[AI生成]当前支持式智能的风险防范更不应依靠渐进性治理

[AI生成]当前支持式智能的风险防范更应依靠渐进性治理

　　可以听见我的声音吗？

　　我也听不见。打断一下，音质有点差。不好意思，我们听不清楚，可能是网络有点问题，让技术人员检修一下。

　　老师讲出来的话声音很混杂，麻烦您重新说一下可以吗？实在不好意思。

　　你们那边可以试一下麦克风吗？因为我们刚刚听的时候，声音比较断断续续的，现在也是。

　　哎，这边怎么有回声了，闭麦了吗？他们的声音一模一样，存在回声。

　　现在先别着急，可以了，现在可以继续。

　　强制学习。可以听见。为何可能退出后，这个规则是否有超前的决策，这不是我方要问的内容。我方还要说明，与这个时期受判的不同，原则上是要解决问题，而你方的规则是会涉及其他立法决策上有恶性行为的人，后期相关的一系列事情都要等待处理。

　　管理者不仅可以包括企业，还可以包括政府，以及政府出资设立的三方组织，还可以包括其他一些公益部门。

　　如果长时间没有尝试，仅仅因为困难，这些问题就能解决吗？

　　还有时间，我们还有1分还是2分，问题还未得到回答，谁回答都可以。进入下一个环节。

　　从正方一辩所述内容来看，现在所有的规则都是从技术层面去落实。按照你方观点，合格的都在规则形式之内。我们当然要看直接的因果关系。有两点很重要，这些风险来源于人，现在已经有规范要求我们防止AI断业，为什么还存在这些风险？

　　对方辩友提到现在技术不完善。如今OpenAI的GPT4内容审核有一项技术叫API，准确率高达98%以上，这项技术的效率难道不比规则更高吗？我认为只要技术前端做好了，后续使用者无论怎么用都是正确的。虽然我方之前是想推行规则的一方，当然也响应规则，但由于技术瓶颈无法落实规则，请问正方如何看待这一情况？

　　接下来再问对方辩友，你方在做这件事，你方要告诉我，为什么出台一个规则，人们就一定会遵循它呢？在实际情况中存在偏差，是因为技术本身就存在错误。谢谢。正方是否要回应？

　　正方一辩发言后。开场提问：你是不是有那种感觉？支持式技术型治理和图建基础都是通过算法优化、数据控制、隔离设计的手段反馈风险而进行判断。我们区分每种治理方式，关键在于明确当前治理过程中的个别情形。因此，我方坚持认为，当前支持式智能的风险防范更应依靠渐进性治理。

　　其一，生成式人工智能在带来创新活力的同时，也带来社会滥用、信息泄露等风险。国家出台《生成式人工智能服务管理暂行办法》等法规，构建治理框架，但企业在执行时普遍面临合规意愿强、落地能力弱的难题。根本原因在于现有手段无法有力支撑规则要求，导致防控效果大打折扣。

　　以数据管理为例，想方设法要求企业建立全量全链路数据管理制度，但现有技术在处理动态数据时，速度远不能满足需求。区块链存证每秒 2000 笔的处理能力，在面对百万量级的实时数据交互时显得能力不足。这鲜明地体现出规则要求的防控强度与现有技术能力之间存在巨大差距。没有技术的支持，规则成了纸上谈兵，不仅无法实际防控风险，反而会加剧高标准立法、低水平执法的矛盾。只有大力投入实时加密算法研究，才能突破技术瓶颈，让风险防控从纸面落到实处。

　　其二，生成式人工智能作为前沿技术驱动的新兴工具，技术治理能从底层逻辑入手，更直接地阻断风险链条，具体通过以下三个层级机制构建风险防范体系。

　　第一层是风险识别的数字屏障。生成式 AI 数据存储量呈指数性增长，传统人工筛选难以招架，必须依靠技术建立自动化过滤系统。例如数字指纹技术，在训练数据中嵌入唯一标识码，既能追溯侵权内容源头，也能促使技术开发者在数据采集阶段就树立合规意识，从源头上减少风险。

　　第二层是风险阻断的动态升级。生成式 AI 自我迭代的特性使静态指令失效，需构建实时纠错的技术防火墙。例如检索增强生成技术，当模型生成医疗建议时，自动调取最新诊疗指南；输出法律意见时，实时核对法条修订，有效切断错误信息传播。

