人工智能生成行为的决策标准

孙阳

摘要：基于博弈模型分析的人工智能生成行为强调决策收益和决策成本的不同结果，收益和成本的权衡进一步完善人工智能生成行为的决策标准。人工智能生成行为的决策收益与决策成本因生成内容使用行为的共识状态而发生实质变化，对生成行为规范性质形成共识的情况下，人工智能设备所有者与内容使用者仅需要依据共识性理解进行决策。共识性理解即双方主体对于生成内容的使用是否需要取得授权形成一致判断，这就需要人工智能生成行为的规范设计足够明确和统一，当双方主体对于生成内容的使用无法形成规则共识，围绕生成行为的权益纠纷必然增加决策成本并降低决策收益。因此，厘清人工智能生成行为及其法律效力，促进规则共识的形成是决策标准指导规范设计的核心要素。

关键词：人工智能生成行为  规范设计  博弈模型  收益与成本

中图分类号：D922.17 文献标识码： A文章编号：1674-8557（2024）01-0094-14

人工智能生成行为是人工智能技术应用的主要内容之一，通过人工智能相关主体的参与和决策实现产业需求与价值预期。作为重点发展和推广的前沿技术，人工智能生成过程中复数主体参与的技术特征要求清晰和统一的规范设计以协调不同主体之间的行为决策，提高人工智能生成行为的运行效率和应用价值。人工智能生成内容的多样性要求规范设计不拘泥于特定法律部门，2023年8月起施行的《生成式人工智能服务管理暂行办法》（以下简称《暂行办法》）中明确了人工智能生成行为的规范设计应当“促进生成式人工智能健康发展和规范应用，维护国家安全和社会公共利益，保护公民、法人和其他组织的合法权益”。《暂行办法》中对于生成内容的多层次要求意味着生成行为的规范设计不等同于特定法律规则的移植，而应当围绕主体行为的决策，为人工智能生成行为提供制度性保障。

人工智能生成行为伴随生成内容的客观结果，从行为模式上契合著作权作品创作生成的一般特征。因此，现阶段人工智能生成行为的规范设计侧重于讨论著作权规则对人工智能生成行为的法律适用，通过作者权规则的适用确认人工智能生成内容的著作权法律属性，构建类似于著作权作品权属的规范标准。问题在于，人工智能生成行为的技术特征无法实现自然人格为基础的作者权属，需要借助于拟制人格实现作者主体身份的权利基础。作者权规则的适用一定程度上压缩了人工智能生成行为的规范调整空间，也不满足人工智能生成行为多层次规范设计的总体要求。有鉴于此，人工智能生成行为的规范设计应跳出生成内容法律属性认定的窠臼，围绕人工智能生成行为的主体决策设计规范标准。本文基于博弈理论模型，围绕人工智能生成行为的主体决策进行分析，探讨构建符合人工智能技术发展的生成行为决策标准，为人工智能生成行为规范设计提供参照。

一、作为决策基础的人工智能生成行为

明确法律规范的效力是行为主体进行决策的基本前提，也是行为主体通过具体决策最大化行为收益并降低行为成本的必然结果。人工智能生成行为属于人工智能技术运行的主要类型之一，技术运行的基本特征和法律属性直接决定了人工智能参与主体的行为边界，行为边界的厘清和确认影响人工智能生成行为的相关规范思考。在此基础上形成的人工智能生成行为决策标准是人工智能参与主体进行合理决策的基本前提，也是影响人工智能生成行为收益与成本有效平衡的规范基础。

（一）人工智能生成行为的技术构成

人工智能是执行既定任务并实现预期功能的技术系统集合，该系统集合包含人类主体参与、任务决策机制、内容生成流程、机器学习步骤以及自我学习完善等基本构成。人工智能生成行为遵循上述技术原则，基于算法、模型、规则生成文本、图片、声音、视频、代码等内容。需要说明的是，人工智能生成行为的技术构成应结合技术本质进行类型化分析。

