吳太軒，廣西大學(xué)法學(xué)院教授；

鄧朝輝，西南政法大學(xué)經(jīng)濟法學(xué)院

以該論文為基礎(chǔ)的同名文章詳見《電子知識產(chǎn)權(quán)》2025年第8期

摘要：生成式人工智能基于內(nèi)容生成行為的侵權(quán)較之?dāng)?shù)人侵權(quán)、物件侵權(quán)、自己責(zé)任和替代責(zé)任的侵權(quán)等傳統(tǒng)侵權(quán)行為，具有單獨性、直接性、深度自主性和純技術(shù)性，進而誘發(fā)諸多侵權(quán)歸責(zé)歧見。從理論基礎(chǔ)和實踐效益之二維出發(fā)，分別對一般過錯、無過錯和過錯推定在生成式人工智能侵權(quán)歸責(zé)場景中的適用加以檢視，發(fā)現(xiàn)一般過錯和無過錯責(zé)任皆難完全滿足現(xiàn)實的利益衡平要求，可能造成兩造舉證義務(wù)分配失衡、抑制產(chǎn)業(yè)發(fā)展積極性、消弭企業(yè)技術(shù)進步自覺性等遺害，而過錯推定則有望產(chǎn)生內(nèi)外兩重適用優(yōu)勢。是故，建議以“過錯推定”為基點，將生成式人工智能服務(wù)提供者確定為責(zé)任主體，并進一步將之界分為開發(fā)者、運營者，要求二者各自就其過錯承擔(dān)獨立舉證責(zé)任；同時，為服務(wù)提供者推翻推定過錯提供舉證方案。如此，方可在規(guī)制生成式人工智能侵權(quán)行為時，既保障受害人得到有效救濟，又不至于遏制新興產(chǎn)業(yè)與高新技術(shù)發(fā)展。

關(guān)鍵詞：生成式人工智能；侵權(quán)責(zé)任；過錯推定；責(zé)任主體；舉證方式

一、問題的提出

自1956年達特茅斯會議提出人工智能概念以來，人工智能不斷勃發(fā)自身強大的生命力和社會影響力。經(jīng)過60余年沉淀演進，OpenAI旗下ChatGPT橫空出世及后續(xù)的更新迭代，掀起新一輪AI熱潮。然而喧囂之下，生成式人工智能不可忽視的風(fēng)險也在不斷增加。2023年4月，ChatGPT回答用戶問題時將澳洲某市長錯誤描述為曾被指控參與賄賂犯罪并因此入獄的官員，受害人經(jīng)公眾告知后為維護個人名譽，要求OpenAI即刻修復(fù)，否則將提起誹謗訴訟；無獨有偶，同年6月美國主持人Mark Walters狀告OpenAI，因ChatGPT捏造并向某研究實際法庭案件的記者提供了原告曾挪用公款的不實信息。

由此，人工智能自主生成信息內(nèi)容（Artificial Intelligence Generated Content, AIGC）侵害他人合法權(quán)益時，該如何對此種侵權(quán)行為進行法律歸責(zé)成為時代之問。本文擬從生成式人工智能的侵權(quán)行為特性和歸責(zé)爭議出發(fā)，對一般過錯責(zé)任、無過錯責(zé)任和過錯推定責(zé)任的適用分別進行理論和實踐的雙重檢視，并最終以過錯推定為基點，對生成式人工智能侵權(quán)歸責(zé)的時代之問作出回應(yīng)。

二、生成式人工智能的侵權(quán)行為特性與歸責(zé)爭議

行為與權(quán)益是侵權(quán)法的核心概念，行為邏輯影響歸責(zé)邏輯。使受有損害的權(quán)益與造成損害發(fā)生或擴大的行為結(jié)合，并將該損害轉(zhuǎn)嫁給相關(guān)責(zé)任人承擔(dān)，是歸責(zé)程序運行之要義。但以ChatGPT為代表的生成式人工智能的侵權(quán)行為，日益表征出異于傳統(tǒng)侵權(quán)行為的獨有屬性，且這種異常介入因素也使歸責(zé)問題產(chǎn)生諸多歧見。因此，有必要梳理當(dāng)下生成式人工智能的侵權(quán)行為特性以及由此產(chǎn)生的諸種歸責(zé)爭議。

（一）生成式人工智能的侵權(quán)行為特性

生成式人工智能是具有文本、圖像、音頻、視頻、虛擬場景等信息內(nèi)容生成能力的計算機模型，如ChatGPT便是在海量文本數(shù)據(jù)上預(yù)訓(xùn)練（Pre-Trained），并于人機對話（Chat）中處理并生成（Generative）自然語言的大語言模型。作為受“無中生有、有中生有”之涌現(xiàn)效應(yīng)影響的復(fù)雜系統(tǒng)，生成式人工智能能夠創(chuàng)造并發(fā)布超脫于舊有訓(xùn)練數(shù)據(jù)的全新信息，但也可能基于“幻覺”產(chǎn)生有害他人合法權(quán)益的錯誤信息，進而使人工智能的內(nèi)容生成行為沾染侵權(quán)色彩。

由于侵權(quán)行為本身的概念界定也非易事，從其內(nèi)涵，既有精要者謂之“因加害行為造成他人損害而由加害人承擔(dān)責(zé)任的行為”，亦有詳盡者以“由于過錯”“違反義務(wù)”等內(nèi)容進行延展續(xù)釋；觀之外延，又存在立足侵害客體、歸責(zé)原則等不同標(biāo)準(zhǔn)的諸種見解。較系統(tǒng)的則將其分為：一般侵權(quán)與特殊侵權(quán)、單獨侵權(quán)與數(shù)人侵權(quán)、人類致?lián)p與物件致?lián)p的侵權(quán)、自己責(zé)任與替代責(zé)任的侵權(quán)。是故，為于侵權(quán)法意義上對生成式人工智能的行為特性進行準(zhǔn)確歸納，須在明確其行為內(nèi)在特性之基礎(chǔ)上，進一步將其與傳統(tǒng)侵權(quán)行為比較。由于一般與特殊侵權(quán)內(nèi)有分歧，故主要選取單獨與數(shù)人侵權(quán)、人類致?lián)p與物件致?lián)p的侵權(quán)、自己責(zé)任與替代責(zé)任的侵權(quán)作為比較對象，分述如下：

第一，較之?dāng)?shù)人侵權(quán)，生成式人工智能侵權(quán)行為具有單獨性、直接性。人工智能生成內(nèi)容就屬性而言是網(wǎng)絡(luò)信息，沾染侵權(quán)色彩則可歸為侵權(quán)信息。不可否認，人工智能具有類似搜索引擎的信息檢索功能，若向用戶提供的信息僅是從已有互聯(lián)網(wǎng)信息中檢索獲得，且未作實質(zhì)改變，則在信息理論視角下僅為傳播者，而非發(fā)布者。但生成式人工智能完全有能力擺脫服務(wù)提供者的外部幫助，單獨完成侵權(quán)信息的創(chuàng)造性編撰，并同時向用戶直接發(fā)布該侵權(quán)信息，從而“切斷將人工智能生成解釋為人類操縱人工智能生成的可能”。在“Mark Walters v. OpenAI案”中，ChatGPT便在與其用戶Fred Riehl的人機對話中徑直表明，Mark Walters作為第二修正案基金會（SAF）的財務(wù)主管和首席財務(wù)官，曾因私自挪用組織資金用于個人開支并篡改財務(wù)記錄和銀行對賬單，同時未能向領(lǐng)導(dǎo)層及時準(zhǔn)確提供財務(wù)報告而受到該機構(gòu)創(chuàng)始人Alan Gottlieb的投訴。但上述內(nèi)容無論是身份抑或行為方面的信息均不符合事實情況。后續(xù)Fred Riehl繼續(xù)追問時，ChatGPT甚至獨立捏造并提供了完全虛假的投訴文本。這一完全由ChatGPT單獨實施的誹謗行為，使本案原告暴露在公眾不良評價下，損害了原告聲譽。反觀數(shù)人侵權(quán)，共同加害和共同危險強調(diào)多方侵權(quán)行為主體的存在，教唆幫助則偏重間接促進他人實施侵權(quán)行為。因此，生成式人工智能有能力單獨且直接實施侵權(quán)行為，其侵權(quán)行為具有單獨性、直接性，有別于數(shù)人侵權(quán)。

