AI 文本手動抄一遍能蒙混過關?《标識辦法》實施後的合規與檢測真相

2025-09-22 13:47:01 來源:九派新聞
        【每日科技網】
AI 文本手動抄一遍能蒙混過關?《标識辦法》實施後的合規與檢測真相

  9 月 1 日起,國家網信辦等四部門聯合發布的《人工智能生成合成内容标識辦法》正式實施,我國對 AI 生成内容(AIGC)的治理邁入 “強标識” 時代。在九派新聞 “九派圓桌” 直播中,知名數字經濟學者劉興亮圍繞《辦法》落地後的檢測邏輯、合規難點與未來趨勢展開深度解讀,回應了 “手動錄入 AI 文本是否算原創” 等公衆核心關切。

  一、《辦法》出台:破解 AI “深度僞造” 背後的三大核心謎題

  “現在 AI 生成的文本、音視頻、虛拟人足以以假亂真,普通公衆很難分辨,《辦法》的核心就是給 AIGC‘亮明身份’。” 劉興亮指出,此次《辦法》并非全新立法,而是對《互聯網信息服務深度合成管理規定》等原有政策的細化補充,重點聚焦三個亟待解決的問題:哪些是 AI 生成的?是誰生成的?從哪裡生成的?

  這三大問題的提出,源于現實中日益頻發的 AI 濫用亂象。劉興亮分享了多個真實案例:自己的聲音與影像素材被機構未經授權用于數字人推廣,對方卻以 “素材公開、無惡意” 為由辯解;大學生情侶分手後,男生用 AI 合成女生音視頻造謠侵權;某高校教授被 AI 僞造的 “朋友” 視頻騙走 400 萬元。“即便是我自己疊代到 4.0 版本的數字人,也常讓粉絲困惑‘是真人還是 AI’—— 用戶有權知道内容的真實來源,這是《辦法》的立法初衷。”

  他強調,《辦法》的本質是推動 AIGC 從生成到傳播的全流程安全管理,通過強制标識遏制深度僞造擴散,明确平台、生成者等主體的責任邊界,最終實現 “該标就标、信息透明” 的治理目标。

  二、檢測真相:AI 文本難 “僞裝”,兩大指标識破核心屬性

  《辦法》實施後,企業需承擔内容标識與安全防範的主體責任,而 “如何檢測 AI 生成内容” 成為公衆與監管層共同關注的焦點。劉興亮坦言,當前 AIGC 檢測技術仍在完善中,尤其文本領域因 “無形無迹” 更具挑戰,但核心邏輯已相對清晰。

  從技術層面看,文本檢測主要依賴兩大核心指标:

  困惑度:衡量内容的 “創造性與不确定性”。人類寫作常因思維跳躍産生 “意外表達”,困惑度更高;而 AI 生成文本基于概率算法選擇 “最可能的下一個詞”(如描述天氣大概率接 “晴朗”),行文更順滑但缺乏新意,困惑度顯著更低。

  突發性:反映内容的 “風格波動與多樣性”。人類寫作的句子長度、語氣風格變化較大,突發性強;AI 生成内容則因模型慣性呈現 “均勻化特征”,突發性低。

  針對 “手動錄入 AI 文本能否算原創” 的熱門疑問,劉興亮給出明确答案:不能。 “AI 檢測工具關注的是内容本質,而非錄入方式。即便把 AI 文本抄一遍,其困惑度、突發性等核心屬性沒變;給 AI 圖片手描一遍,核心結構與元素仍在 —— 這些操作騙不過檢測系統。”

  他同時提醒,當前檢測工具誤判率較高,曾出現 “人類平實文風的原創内容被判定為 AI 生成” 的案例。“高校老師不能僅憑檢測工具下結論,應結合草稿版本、創作軌迹等原始證據綜合判斷;創作者遇誤判可通過版本記錄申訴,這是人類創作的獨特證明。”

  對于中小企業的合規壓力,劉興亮直言 “挑戰不小”:大企業有資金技術應對,中小企業可能因成本問題心存僥幸。他呼籲提供普惠性技術解決方案,避免中小平台成為監管漏洞 ——“若違規内容都流向未合規的中小平台,治理效果會大打折扣。”

  三、跨境治理:責任分屬 “生産 + 傳播” 兩端,規則互認待突破

  随着 AIGC 跨境傳播日益頻繁,“不同國家标識規則不一如何銜接”“出問題後責任誰擔” 成為新的治理難點。劉興亮指出,我國在 AIGC 标識治理上走在全球前列,歐盟《AI 法案》雖對深度僞造有強制要求,但國際層面尚未形成統一标準。

  在責任劃分上,他明确了 “屬地管理” 原則:AI 内容在哪個國家生産,需符合當地法規;在哪個國家傳播,也需遵守當地規則。 例如,某 AI 作品在 A 國生成、同時在 A 國與 B 國傳播,必須同時滿足兩國的标識要求,否則任一國家都可追責。“這也是中國企業出海的難點之一,既要合規國内規則,也要适配目的地法規與文化,需多一份寬容與支持。”

  而規則互認的關鍵在技術層面。“顯性标識相對容易銜接,隐性标識涉及元數據、來源憑證等,需要各國認可統一的‘通用語言’。” 劉興亮表示,未來可能出現 “雙标識” 模式 —— 既保留國内執法所需要素,又适配境外規則,但這無疑會增加企業負擔。

  四、未來趨勢:四大方向破解标識技術與治理閉環難題

  談及 AIGC 标識技術的發展方向,劉興亮預判将聚焦四個核心領域:

  标準統一:減少企業重複投入,為跨國互認掃清障礙,避免因标準混亂産生銜接漏洞。

  模型簽名化:在生成端讓大模型自動寫入可驗證的來源證明,從根源上明确 “誰生成、從哪來”,目前圖像生成領域已出現類似嘗試。

  流市場景整合:針對直播、動态視頻等 “流動内容”,開發 “疊層水印 + 界面寫标 + 回放檢驗” 的組合技術,破解實時傳播的監管難題。

  平台協同閉環:打通 AIGC 生成、标識、申訴、追蹤全環節,實現 “每一步有迹可循、每一環有責可追”,構建完整治理鍊條。

  “強制标識不是給 AI‘設限’,而是為了讓技術在合規軌道上更好發展。” 劉興亮以自身數字人創作舉例:高敏感度的新聞、知識、商業内容清晰标注後,反而能提升受衆信任度。“當技術透明、責任明确,AIGC 才能真正服務于生活,而非制造混亂。”

免責聲明:本文僅代表作者個人觀點,與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實,對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾,請讀者僅作參考,并請自行核實相關内容。
    本網站有部分内容均轉載自其它媒體,轉載目的在于傳遞更多信息,并不代表本網贊同其觀點和對其真實性負責,若因作品内容、知識産權、版權和其他問題,請及時提供相關證明等材料并與我們聯系,本網站将在規定時間内給予删除等相關處理.

猜你喜歡

AI時代,普通人如何不被淘汰?

淘汰你的不是AI,而是會用AI的人。這句話正在成為2026年職場最現實的注腳。面對AI技術的快速疊代,普通人并非隻能被動接受,而是可以通過主動調整,在變革中找到新的立足點。一、放棄對抗心态,将AI視為

4個月前