上形成的人工智能生成行為決策標準是人工智能參與主體進行合理決策的基本前提，也是影響人工智能生成行為收益與成本有效平衡的規范基礎。

（一）人工智能生成行為的技術構成

人工智能是執行既定任務并實現預期功能的技術系統集合，該系統集合包含人類主體參與、任務決策機制、內容生成流程、機器學習步驟以及自我學習完善等基本構成。人工智能生成行為遵循上述技術原則，基于算法、模型、規則生成文本、圖片、聲音、視頻、代碼等內容。需要說明的是，人工智能生成行為的技術構成應結合技術本質進行類型化分析。

人工智能的典型特征在于人機交互的運行機制，圍繞人機交互的技術特征將人工智能劃分為具有自決性并能夠進行自主運行的技術系統。自決性即人工智能進行自主決策的基本特征，也是梳理人工智能生成行為中人機交互范圍與深度的主要技術指標。實踐應用中的人工智能生成行為需要通過人工指令完成具體的生成任務，如語言翻譯、數據計算以及圖形生成等具體功能。一般而言，此類人工智能生成技術的自主決策程度較低，主要通過人工智能參與主體的行為介入實現既定的生成目標。有觀點認為自主決策程度較低的人工智能屬于工具性技術應用，本質上作為人類行為的拓展工具。因此，自決性較低的人工智能生成行為僅僅是遵循人工智能參與主體的指令并依據預先設計的生成機制實現具體生成內容；此時，分析人工智能生成行為的技術構成清晰且明確：即發布指令的行為主體與機械執行指令的技術應用。

與之相對，自主決策程度高的人工智能生成行為強調人工智能參與主體的交互式行為過程；自決性高的人工智能運用所謂的“神經網絡”設計模擬人類腦部行為，實現類似人腦的信息吸收、分類、決策和傳遞的基本功能。這一類模擬人腦的運行過程通過人工智能特有的機器學習機制來實現，機器學習側重模擬人類認知和學習過程，通過系統的機制修正認知和學習過程中發生的錯誤，完成機器學習的整體流程，提高人工智能運行的基本效率。

以OpenAI公司研發的人工智能對話系統為例。ChatGPT（Chat Generative Pretraining Transformer）即生成型預訓練轉換程序，是由OpenAI公司于2022年11月30日發布的一款高自決性人生成式人工智能機器人。ChatGPT能夠通過學習和理解人類語言來實現和人類的對話功能，并能夠依據對話上下文語境來針對性的回答人類提出的問題。本質上，屬于人工智能內容生成技術（Artificial Intelligence Generate Content，AIGC）的具體應用；通過學習人類語言和相關知識，ChatGPT具備了自主決策的語言內容創作能力，進而通過程序運行生成語言形式的內容。ChatGPT的自主決策通過兩大核心技術得以實現：首先是基于生成式預訓練的轉換機制（Generative Pretrained Transformer，GPT），以生成式自主學習為運行基礎，從訓練數據中提取并學習隱含的語言規律和對話模式，并訓練出千億級別參數總量的大規模語言模型；其次，基于人類反饋強化學習（Reinforcement Learning with Human Feedback，RLHF）機制保證語言模型及其生成于人類的嘗試、認知、價值觀保持一致。

（二）技術特征區分的主體構成

人工智能生成行為的參與主體基于人工智能的自主決策程度發生變化。自主決策程度較低的人工智能具有典型的工具特征，生成行為及其生成內容本質上人工指令的技術化結果。生成行為與生成內容來源于指令輸入者的具體要求，貫徹指令輸入者的生成意志，生成行為的具體內容基于具體指令和技術運行具有可預見性。此時人工智能生成行為主要通過單一主體實施且行為過程具有鮮明的工具屬性，決策標準可以參照著作權法中的法人作品規則構建生成行為的規范模式。我國《著作權法》第11條規定，“由法人或者非法人組織主持，代表法人或者非法人組織意志創作，并由法人或者非法人組織承擔責任的作品，法人或者非法人組織視為作者。”法人作品權屬歸于具有法律擬制人格的法人組織，而實施創作行為的自然人在貫徹法人組織創作意志過程中具有工具特征；區別于傳統作者權規則的自然人格標準，法人作品規則強調特定作品的創作需要投入大量人力、物力和財力才能完成創作的整體流程。