第二，較之物件侵權(quán)，生成式人工智能侵權(quán)行為具有深度自主性。參考歐洲議會《機器人民事法律規(guī)則（Civil Law Rules on Robotic）》責(zé)任部分第AA條，人工智能若能擺脫外在人力介入和干預(yù)而獨立決策并達成決策目標(biāo)，則具備自主性。一方面，生成式人工智能無需服務(wù)提供者的外部介入和干預(yù)便可實施內(nèi)容生成行為。同時，基于內(nèi)容自主生成的能力，其已在事實層面獲得社會對其主體身份的認可，如人工智能生產(chǎn)內(nèi)容（AIGC）業(yè)已成為與專業(yè)生產(chǎn)內(nèi)容（Professional Generated Content，PGC）和用戶生產(chǎn)內(nèi)容（User Generated Content，UGC）齊肩的第三種互聯(lián)網(wǎng)內(nèi)容生產(chǎn)模式。另一方面，生成式人工智能自主生成內(nèi)容的行為逐漸脫離外在人力的可控制范疇。由于智能“涌現(xiàn)”，生成式人工智能行為開始呈現(xiàn)不可理解、不可預(yù)測和不可控制的趨勢。因此，生成式人工智能不僅能夠自主實施侵權(quán)行為，而且其自主性程度將隨著技術(shù)的發(fā)展而不斷得到深入拓展與加強。反觀物件致?lián)p的侵權(quán)行為，如普通的產(chǎn)品缺陷致?lián)p、林木折斷致?lián)p、堆放物倒塌致?lián)p等，主體均為普通物件，并無自主活動可能。存有疑問的是飼養(yǎng)動物致?lián)p的侵權(quán)行為。雖然動物與林木等無智商物相比，具有一定自主活動能力，但從行為概念來看，動物舉動均為自然反映而非有意識的自主活動，因此動物不是事實主體已成共識。特別較之生成式人工智能，動物顯然缺乏足夠的行為理性與邏輯判斷能力，無法獲得被社會整體認可的事實主體身份。因此，生成式人工智能的侵權(quán)行為具有深度自主性，有別于物件致?lián)p的侵權(quán)行為。

第三，較之自己責(zé)任與替代責(zé)任的侵權(quán)，生成式人工智能侵權(quán)行為具有純技術(shù)性。由于生成式人工智能的侵權(quán)行為具備相當(dāng)顯著且日漸增強的深度自主性，因此學(xué)界對人工智能的法律地位認知和資格判斷受到極大影響，諸多學(xué)者呼吁應(yīng)賦予其法律人格和獨立責(zé)任。但當(dāng)前并不適宜作此判斷，因為生成式人工智能侵權(quán)行為“不可理解、不可預(yù)測和不可控制”是值得商榷的：其一，服務(wù)提供者有能力刪除或禁用涉嫌侵權(quán)的內(nèi)容，如OpenAI用戶協(xié)議第9條（d）提及：“如果您認為您的知識產(chǎn)權(quán)受到侵犯，請發(fā)送通知至以下地址或填寫相應(yīng)表格，我們可能會刪除或禁用涉嫌侵權(quán)的內(nèi)容，并可能終止重復(fù)侵權(quán)者的帳戶?！逼涠?，服務(wù)提供者有能力實施行之有效的導(dǎo)向性控制，如通過人工內(nèi)容標(biāo)注等行為來引導(dǎo)生成式人工智能避免生成并發(fā)布涉嫌種族歧視、法西斯主義等有害公共利益的內(nèi)容，或依托對齊微調(diào)（Alignment Tuning）使生成式人工智能行為符合人類價值觀與道德偏好，減少違法和不良信息的生成，實際此類信息在人機對話中也確實難覓蹤跡。其三，人工智能自主程度受制于人類設(shè)計，即其自主程度與其被設(shè)計成的可與環(huán)境進行交互的復(fù)雜程度成正比。因此，生成式人工智能的內(nèi)容生成行為仍然無法完全脫離人類的干預(yù)和控制，其在形式意義上實施的獨立自主行為本質(zhì)上依舊遵循著人類預(yù)先設(shè)計的技術(shù)邏輯，這使得所謂的深度自主性客觀來講也附有技術(shù)色彩，而基于該種非自然、純技術(shù)性的自主，生成式人工智能將無法被賦予法律意義上的主體資格和獨立責(zé)任。經(jīng)過比較分析，可得如下結(jié)論：

其一，生成式人工智能侵權(quán)行為有別于自己責(zé)任的侵權(quán)行為。自己責(zé)任又稱直接責(zé)任，如常見的侵犯他人人身或財產(chǎn)權(quán)益、違反保護性法律規(guī)范等，行為主體應(yīng)當(dāng)自負其責(zé)。但侵權(quán)法中，責(zé)任主體與為責(zé)任提供法律評價對象的行為主體并非始終具有同一性，“不法行為責(zé)任不僅可歸于行為人，也可歸于依法律規(guī)定或社會觀念而應(yīng)承擔(dān)責(zé)任的人”。生成式人工智能的侵權(quán)行為雖由其獨立、自主、直接實施，但因其未被賦予法律上的獨立責(zé)任，所以將發(fā)生行為主體與責(zé)任主體的分離。

其二，生成式人工智能侵權(quán)行為有別于替代責(zé)任的侵權(quán)行為。生成式人工智能侵權(quán)場景中雖發(fā)生行為主體與責(zé)任主體的分離，相關(guān)責(zé)任由他人代而承擔(dān)，但傳統(tǒng)視域下替代責(zé)任主體與侵權(quán)行為主體間普遍存在監(jiān)護、雇傭、代理等特定關(guān)系，被監(jiān)護人員、執(zhí)行職務(wù)的雇員等行為主體均具有法律意義上的獨立人格。法律主體作為人格人，其不僅具有意志，而且始終為目的性存在。反之，生成式人工智能雖被賦予技術(shù)層面的感知與決策能力，但始終是人類智能的工具性延伸，不同于人類的情緒感知與行為決策能力，無法改變其“物件”本性，因此不是法律主體，其侵權(quán)行為有別于替代責(zé)任的侵權(quán)行為。

縱論及此，可知生成式人工智能是行為主體和事實主體，卻非責(zé)任主體與法律主體。“似人而非人，非人而似人”的主體特點使其具有單獨性、直接性、深度自主性和純技術(shù)性的侵權(quán)行為無法與任何一種傳統(tǒng)的侵權(quán)行為相類同。

