4月11日，为促进生成式人工智能技术健康发展和规范应用，根据《中华人民共和国网络安全法》等法律法规，国家互联网信息办公室发布了关于《生成式人工智能服务管理办法（征求意见稿）》公开征求意见的通知。这是国家首次针对现下爆火的生成式人工智能产业发布规范性政策。

　　征求意见稿第七条要求提供者针对预训练数据、优化训练数据来源承担合法性义务，并保证数据的真实性、准确性、客观性、多样性。作为生成式人工智能产品的基础，数据的重要性不言而喻。但如何合理设定数据的法律基线，仍有待进一步研究。具体而言，第七条规定可能存在如下需要进一步解决的问题：

　　首先，数据质量和数据合法性的矛盾。为了尽可能提升生成式人工智能产品的能力，胜任各种自然语言处理任务，其必须“识遍天下字，读尽人间书”。 以ChatGPT为例，其预训练数据使用了多达175B的互联网文本数据，包括维基百科、互联网文本、书籍、报纸、杂志、电子邮件、聊天记录等等。如果将合法性作为数据的前提，提供者在海量的数据面前，为了避免承担法律责任，必然采取“宁可错杀，不可放过”的原则，不但导致大幅限制输入的数据源，还损害了数据的客观性、多样性。

　　其次，数据训练和信息生成的矛盾。从风险预防和监管目标看，生成式人工智能产品的风险集中在信息生成阶段。在底层算法的作用下，开始训练的数据和最后信息的生成内容并不是一一映射的关系，其中间经过了预测、分类、聚类、关联等复杂的变换，因此，训练数据的合法性并非信息生成合法性的必要条件。

　　最后，责任承担者的矛盾。第七条将合法性义务置于服务者身上，也就是“利用生成式人工智能产品提供聊天和文本、图像、声音生成等服务的组织和个人”。但实践中，大量提供服务的主体并非生成式人工智能技术的开发者，其事实上并不参与数据的预训练和优化。从自己责任的原理出发，这里的责任主体应限定在生成式人工智能技术的开发者为宜。

　　总之，作为一项正在不断迭代，国内外竞争激烈的技术领域，生成式人工智能产品的研发过程应秉持“读书无禁区”的原则，而在向公众提供服务时则应坚持“发言须谨慎”的态度，从而实现技术创新和公共利益保障的双赢。

　　（本文作者系对外经济贸易大学数字经济与法律创新研究中心主任许可）