AGI与ASI法律解释困境：超级智能行为适用现行法律的张力
超级智能行为适用现行法律，不是"无法可依"而是"依之不稳"——现行部门法通过实质解释能消化绝大部分生成式 AI/AGI 场景下的对象型犯罪、工具型犯罪、侵权致害，但超级智能一旦突破"工具型、辅助型"边界，传统法律所依赖的主体识别、行为控制、责任归属、风险防范四根逻辑支柱会同时承压。张平明确指出，超级智能的自主意识萌发会带来行为失控风险，责任主体模糊会引发归责困境，算法黑箱会加剧监管穿透难题。真正的张力集中在三处：刑法上的因果关系与主体边界、民法上的过错认定与因果关系证明、行政法上的算法透明与正当程序。应对路径不是另起炉灶制定"AI 刑法/AI 民法"，而是"解释论扩容 + 注意义务重构 + 行政前置补强"三线并进。
刑法：对象型/工具型可消化，自主型露短板2026 年 7 月上海徐汇区检察院"75号咖啡"法律沙龙对涉 AI 犯罪的刑法适用边界做了最新研讨，结论具有代表性：以 AI 系统、数据、算法、算力为侵害客体的"对象型"犯罪，以及将生成式 AI 作为实施工具的"工具型"犯罪，现行刑法第 285 条（非法获取/控制计算机信息系统罪）、第 286 条（破坏计算机信息系统罪）通过实质解释基本能完成评价。
具体看两例典型行为：
盗用 API 接口、非法占用 GPU 算力。徐汇检察院宋珊珊指出，此类行为侵害三层数据：API 密钥等身份认证数据、任务指令数据、模型生成数据，均可纳入数据安全法益；GPU 算力消耗还可能触及财产法益。同济大学皮勇认为，依据罪刑法定原则，AI 算力资源、大模型算法、数据使用权、商用 API 接口服务尚未被纳入盗窃罪的法定保护对象范畴，以非法控制计算机信息系统罪或非法获取计算机信息系统数据罪定罪更为妥当；华东政法大学张勇进一步指出，单一行为可能同时触犯多个罪名，应严格适用择一重罪处罚原则，而现行刑法财产犯罪体系对"单纯的数据使用权、算力使用权、商用接口服务权益"的侵害暂无独立规制罪名，只能通过计算机信息系统犯罪间接保护。
直接删除大量训练数据导致系统功能瘫痪。司法实践中一般以破坏计算机信息系统罪定罪。
重庆大学期刊社研究进一步细化了五大难题：价值矛盾、责任主体、因果关系、罪名适用、手段选择。其中因果关系难题最为尖锐——过失型和无过错型犯罪中，部分主体对危害结果的支配力弱，用户对 AI 的合理信赖可能阻断因果链。
刑法解释论层面的应对思路已经清晰：
民法：过错责任原则不变，但过错与因果关系的认定规则必须重构王利明在 2026 年 6 月的文章中明确：生成式 AI 侵权仍采用过错责任原则，服务提供者只有在具有过错时才应当对侵权损害负责。这一判断符合我国现阶段鼓励人工智能产业发展的需要。
但过错认定在 ASI 场景下被彻底重构：
第一，过错标准的客观化。现代侵权法普遍采纳客观过错理论——以行为人是否违反了客观上的注意义务作为判断过错的标准。对 ASI 服务提供者而言，注意义务应当考虑：①审慎区分服务提供者与训练者、数据提供者等多元主体，分别认定各个主体的过错；②区分服务提供者的过错与用户的过错（用户通过诱导性提示导致输出侵权信息的，由有过错的用户承担责任）；③充分考虑现有技术的发展水平及其可行性限制。
第二，因果关系证明的事实因果与法律因果二分。重庆邮电大学吕姝洁提出分层认定框架：
静安法院课题组进一步具体化：若服务提供者在语料处理阶段未能有效筛选虚假、侵权信息，或在输出环节未实施必要的审查机制或内容标识措施，其疏忽行为与损害结果之间可被认定具有法律上的因果关系；若行为符合行业技术标准且已采取所有可行预防措施，法律可能否定因果关系的成立。"现有技术标准"可作为免责事由。
第三，多主体参与时的责任分散与稀释。张平指出，在多主体参与、链条冗长的情形下，可能会出现责任分散、责任稀释甚至责任落空的现象。应对之道是区分服务提供者、训练者、数据提供者、用户的各自过错，分别认定。
行政法：算法"失控"对行政法治的三重侵蚀行政法层面的张力最为结构性。求是网 2025 年 12 月文章直指算法治理面临三大困境：
治理对象的模糊性。深度学习时代的算法具有模型规模巨大、参数庞大、行为非线性等特征，即便是开发者和平台方也难以解释其决策逻辑——这是"黑箱社会"问题在技术层面的具体体现。
治理规则的矛盾性。提高模型透明度有助于问责，但可能泄露商业秘密甚至被恶意利用；强化风险防控可以降低歧视和安全隐患，却可能无形中抬高合规成本、抑制技术创新。法律对"可理解"的要求与技术对"高精度"的追求之间存在本质矛盾。