（二）生成式人工智能的侵權(quán)歸責(zé)爭議

生成式人工智能的侵權(quán)行為呈現(xiàn)特殊屬性，進而導(dǎo)致與之對接的侵權(quán)歸責(zé)程序陷入運轉(zhuǎn)困窘。前文曾述及，學(xué)理界曾圍繞人工智能主體性認定問題衍生兩派差異觀點，并由此對人工智能可否作為獨立的法律主體承擔(dān)侵權(quán)責(zé)任存有分歧。而鑒于我國當(dāng)前并未認可人工智能的法律主體身份且實無認可之現(xiàn)實需求，因此僅就非主體前提下的生成式人工智能侵權(quán)歸責(zé)路徑展開梳理?？傮w而言包括兩大類別：

第一類，一元歸責(zé)路徑。其中又可分為：（1）以高度風(fēng)險、產(chǎn)品缺陷或責(zé)歸于上為基點提出的無過錯責(zé)任。如高度風(fēng)險說認為，人工智能內(nèi)容生成行為涉嫌侵犯多種人格權(quán)益、內(nèi)容生產(chǎn)結(jié)果無法有效預(yù)測、存在誘發(fā)大范圍系統(tǒng)性不利后果的風(fēng)險，具有極大潛在危害，因而適用無過錯責(zé)任；產(chǎn)品缺陷說繼續(xù)堅持沿用產(chǎn)品概念涵攝人工智能，強調(diào)產(chǎn)品技術(shù)問題造成的損害理應(yīng)使用無過錯的產(chǎn)品責(zé)任；還有學(xué)者從現(xiàn)實合理性出發(fā)，將利于降低相關(guān)侵權(quán)風(fēng)險、減少制度不確定性成本、提供可預(yù)期法治經(jīng)營環(huán)境等作為適用無過錯責(zé)任的依據(jù)。（2）為糾偏原被告舉證失衡格局、動態(tài)調(diào)整被告責(zé)任負擔(dān)而適用的過錯推定責(zé)任。如我國《人工智能示范法1.0（專家建議稿）》第66條第1款規(guī)定，“研發(fā)、提供的人工智能侵害個人權(quán)益造成損害，研發(fā)者、提供者未履行本法規(guī)定的義務(wù)，應(yīng)當(dāng)承擔(dān)損害賠償?shù)惹謾?quán)責(zé)任，但研發(fā)者和提供者能證明自己沒有過錯的除外?！毕嚓P(guān)學(xué)者也多針對無過錯責(zé)任提出批駁，主張應(yīng)利用過錯推定實現(xiàn)舉證責(zé)任倒置，紓解原告訴訟壓力。（3）以現(xiàn)有技術(shù)水平、合理人工智能作為過錯認定標(biāo)準(zhǔn)的一般過錯責(zé)任。參照既往有關(guān)智能算法侵權(quán)的判例可知，司法機關(guān)較多依法優(yōu)先適用一般過錯進行歸責(zé)，如“劉權(quán)訴北京三快科技案”中，原告因智能算法殺熟起訴被告侵犯其知情權(quán)等人格權(quán)益，法院因原告無法證明被告過錯而予以駁回，并強調(diào)“除法律另有規(guī)定外，行為人因過錯侵害他人民事權(quán)益，才應(yīng)當(dāng)承擔(dān)侵權(quán)責(zé)任。”轉(zhuǎn)見生成式人工智能侵權(quán)領(lǐng)域，部分學(xué)者順應(yīng)歷史邏輯繼續(xù)堅持一般過錯并提出多種過錯認定新標(biāo)準(zhǔn)，如“在現(xiàn)有技術(shù)條件下是否盡到了采取必要措施的義務(wù)，是否盡到了預(yù)防和防范的義務(wù)，從而認定其是否具有過錯”，或通過建構(gòu)“合理人工智能”作為預(yù)期對象并同涉案人工智能行為加以比較得出過錯判斷。

第二類，多元歸責(zé)路徑。其中包括但不限于：（1）基于侵權(quán)風(fēng)險差異，針對禁用型人工智能侵權(quán)要求服務(wù)提供者承擔(dān)無過錯責(zé)任、對高風(fēng)險型采用過錯推定責(zé)任、對低風(fēng)險型僅依一般過錯加以歸責(zé)；（2）基于信息錯誤誘因差異，過錯推定被廣泛嵌入生成式人工智能因存儲數(shù)據(jù)本身虛假而生成錯誤信息、使用者提示虛假信息而生成錯誤信息和提供者故意摻入虛假信息而生成錯誤信息三類情形，無過錯的產(chǎn)品責(zé)任則單獨應(yīng)用于通過真實數(shù)據(jù)生成錯誤信息的場景；（3）基于可解釋性差異，人工智能被劃歸為完全可解釋的“白箱AI”、一定程度可解釋的“灰箱AI”和完全不可解釋的“黑箱AI”，并順次適用一般過錯、過錯推定和無過錯責(zé)任；（4）基于標(biāo)準(zhǔn)化程度差異，對少量可實現(xiàn)標(biāo)準(zhǔn)化生產(chǎn)與經(jīng)營的生成式人工智能適用無過錯的產(chǎn)品責(zé)任，而對大部分無法完成標(biāo)準(zhǔn)化改造的繼續(xù)適用一般過錯責(zé)任；等等。

雖然生成式人工智能有其特殊的侵權(quán)行為邏輯，甚至可能因應(yīng)現(xiàn)實場景變化而衍生多種事實差異，但依據(jù)奧卡姆剃刀“如無必要，勿增實體”之理念，若能夠遵循既有體系為其選配適宜歸責(zé)原則，那么實無必要額外創(chuàng)設(shè)過于繁雜的責(zé)任認定和分配規(guī)范。立足《中華人民共和國民法典》侵權(quán)責(zé)任編，或可以“過錯”為節(jié)點，對一般過錯、無過錯和過錯推定責(zé)任在生成式人工智能侵權(quán)場景中的適用，分別進行理論基礎(chǔ)與實踐效益的雙重檢視。

三、一般過錯責(zé)任在生成式人工智能侵權(quán)中的適用證否（一）一般過錯責(zé)任的理論基礎(chǔ)

古早成文法采結(jié)果責(zé)任，即不論過錯與否，行為人只要造成他人損害便負有侵權(quán)責(zé)任。問題在于，結(jié)果責(zé)任的適用與現(xiàn)實生活實際存有巨大矛盾，因為即便個人正當(dāng)追求自身權(quán)利或利益的實現(xiàn)，“仍可能在客觀層面以另一方權(quán)利的排除或減損為代價?！睘榻鉀Q該問題，以主觀過錯為正義基礎(chǔ)的一般過錯責(zé)任（Fault Liability）便獲得自然發(fā)展。

