近来，生成式AI大火，自动写文章、画图片甚至做视频，在很多工作中都极大地提高了工作效率。不过，也有令人担心的事——我们信奉的“眼见为实”这条法则，好像已经不再成立了。

之所以这么说，是那些以假乱真的内容越来越多了。去年大家就看到过，有一组美国军警逮捕特朗普扭打在一起的新闻照片，当然人家说了，这是AI生成的。但是如果不说的话，相信多数人是看不出来的。试想，如果美国选情激烈的时刻来这么一组照片，谁赢谁输，还真不一定！

别以为这只是少数人的恶作剧，实际上，换做明星面孔的成人内容，也已经在某些网站上大量出现，蔚然形成一个新的黑产行业。实际上，有些公众人物的肖像和名誉，正在新技术下被严重侵犯。

不光以假乱真，还有以真乱假的。既然视频本身都不可信了，有些犯罪分子干脆就在手上戴个六指的指套，这样哪怕是监控拍到他了，他也可以狡辩说：你看，这是AI生成的视频，指头都多出一根儿来了！

除了图片和视频作为新闻线索和事件证据的根据在动摇，在正常的AI辅助生产中，生成、抄袭和借鉴的模糊边界，也让传统的知识产权体系焦头烂额。为什么这么说？咱们要先知道大模型在干啥？实际上它就是把人类已经创造和积累的大量语料、图片视频这些素材都给喂进去，把规律摸清楚，当人类给它出一个新题目时，它就会按照规律对素材进行编写。

如此一来问题就出现了：编和抄的边界在哪儿？当然，这取决于你跟它聊什么事儿？比如你要让它畅想一下1万年以后的工人福利问题，它海阔天空怎么编都没事；可是你要问它很具体的事，比方，怎么证明根号2是无理数？笔者问过很多产品，出来的结果都差不了两个字儿，再对照原来网页上的答案看，如果是笔者回答的，必定就被认定是抄袭的。

当然，抄这个证明并不打紧，但是其他新闻、小说、知识里的内容，你抄完了有没有给原作者分钱？要知道，好多大模型可是收费的。如果不给作者分，“你凭什么拿我的语料？”

绘画也一样。今天如果你让AI给画一幅梵高风格的狗尾巴草，画出来一看还真像，可是它要是没看过梵高的画，打死它也像不了！虽然说，梵高老先生不会再计较，是不是也应该给人家坟头上烧点纸呢？

因此，无论是内容的来源还是生产过程，新兴的AI技术对传统的法律秩序体系都带来了巨大的冲击。而这些冲击仅仅靠法律本身，似乎还不那么好解决。就拿上面大模型语料来源的问题说吧，即使法律想制定个给语料方分成的办法，都无法计算该给人家分多少——谁知道你那批语料对最终的模型质量，或者某一条具体的回答，起了多大的作用呢？如果就按贡献的语料多来分账，AI干脆搞一大堆语料进去，不管有用没用，先多占点份额再说。

为什么会出现这些难解的问题？根本原因在于，过去法律解决的是人与人之间的问题；可如今，我们面对的是人与算法之间的问题。而算法的特征和规律，跟人的差别太大了，刻舟求剑地在原来的框架上修修补补，只怕是“按下葫芦起来瓢”。

怎么办？笔者的看法是，要解决这些问题，越来越需要法律和技术互相配合，探索出一条新路。

比方说，图片、视频“眼见不为实”这事儿，是不是可以尝试一下这样的思路：制定法律，要求所有AI生成和加工的内容，都要有明确的标识。可能有人会反驳，“这有啥用，人家给你P掉不就得了！”是的，这种情况下，就需要技术帮忙了：加进去的标识得是肉眼瞧不见的数字水印，而且就算是裁掉一部分，也得能把水印恢复出来。如果哪个AI不加水印，就要受到法律的制裁。如此互相配合，是不是个值得探索的方向？

当然，需要解决的法律和技术问题还有很多。就拿数字水印来说，埋到图片和视频里并不难，可要埋在文本的生成内容中怕就不那么简单了，这恐怕还得科学家们进一步研究。

技术帮助法律解决人与算法打交道过程中的新问题，其实已有先例。如在隐私保护和数据安全领域，科学家们研究出的“联邦学习”技术，就能让多个数据所有者在不交换数据的前提下，完成一个联合建模的任务。

解铃还须系铃人。笔者相信，在AI这个日新月异的领域中，要解决对原有法律体系产生冲击的许多新问题，离不开技术进步的力量。