　　第三层是风险预防的前瞻布局。混合架构将神经网络的创造力与符号系统的严谨性结合，既保证生成能力，又内置纠错程序，从技术底层重构风险产生机制，让潜在问题在系统运行初期就被化解。

　　相比规则的事后监管，技术性治理对风险的解决防控更为根本、直接、有效。因此，当务之急是加大对技术研发创新的支持，在各个环节梳理治理逻辑，筑牢风险防线。这种内生性治理模式是技术能力发展方向，也是防范规范的有效路径。

　　风尚处示技术型治理能穿透风险，深入技术创新隐藏逻辑，在动态迭代中构建风险防范网络，在安全与发展的辩证平衡中开辟出一条兼具效能与温度的发展路径。这不仅是科技伦理的时代命题，更是人类应对智慧浪潮不可或缺的生存智慧。

　　综上，谢谢。闭麦。

　　时间为2分钟。

　　首先，对方没有提到生成式人工智能是一个复杂的算法，其生成的内容，银行也知道它很复杂，规则要多精细才能照顾到方方面面，所以规则很难去细化、去治理，而用技术治理，利用内置纠错程序去治理才更为高效。

　　再有，对方辩友提到规则性治理是通过国家权力去完善规范之内，银行也应该知道立法周期很长，因为法律需要具有一定稳定性，人类最快的立法周期为两年，而摩尔定律下科技迭代的速度极快。那么，立法速度如何跟得上科技迭代的速度呢？所以，用技术去治理生成式人工智能的风险才更为合理。

　　我们并非说不要规则，而是说现在已经出台规则之后，根据当前现状来看，要依靠技术才能够真正去落实。依靠哪种方式，关键在于现状更需要哪种技术。生成式人工智能的现状是，在出台了《生成式人工智能服务管理暂行办法》等一系列规则之后，规则的约束存在，但由于技术手段不够强，所以规则落地能力弱，这产生了一系列诸如版权侵权等风险，在规则治理下无法解决，甚至要依靠技术去解决。

　　比如，《生成式人工智能服务管理暂行办法》中规定了服务提供者的责任，但是该管理办法的落地需要专业的第三方机构去提供人工智能质量检测检验服务。就生成式人工智能造成的著作权侵权来说，哪怕已经有相关法律规定出台，存在事后追责的方式，但生成式人工智能本身无法成为承担责任的主体，那么这个时候就需要通过技术手段才能够解决这个侵权的风险。

　　下面请反方三辩进行质询小结。

　　感谢对方辩友，今天我听懂你方意思，你方跟我讲规则的制定者是人。那我告诉你，如今法律已明确规定杀人是犯罪行为，可为何仍有诸多违法现象存在？

　　我想解释的一点是，当前人工智能上市面临诸多风险，原因在于其技术本身。例如，它有一种名为生成对抗人工智能的机制，该机制本身就存在偏差和错误，这涉及伦理道德问题。

　　我方认为，如今规则已明确要求保护隐私和安全，这是大家都知晓的，但为何难以做到？原因是技术不过关。我方通过OpenAI GPT4的内容审核技术化，能够过滤掉违法信息。即便有人产生违法或违背伦理道德的想法，前端技术也会进行处理，让人无法使用相关内容。所以，我方认为技术更具效力。

　　而你方所说的规则，存在以下问题： 　　首先，该规则难以进一步完善。因为生成式人工智能相较于传统人工智能，具有科技复杂性，现有的规则模式无法有效调控其带来的风险。 　　其次，你方规则具有滞后性。科技的更新换代平均周期为1.5年，而你方主张依靠公权力立法。公权力立法不仅困难，而且速度缓慢，跟不上技术发展的步伐。

　　因此，我方认为风险源于技术，应从技术手段入手，在前端解决问题，这样不仅更有效，而且能更好地防范危险。

　　感谢！

　　三十秒，这已经要拿出来了。就是 45%用于办公，他们一直在说诈骗和淫秽物品。我们要说，企业询问需求并没有问题。蓝平说让自己来，他们刚才一直在讲企业不够良心，才导致这个问题。

　　昨天我在南秘书里找到了一些企业，它们有与监管者合作的意愿，会有自我承诺和自我约束，这些内容可以在南秘书里找到。你把相关页面发到群里。

　　然后我们说下一个问题。你看他说的，说这个问题平衡不了、制衡不了。我就想问哪里平衡不了，他没有论证为什么平衡不了，就直接说平衡不了，说技术是平衡不了的，但我们完全可以平衡，我们有很多机制。跟他说效率。