一般過錯責(zé)任中“過錯”要素的判定，實以怠于履行善良管理人的注意義務(wù)為標(biāo)準(zhǔn)，即應(yīng)注意能注意而不注意。此間既包括積極追求的故意不注意，也指向疏忽大意或過于自信的過失不注意。分歧源于注意義務(wù)之前提條件，即：損害的發(fā)生可以被合理預(yù)見與避免。諸多學(xué)者主張生成式人工智能侵權(quán)僅可適用無過錯責(zé)任，便是因生成式人工智能侵權(quán)行為本身在一定程度上具有不可預(yù)測性和控制性，進而使善良管理人的注意義務(wù)缺失生發(fā)前提，其引發(fā)的損害與其說是遭自“不法”行為，毋寧言為“不幸”后果，使侵權(quán)歸責(zé)中的“過錯”要素發(fā)生不適用。當(dāng)然，前文曾述及所謂生成式人工智能侵權(quán)行為完全不可理解、預(yù)測和控制的結(jié)論過于絕對，無論是開發(fā)者的刪除禁用承諾，還是導(dǎo)向性控制、對齊微調(diào)等都予以了充分佐證。關(guān)鍵在于，判定“過錯”所需的注意義務(wù)在性質(zhì)上屬于作為義務(wù)，而形式義務(wù)學(xué)說始終強調(diào)作為義務(wù)不僅可以通過給定情形的“致害事實”推定（如先行行為、職務(wù)或業(yè)務(wù)要求、對危險源的監(jiān)管要求等），更可源自法律條文的直接賦予。結(jié)合《互聯(lián)網(wǎng)信息服務(wù)深度合成管理規(guī)定》與《生成式人工智能服務(wù)管理暫行辦法》可知，事實上我國目前已經(jīng)在安全評估、算法備案、內(nèi)容標(biāo)注等方面為生成式人工智能服務(wù)提供者依法設(shè)立了相當(dāng)明確的善良管理人注意義務(wù)。

由此，前述以不可理解、預(yù)測和控制為邏輯起點，試圖驗證注意義務(wù)缺失并主張排除適用過錯責(zé)任的觀點便不再具有當(dāng)然合理性，一般過錯責(zé)任至少在理論層面不會存在適用阻滯。

（二）一般過錯責(zé)任的實效弊端

雖然一般過錯責(zé)任自誕生后逐漸占據(jù)侵權(quán)歸責(zé)體系的中心地位，并在一定程度上矯正了此前由結(jié)果責(zé)任引發(fā)的非正義現(xiàn)象，但自十九世紀(jì)工業(yè)革命爆發(fā)，一般過錯責(zé)任本身也開始暴露出內(nèi)部缺陷，其中最為顯著的便是工業(yè)化大生產(chǎn)背景下因忽視經(jīng)營者、消費者之實質(zhì)不平等地位而形成的對兩造舉證義務(wù)分配的不公平、不正義問題。人工智能時代，歐盟《人工智能責(zé)任指令》施行目的之一同樣是在減輕人工智能相關(guān)索賠中作為消費者的原告承擔(dān)的過重舉證責(zé)任（Easing the Burden of Proof for AI-Related Claims）。從其問題成因，具體有二：

第一，受害方所負舉證責(zé)任遠超于其能力范圍。受害人受客觀限制，往往難以對具有較高技術(shù)水平的商品或服務(wù)形成充分且合理的認知，要求其承擔(dān)遠超自身能力范圍的舉證責(zé)任不具有正當(dāng)性?，F(xiàn)代侵權(quán)法始終強調(diào)“過錯”是經(jīng)法律評價的事實，對應(yīng)于社會成員對相關(guān)主體通常能采取的損害規(guī)避措施的合理期待。換言之，過錯責(zé)任的承擔(dān)并非建立在道德缺點上，而是看相關(guān)主體是否達到符合社會公共利益的理想行為標(biāo)準(zhǔn)。該種標(biāo)準(zhǔn)在生成式人工智能場景則集中表現(xiàn)為服務(wù)提供者應(yīng)當(dāng)履行的善良管理人注意義務(wù)，生成式人工智能侵權(quán)行為過錯要素的證明將與該注意義務(wù)的履行情況相對應(yīng)。但生成式人工智能屬于典型的科技水平較高、專業(yè)性極強的高新技術(shù)，無論是其內(nèi)容生成的行為過程，還是服務(wù)提供者進行安全評估、內(nèi)容標(biāo)注等注意義務(wù)的義務(wù)履行過程，均超出作為一般人的消費者的正常認知限度。因此，要求受害人從局外角度出發(fā)，追根溯源以舉證侵權(quán)方過錯的存在，不免有強人所難之嫌。

第二，侵權(quán)方所負舉證責(zé)任遠低于其能力范圍。農(nóng)業(yè)社會、工業(yè)社會與信息社會的漸次發(fā)展，使市場主體間的力量對比關(guān)系發(fā)生嚴(yán)重失衡。產(chǎn)品或服務(wù)的生產(chǎn)者和銷售者在經(jīng)營中占有更多資金、技術(shù)、人才等資源，形成較之消費者的強勢地位。這種強勢不僅體現(xiàn)在前者具有更雄厚的經(jīng)濟實力和風(fēng)險承擔(dān)能力，還突出表現(xiàn)為更強的舉證能力和訴訟能力。如果僵化適用一般過錯責(zé)任，將“在維護形式正義的同時也維護著實質(zhì)的非正義”。生成式人工智能侵權(quán)方較之受害方，更了解人工智能內(nèi)容生成的行為機理與自身注意義務(wù)的履行情況，舉證成本更低、證明效果更強。若堅持法律形式主義，繼續(xù)維持業(yè)已失衡的舉證義務(wù)分配結(jié)構(gòu)，將使得一般過錯責(zé)任演變?yōu)楸Ｗo處于實質(zhì)優(yōu)勢地位的侵權(quán)方的工具。

事物合理與否的判斷并非始終固定不變，其不僅要在通常場景中表征合宜，更應(yīng)與特殊情形相兼容。經(jīng)濟生活的真實變化使歸責(zé)原則的選擇不得不重視當(dāng)事人之間不平等的社會現(xiàn)實，此時在生成式人工智能侵權(quán)場景中摒棄一般過錯責(zé)任更加合宜。

四、無過錯責(zé)任在生成式人工智能侵權(quán)中的適用摒棄（一）無過錯責(zé)任的理論基礎(chǔ)

無過錯責(zé)任（No Fault Liability），意指損害產(chǎn)生后，只要加害行為與該損害后果存在因果關(guān)系，不問過錯皆應(yīng)承擔(dān)侵權(quán)責(zé)任。如果說過錯責(zé)任以制裁、教育加害人和預(yù)防加害行為再次發(fā)生為目的，那么無過錯責(zé)任實際僅著眼損害的合理分配。因為伴隨社會發(fā)展，人民享受發(fā)展福利時也面臨工業(yè)災(zāi)害、交通事故、環(huán)境污染等致害風(fēng)險，但無論是原子能與航空工業(yè)、交通運輸事業(yè)還是生態(tài)環(huán)境開發(fā)利用，都是社會經(jīng)濟發(fā)展的必要活動，即便引起損害也實無不法性可言，更無必要予以禁止。當(dāng)然，倘若來自于現(xiàn)代文明發(fā)展負面影響的不幸后果全由受害人獨自承擔(dān)，顯然有失公平正義，故無過錯責(zé)任的唯一職能便是合理分配該不幸后果，由此體現(xiàn)高度現(xiàn)代化、社會化大生產(chǎn)條件下的公平正義觀。