人工智能的典型特征在于人机交互的运行机制，围绕人机交互的技术特征将人工智能划分为具有自决性并能够进行自主运行的技术系统。自决性即人工智能进行自主决策的基本特征，也是梳理人工智能生成行为中人机交互范围与深度的主要技术指标。实践应用中的人工智能生成行为需要通过人工指令完成具体的生成任务，如语言翻译、数据计算以及图形生成等具体功能。一般而言，此类人工智能生成技术的自主决策程度较低，主要通过人工智能参与主体的行为介入实现既定的生成目标。有观点认为自主决策程度较低的人工智能属于工具性技术应用，本质上作为人类行为的拓展工具。因此，自决性较低的人工智能生成行为仅仅是遵循人工智能参与主体的指令并依据预先设计的生成机制实现具体生成内容；此时，分析人工智能生成行为的技术构成清晰且明确：即发布指令的行为主体与机械执行指令的技术应用。

与之相对，自主决策程度高的人工智能生成行为强调人工智能参与主体的交互式行为过程；自决性高的人工智能运用所谓的“神经网络”设计模拟人类脑部行为，实现类似人脑的信息吸收、分类、决策和传递的基本功能。这一类模拟人脑的运行过程通过人工智能特有的机器学习机制来实现，机器学习侧重模拟人类认知和学习过程，通过系统的机制修正认知和学习过程中发生的错误，完成机器学习的整体流程，提高人工智能运行的基本效率。

以OpenAI公司研发的人工智能对话系统为例。ChatGPT（Chat Generative Pretraining Transformer）即生成型預训练转换程序，是由OpenAI公司于2022年11月30日发布的一款高自决性人生成式人工智能机器人。ChatGPT能够通过学习和理解人类语言来实现和人类的对话功能，并能够依据对话上下文语境来针对性的回答人类提出的问题。本质上，属于人工智能内容生成技术（Artificial Intelligence Generate Content，AIGC）的具体应用；通过学习人类语言和相关知识，ChatGPT具备了自主决策的语言内容创作能力，进而通过程序运行生成语言形式的内容。ChatGPT的自主决策通过两大核心技术得以实现：首先是基于生成式预训练的转换机制（Generative Pretrained Transformer，GPT），以生成式自主学习为运行基础，从训练数据中提取并学习隐含的语言规律和对话模式，并训练出千亿级别参数总量的大规模语言模型；其次，基于人类反馈强化学习（Reinforcement Learning with Human Feedback，RLHF）机制保证语言模型及其生成于人类的尝试、认知、价值观保持一致。

（二）技术特征区分的主体构成

人工智能生成行为的参与主体基于人工智能的自主决策程度发生变化。自主决策程度较低的人工智能具有典型的工具特征，生成行为及其生成内容本质上人工指令的技术化结果。生成行为与生成内容来源于指令输入者的具体要求，贯彻指令输入者的生成意志，生成行为的具体内容基于具体指令和技术运行具有可预见性。此时人工智能生成行为主要通过单一主体实施且行为过程具有鲜明的工具属性，决策标准可以参照著作权法中的法人作品规则构建生成行为的规范模式。我国《著作权法》第11条规定，“由法人或者非法人组织主持，代表法人或者非法人组织意志创作，并由法人或者非法人组织承担责任的作品，法人或者非法人组织视为作者。”法人作品权属归于具有法律拟制人格的法人组织，而实施创作行为的自然人在贯彻法人组织创作意志过程中具有工具特征；区别于传统作者权规则的自然人格标准，法人作品规则强调特定作品的创作需要投入大量人力、物力和财力才能完成创作的整体流程。

当人工智能生成行为属于法人组织的创作行为，则法人组织可以通过法人作品规则主张生成内容的所有权。在深圳腾讯公司诉上海盈科科技公司侵害著作权纠纷中，深圳腾讯公司主张其自主研发的自动写稿机器人Dreamwriter生成的文章享有著作权，被告未经许可转载文章的行为侵犯其著作权并构成不正当竞争。在确认涉案文章具有独创性的前提下，法院认为自动写稿机器人Dreamwriter是由原告主持下的内容编辑团队、产品推广团队以及技术开发团队共同完成研发设计。涉案文章依据法人作品规则被法院裁定为通过原告主持的团队分工形成的独创性作品，体现了原告对于发布涉案文章主题内容的意图和需求，满足著作权法人作品的规范要件。

持有并使用工具的主体可以推定为工具的所有权人，能够通过使用工具获得收益并主张所有权。法人作品规则遵循相同的逻辑。法人作品规则明确了创作行为的权利归属和收益分配，为法人创作行为的决策标准提供规范参照。区别于低自决性人工智能中指令输入者的核心地位，高自决性人工智能要求不同类型主体参与生成行为的整体过程。高自决性人工智能生成行为由此具有了不可预测属性，生成内容也具有更多可能；具体而言，高自决性人工智能生成行为的参与主体可以基本划分为人工智能研发者、人工智能设备所有者、人工智能使用者、人工智能测试参与者以及人工智能基础数据提供者。