　　而且情况也是一样的。他只是说技术可以解决前端问题，但我们有三重机制，包括中端、终端的动态监测以及后端的预防，都可以解决问题，并非只停留在前端。我们打的是组合拳，前端、后端和中端都有涉及。

　　我其实觉得对方今天的论点，我们是能够反驳的，接下来要开始第二个论点的讨论了。前端、后端和中端是针对不同风险的解决机制，这需要一些时间。

　　时间到。

　　好查。若在供货落地时能够提前筛查到相关人员的个人信息，并将这些信息去除，那么问题便不会存在，这是一个观点。

　　其次，我想回应对方辩友。对方辩友提到企业不会有良心，并举出了相关例子。但我想告诉对方辩友，在人工智能发展的相关论述中，已经提及有很多企业能够约束自身行为，并且呈现出合作的趋势，企业是能够以良好的自律来约束自己的。

　　其次，我方并非认为该技术仅应用于前端，在我方的论述中也提到了疾病预防。此技术可应用于前端、中端、后端。就像您方刚才所举的例子，若发现信息去向不对，及时拦截即可。

　　我再问对方一个问题，您方是否承认人工智能的算法是十分复杂的。这一点其实不重要，因为只要我方有技术能够解决生成内容的问题就可以。

　　我方想问对方辩友，您方提到现在很多人有坏心思、违背法律。感谢对方辩友，由此可见，您方也承认了AI生成内容是技术基础问题，而非人的问题。我给您方举个例子，国家安全基本要求规定的综合碳技统站，在技术上仍存在明显盲区，您方如何规定相关的赔付问题？

　　我可以举证，Open通过API将准确率达到了98%，推特研发的技术将虚假视频率下降了72%，Mega开发的模型早期报错率低于0.5%，这是不是比您方的规则更有效？

　　对方辩友，不要用美国的个别案例与我方讨论，我方讨论的是在中国的情况。如今企业正在积极寻求与监管者沟通合作，您方不能认为所有企业都是为了一己私利。大众市场需要的是合法合规的产品，企业必须积极迎合这一需求。

　　我再重复最后一遍，很多实例表明，审核技术A可以将准确率达到98%，只要规则出台，就能解决问题。

　　当然，我方并非否认企业要盈利，但通过技术优化能让产品更易被大众接受。大家都希望有正能量、积极的内容来迎合大众市场，这并无过错。

　　在对方辩友的激进体系下，所有利用人工智能的人都是流氓、犯罪者、不良学生。但只要出台规则告知他们不能这样做，他们就不会犯错，这种想法太过天真。就像法律禁止杀人，但仍有人犯罪，说明仅靠规则约束作用有限。而我方通过技术从前端就处理掉淫秽信息，无论使用者是怎样的人，技术都能在专业层面检测到不当行为，这样岂不是更有效？

　　我再重复一遍，我方并非要检测使用者的意愿，只需检测正常信息即可。我方举证，使用人工智能的用户中，44.9%是大专以上的大学生，他们主要用于办公，而非获取淫秽资料。

　　我先直接进入总结。

　　首先，明确今天的辩题是当前的知识证明公式能带来的风险。目前规则已经存在不少，且相对完善，但仍存在诸多风险，原因在于技术不到位。即便已有规则，基础问题仍存在，就是因为技术不够，所以现在应将重心放在技术发展上。

　　其次，对方在辩论中承认现在技术高速发展，然而我方已举证，当前立法周期一般为两到三年，自2018年相关概念出现至今，我国仍没有一部相对完整的法律，这是因为法律立法周期长，无法解决当前急迫问题。

　　再次，对方辩友提到技术具有封闭性，算法复杂，却称制定规则就能解决问题。但规则如何直接穿过算法去解决问题，对方并未给出合理说明。

　　然后，我方提到Meta等公司并非仅为自身利益发展，它们也会约束自己的行为。同时，不同地区文化不同，法律规定也不同，如美国允许黄色电影在网络上传播，我国则不允许。我国企业有自我监管的意愿，也想为办公者提供相关保障。

　　最后，我方的技术通过前端、终端、后端三个环节，前端阻止数据流入，终端及时监测数据，后端处理违法信息，这是建立在三种不同风险链条上，能及时阻断风险的有效途径。我方也认可规则的重要性，但规则难以落实就没有效力。对方回避我方问题，未能论证规则如何穿透量子级的信息流动、代码及算法漏洞进行监管，因此对方的论证无效。