在加害行為不法性不作為適用無過錯責(zé)任的前提條件時，無過錯責(zé)任適用的理論依據(jù)有三：一為誰開啟風(fēng)險，誰承擔(dān)責(zé)任；二為誰從風(fēng)險中獲益，誰承擔(dān)責(zé)任；三為誰能夠合理的控制或分散風(fēng)險，誰承擔(dān)責(zé)任。生成式人工智能侵權(quán)行為完全符合上述要求：其一，生成式人工智能侵權(quán)風(fēng)險因開發(fā)、運營而產(chǎn)生；其二，生成式人工智能開發(fā)、運營作為經(jīng)營性活動，服務(wù)提供者從中獲取實際收益；其三，生成式人工智能內(nèi)容生成行為并非完全不可預(yù)測和控制；其四，相關(guān)風(fēng)險損害能夠經(jīng)由商品或服務(wù)的價格機制或保險制度加以分散。因此，僅就理論基礎(chǔ)而言，無過錯責(zé)任足以構(gòu)成生成式人工智能侵權(quán)歸責(zé)的潛在選擇。問題在于，無過錯責(zé)任在生成式人工智能侵權(quán)場景中的實踐應(yīng)用，或難達致合理分配損害風(fēng)險、充分救濟受害人等規(guī)范目的。

（二）無過錯責(zé)任的實效弊端

將諸多適用無過錯責(zé)任的個案進行抽象概括，會發(fā)現(xiàn)已知的可歸責(zé)事由主要包括高度危險、特定關(guān)系和優(yōu)勢地位。（1）基于高度危險的無過錯責(zé)任，如《民法典》第八章所列高度危險作業(yè)致人損害、民用核事故致人損害等產(chǎn)生的責(zé)任均屬典型。關(guān)于高度危險的判定，常要求同時符合風(fēng)險廣泛性和損害高度嚴(yán)重性，且更多考慮后者。雖然生成式人工智能可能輸出虛假性、歧視性或侵犯他人版權(quán)的信息，但在損害嚴(yán)重程度方面根本無法與核事故、航空事故等相提并論。因此，基于高度危險的無過錯責(zé)任難以適用。（2）基于特定關(guān)系的無過錯責(zé)任，如監(jiān)護人責(zé)任、雇主責(zé)任等。域內(nèi)外均有主張人工智能與其服務(wù)提供者間可類比雇傭或監(jiān)護關(guān)系，并由后者承擔(dān)替代責(zé)任。前文曾述及替代責(zé)任下常要求法律關(guān)系各方（特別是替代者和被替代者）均具備獨立的法律主體資格，若生成式人工智能侵權(quán)徑行適用替代責(zé)任，將在一定程度上打破固有的責(zé)任適用要求，因此雇主責(zé)任、監(jiān)護人責(zé)任等僅可作為參照進行類比，但不宜施行“拿來主義”。（3）基于優(yōu)勢地位的無過錯責(zé)任。此分類實際較為寬泛，但《民法典》第四章和《中華人民共和國產(chǎn)品質(zhì)量法》規(guī)定的產(chǎn)品責(zé)任或為較鮮明之示例。我國亦有學(xué)者主張就人工智能侵權(quán)歸責(zé)適用產(chǎn)品責(zé)任。

關(guān)鍵問題在于，產(chǎn)品責(zé)任能否契合ChatGPT此類生成式人工智能侵權(quán)的特殊情況，并產(chǎn)生無過錯責(zé)任所應(yīng)具備的社會實效？本文主張為否。前人工智能時代，產(chǎn)品缺陷（特別是設(shè)計缺陷）判斷標(biāo)準(zhǔn)包括“危險—效益標(biāo)準(zhǔn)”和“消費者期待標(biāo)準(zhǔn)”。前者要求受害人證明現(xiàn)有設(shè)計所產(chǎn)生的危害風(fēng)險大于收益可能，并應(yīng)提出具有可行性和更加安全的替代設(shè)計；后者則指產(chǎn)品是否能滿足一般消費者在合理使用時對產(chǎn)品的預(yù)期。隨著人工智能侵權(quán)問題出現(xiàn)，諸多學(xué)者均意識到“危險—效益標(biāo)準(zhǔn)”會致使受害人面臨極大的舉證困囿，因而轉(zhuǎn)向倡議舉證責(zé)任相對更輕的消費者期待標(biāo)準(zhǔn)。但消費者期待標(biāo)準(zhǔn)同樣有頗受詬病之弊端，即“模糊不清，更適于評判簡單產(chǎn)品設(shè)計，而無法適用于復(fù)雜產(chǎn)品設(shè)計”。延及生成式人工智能，暫不論其是否構(gòu)成產(chǎn)品，單就技術(shù)復(fù)雜性而言已遠遠超出消費者正常認知限度，難以要求消費者對其形成相對合理的安全期待值。基于此，產(chǎn)品責(zé)任雖被歸為無過錯責(zé)任，但并不意味著不存在“過錯”，其僅是將客觀存在的產(chǎn)品缺陷視作“過錯”。因此，產(chǎn)品責(zé)任在生成式人工智能場景下的責(zé)任認定方法與一般過錯并無本質(zhì)區(qū)別，不過是從證明“主觀過錯”轉(zhuǎn)為證明“客觀缺陷”，仍然無法應(yīng)對當(dāng)事人舉證地位極端不平衡的現(xiàn)實矛盾，故基于優(yōu)勢地位的無過錯責(zé)任（如產(chǎn)品責(zé)任），不具有可適用性。

隨之而來的問題是，若為生成式人工智能侵權(quán)設(shè)置獨立且純粹的無過錯責(zé)任，是否能夠滿足社會實效層面的要求？本文依然秉持否定態(tài)度，理由如下：

第一，施加過重的額外負擔(dān)將抑制相關(guān)產(chǎn)業(yè)發(fā)展積極性。雖然在創(chuàng)設(shè)理念和適用范圍方面，無過錯責(zé)任和結(jié)果責(zé)任存在顯著差異，但從形式上來說，二者均歸于純粹的客觀歸責(zé)體系，一般唯有加害方證明受害方存在故意才能免除自身責(zé)任。不可否認無過錯責(zé)任對保障弱勢受害人的合法權(quán)益極為有利，但若生成式人工智能服務(wù)提供者確無過錯，無過錯責(zé)任相對偏頗的設(shè)定也會剝奪其自證清白的權(quán)利與機會，進而造成個案適用的有失公允。當(dāng)生成式人工智能服務(wù)提供者動輒得咎，將使得服務(wù)成本攀升，進而在一定程度上概括抑制產(chǎn)業(yè)發(fā)展的積極性，導(dǎo)致寒蟬效應(yīng)。

第二，價格與保險機制介入將消弭企業(yè)技術(shù)進步自覺性。以價格機制和保險制度為基礎(chǔ)并實現(xiàn)損害分配社會化的無過錯責(zé)任，將使生成式人工智能服務(wù)提供者不必再為其造成的損害自行賠付。根據(jù)利爾德·漢德公式，當(dāng)預(yù)防事故成本（B）大于預(yù)期事故成本（PL），責(zé)任主體作為理性的功利最大化者（Rational Maximizer）將不再采取預(yù)防措施。換言之，當(dāng)采取安全保障措施和提高技術(shù)安全性的費用大于提價損失或保險費用支出，服務(wù)提供者必然放棄提高產(chǎn)品或服務(wù)安全性，也不會自覺秉持謹(jǐn)慎服務(wù)態(tài)度。如二十世紀(jì)平托車事件中，福特對召回并加裝安全裝置的費用與車禍傷亡者的賠償費用進行計算，并最終做出不利于技術(shù)升級和保護消費者安全的放棄召回決定。