當人工智能生成行為屬于法人組織的創作行為，則法人組織可以通過法人作品規則主張生成內容的所有權。在深圳騰訊公司訴上海盈科科技公司侵害著作權糾紛中，深圳騰訊公司主張其自主研發的自動寫稿機器人Dreamwriter生成的文章享有著作權，被告未經許可轉載文章的行為侵犯其著作權并構成不正當競爭。在確認涉案文章具有獨創性的前提下，法院認為自動寫稿機器人Dreamwriter是由原告主持下的內容編輯團隊、產品推廣團隊以及技術開發團隊共同完成研發設計。涉案文章依據法人作品規則被法院裁定為通過原告主持的團隊分工形成的獨創性作品，體現了原告對于發布涉案文章主題內容的意圖和需求，滿足著作權法人作品的規范要件。

持有并使用工具的主體可以推定為工具的所有權人，能夠通過使用工具獲得收益并主張所有權。法人作品規則遵循相同的邏輯。法人作品規則明確了創作行為的權利歸屬和收益分配，為法人創作行為的決策標準提供規范參照。區別于低自決性人工智能中指令輸入者的核心地位，高自決性人工智能要求不同類型主體參與生成行為的整體過程。高自決性人工智能生成行為由此具有了不可預測屬性，生成內容也具有更多可能；具體而言，高自決性人工智能生成行為的參與主體可以基本劃分為人工智能研發者、人工智能設備所有者、人工智能使用者、人工智能測試參與者以及人工智能基礎數據提供者。

上述不同類型的人工智能參與主體中，人工智能研發者、人工智能設備所有者以及人工智能使用者是影響人工智能生成行為及其生成內容的參與主體，這三類主體的行為決策直接影響生成行為以及生成內容的價值。其中，人工智能研發者為生成行為的實現提供最根本的技術支持；人工智能設備所有者為人工智能生成行為的開展提供物質條件；人工智能使用者影響生成行為的推廣和應用，間接決定生成內容的使用價值。另一方面，人工智能測試與基礎數據提供也是人工智能生成行為中的主要環節，對于人工智能生成行為的產業需求與價值開發具有重要影響；人工智能測試參與者的行為影響生成功能的穩定性和預測性，間接影響人工智能使用者對生成行為的評估和決策。人工智能基礎數據提供者則需要通過確保數據的種類和質量來提高人工智能生成內容的多樣性和豐富性。

鑒于上述主體的行為模式存在實質差異，作為決策標準依據的規范設計應當合理兼顧不同主體利益需求的有效平衡，為不同主體的行為決策提供有效的規范基礎。適用于低自決性人工智能的法人作品規則不能涵蓋高自決性人工智能的生成行為，這種規范設計思路仍然屬于圍繞生成內容特征而設計規則的固有路徑，屬于對現有部門法律規則的機械移植。應對高自決性人工智能生成行為的現實需求，如何解決固有路徑適用范圍有限的規則缺陷是構建決策標準的核心問題。

二、基于博弈理論的分析：收益與成本

人工智能生成行為本質上屬于復數主體參與和決策的技術應用行為，行為過程中必然產生相應的行為收益與行為成本，這就要求人工智能生成行為的決策標準需要充分考慮生成行為的技術特征而形成明確、統一且有效的規則參照。根據人工智能生成行為的一般過程，行為收益可以包括生成內容的功能性使用、生成內容的交易價值以及人工智能設備的使用收益等。另一方面，行為成本則涉及人工智能設備的研發投入、用于生成行為的數據搜集以及生成內容權益分配而產生的潛在糾紛等。從行為決策的合理性出發，人工智能生成行為的決策標準應當通過收益與成本的權衡滿足人工智能參與主體的利益需求。意大利制度經濟學家維爾弗雷多·帕累托指出，“當特定規則使一部分人的情況變得更好，又不會導致另一部分人的情況變得更差，那么這種規則帶來的經濟狀態是有效的。”依據帕累托的規范評估原理，決策標準應當使包括人工智能研發者、人工智能使用者以及人工智能設備所有者等行為主體通過生成行為的實施取得收益，并且沒有任意一方主體因生成行為而單方面承受行為成本。