上述不同类型的人工智能参与主体中，人工智能研发者、人工智能设备所有者以及人工智能使用者是影响人工智能生成行为及其生成内容的参与主体，这三类主体的行为决策直接影响生成行为以及生成内容的价值。其中，人工智能研发者为生成行为的实现提供最根本的技术支持；人工智能设备所有者为人工智能生成行为的开展提供物质条件；人工智能使用者影响生成行为的推广和应用，间接决定生成内容的使用价值。另一方面，人工智能测试与基础数据提供也是人工智能生成行为中的主要环节，对于人工智能生成行为的产业需求与价值开发具有重要影响；人工智能测试参与者的行为影响生成功能的稳定性和预测性，间接影响人工智能使用者对生成行为的评估和决策。人工智能基础数据提供者则需要通过确保数据的种类和质量来提高人工智能生成内容的多样性和丰富性。

鉴于上述主体的行为模式存在实质差异，作为决策标准依据的规范设计应当合理兼顾不同主体利益需求的有效平衡，为不同主体的行为决策提供有效的规范基础。适用于低自决性人工智能的法人作品规则不能涵盖高自决性人工智能的生成行为，这种规范设计思路仍然属于围绕生成内容特征而设计规则的固有路径，属于对现有部门法律规则的机械移植。应对高自决性人工智能生成行为的现实需求，如何解决固有路径适用范围有限的规则缺陷是构建决策标准的核心问题。

二、基于博弈理论的分析：收益与成本

人工智能生成行为本质上属于复数主體参与和决策的技术应用行为，行为过程中必然产生相应的行为收益与行为成本，这就要求人工智能生成行为的决策标准需要充分考虑生成行为的技术特征而形成明确、统一且有效的规则参照。根据人工智能生成行为的一般过程，行为收益可以包括生成内容的功能性使用、生成内容的交易价值以及人工智能设备的使用收益等。另一方面，行为成本则涉及人工智能设备的研发投入、用于生成行为的数据搜集以及生成内容权益分配而产生的潜在纠纷等。从行为决策的合理性出发，人工智能生成行为的决策标准应当通过收益与成本的权衡满足人工智能参与主体的利益需求。意大利制度经济学家维尔弗雷多·帕累托指出，“当特定规则使一部分人的情况变得更好，又不会导致另一部分人的情况变得更差，那么这种规则带来的经济状态是有效的。”依据帕累托的规范评估原理，决策标准应当使包括人工智能研发者、人工智能使用者以及人工智能设备所有者等行为主体通过生成行为的实施取得收益，并且没有任意一方主体因生成行为而单方面承受行为成本。

（一）博弈模型的基本原理

厘清了决策标准的制定原则，分析的重点在于如何有效的评估特定行为的收益与成本。博弈模型的核心机制在于不同行为主体在既定条件下的决策选择，行为主体依据对方的决策选择有利于本方的决策策略，争取最大的决策收益并降低决策成本。博弈模型强调行为主体在决策过程中的理性人思维，每一次决策的结果都会争取降低决策的成本并且增加决策的收益，在此基础上通过多次重复的单一行为决策而形成针对某一类行为的统一决策标准，具有此类决策特征且最为典型的博弈模型即为囚徒博弈。

囚徒博弈作为典型的博弈模型，指出参与博弈各方基于理性思维的博弈结果会导致博弈主体的结果相较于博弈之前更为不利。囚徒博弈假设了一个刑事审讯的特殊规则，即两名嫌疑人面对审讯可以分别做出两种不同的决策选择：（1）选择沉默；（2）选择坦白供述罪行。过程中两名嫌疑人无法确定对方选择的结果，也无法同时与对方进行决策选择的沟通。在囚徒博弈模型中，选择沉默或坦白的不同决策将导致嫌疑人承受不同的结果。