第三，濫設(shè)無過錯責(zé)任將貶損現(xiàn)代侵權(quán)責(zé)任的功能。無過錯責(zé)任本身科以被告的負擔(dān)難謂絕對正義公平，因此必須通過法律明文規(guī)定的形式對其適用予以特定化。相較兼具制裁、教育、預(yù)防和賠償職能的過錯責(zé)任，僅強調(diào)賠償救濟受害人而不發(fā)揮教育和預(yù)防功能的無過錯責(zé)任已在實質(zhì)上淡化了侵權(quán)責(zé)任的本源含義，甚至難謂具有侵權(quán)責(zé)任屬性，故有學(xué)者直言“無過錯責(zé)任在哪里發(fā)展，過錯責(zé)任就在哪里消滅”。更重要的是，如果在生成式人工智能此類新興侵權(quán)場景中不加審慎考量地濫設(shè)無過錯責(zé)任，可能便于加害方借由保險制度、價格機制將侵權(quán)損害向大眾轉(zhuǎn)移，從而使得侵權(quán)責(zé)任規(guī)范無法發(fā)揮約束和指引公民行為的基本功能，貶損以過錯為基礎(chǔ)的侵權(quán)責(zé)任體系的應(yīng)有價值。

有鑒于此，無過錯責(zé)任在生成式人工智能侵權(quán)場景中不具有可適用性。

五、過錯推定責(zé)任在生成式人工智能侵權(quán)中的適用證成（一）過錯推定責(zé)任的理論基礎(chǔ)

過錯推定是指若受害人能證明自身合法權(quán)益因被告加害行為而受有實際損害，則從損害事實本身出發(fā)推定加害人具有主觀過錯，如果被告未證明或不能證明自己沒有過錯，則需承擔(dān)侵權(quán)責(zé)任?！睹穹ǖ洹返?165條第1款和第2款為一般過錯和過錯推定侵權(quán)設(shè)立請求權(quán)基礎(chǔ)。其中，過錯推定的根本目的是為受害人提供更充分的救濟受償機會，這使其職能重心相較一般過錯，由制裁、教育、預(yù)防向賠償傾斜。殊值注意的是，過錯推定責(zé)任的出現(xiàn)雖改變了過錯責(zé)任體系的格局，但其本身未脫離過錯責(zé)任體系，本質(zhì)依舊以“過錯”為核心，所以“我國現(xiàn)行侵權(quán)法仍以一般過錯為主線，過錯推定為補充”。由此，過錯推定責(zé)任在理論層面的適用條件同一般過錯責(zé)任并無實質(zhì)差異，可以用于規(guī)制生成式人工智能侵權(quán)行為。

（二）過錯推定責(zé)任的實效優(yōu)勢

關(guān)于生成式人工智能侵權(quán)行為的可預(yù)測和控制性，目前能得到的結(jié)論是基于不完全意義上的。當(dāng)然，也有少數(shù)學(xué)者曾提出反對意見，認為人工智能的自主行為并非設(shè)計者可以控制，進而強調(diào)侵權(quán)責(zé)任不應(yīng)由設(shè)計者承擔(dān)。但多數(shù)學(xué)者常作二分判斷，主張人工智能的自主行為大部分情況下均處于開發(fā)者控制范疇，但不排除產(chǎn)生異常狀態(tài)并擺脫人為控制的可能。由是觀之，似應(yīng)結(jié)合生成式人工智能侵權(quán)行為可否預(yù)測和控制并為其分別配置侵權(quán)責(zé)任，以滿足具體問題具體分析的需求。但關(guān)鍵問題是，過分細致入微的侵權(quán)責(zé)任二分法，實則會給司法實務(wù)帶來操作層面的極大不便。因此，為保障生成式人工智能侵權(quán)責(zé)任規(guī)范具備良好的可操作性，仍需適用統(tǒng)一的歸責(zé)原則。此外，適用過錯推定責(zé)任還可能產(chǎn)生如下效益：

第一，過錯推定責(zé)任的外在比較優(yōu)勢。（1）較之一般過錯責(zé)任，更有利于實現(xiàn)舉證責(zé)任的合理分配。將生成式人工智能侵權(quán)致?lián)p的情形同《民法典》業(yè)已列明的無民事行為能力人在教育機構(gòu)遭受人身損害、動物園飼養(yǎng)動物致?lián)p和林木折斷致?lián)p等八種過錯推定情形相結(jié)合，不難發(fā)現(xiàn)原告均客觀缺失有效的證明手段，難以完成舉證。同時，生成式人工智能服務(wù)提供者、教育機構(gòu)等被告相對更容易接觸到可能構(gòu)成過錯的事實，此時通過推定將與過錯相關(guān)的舉證責(zé)任倒置給履行證明義務(wù)更加便利的被告，有利于保障原告享有合理受償機會，以實現(xiàn)原被告間舉證責(zé)任的合理分配。類似邏輯亦可見于《中華人民共和國民事訴訟法》第112條文書提出命令規(guī)則，比較法上英美的“事物自道其緣”（the Things Speaks for Itself）也存在相當(dāng)內(nèi)容。（2）較之無過錯責(zé)任，更有利于激勵產(chǎn)業(yè)良性發(fā)展，更契合過錯責(zé)任適用優(yōu)位要求。一方面，秉持不純粹客觀歸責(zé)理念的過錯推定雖然在加害行為、損害結(jié)果、因果關(guān)系得以證成時事先推定過錯，但依舊為加害行為人保有自證機會。服務(wù)提供者得以通過積極舉證來推翻推定的過錯，這同時也反向激勵從業(yè)者注重技術(shù)的改進和安全性的提升，助推產(chǎn)業(yè)走上可持續(xù)的發(fā)展道路。另一方面，由于《民法典》呈現(xiàn)“過錯責(zé)任為一般，嚴(yán)格責(zé)任為例外”的二元格局，因此，原則上侵權(quán)行為都應(yīng)優(yōu)先適用過錯歸責(zé)原則，而過錯推定作為其內(nèi)在組成，置于生成式人工智能侵權(quán)場景，也正契合過錯責(zé)任優(yōu)位適用的一般要求。

第二，過錯推定責(zé)任的內(nèi)在獨有優(yōu)勢。（1）有利于實現(xiàn)過錯不明風(fēng)險的合理轉(zhuǎn)移。應(yīng)當(dāng)承認，生成式人工智能侵權(quán)行為在當(dāng)下無法實現(xiàn)完全預(yù)測和控制，甚至有時不僅受害人無法就過錯進行舉證，連服務(wù)提供者也不知自己是否存在過錯。在有無過錯的事實真相不明時，過錯推定中舉證義務(wù)倒置，意味著基于過錯不明所產(chǎn)生的不利后果（如敗訴）將由處于優(yōu)勢地位的服務(wù)提供者來承擔(dān)，也能同時實現(xiàn)對雙方不平等關(guān)系和不對稱權(quán)利結(jié)構(gòu)的矯正要求。（2）有利于明確生成式人工智能侵權(quán)行為的類別界限。目前無論是法律還是技術(shù)都尚未對生成式人工智能自主行為的可控標(biāo)準(zhǔn)形成統(tǒng)一認知，行為可控與不可控之間的界限仍然模糊不清。過錯推定的持續(xù)適用恰可使該界限自主顯現(xiàn)。當(dāng)生成式人工智能侵權(quán)糾紛不斷展露于現(xiàn)實，服務(wù)提供者將竭力證明自身就涉案行為不具有過錯，而根據(jù)證明成否情況，能夠自然知悉哪些行為可為其所控。雖然隨著技術(shù)的發(fā)展進步，當(dāng)下不可控的侵權(quán)行為會有部分進入人類控制范疇，但隨著時間的推移，可控與不可控行為之間的界限將逐漸清晰，對可控標(biāo)準(zhǔn)的統(tǒng)一認知也將日漸成型。（3）有利于滿足法律體系解釋的一致性要求。新興技術(shù)活動致人損害適用過錯推定責(zé)任，并非首創(chuàng)于生成式人工智能侵權(quán)場景，如信息處理行為侵害個人信息權(quán)益中適用的《個人信息保護法》第69條第1款便是典型前兆。更重要的是，信息處理行為作為先行行為，使個人信息處理者負有法定作為義務(wù)，而在涉及法定作為義務(wù)產(chǎn)生過錯推定責(zé)任的規(guī)定中，《民法典》也同樣要求特定主體通過舉證已經(jīng)履行作為義務(wù)從而免于承擔(dān)侵權(quán)責(zé)任。因此，生成式人工智能侵權(quán)采用過錯推定責(zé)任，不僅可與同處新興技術(shù)領(lǐng)域的信息處理侵權(quán)歸責(zé)規(guī)范遙相呼應(yīng)，而且也能同《民法典》內(nèi)的侵權(quán)責(zé)任體系保持步調(diào)一致。