（一）博弈模型的基本原理

厘清了決策標準的制定原則，分析的重點在于如何有效的評估特定行為的收益與成本。博弈模型的核心機制在于不同行為主體在既定條件下的決策選擇，行為主體依據對方的決策選擇有利于本方的決策策略，爭取最大的決策收益并降低決策成本。博弈模型強調行為主體在決策過程中的理性人思維，每一次決策的結果都會爭取降低決策的成本并且增加決策的收益，在此基礎上通過多次重復的單一行為決策而形成針對某一類行為的統一決策標準，具有此類決策特征且最為典型的博弈模型即為囚徒博弈。

囚徒博弈作為典型的博弈模型，指出參與博弈各方基于理性思維的博弈結果會導致博弈主體的結果相較于博弈之前更為不利。囚徒博弈假設了一個刑事審訊的特殊規則，即兩名嫌疑人面對審訊可以分別做出兩種不同的決策選擇：（1）選擇沉默；（2）選擇坦白供述罪行。過程中兩名嫌疑人無法確定對方選擇的結果，也無法同時與對方進行決策選擇的溝通。在囚徒博弈模型中，選擇沉默或坦白的不同決策將導致嫌疑人承受不同的結果。

1.?當兩名嫌疑人在審訊過程中都選擇沉默，此時兩位嫌疑人分別承受3的監禁期限。

2.?當兩名嫌疑人在審訊過程中都選擇坦白，此時兩位嫌疑人分別承受10年的監禁期限。

3.?當一位嫌疑人選擇坦白而另一位嫌疑人選擇沉默時，選擇坦白的嫌疑人立即釋放（即監禁期限為0），而選擇沉默的嫌疑人承受20年監禁期限。

綜合不同情況下嫌疑人的決策選擇，堅持選擇沉默的決策更有利于嫌疑人承受較短時間的監禁期限。當雙方都接受并認可這一決策標準時，囚徒博弈模型中的嫌疑人總是以沉默作為進行博弈的優先選擇，即追求最少監禁時間的決策標準實際上是嫌疑人作為行為主體在決策過程中貫徹理性思維的必然結果，此時囚徒博弈中的決策主體在爭取個體決策成本最小化的過程中承擔了博弈決策的次優后果；另一方面，嫌疑人雖然可以通過選擇坦白罪行來爭取最優決策的收益即立即獲得釋放，但如果另一方嫌疑人此時也選擇坦白罪行，那么雙方都將承受10年時間的監禁期限，此時雙方都不愿意以坦白罪行的決策策略換取最優的決策收益，因為另一方同樣可能選擇最大化收益的決策策略（即坦白爭取立即釋放的結果）。需要說明的是，囚徒博弈中選擇次優結果的決策并不符合經濟學角度的帕累托最優標準，即雙方都因自利導向驅動的決策而導致雙方的狀況變得更為不利。囚徒博弈模型的決策結果是典型的個體理性人思維與群體理性結果沖突的情況，個體基于理性人思維決策的后果往往是群體利益的受損。

（二）人工智能生成行為的收益與成本

運用博弈模型的基本原理分析人工智能生成行為的收益與成本，首先需要明確博弈模型與人工智能生成行為的區別。不同于博弈模型的規則機制，現行法律規范體系不直接調整人工智能生成行為中的主體權利和義務，人工智能參與主體的行為本質上受制于收益與成本的權衡。因此，問題的關鍵在于行為主體的決策是否遵循理性人的基本思維邏輯，通過行為決策實現制度經濟學標準中的帕累托最優結果。遵循博弈模型的分析原理，關鍵在于建立人工智能參與主體的收益與成本結構。