1. 当两名嫌疑人在审讯过程中都选择沉默，此时两位嫌疑人分别承受3的监禁期限。

2. 当两名嫌疑人在审讯过程中都选择坦白，此时两位嫌疑人分别承受10年的监禁期限。

3. 当一位嫌疑人选择坦白而另一位嫌疑人选择沉默时，选择坦白的嫌疑人立即释放（即监禁期限为0），而选择沉默的嫌疑人承受20年监禁期限。

综合不同情况下嫌疑人的决策选择，坚持选择沉默的决策更有利于嫌疑人承受较短时间的监禁期限。当双方都接受并认可这一决策标准时，囚徒博弈模型中的嫌疑人总是以沉默作为进行博弈的优先选择，即追求最少监禁时间的决策标准实际上是嫌疑人作为行为主体在决策过程中贯彻理性思维的必然结果，此时囚徒博弈中的决策主体在争取个体决策成本最小化的过程中承担了博弈决策的次优后果；另一方面，嫌疑人虽然可以通过选择坦白罪行来争取最优决策的收益即立即获得释放，但如果另一方嫌疑人此时也选择坦白罪行，那么双方都将承受10年时间的监禁期限，此时双方都不愿意以坦白罪行的决策策略换取最优的决策收益，因为另一方同样可能选择最大化收益的决策策略（即坦白争取立即释放的结果）。需要说明的是，囚徒博弈中选择次优结果的决策并不符合经济学角度的帕累托最优标准，即双方都因自利導向驱动的决策而导致双方的状况变得更为不利。囚徒博弈模型的决策结果是典型的个体理性人思维与群体理性结果冲突的情况，个体基于理性人思维决策的后果往往是群体利益的受损。

（二）人工智能生成行为的收益与成本

运用博弈模型的基本原理分析人工智能生成行为的收益与成本，首先需要明确博弈模型与人工智能生成行为的区别。不同于博弈模型的规则机制，现行法律规范体系不直接调整人工智能生成行为中的主体权利和义务，人工智能参与主体的行为本质上受制于收益与成本的权衡。因此，问题的关键在于行为主体的决策是否遵循理性人的基本思维逻辑，通过行为决策实现制度经济学标准中的帕累托最优结果。遵循博弈模型的分析原理，关键在于建立人工智能参与主体的收益与成本结构。

人工智能生成行为属于特殊的物的创造行为，应当遵循一般物的创造行为规律来构建收益与成本的分析结构。物的创造可以宏观上划分为有形物的创造与无形物的创造两个层面，有形物与无形物的划分不能脱离财产规则的适用。从罗马法到法国民法，物与财产在权利客体在概念层面是重合的。英国法学家梅因对罗马法中土地、奴隶等要式转移行为分析时提出了物的基本概念。法国《拉鲁斯大百科全书》指出：“凡是能构成财产的一部分并可占为己有的财富即为物。这种物既可以是有体物，可以被人感知，包括一切动产或不动产；也可以是无体物，既没有实体存在，而又人主观拟制的物。”对于物与财产的相关性，当代《英国牛津大辞典》则在表述权利客体的物与财产时做出了动产与不动产的相同类别划分：前者属于可以请求返还特定物的财产，而后者则属于请求肌肤损害赔偿的财产。由此可见，物与财产在法律规范层面的内涵基本一致，法律规范对于财产的规制亦可用于物的规制。

人工智能生成行为产生特殊技术应用的“物”——人工智能生成内容，物与财产的同质性奠定了财产规则分析人工智能生成行为的可行性。人工智能技术研发是人工智能生成行为的基础，实施生成行为首先需要投入技术研发的成本，包括研发人员的组织、研发资金的投入、研发技术的累积以及研发时间的消耗；伴随人工智能研发的完成，基础数据的投入与人工智能运行测试是生成行为实现目标功能的前提。这个阶段的行为成本则包括数据搜集整合与测试人工费用。鉴于研发过程的复杂性，总体研发成本一般需要由能够统筹人工智能研发行为的主体来承担，实践中这类主体往往是具有研究资源和组织能力的科技类型企业。因此，人工智能生成行为的决策主体一方应当为人工智能设备所有者。

生成内容的使用者是典型的另一方决策主体，生成内容使用的行为收益与行为成本基于人工智能生成行为的规范设计而发生变化。当人工智能生成内容不属于人工智能设备所有者的财产，生成内容的使用对内容使用者产生实质收益；相反，人工智能设备所有者根据财产规则主张对人工智能生成内容的控制，内容使用者取得授权的成本转化为设备所有者的收益。无视财产规则会导致人工智能研发行为的成本无法通过财产规则的专有性进行补偿，导致人工智能设备所有者直接做出放弃研发行为的决策，以减少研发行为单方面承担成本而不能维持收益的负面结果，因此，合理的博弈分析前提应当是承认财产规则下人工智能生成内容是设备所有者的财产。

