【光明時評】加快建立人工智能訓練數據合理使用制度

【光明時評】

近日，中央網信辦印發通知，在全國范圍內部署開展為期4個月的“清朗·整治AI應用亂象”專項行動。該行動第一階段重點整治的問題中就包括大模型訓練語料安全，如訓練語料審核把關不嚴，模型訓練數據存在違法不良信息﹔訓練數據來源合規性存在問題，模型訓練過程中使用未經授權的文字、圖片、音視頻等數據，明確強化AI技術源頭治理。

回溯人工智能的發展歷程，從最初的文本生成，到如今的圖像、音樂、視頻等多模態內容生成，每向前邁進一步，對訓練數據的廣度、深度和復雜性的要求就更高一層。可以說，沒有數據，就沒有模型﹔沒有高質量數據，就沒有高水平模型。今天的大模型競爭，表面上看是算法與算力的競爭，實則是數據供給與數據治理能力的競爭。誰能在合法合規的前提下穩定獲得可用數據，建設高質量語料和數據集，誰就能在未來的人工智能競爭中佔據主動甚至主導地位。

當前，針對人工智能訓練數據的使用，尚缺乏統一的制度規則。實踐中主要依靠《生成式人工智能服務管理暫行辦法》《中共中央 國務院關於構建數據基礎制度更好發揮數據要素作用的意見》等規范，再輔之以著作權法中合理使用制度等相關規則加以調節。在整體上，仍須完善與其他各部門法協調統一、內容明確、具有直接針對性的制度規范。由於現實中的模型訓練數據往往來源復雜、層級多樣、流轉頻繁，使得大量數據處於權屬不明、授權不清、來源難溯的狀態。加之算法訓練過程高度復雜，模型機制帶有明顯的“黑箱”屬性，進一步導致權利識別難、侵權舉証難、責任劃分難，成為實踐中普遍存在的現實問題。鑒於此，建立人工智能訓練數據合理使用的制度規則可謂迫在眉睫。訓練數據治理不能隻依賴事后個案裁判，還應建立分類分級、授權留痕、來源可溯、風險評估和爭議救濟等制度機制。尤其要區分訓練階段的數據攝取、模型輸出階段的內容生成，以及平台傳播階段的責任承擔，避免將不同環節的法律責任簡單混同。

事實上，“十五五”規劃綱要已對此作出針對性部署，提出“完善數據標准體系和質量管理體系，加快建設人工智能語料庫，面向能源、交通、制造、教育、健康、金融等領域建設高質量數據集，建立人工智能訓練數據合理使用制度”。這意味著訓練數據治理已不只是技術企業自身的合規問題，而是關系數據資源開發、人工智能產業競爭力和數字中國建設全局的基礎性制度問題。構建科學有效的制度規則是人工智能行穩致遠的重要保障。讓人工智能訓練數據合理使用制度立得住、行得通，兩方面的問題尤其值得關注。

一方面，應統籌好多元關系。人工智能訓練數據從生成、處理、流通到進入模型訓練，涉及原始權利人、數據處理者、交易平台、模型開發者、應用企業和最終用戶等多類主體。制度設計既不能把數據資源簡單視為可任意抓取的公共素材，也不能因權利邊界不清而使創新活動陷入過度不確定。關鍵在於建立清晰、可操作、可預期的規則：對可自由使用、需授權使用、限制使用和禁止使用的數據作出分類安排，對授權、收益分配、來源追溯和責任承擔形成明確機制。

另一方面，人工智能訓練數據使用天然具有跨境性，涉及版權例外、文本與數據挖掘、跨境數據流動、數字貿易和平台治理等多重議題。這要求我們在制度制定中，既要立足國內產業實踐，也要重視與國際通行規則的兼容、對話和轉化。尤其在相關國際規則仍處於形成和調整階段的背景下，應通過知識產權、數字經濟和人工智能治理等多邊平台，積極提出具有實踐基礎、制度解釋力的中國方案。

面向人工智能快速發展的新階段，我們應以訓練數據合理使用制度建設為重要抓手，加快推動形成分類清晰、授權明確、流通有序、責任可追的治理體系，在保護權利人合法權益的同時釋放數據要素價值，在規范市場秩序的同時激發技術創新活力。唯有如此，人工智能產業才能在法治軌道上行穩致遠，我們也才能在全球人工智能治理規則塑造中貢獻更多“中國智慧”。

（作者：孫曉麒、鄧宏光，分別系中國政法大學刑民交叉研究中心特約研究員，西南政法大學民商法學院教授、博士生導師）