人工智能生成行為屬于特殊的物的創造行為，應當遵循一般物的創造行為規律來構建收益與成本的分析結構。物的創造可以宏觀上劃分為有形物的創造與無形物的創造兩個層面，有形物與無形物的劃分不能脫離財產規則的適用。從羅馬法到法國民法，物與財產在權利客體在概念層面是重合的。英國法學家梅因對羅馬法中土地、奴隸等要式轉移行為分析時提出了物的基本概念。法國《拉魯斯大百科全書》指出：“凡是能構成財產的一部分并可占為己有的財富即為物。這種物既可以是有體物，可以被人感知，包括一切動產或不動產；也可以是無體物，既沒有實體存在，而又人主觀擬制的物。”對于物與財產的相關性，當代《英國牛津大辭典》則在表述權利客體的物與財產時做出了動產與不動產的相同類別劃分：前者屬于可以請求返還特定物的財產，而后者則屬于請求肌膚損害賠償的財產。由此可見，物與財產在法律規范層面的內涵基本一致，法律規范對于財產的規制亦可用于物的規制。

人工智能生成行為產生特殊技術應用的“物”——人工智能生成內容，物與財產的同質性奠定了財產規則分析人工智能生成行為的可行性。人工智能技術研發是人工智能生成行為的基礎，實施生成行為首先需要投入技術研發的成本，包括研發人員的組織、研發資金的投入、研發技術的累積以及研發時間的消耗；伴隨人工智能研發的完成，基礎數據的投入與人工智能運行測試是生成行為實現目標功能的前提。這個階段的行為成本則包括數據搜集整合與測試人工費用。鑒于研發過程的復雜性，總體研發成本一般需要由能夠統籌人工智能研發行為的主體來承擔，實踐中這類主體往往是具有研究資源和組織能力的科技類型企業。因此，人工智能生成行為的決策主體一方應當為人工智能設備所有者。

生成內容的使用者是典型的另一方決策主體，生成內容使用的行為收益與行為成本基于人工智能生成行為的規范設計而發生變化。當人工智能生成內容不屬于人工智能設備所有者的財產，生成內容的使用對內容使用者產生實質收益；相反，人工智能設備所有者根據財產規則主張對人工智能生成內容的控制，內容使用者取得授權的成本轉化為設備所有者的收益。無視財產規則會導致人工智能研發行為的成本無法通過財產規則的專有性進行補償，導致人工智能設備所有者直接做出放棄研發行為的決策，以減少研發行為單方面承擔成本而不能維持收益的負面結果，因此，合理的博弈分析前提應當是承認財產規則下人工智能生成內容是設備所有者的財產。

基于博弈理論中的決策分析模型，財產規則下的人工智能設備所有者與人工智能內容使用者的決策包括以下情況。

1.?設備所有者與內容使用者認為生成內容的使用行為需要獲得授權。

2.?設備所有者與內容使用者認為生成內容的使用行為不需要獲得授權。

上述兩種情況中，設備所有者與內容使用者對于生成內容使用行為的法律性質達成共識，能夠基于規則共識進行作品使用行為的相關決策，根據共識性決策，設備所有者與內容使用者的決策收益與決策成本如下。

（1）設備所有者基于財產規則進行授權性使用，內容使用者獲得設備所有者的授權，同時向人工智能設備所有者支付生成內容的使用費用，設備所有者獲得財產規則下的預期收益；由于決策雙方形成規則共識，不產生權益糾紛帶來的決策成本。設備所有者通過授權生成內容使用而獲得決策收益，內容使用者的決策成本則是支付的使用費用，而決策收益則是生成內容的使用價值。

（2）設備所有者不尋求訴訟救濟等維權行為，內容使用者不需要向人工智能設備所有者支付授權使用費用，設備所有者此時沒有財產規則的決策收益；內容使用者的決策收益則為免于承擔的授權使用費用以及生成內容的使用價值；由于雙方形成內容使用行為的規則共識，沒有權益糾紛帶來的決策成本。

