本文属于类型b，是一篇学术论文，作者是王若冰，来自中国人民大学法学院，发表于《比较法研究》2023年第5期。论文的主题是生成式人工智能（Generative AI）侵权中服务提供者过错的认定，特别是以“现有技术水平”为标准进行判断。
论文的主要观点及论证：
生成式人工智能侵权责任的归责原则
论文首先指出，生成式人工智能的侵权责任应当采用过错责任原则，而非严格责任。作者认为，生成式人工智能虽然可能产生虚假信息或侵犯他人知识产权，但其与传统的产品责任不同，通常不会直接导致生命健康损害，而是涉及人格权、著作权等权益的侵害。因此，适用严格责任可能会对人工智能企业造成过重的法律负担，抑制技术创新。作者引用了德国洪堡大学格哈特·瓦格纳（Gerhard Wagner）教授的观点，认为高风险的人工智能产品应当适用严格责任，但作者对此持保留态度，认为生成式人工智能的侵权责任应当根据具体情形分析各方的过错，而非一概适用连带责任。
以“现有技术水平”作为过错认定标准的必要性
作者提出，认定生成式人工智能服务提供者的过错时，应当以“现有技术水平”为标准。这一标准包括时间维度、行业维度和地域维度。时间维度指技术发展的时间性，行业维度指行业内的技术标准，地域维度则考虑不同地区的技术水平。作者认为，这一标准有利于鼓励技术创新，避免企业因技术缺陷承担过重责任，同时也符合生成式人工智能侵权责任的特点。作者还引用了美国产品责任法中的“发展风险抗辩”（the development risks defense）和“现有技术抗辩”（the state-of-the art defense），认为在生成式人工智能领域，应当允许服务提供者在现有技术条件下采取合理措施后主张免责。
生成式人工智能输入信息的真实性问题
论文指出，生成式人工智能的输入信息可能包含大量虚假信息，这是由于其“大模型+大数据”的特点决定的。作者认为，现有技术难以完全剔除输入信息中的虚假内容，因此不宜要求服务提供者对所有输入信息的真实性负责。服务提供者只需在现有技术条件下尽到合理的审查义务，特别是在剔除侵害他人隐私、敏感个人信息等明显违法信息方面。如果服务提供者已经采取了必要的技术措施，但仍无法避免虚假信息的输入，则不应当认定其有过错。
生成式人工智能输出信息的真实性问题
生成式人工智能输出的虚假信息是其最大的风险之一。作者认为，输出信息的真实性很大程度上取决于输入信息的真实性，而现有技术难以完全保证输入信息的真实性，因此也不宜要求服务提供者对所有输出信息的真实性负责。服务提供者只需在现有技术条件下尽最大努力保证输出信息的准确性，并采取必要的技术措施减少虚假信息的产生。作者还提到，生成式人工智能的“臆想”（hallucination）现象是其固有缺陷，现有技术难以完全克服，因此不宜一概要求服务提供者对“臆想”产生的虚假信息承担责任。
生成式人工智能服务提供者的个人信息安全保障义务
作者指出，生成式人工智能服务提供者在处理用户个人信息时，应当履行个人信息安全保障义务。如果服务提供者未尽到这一义务，导致个人信息泄露或被不当使用，则可能产生虚假信息。作者引用了《生成式人工智能服务管理暂行办法》的相关规定，强调服务提供者应当依法处理个人信息，保障用户的查阅、复制、更正等权利。
论文的意义与价值：
本文从法律角度深入探讨了生成式人工智能侵权中服务提供者过错的认定问题，提出了以“现有技术水平”为标准的过错认定方法。这一方法不仅符合生成式人工智能的技术特点，也有利于鼓励技术创新和企业的投资创业。论文通过详细分析生成式人工智能输入信息和输出信息的真实性问题，以及服务提供者的个人信息安全保障义务，为相关法律规制的制定提供了理论依据。此外，本文还引用了大量国内外学者的观点和法律法规，具有较强的学术参考价值。
论文的亮点：
1. 提出了以“现有技术水平”为标准认定生成式人工智能服务提供者过错的新方法，具有较强的创新性。
2. 详细分析了生成式人工智能输入信息和输出信息的真实性问题，指出了现有技术难以完全避免虚假信息的原因。
3. 引用了大量国内外学者的观点和法律法规，论证充分，具有较强的学术参考价值。
4. 结合《生成式人工智能服务管理暂行办法》的相关规定，提出了服务提供者在个人信息安全保障方面的具体义务，为相关法律规制的制定提供了理论依据。