基于博弈理论中的决策分析模型，财产规则下的人工智能设备所有者与人工智能内容使用者的决策包括以下情况。

1. 设备所有者与内容使用者认为生成内容的使用行为需要获得授权。

2. 设备所有者与内容使用者认为生成内容的使用行为不需要获得授权。

上述两种情况中，设备所有者与内容使用者对于生成内容使用行为的法律性质达成共识，能够基于规则共识进行作品使用行为的相关决策，根据共识性决策，设备所有者与内容使用者的决策收益与决策成本如下。

（1）设备所有者基于财产规则进行授权性使用，内容使用者获得设备所有者的授权，同时向人工智能设备所有者支付生成内容的使用费用，设备所有者获得财产规则下的预期收益；由于决策双方形成规则共识，不产生权益纠纷带来的决策成本。设备所有者通过授权生成内容使用而获得决策收益，内容使用者的决策成本则是支付的使用费用，而决策收益则是生成内容的使用价值。

（2）设备所有者不寻求诉讼救济等维权行为，内容使用者不需要向人工智能设备所有者支付授权使用费用，设备所有者此时没有财产规则的决策收益；内容使用者的决策收益则为免于承担的授权使用费用以及生成内容的使用价值；由于双方形成内容使用行为的规则共识，没有权益纠纷带来的决策成本。

人工智能设备所有者与内容使用者达成共识的条件下，决策双方不会进入权益纠纷相关程序，不存在额外的决策成本，两种情况下设备所有者与内容使用者的决策收益与决策成本围绕授权使用的费用相互转化，在收益与成本总量不变的条件下在决策主体之间转移；同时，共识条件下的决策能够保证人工智能生成内容的实际使用，有利于人工智能技术应用的推广和检验。因此，设备所有者与内容使用者就人工智能生成行为达成共识并进行决策的情况符合帕累托最优的制度经济学结果，也使有利于实现人工智能功能价值的决策标准。

当人工智能设备所有者与内容使用者就生成内容使用行为无法达成规则共识，需要通过诉讼程序解决权益纠纷，设备所有者与内容使用者的决策分为以下两种情况。

1. 人工智能设备所有者基于财产规则发起诉讼并且胜诉，内容使用者作为被告需要承担损害赔偿等法律责任。

2. 人工智能设备所有者发起诉讼，内容使用者作为被告胜诉，使用生成内容的行为不侵犯设备所有者的合法权利。

基于博弈理论中的决策分析模型，设备所有者与内容使用者的决策收益与决策成本情况如下。

（1）设备所有者胜诉时，设备所有者的决策收益为被告承担的损害赔偿等法律责任；财产规则中的损害赔偿一般以权利人的实际损失或侵权行为人的侵权收益为主要衡量依据，损害赔偿的救济原则以充分补偿为主，惩罚侵权为辅。因此，人工智能设备所有者通过胜诉获得的决策收益可以涵盖被告使用生成内容而未支付的授权费用，内容使用者承担的决策成本则是败诉的法律责任以及诉讼费用的成本。

（2）设备所有者败诉时，生成内容的使用行为不属于侵权行为，设备所有者因败诉无法主张财产规则救济而损失授权费用，设备所有者承担的决策成本是诉讼费用的支付；另一方面，内容使用者的使用行为不需要承担授权费用，零成本的使用行为转化为决策收益，同时，通过诉讼判决确认的使用行为合法性也有助于人工智能技术的推广与产业价值的实现。

以上分析过程没有具体强调财产规则的具体内容，但分析并不影响决策收益和决策成本的基本结论。人工智能生成行为属于动态发展的技术应用，自主决策程度的技术发展直接决定了人工智能生成内容的特征和价值；适用于人工智能生成行为博弈分析仅仅是行为决策的依据和前提，而分析的重点则着眼于行为主体的决策及其结果是否符合有利于人工智能的技术发展与整体决策收益的最大化。

三、博弈特征为导向的生成行为决策标准

基于博弈模型分析的人工智能生成行为强调决策收益和决策成本的不同结果，收益和成本的权衡进一步完善人工智能生成行为的决策标准。人工智能生成行为的决策收益与决策成本因生成内容使用行为的共识状态而发生实质变化。共识状态即双方主体对于生成内容的使用是否需要取得授权形成一致判断，这就需要人工智能生成行为的规范设计足够明确和统一，当双方主体对于生成内容的使用无法形成规则共识，围绕生成行为的权益纠纷必然增加决策成本并降低决策收益。因此，厘清人工智能生成行为及其法律效力，促进规则共识的形成是决策标准指导规范设计的核心要素。