人工智能設備所有者與內容使用者達成共識的條件下，決策雙方不會進入權益糾紛相關程序，不存在額外的決策成本，兩種情況下設備所有者與內容使用者的決策收益與決策成本圍繞授權使用的費用相互轉化，在收益與成本總量不變的條件下在決策主體之間轉移；同時，共識條件下的決策能夠保證人工智能生成內容的實際使用，有利于人工智能技術應用的推廣和檢驗。因此，設備所有者與內容使用者就人工智能生成行為達成共識并進行決策的情況符合帕累托最優的制度經濟學結果，也使有利于實現人工智能功能價值的決策標準。

當人工智能設備所有者與內容使用者就生成內容使用行為無法達成規則共識，需要通過訴訟程序解決權益糾紛，設備所有者與內容使用者的決策分為以下兩種情況。

1.?人工智能設備所有者基于財產規則發起訴訟并且勝訴，內容使用者作為被告需要承擔損害賠償等法律責任。

2.?人工智能設備所有者發起訴訟，內容使用者作為被告勝訴，使用生成內容的行為不侵犯設備所有者的合法權利。

基于博弈理論中的決策分析模型，設備所有者與內容使用者的決策收益與決策成本情況如下。

（1）設備所有者勝訴時，設備所有者的決策收益為被告承擔的損害賠償等法律責任；財產規則中的損害賠償一般以權利人的實際損失或侵權行為人的侵權收益為主要衡量依據，損害賠償的救濟原則以充分補償為主，懲罰侵權為輔。因此，人工智能設備所有者通過勝訴獲得的決策收益可以涵蓋被告使用生成內容而未支付的授權費用，內容使用者承擔的決策成本則是敗訴的法律責任以及訴訟費用的成本。

（2）設備所有者敗訴時，生成內容的使用行為不屬于侵權行為，設備所有者因敗訴無法主張財產規則救濟而損失授權費用，設備所有者承擔的決策成本是訴訟費用的支付；另一方面，內容使用者的使用行為不需要承擔授權費用，零成本的使用行為轉化為決策收益，同時，通過訴訟判決確認的使用行為合法性也有助于人工智能技術的推廣與產業價值的實現。

以上分析過程沒有具體強調財產規則的具體內容，但分析并不影響決策收益和決策成本的基本結論。人工智能生成行為屬于動態發展的技術應用，自主決策程度的技術發展直接決定了人工智能生成內容的特征和價值；適用于人工智能生成行為博弈分析僅僅是行為決策的依據和前提，而分析的重點則著眼于行為主體的決策及其結果是否符合有利于人工智能的技術發展與整體決策收益的最大化。

三、博弈特征為導向的生成行為決策標準

基于博弈模型分析的人工智能生成行為強調決策收益和決策成本的不同結果，收益和成本的權衡進一步完善人工智能生成行為的決策標準。人工智能生成行為的決策收益與決策成本因生成內容使用行為的共識狀態而發生實質變化。共識狀態即雙方主體對于生成內容的使用是否需要取得授權形成一致判斷，這就需要人工智能生成行為的規范設計足夠明確和統一，當雙方主體對于生成內容的使用無法形成規則共識，圍繞生成行為的權益糾紛必然增加決策成本并降低決策收益。因此，厘清人工智能生成行為及其法律效力，促進規則共識的形成是決策標準指導規范設計的核心要素。

（一）依托賦權進路，確立行為主體的權利地位

人工智能生成行為的賦權進路即通過賦予人工智能行為主體排他性權利，對生成內容提供法律控制手段，從而一定程度和范圍內針對生成內容產生排除他人侵害的法律效果。賦權進路的功能之一在于通過激勵機制實現行為預期。經濟學主張，激勵是行為主體對獎勵或懲罰產生預期而做出的相關反應。人工智能行為主體在決策過程中依據決策收益與決策成本做出的行為決策選擇，亦是遵循激勵機制而產生的典型結果。

決策標準指導規范設計的核心在于形成行為主體之間的規則共識，通過賦權的規范設計確立行為主體的權利地位，以明確的權利地位形成清晰的權責關系，通過權責關系影響決策收益和決策成本的權衡，最終促成規則共識形成的激勵預期。