由是觀之，過錯推定責(zé)任的適用不僅具有堅實的理論基礎(chǔ)，而且能夠產(chǎn)生諸多社會實際效益，是解決當(dāng)前生成式人工智能侵權(quán)歸責(zé)難題的應(yīng)然選擇。

六、基于過錯推定的生成式人工智能侵權(quán)責(zé)任具體適用

歸責(zé)原則以“過錯”或“無過錯”為節(jié)點，不斷尋求侵權(quán)責(zé)任確立根據(jù)，當(dāng)基于過錯推定的生成式人工智能侵權(quán)責(zé)任驗成，可以“過錯推定”為基點連結(jié)責(zé)任主體，同時與損害賠償?shù)瘸袚?dān)方式接合，形成完整的侵權(quán)責(zé)任認定邏輯。但仍有兩個關(guān)鍵問題有待處理，即生成式人工智能侵權(quán)過錯推定責(zé)任應(yīng)由誰承擔(dān)？被告方應(yīng)通過何種舉證方式推翻推定的過錯？

（一）過錯推定責(zé)任的主體范圍

人工智能的自主性沒有為其賦予法律意義上承擔(dān)獨立責(zé)任的資格，因而為人工智能設(shè)置的侵權(quán)責(zé)任不是人工智能的責(zé)任，而是人工智能致人損害時的背后人的責(zé)任。確定責(zé)任承擔(dān)主體時，應(yīng)充分考量生成式人工智能模型開發(fā)者（The Manufacturer）、運營者（The Operator）和使用者（The User）在此間產(chǎn)生的作用。但進一步來說，能夠影響到內(nèi)容生成行為的主體實際遠不止以上三種，還可能包括其他惡意利用或濫用生成式人工智能侵害他人權(quán)益的第三人，如黑客攻擊使其無法保持正常工作，從而出現(xiàn)誤差以致他人損害，該情形通常可基于技術(shù)中立原則，認定侵權(quán)損害來源于惡意第三人之行為而非生成式人工智能模型，故此處實則尚未涉及生成式人工智能侵權(quán)過錯推定責(zé)任的主體確定問題。

有鑒于現(xiàn)實場景中生成式人工智能常由模型開發(fā)者自主運營，因此學(xué)理研究在討論人工智能侵權(quán)責(zé)任問題時，并未有意識地對開發(fā)者和運營者予以區(qū)分，而多以服務(wù)提供者為名進行合一處理。但隨著生成式人工智能模型功能的不斷強化，開發(fā)者除自行運營外，亦不排除將模型算法打包成組件并集成到其他經(jīng)營者所運營的應(yīng)用程序或網(wǎng)絡(luò)平臺之可能。比如，微軟便推出基于GPT-3.5和GPT-4技術(shù)的Azure OpenAI，向微軟用戶提供人工智能生成服務(wù)。在此過程中，微軟僅實施購入該項技術(shù)并將之內(nèi)嵌于云平臺Azure的模型部署與運營行為，不會在實質(zhì)上改變生成式人工智能原本的底層決策邏輯和行為功能走向。因此確有必要將開發(fā)者與運營者進行事先區(qū)分，這同時也意味著關(guān)鍵問題將聚焦于生成式人工智能侵權(quán)時，開發(fā)者和運營者誰是過錯推定責(zé)任的承擔(dān)主體？本文主張責(zé)任主體一般為開發(fā)者，而運營者僅在特定情形下負有證明自己無過錯的責(zé)任。

第一，開發(fā)者作為責(zé)任主體的情形。一方面，生成式人工智能侵權(quán)行為直接體現(xiàn)開發(fā)者意志。由于生成式人工智能的深度自主性是帶有純技術(shù)色彩的行為自主性，而非主觀層面的意志自主性，因此其始終不具備法律主體身份，而仍處物件范疇。故而，可適用“刺破人工智能面紗原則”要求背后實際控制人——即開發(fā)者——承擔(dān)侵權(quán)責(zé)任。如OpenAI作為ChatGPT的開發(fā)者通過訓(xùn)練數(shù)據(jù)選取、變量選擇、權(quán)重設(shè)定等可直接決定ChatGPT內(nèi)容生成行為的底層邏輯，自主創(chuàng)造并發(fā)布侵權(quán)信息的行為歸根結(jié)底遵循開發(fā)者預(yù)先設(shè)計的程序，受到開發(fā)者控制，是開發(fā)者意志的集中體現(xiàn)。另一方面，生成式人工智能是涉案侵權(quán)信息的直接來源。若生成式人工智能創(chuàng)造并發(fā)布的一手信息涉及侵權(quán)，便需依“誰發(fā)布、誰負責(zé)”原理追究發(fā)布者的責(zé)任。同時，因為侵權(quán)行為背后由開發(fā)者意志支撐，所以需穿透式地要求開發(fā)者承擔(dān)生成式人工智能侵權(quán)的過錯推定責(zé)任。當(dāng)然仍需強調(diào)，若ChatGPT輸出的侵權(quán)信息僅是從已有互聯(lián)網(wǎng)信息中檢索所得，且未作實質(zhì)性改變，那么生成式人工智能本身僅為傳播媒介，并不會與侵權(quán)事件產(chǎn)生直接關(guān)聯(lián)，此時開發(fā)者僅需承擔(dān)因未履行必要的通知刪除等義務(wù)而產(chǎn)生的連帶責(zé)任。