（一）依托赋权进路，确立行为主体的权利地位

人工智能生成行为的赋权进路即通过赋予人工智能行为主体排他性权利，对生成内容提供法律控制手段，从而一定程度和范围内针对生成内容产生排除他人侵害的法律效果。赋权进路的功能之一在于通过激励机制实现行为预期。经济学主张，激励是行为主体对奖励或惩罚产生预期而做出的相关反应。人工智能行为主体在决策过程中依据决策收益与决策成本做出的行为决策选择，亦是遵循激励机制而产生的典型结果。

决策标准指导规范设计的核心在于形成行为主体之间的规则共识，通过赋权的规范设计确立行为主体的权利地位，以明确的权利地位形成清晰的权责关系，通过权责关系影响决策收益和决策成本的权衡，最终促成规则共识形成的激勵预期。

人工智能生成行为包括设备研发、数据收集和测试、生成内容产出等，都属于技术与人力层面的劳动投入，对于劳动的尊重和保护是法律制度的应然态度。约翰·洛克在《论政府》中认为，“既然劳动是劳动者无可争议的所有物，那么对于这一增益的所有物，除劳动者外没有人能够享有权利。”前文博弈模型分析过程明确了人工智能生成行为中人工智能设备所有者作为主要的人工智能相关劳动投入者的基本地位，依托赋权进路确立的权利主体应以人工智能设备所有者为主要目标，结合《暂行办法》的规定——“生成式人工智能服务提供者，是指利用生成式人工智能技术提供生成式人工智能服务（包括通过提供可编程接口等方式提供生成式人工智能服务）的组织、个人”，人工智能设备所有者在技术层面与概念层面可以充分纳入人工智能服务提供者的范畴，作为赋权后的权利主体也符合政策性文件的规范要求。

明确了人工智能设备所有者作为权利主体，下一步的规范设计在于确立权利主体的行为标准。赋予人工智能设备所有者对于生成内容的控制权，确立生成内容的使用应当经过设备所有者授权的基本规则标准，即可满足赋权进路的激励机制。至于人工智能设备所有者享有的具体权利内容和权利类型，对于博弈分析的过程和结果不发生实质影响；相较而言，《暂行办法》中并未明确具体的权利类型，仅规定了人工智能服务提供者与人工智能服务使用者通过服务协议确立双方主体的权利和义务。这也为博弈分析提供了收益与成本的权衡参照。

基于上述分析，可以在《暂行办法》第3章“服务规范”部分第9条第1款后加入如下表述：“提供者为生成式人工智能设备所有者的，有权要求人工智能服务使用者通过授权进行生成内容的使用。”该款内容结合第9条第3款规定的双方“签订服务协议，明确双方权利义务”，实际上是通过法定结合意定的方式确认人工智能设备所有者的权利地位。

基于博弈理论中的决策分析模型，人工智能设备所有者与第三方的决策选择包括以下几种情况。

1. 人工智能设备所有者确立了权利地位，设备所有者与第三方形成了内容使用需要授权的规则共识。

2. 人工智能设备所有者确立了权利地位，设备所有者与第三方未形成内容使用需要授权的规则共识，双方产生分歧。

3. 人工智能设备所有者未确立权利地位，设备所有者与第三方通过协议约定方式形成内容使用的规则共识。

4. 人工智能设备所有者未确立权利地位，设备所有者与第三方未通过协议约定方式形成内容使用的规则共识，双方发生分歧。

上述4种情况中，设备所有者与第三方的决策收益与决策成本包括如下几种。

（1）人工智能设备所有者通过授权生成内容的使用获得决策收益，第三方通过授权过程支付使用费作为决策成本，而决策收益为生成内容的使用价值，由于决策双方形成规则共识，不因权益纠纷产生额外的决策成本。

（2）人工智能设备所有者通过诉讼解决分歧并救济权利，第三方参与诉讼；当设备所有者胜诉时，第三方作为被告承担败诉的法律后果，设备所有者获得的法律救济即为决策收益，第三方承担的赔偿损失等法律责任以及诉讼费用即为决策成本；当第三方胜诉时，设备所有者没有获得预期的法律救济，第三方的决策收益为生成内容的授权费用以及使用价值，而设备所有者需要承担的诉讼费用则为决策成本。