人工智能生成行為包括設備研發、數據收集和測試、生成內容產出等，都屬于技術與人力層面的勞動投入，對于勞動的尊重和保護是法律制度的應然態度。約翰·洛克在《論政府》中認為，“既然勞動是勞動者無可爭議的所有物，那么對于這一增益的所有物，除勞動者外沒有人能夠享有權利。”前文博弈模型分析過程明確了人工智能生成行為中人工智能設備所有者作為主要的人工智能相關勞動投入者的基本地位，依托賦權進路確立的權利主體應以人工智能設備所有者為主要目標，結合《暫行辦法》的規定——“生成式人工智能服務提供者，是指利用生成式人工智能技術提供生成式人工智能服務（包括通過提供可編程接口等方式提供生成式人工智能服務）的組織、個人”，人工智能設備所有者在技術層面與概念層面可以充分納入人工智能服務提供者的范疇，作為賦權后的權利主體也符合政策性文件的規范要求。

明確了人工智能設備所有者作為權利主體，下一步的規范設計在于確立權利主體的行為標準。賦予人工智能設備所有者對于生成內容的控制權，確立生成內容的使用應當經過設備所有者授權的基本規則標準，即可滿足賦權進路的激勵機制。至于人工智能設備所有者享有的具體權利內容和權利類型，對于博弈分析的過程和結果不發生實質影響；相較而言，《暫行辦法》中并未明確具體的權利類型，僅規定了人工智能服務提供者與人工智能服務使用者通過服務協議確立雙方主體的權利和義務。這也為博弈分析提供了收益與成本的權衡參照。

基于上述分析，可以在《暫行辦法》第3章“服務規范”部分第9條第1款后加入如下表述：“提供者為生成式人工智能設備所有者的，有權要求人工智能服務使用者通過授權進行生成內容的使用。”該款內容結合第9條第3款規定的雙方“簽訂服務協議，明確雙方權利義務”，實際上是通過法定結合意定的方式確認人工智能設備所有者的權利地位。

基于博弈理論中的決策分析模型，人工智能設備所有者與第三方的決策選擇包括以下幾種情況。

1.?人工智能設備所有者確立了權利地位，設備所有者與第三方形成了內容使用需要授權的規則共識。

2.?人工智能設備所有者確立了權利地位，設備所有者與第三方未形成內容使用需要授權的規則共識，雙方產生分歧。

3.?人工智能設備所有者未確立權利地位，設備所有者與第三方通過協議約定方式形成內容使用的規則共識。

4.?人工智能設備所有者未確立權利地位，設備所有者與第三方未通過協議約定方式形成內容使用的規則共識，雙方發生分歧。

上述4種情況中，設備所有者與第三方的決策收益與決策成本包括如下幾種。

（1）人工智能設備所有者通過授權生成內容的使用獲得決策收益，第三方通過授權過程支付使用費作為決策成本，而決策收益為生成內容的使用價值，由于決策雙方形成規則共識，不因權益糾紛產生額外的決策成本。

（2）人工智能設備所有者通過訴訟解決分歧并救濟權利，第三方參與訴訟；當設備所有者勝訴時，第三方作為被告承擔敗訴的法律后果，設備所有者獲得的法律救濟即為決策收益，第三方承擔的賠償損失等法律責任以及訴訟費用即為決策成本；當第三方勝訴時，設備所有者沒有獲得預期的法律救濟，第三方的決策收益為生成內容的授權費用以及使用價值，而設備所有者需要承擔的訴訟費用則為決策成本。

（3）人工智能設備所有者與第三方訂立協議協調生成內容使用的權利義務關系，設備所有者的決策收益為授權費用的獲得，第三方的決策成本為支付的授權費用；同時，雙方訂立協議的過程產生額外決策成本，包括確定協商對象的成本、生成內容使用達成合意的成本、監督協議有效充分履行的成本等。

（4）人工智能設備所有者與第三方通過訴訟解決生成內容使用的分歧；設備所有者勝訴時，第三方作為被告承擔敗訴的法律后果，設備所有者獲得的決策收益是相應的法律救濟，第三方的決策成本為承擔的賠償損失等法律責任以及訴訟費用；當第三方勝訴時，第三方使用生成內容的價值為決策收益，而設備所有者的決策成本為訴訟費用。