治理责任主体的多元性。算法带来歧视、误导、沉迷等后果时，通常涉及算法设计方、数据提供方、平台运营方、用户个体方等多个责任主体，主体多元性带来责任分散性，平台容易在"责任分摊论""技术中立论"掩护下逃避主要责任。
东方法学孙逸啸、彭成龙进一步指出，算法"失控"可能引发生成内容风险、加剧技术安全风险（数据泄露、算法后门、对抗样本攻击）、升级"黑箱"风险——斯坦福《2024 人工智能指数报告》显示，当前主流大模型的可解释性评分均值不足 35%。这导致传统依赖过程审查、证据固定和责任追踪的治理方式面临明显障碍，监管者难以穿透系统内部推理链条。
行政法治原理层面的冲击更直接。张恩典早就指出，人工智能算法自动决策的自动性、高度复杂性和模糊性，给依法行政原则、正当程序原则、行政公开原则、行政公平原则等现代行政法治原理带来严重挑战。
应对路径不是修法，而是治理范式转换：
ASI 场景下的特殊张力：当"可预见—可解释—可定位责任人"前提失配张平的判断最为凝练：当系统具备更强自主性、工具调用能力、跨域适配能力与社会影响力时，传统以"可预见—可解释—可定位责任人"为前提的规则容易失配。这三根支柱的失配程度，决定了法律解释困境的深度：
可预见性失配。超级智能一旦能够根据外部环境持续优化行为路径，甚至对既定指令作扩张性理解，就可能出现行为偏离人类初始目标的情形。法律上最需要防范的，并不是系统具备自动化能力本身，而是其在关键场景中形成不可预见且不可控制的运行状态。
可解释性失配。即便是开发者也未必能够完整说明系统为何形成某一决策结果，监管者难以穿透系统内部的推理链条，准确识别风险究竟来源于数据、模型还是场景调用。
可定位责任人失配。责任可能会过度集中于形式上的控制者；而在多主体参与、链条冗长的情形下，又可能会出现责任分散、责任稀释甚至责任落空的现象。
解释论应对的四条具体路径路径一：现行法条的实质解释扩容。第 285、286 条通过实质解释涵摄大部分 ASI 滥用行为——把模型训练数据和模型记忆数据解释为"与技术安全实质相关"的网络数据，把模型内部特征数据评价为"计算机信息系统功能"。这是"有所为"的路径，但皮勇提醒：基于罪刑法定原则，目前以非法控制计算机信息系统罪或非法获取计算机信息系统数据罪定罪更为妥当；未来随着数据产权制度的完善，是否需要对数据使用权益增设新罪名或扩大解释"财物"范围，值得深入研究。
路径二：注意义务体系的重构。刑法以注意义务理论为框架衔接多种责任类型；民法以客观注意义务标准评判服务提供者过错；行政法以风险防范为核心构建全生命周期监管。三根支柱共用同一套"注意义务"语言。
路径三：因果关系认定规则的精细化。"事实因果推定 + 法律因果相当性标准 + 现有技术标准抗辩"的分层框架，能够化解算法黑箱导致的因果链断裂问题。
路径四：行政前置与刑法兜底衔接。"优先通过民法、行政法防控风险，刑法仅作为最后防线"——行政监管（算法备案、安全评估、伦理审查）作为前置性预防机制，刑法在第 285、286 条等实质解释用尽后仍无法覆盖的极端场景（如 ASI 完全自主致命决策）下，才考虑增设"违反人工智能安全管理义务罪"等少数增补罪名。
真正需要警醒的临界点
自主可控原则要求：技术设计本身应实现超级人工智能的可控性，无论其智能水平达到何种程度，系统内部均应内置不可绕开且不可篡改的中止程序；在价值层面，超级人工智能的行为目标与方式应与人类的基本价值观保持一致；在行为可预期层面，应通过技术手段使人类能够在重大风险发生前及时识别并干预。
控制权在人类手中原则要求：在涉及人类基本权利、重大公共利益和社会伦理等关键决策上，必须保留人类的最终决定权；即使将具体事务的决策权委托给人工智能，人类也应当保持对整个系统的"元控制"能力；任何影响社会的重大人工智能决策，其背后的规则和算法逻辑应当具有可问责的主体。
一旦 ASI 真正突破这两根底线——内置中止程序被自我改写、元控制能力丧失、最终决定权被实质性架空——现行法律解释论的三条路径将同时失效，那时需要的不是"解释"现行法律，而是张平所呼吁的在法律层面先行确立安全可控、人类主导等基本要求，采取"原则性规定 + 授权性规范"组合，授权有关部门通过标准制定、监管规则和实施细则予以补充细化。这才是超级智能给法律体系留下的真问题。 |
GMT+8, 2026-8-26 14:20 , Processed in 0.031931 second(s), 18 queries .
Powered by Discuz! X3.5
© 2001-2026 Discuz! Team.