第二，運營者作為責(zé)任主體的情形。生成式人工智能模型運營者在本質(zhì)上與微博、推特等傳統(tǒng)網(wǎng)絡(luò)服務(wù)提供者并無不同，當(dāng)平臺中的人工智能生成內(nèi)容侵害他人合法權(quán)益或公共利益時，需依據(jù)《民法典》第1194、1195和1197條，承擔(dān)因自己利用網(wǎng)絡(luò)侵害他人權(quán)益的自己責(zé)任，或在有效通知后與明知情況下，負有因未及時履行后續(xù)刪除、斷開連接等義務(wù)產(chǎn)生的連帶責(zé)任。特別問題是，倘若運營者與開發(fā)者之間形成關(guān)于生成式人工智能模型的承攬定作關(guān)系，是否可同時要求運營者成為過錯推定責(zé)任的承擔(dān)主體？根據(jù)《民法典》第1193條，定作人僅基于定作、指示或選任過錯而對承攬人在完成工作過程中造成的損害擔(dān)責(zé)，并未直接提及工作成果（即生成式人工智能模型）自主侵權(quán)時定作人的責(zé)任問題。結(jié)合過錯推定的一般原理，或可進行如下安排：其一，由于運營者的定作、指示等行為能夠直接影響甚至決定生成式人工智能的設(shè)計開發(fā)流程，因此可在視作運營者參與開發(fā)的基礎(chǔ)上要求運營者承擔(dān)生成式人工智能侵權(quán)的過錯推定責(zé)任；其二，由于運營者僅能夠通過定作、指示等行為對生成式人工智能模型的設(shè)計開發(fā)環(huán)節(jié)產(chǎn)生影響，因此過錯推定責(zé)任下運營者僅需證明就定作、指示或選任行為不存在過錯。

雖技術(shù)本身中立，但技術(shù)設(shè)計與合規(guī)情況乃至服務(wù)目的都由背后資本操縱，故生成式人工智能侵權(quán)過錯推定責(zé)任的承擔(dān)主體一般為開發(fā)者，運營者僅在模型承攬定作中就定作、指示或選任問題承擔(dān)過錯推定責(zé)任。當(dāng)然，二者是否存在承攬定作關(guān)系仍需受害人舉證，若受害人無法證明承攬定作關(guān)系存在，則不應(yīng)要求運營者承擔(dān)相關(guān)過錯推定責(zé)任。

（二）過錯推定責(zé)任的舉證方式

服務(wù)提供者主觀心理狀態(tài)究竟為故意還是過失，對生成式人工智能侵權(quán)歸責(zé)并無實質(zhì)影響，過錯推定意味著“客觀違法行為”全部或部分取代對“主觀心理過錯”的證明。比如，動物園動物致人損害中負有安全保障義務(wù)的動物園未采取管理措施或管理措施實施不當(dāng)?shù)?，則管理行為具有違法性并被推定有過錯。個人信息處理侵權(quán)致?lián)p中負有個人信息保護義務(wù)的處理者違法處理個人信息，則處理行為具有違法性并被推定有過錯。當(dāng)然，過錯推定不僅利于原告，而且也能由被告使用，助其通過反證推翻推定過錯。循此邏輯并回歸生成式人工智能侵權(quán)場景，服務(wù)提供者或可進行如下舉證：

第一，通過證明不存在客觀違法行為來推翻推定的過錯。存在違法行為，才存在推定過錯。正如個人信息侵權(quán)過錯推定責(zé)任中，若處理者能證明自己的信息處理行為合法合規(guī)，便不具有過錯并可免于承擔(dān)過錯責(zé)任。同理，雖然受害人提起侵權(quán)訴訟常會指明生成式人工智能生成了哪些違法內(nèi)容或服務(wù)提供者存在哪些違法行為，但若服務(wù)提供者能對受害人主張的具有違法性的原始事實進行反證，那么將直接使違法推定過錯適用的前提基礎(chǔ)完全喪失，進而免于因存在推定的過錯而擔(dān)責(zé)。比如，服務(wù)提供者可證明生成式人工智能所生成的內(nèi)容不屬于虛假信息、歧視信息或其他被禁止生成的信息，抑或未對原告造成實際損害。

第二，通過證明雖然存在客觀違法行為，但是該行為不可預(yù)見和避免。不可否認，生成式人工智能的確可能超出服務(wù)提供者的預(yù)計和掌控范圍，自主生成侵權(quán)信息并導(dǎo)致侵權(quán)事實，若繼續(xù)推定服務(wù)提供者對此存在主觀過錯，并進而要求其承擔(dān)侵權(quán)責(zé)任并不妥當(dāng)。參考個人信息侵權(quán)過錯推定責(zé)任中的注意義務(wù)可知，不可預(yù)見和避免這一結(jié)論實以服務(wù)提供者已經(jīng)盡到其應(yīng)盡之注意義務(wù)為前提，且該注意義務(wù)所涉內(nèi)容并不僅限于申報安全評估、算法備案登記以及內(nèi)容標(biāo)準(zhǔn)等法律規(guī)范業(yè)已列明的形式部分，還包括特定情形中可推知服務(wù)提供者應(yīng)當(dāng)履行的實質(zhì)部分。比如《生成式人工智能服務(wù)管理暫行辦法》第4條僅規(guī)定，應(yīng)當(dāng)采取有效措施防止生成虛假信息、歧視信息等。但鑒于相關(guān)技術(shù)尚處起步階段，對具體措施內(nèi)容并未闡明也無法闡明，因此服務(wù)提供者為防止生成虛假信息和歧視信息等內(nèi)容所采取的預(yù)防措施應(yīng)達何種程度并無確定標(biāo)準(zhǔn)，而是需結(jié)合技術(shù)實際發(fā)展水平加以判斷。總體而言，在存在客觀違法行為時，服務(wù)提供者不僅需證明自己已經(jīng)履行法定注意義務(wù)，還應(yīng)證明相關(guān)行為在現(xiàn)有技術(shù)條件下確實無法預(yù)測和避免。當(dāng)然，受害人此間始終保有反證之權(quán)利。

七、結(jié)語

行為邏輯影響責(zé)任認定，責(zé)任認定應(yīng)滿足現(xiàn)實的利益衡平要求。生成式人工智能的侵權(quán)行為雖存在單獨性、直接性、深度自主性和純技術(shù)性等特性，但尚不足以使其拒絕沿用傳統(tǒng)的過錯推定責(zé)任。同時，開發(fā)者和運營者若被推定存在過錯，則需各自就“過錯”獨立承擔(dān)不同的舉證責(zé)任。通過侵權(quán)行為特性剖析、侵權(quán)歸責(zé)原則選用、侵權(quán)責(zé)任主體確定三步程序，我們能對文首提出的時代之問——人工智能自主生成信息內(nèi)容侵害他人合法權(quán)益時，如何對此種侵權(quán)行為進行法律歸責(zé)——形成初步回應(yīng)。不過，侵權(quán)問題畢竟是一類極為古老且龐雜的社會糾紛，本文寥寥內(nèi)容莫不謂是開其處理端緒，而關(guān)于生成式人工智能侵權(quán)，其他如損害類型、救濟措施乃至責(zé)任限制等，無一不是應(yīng)接續(xù)研討之議題。

注:因字?jǐn)?shù)關(guān)系，注釋省略。如引用、轉(zhuǎn)發(fā)請注明《電子知識產(chǎn)權(quán)》2025年第8期(未經(jīng)授權(quán)禁止轉(zhuǎn)載、摘編、復(fù)制及建立鏡像，違者將依法追究法律責(zé)任)

本公眾號定期推送知識產(chǎn)權(quán)及競爭政策相關(guān)的法律政策與政府文件、最新全球行業(yè)信息、原創(chuàng)文章與專家觀點、業(yè)內(nèi)高端活動消息、《電子知識產(chǎn)權(quán)》（月刊）&《競爭政策研究》（雙月刊）文章節(jié)選及重磅全文、專利態(tài)勢發(fā)布、中心最新成果發(fā)布及相關(guān)新聞報道等諸多內(nèi)容，歡迎各界人士關(guān)注！