通過上述博弈分析，綜合比較4種情況下的決策收益與決策成本，可以得出賦權進路的必要性結論。確立人工智能設備所有者的權利地位，可以為第三方提供生成內容使用的規則參照，即明確使用生成內容應當取得授權的基本規則理解；當第三方接受此類規則理解，即可與設備所有者形成規則共識，促成人工智能生成內容的有效使用。相較而言，《暫行辦法》規定的雙方主體通過訂立協議來約定權利義務，意味著設備所有者與第三方不得不承擔協商過程中貫穿始終的交易成本。即便雙方達成合意訂立協議，交易成本的客觀存在都會增加決策行為的成本總量；另一方面，雙方行為主體在分歧情況下都需要通過訴訟解決權益糾紛，此時決策成本都包括額外的糾紛解決機制（一般為民事訴訟）。因此，共識條件下確立人工智能設備所有者的權利地位，明確生成內容使用需要通過設備所有者的授權，是人工智能生成行為決策標準指導規范設計的有效路徑。

（二）明確行為標準和應用場景，引導行為主體合理決策

人工智能生成行為是行為主體參與生產、加工和使用生成內容的技術過程，主體行為的法律性質直接決定了決策選擇與決策結果。合法的生成行為鼓勵行為主體積極從事并開展這一類型的生成行為，通過確認生成內容的合法性鼓勵生成內容的價值開發，增加行為主體實施這一行為的決策收益；另一方面，禁止性生成行為則根本上否定了行為主體實施這一類生成行為的決策收益預期，以決策成本的承擔結果告誡行為主體規避相關生成行為的實施。

決策標準指導規范設計的重點在于形成行為主體之間的規則共識，通過明確生成行為的行為標準和應用場景，綜合運用合法性確認與禁止性應用場景規定，引導行為主體明晰人工智能生成行為的法律責任，通過清晰明確的決策收益與決策成本的權衡開展符合國家政策需求的人工智能生成行為；這也符合《暫行辦法》第3條規定的人工智能生成行為治理原則，即“國家堅持發展和安全并重、促進創新和依法治理相結合的原則，采取有效措施鼓勵生成式人工智能創新發展，對生成式人工智能服務實行包容審慎和分類分級監管。”

《暫行辦法》對提供和使用生成式人工智能服務規定了合法性行為和禁止性行為，涉及國家安全、防止歧視、民事權利保護、維護公平商業競爭、保護個人信息以及服務透明度的基本要求。問題在于，《暫行辦法》第4條的規定并未具體規定明確的生成服務行為標準，對于生成行為應用場景缺乏具體規定，規定內容在邏輯關系上也未盡合理；例如第2款第3項規定中將“尊重知識產權”與“保守商業秘密”相并列，實際上是模糊了商業秘密作為一項具體知識產權的法律屬性，間接突出了商業秘密在人工智能生成行為規范治理中的適用優先性，一定程度上忽視了司法實踐中人工智能生成內容相關的其他知識產權糾紛的治理需求。另一方面，概括式的規定內容并不能夠為行為主體從事生成行為的決策提供有效的規則參照，遑論建立行為主體的規則共識，不符合前述決策標準的基本要求。

解決這一問題的規范設計思路，可以借鑒歐盟對人工智能生成行為的立法形式。歐盟議會于2023年6月14日通過《人工智能法案（草案）》（EU AI Act），而后提交歐盟各成員國討論并預期于2023年底達成協議通過；草案對于歐盟領域內的人工智能依據具體行為模式和風險層級劃分為：不可接受風險（unacceptable risk）、高度風險（high risk）以及有限風險（limited risk）共三個層級。人工智能生成行為被劃分為有限風險層級并規定透明性標準的行為準則，即服務提供者應告知使用者與人工智能互動的事實，充分告知內容使用者該行為的技術和法律屬性，并允許使用者自主決定是否使用或繼續使用，具體包括圖片生成或編輯應用、語音編輯處理應用、聊天機器人應用以及視聽錄像生成應用等應用場景的具體類型。歐盟對于人工智能生成行為的規范設計思路側重于生成行為風險責任的類型劃分，結合具體的應用場景，以透明度標準作為生成行為標準，引導生成服務提供者與生成內容使用者決定是否進行生成行為的相關決策。