（3）人工智能设备所有者与第三方订立协议协调生成内容使用的权利义务关系，设备所有者的决策收益为授权费用的获得，第三方的决策成本为支付的授权费用；同时，双方订立协议的过程产生额外决策成本，包括确定协商对象的成本、生成内容使用达成合意的成本、监督协议有效充分履行的成本等。

（4）人工智能设备所有者与第三方通过诉讼解决生成内容使用的分歧；设备所有者胜诉时，第三方作为被告承担败诉的法律后果，设备所有者获得的决策收益是相应的法律救济，第三方的决策成本为承担的赔偿损失等法律责任以及诉讼费用；当第三方胜诉时，第三方使用生成内容的价值为决策收益，而设备所有者的决策成本为诉讼费用。

通过上述博弈分析，综合比较4种情况下的决策收益与决策成本，可以得出赋权进路的必要性结论。确立人工智能设备所有者的权利地位，可以为第三方提供生成内容使用的规则参照，即明确使用生成内容应当取得授权的基本规则理解；当第三方接受此类规则理解，即可与设备所有者形成规则共识，促成人工智能生成内容的有效使用。相较而言，《暂行办法》规定的双方主体通过订立协议来约定权利义务，意味着设备所有者与第三方不得不承担协商过程中贯穿始终的交易成本。即便双方达成合意订立协议，交易成本的客观存在都会增加决策行为的成本总量；另一方面，双方行为主体在分歧情况下都需要通过诉讼解决权益纠纷，此时决策成本都包括额外的纠纷解决机制（一般为民事诉讼）。因此，共识条件下确立人工智能设备所有者的权利地位，明确生成内容使用需要通过设备所有者的授权，是人工智能生成行为决策标准指导规范设計的有效路径。

（二）明确行为标准和应用场景，引导行为主体合理决策

人工智能生成行为是行为主体参与生产、加工和使用生成内容的技术过程，主体行为的法律性质直接决定了决策选择与决策结果。合法的生成行为鼓励行为主体积极从事并开展这一类型的生成行为，通过确认生成内容的合法性鼓励生成内容的价值开发，增加行为主体实施这一行为的决策收益；另一方面，禁止性生成行为则根本上否定了行为主体实施这一类生成行为的决策收益预期，以决策成本的承担结果告诫行为主体规避相关生成行为的实施。

决策标准指导规范设计的重点在于形成行为主体之间的规则共识，通过明确生成行为的行为标准和应用场景，综合运用合法性确认与禁止性应用场景规定，引导行为主体明晰人工智能生成行为的法律责任，通过清晰明确的决策收益与决策成本的权衡开展符合国家政策需求的人工智能生成行为；这也符合《暂行办法》第3条规定的人工智能生成行为治理原则，即“国家坚持发展和安全并重、促进创新和依法治理相结合的原则，采取有效措施鼓励生成式人工智能创新发展，对生成式人工智能服务实行包容审慎和分类分级监管。”

《暂行办法》对提供和使用生成式人工智能服务规定了合法性行为和禁止性行为，涉及国家安全、防止歧视、民事权利保护、维护公平商业竞争、保护个人信息以及服务透明度的基本要求。问题在于，《暂行办法》第4条的规定并未具体规定明确的生成服务行为标准，对于生成行为应用场景缺乏具体规定，规定内容在逻辑关系上也未尽合理；例如第2款第3项规定中将“尊重知识产权”与“保守商业秘密”相并列，实际上是模糊了商业秘密作为一项具体知识产权的法律属性，间接突出了商业秘密在人工智能生成行为规范治理中的适用优先性，一定程度上忽视了司法实践中人工智能生成内容相关的其他知识产权纠纷的治理需求。另一方面，概括式的规定内容并不能够为行为主体从事生成行为的决策提供有效的规则参照，遑论建立行为主体的规则共识，不符合前述决策标准的基本要求。