參考歐盟的規范設計模式，可以將《暫行辦法》第4條第2款第3項規定內容調整為：“尊重和保護在圖片、語音互動、試聽內容的生成與編輯技術應用過程中的著作權、專利權、商標權及商業秘密，服務提供者應充分告知使用者與人工智能生成技術互動的事實，服務提供者應充分告知使用者生成行為可能涉及的著作權、專利權、商標權及商業秘密的權利狀態與法律風險，在用戶協議與服務協議中明確尊重商業道德，不利用算法、數據、平臺等優勢，實施壟斷和不正當競爭行為。”

基于博弈分析模型，人工智能服務提供者與生成內容使用者的決策選擇包括以下幾種情況。

1.明確規定行為準則與應用場景，人工智能服務提供者與生成內容使用者形成規則共識，遵守行為和場景的規定要求。

2.明確規定行為準則與應用場景，人工智能服務提供者與生成內容使用者未形成規則共識，行為一方或雙方因違反規定承擔法律責任。

3.未明確規定行為準則與應用場景，人工智能服務提供者與生成內容使用者就生成內容的提供或使用通過訂立協議形成規則共識。

4.未明確規定行為準則與應用場景，人工智能服務提供者與生成內容使用者就生成內容的提供或使用未通過訂立協議形成規則共識，雙方產生分歧。

上述4種情況中，人工智能服務提供者與生成內容使用者的決策收益與決策成本包括如下幾種。

（1）人工智能服務提供者與生成內容使用者按照具體規定提供和使用生成內容，決策收益為生成內容的使用價值，雙方因遵守具體規定不承擔違法責任，決策成本為零。

（2）人工智能服務提供者與生成內容使用者未按照具體規定提供和使用生成內容，決策收益為生成內容的使用價值，決策成本為一方或雙方需要承擔的法律責任。

（3）人工智能服務提供者與生成內容使用者通過訂立協議來提供和使用生成內容，決策收益為生成內容的使用價值，決策成本為雙方協商過程中的交易成本。

（4）人工智能服務提供者與生成內容使用者對于提供和使用生成內容產生分歧，雙方通過訴訟解決糾紛。決策收益為勝訴方獲得的法律救濟，決策成本為敗訴方的法律責任以及訴訟費用。

綜合上述博弈分析，可以確認4種類型的決策情況下，行為主體按照具體規定的行為標準和應用場景參與人工智能生成行為的決策成本最低。因此，明確行為標準和應用場景推進人工智能生成行為的規范設計，有利于人工智能服務提供者與生成內容使用者形成規則共識，最大程度實現決策標準所要求的決策收益與決策成本的有效權衡；同時，滿足決策標準的規范設計也需要符合國家人工智能政策宏觀發展要求，結合人工智能產業和技術特征，兼顧人工智能規范體系與其他部門法律體系的協調。

四、結語

人工智能生成行為具有重要的產業功能和應用價值，而功能實現與價值開發需要行為主體在生成行為過程中進行有效的決策，應對人工智能生成行為復數主體參與的技術現實，提升決策收益并限制決策成本是人工智能生成行為的合理決策標準。建立決策標準的基礎在于人工智能生成行為的規范設計，確保包括人工智能設備所有者與人工智能內容使用者等行為主體能夠基于明確且統一的規則形成有利于行為主體決策的規則共識，增加決策收益，減少決策成本，促進人工智能生成內容的有效使用：依托賦權進路，明確人工智能設備所有者的權利主體地位；具體規定人工智能生成行為的行為標準和應用場景，引導行為主體合理決策。綜合人工智能生成行為規范立法的契機，以促進行為主體規則共識的形成作為規范設計的指導原則，是人工智能生成行為決策標準的制度性意義。

（責任編輯：陳曉屏）