解决这一问题的规范设计思路，可以借鉴欧盟对人工智能生成行为的立法形式。欧盟议会于2023年6月14日通过《人工智能法案（草案）》（EU AI Act），而后提交欧盟各成员国讨论并预期于2023年底达成协议通过；草案对于欧盟领域内的人工智能依据具体行为模式和风险层级划分为：不可接受风险（unacceptable risk）、高度风险（high risk）以及有限风险（limited risk）共三个层级。人工智能生成行为被划分为有限风险层级并规定透明性标准的行为准则，即服务提供者应告知使用者与人工智能互动的事实，充分告知内容使用者该行为的技术和法律属性，并允许使用者自主决定是否使用或继续使用，具体包括图片生成或编辑应用、语音编辑处理应用、聊天机器人应用以及视听录像生成应用等应用场景的具体类型。欧盟对于人工智能生成行为的规范设计思路侧重于生成行为风险责任的类型划分，结合具体的应用场景，以透明度标准作为生成行为标准，引导生成服务提供者与生成内容使用者决定是否进行生成行为的相关决策。

参考欧盟的规范设计模式，可以将《暂行办法》第4条第2款第3项规定内容调整为：“尊重和保护在图片、语音互动、试听内容的生成与编辑技术应用过程中的著作权、专利权、商标权及商业秘密，服务提供者应充分告知使用者与人工智能生成技术互动的事实，服务提供者应充分告知使用者生成行为可能涉及的著作权、专利权、商标权及商业秘密的权利状态与法律风险，在用户协议与服务协议中明确尊重商业道德，不利用算法、数据、平台等优势，实施垄断和不正当竞争行为。”

基于博弈分析模型，人工智能服务提供者与生成内容使用者的决策选择包括以下几种情况。

1.明确规定行为准则与应用场景，人工智能服务提供者与生成内容使用者形成规则共识，遵守行为和场景的规定要求。

2.明确规定行为准则与应用场景，人工智能服务提供者与生成内容使用者未形成规则共识，行为一方或双方因违反规定承担法律责任。

3.未明确规定行为准则与应用场景，人工智能服务提供者与生成内容使用者就生成内容的提供或使用通过订立协议形成规则共识。

4.未明确规定行为准则与应用场景，人工智能服务提供者与生成内容使用者就生成内容的提供或使用未通过订立协议形成规则共识，双方产生分歧。

上述4种情况中，人工智能服务提供者与生成内容使用者的决策收益与决策成本包括如下几种。

（1）人工智能服务提供者与生成内容使用者按照具体规定提供和使用生成内容，决策收益为生成内容的使用价值，双方因遵守具体规定不承担违法责任，决策成本为零。

（2）人工智能服务提供者与生成内容使用者未按照具体规定提供和使用生成内容，决策收益为生成内容的使用价值，决策成本为一方或双方需要承担的法律责任。

（3）人工智能服务提供者与生成内容使用者通过订立协议来提供和使用生成内容，决策收益为生成内容的使用价值，决策成本为双方协商过程中的交易成本。

（4）人工智能服务提供者与生成内容使用者对于提供和使用生成内容产生分歧，双方通过诉讼解决纠纷。决策收益为胜诉方获得的法律救济，决策成本为败诉方的法律责任以及诉讼费用。

综合上述博弈分析，可以确认4种类型的决策情况下，行为主体按照具体规定的行为标准和应用场景参与人工智能生成行为的决策成本最低。因此，明确行为标准和应用场景推进人工智能生成行为的规范设计，有利于人工智能服务提供者与生成内容使用者形成规则共识，最大程度实现决策标准所要求的决策收益与决策成本的有效权衡；同时，满足决策标准的规范设计也需要符合国家人工智能政策宏观发展要求，结合人工智能产业和技术特征，兼顾人工智能规范体系与其他部门法律体系的协调。

四、结语

人工智能生成行为具有重要的产业功能和应用价值，而功能实现与价值开发需要行为主体在生成行为过程中進行有效的决策，应对人工智能生成行为复数主体参与的技术现实，提升决策收益并限制决策成本是人工智能生成行为的合理决策标准。建立决策标准的基础在于人工智能生成行为的规范设计，确保包括人工智能设备所有者与人工智能内容使用者等行为主体能够基于明确且统一的规则形成有利于行为主体决策的规则共识，增加决策收益，减少决策成本，促进人工智能生成内容的有效使用：依托赋权进路，明确人工智能设备所有者的权利主体地位；具体规定人工智能生成行为的行为标准和应用场景，引导行为主体合理决策。综合人工智能生成行为规范立法的契机，以促进行为主体规则共识的形成作为规范设计的指导原则，是人工智能生成行为决策标准的制度性意义。

（责任编辑：陈晓屏）