徐伟徐涵渊｜论生成式人工智能侵权中因果关系举证责任的减轻

2024-07-10 07:49| 来源: 网络整理| 查看: 265

原创徐伟徐涵渊上海市法学会东方法学

生成式人工智能侵权责任纠纷案件是一种可类型化的、普遍存在举证困难的现代型诉讼。此类案件不宜完全适用一般举证责任，否则会偏离实体正义。因果关系要件既是判断侵权责任是否成立的难点，也是被侵权人能否获得救济的关键之一。为克服举证责任的固有缺陷和落实举证公平原则，有必要对生成式人工智能侵权成立中因果关系要件的证明采举证责任减轻原则。事案解明义务、降低证明标准的程度、因果关系证明责任倒置等减轻举证责任的途径均不宜适用于生成式人工智能场景，应当采因果关系推定规则。

生成式人工智能（Artificial Intelligence Generated Content，AIGC）生成何种内容因人而异、因时而异、因问而异，这对其侵权责任构成中因果关系的认定带来了挑战。现代人工智能系统存在的算法黑箱对每个法律领域的主观意图和因果关系认定构成了威胁。为此，学界既有研究从侵权归责原则、行业责任保险、因果关系认定思路、因果关系学说以及认定标准等角度展开，以期破解因果关系认定难题。这些研究多聚焦于实体法维度，对因果关系举证的程序法规则关注不足。本文拟从因果关系要件举证责任的视角展开，探讨因果关系要件举证责任减轻的理由、分析减轻举证责任的潜在路径，以及因果关系推定规则的构建。

一、生成式人工智能侵权中因果关系举证责任减轻的必要性

（一）

生成式人工智能侵权中因果关系的举证难题

作为生成式人工智能的代表，ChatGPT因生成侵害他人合法权益的内容（以下简称致害内容）而面临多起诉讼。比如2023年4月，因ChatGPT错误地将布莱恩·胡德（Brian Hood）表述为与贿赂丑闻有关的人员，而不是他作为举报人的实际角色，胡德向OpenAI公司提起了诽谤诉讼。无独有偶，2023年6月，电台主持人沃尔特斯（Mark walters）也对OpenAI公司提起了诉讼，因为记者费雷德（Fred Riehl）在利用ChatGPT总结素材时得到一份生成的报告，报告将沃尔特斯描述为第二修正基金会（Second Amendment Foundation，SAF）的财务主管和首席财务管理负责人，并指控其涉嫌欺诈、挪用资金。但事实上沃尔特斯与此毫无关系。这些侵权诉讼若欲得到支持，受害人需举证证明ChatGPT的生成行为与损害后果间存在法律上的因果关系。但这一证明存在两个难题。

第一，难以证明生成行为与损害后果间具有“相当因果关系”。侵权构成中因果关系的判断可分为事实上的因果关系和法律上的因果关系。法律上的因果关系主要采“相当因果关系”理论。在生成式人工智能场景中，“相当性”与否取决于依据一般人的知识经验，生成行为通常是否会出现致害内容。若以概率为标准判断“通常”与否，则生成行为通常不会出现致害内容，毕竟在绝大多数情况下生成式人工智能生成的内容并没有侵害他人合法权益。因此，尽管生成行为与损害结果间成立事实上的因果关系，但二者间并不成立法律上的因果关系。若不以“概率”为判断“通常”与否的标准，而是以“行为对损害发生可能性的提升程度”作为判断标准，则“相当性”仍难以判断。对于相当性的判断，理论上存在行为人角度、最佳判断者角度和最佳观察者角度之争，但无论采何种角度，要判断“提升程度”，便需比较法律上可接受的生成式人工智能（未必是完全不会“犯错”的人工智能）与案涉人工智能相比，案涉人工智能在损害发生可能性方面是否有提升。考虑到人工智能技术的复杂性和生成内容的难以预测性，在我们甚至无法理解案涉人工智能为何会生成侵权内容的情况下，比较不同情形中损害发生的可能性更是难以实现。据此，因果关系中的“相当性”无从判断。而根据《最高人民法院关于适用〈中华人民共和国民事诉讼法〉的解释》（以下简称《民诉法解释》）第108条第1款的规定，受害人对行为与损害后果之间存在因果关系负举证责任，应让法院“确信待证事实的存在具有高度可能性”。鉴于生成式人工智能的专业性、复杂性、不可预见性、可解释性低等特征，事实上受害人难以证明生成式人工智能服务提供者的生成行为与损害后果之间存在相当因果关系，更难以达到高度盖然性的证明标准。

第二，难以反驳“无法预见”或“难以避免”的抗辩。根据《民诉法解释》第108条第2款的规定，反驳证据的证明标准是使待证事实达到真伪不明即可，并非使待证事实的不存在达到高度可能性，更不是否定待证事实的存在。在生成式人工智能侵权案件中，生成式人工智能服务提供者可能会以生成行为所导致的损害后果无法预见或难以避免为由进行抗辩。对此，若原告想进一步证明其主张的因果关系成立达到高度可能性，需要进一步提供证据。但鉴于生成式人工智能技术的技术原理，原告通常难以完成进一步举证，即难以反驳被告的抗辩。生成式人工智能的算法黑箱导致了可解释性弱难题，限于现代科学技术水平，人类无法完全了解并掌握其生成原理，难以预料和控制损害结果的发生，有时可能也难以避免风险的再次发生。而且，生成式人工智能具有一定的自主性，其生成行为无法完全复刻，即行为无法通过重复操作检验因果关系。

（二）

生成式人工智能侵权中因果关系举证责任减轻的理由

事实层面的“举证困难”无法成为减轻举证责任的决定性因素，故有必要探究在生成式人工智能侵权中减轻举证责任是否有正当理由。对此，论证如下。

第一，普遍且类型化的举证困难。诉讼中的举证困难有两类：一是某一具体案件中当事人面临的个别困难，二是类型化纠纷中普遍存在的举证困难。前者是个案中法官通过证明责任平衡当事人举证能力的问题（如证据收集制度、书证提出命令）；后者才是可能适用举证责任减轻的情形。生成式人工智能侵权责任场景符合这一要求。（1）普遍存在的举证困难。“人工智能生成的侵权内容是算法、算力、数据集和人机交互等众多因素共同作用的结果。但因算法的复杂性，这些因素对侵权内容的生成发挥了多大的作用，在客观事实层面难以判断。”据此，生成式人工智能侵权责任中因果关系认定的举证困难普遍存在，而非个案现象。（2）可类型化的纠纷。举证责任减轻应针对特定案件类型，生成式人工智能侵权纠纷足以成为一种案件类型。尽管生成式人工智能存在诸多技术上的选择，其产品及服务也各不相同，但因果关系认定困境在生成式人工智能侵权纠纷中普遍存在。基于生成式人工智能的技术特征及其法律影响，可将涉生成式人工智能侵权案件作为一种新型的、类型化的存在举证困难的现代型诉讼。因此，生成式人工智能侵权案件存在普遍且可类型化的举证困难，有必要确定如何处理“不确定的因果关系”，并考虑对普遍存在的类型化的举证困境进行举证责任减轻。

第二，克服举证责任的固有缺陷。以罗森贝克的“规范说”为基础建构的证明责任分配一般规则，追求普遍性正义。根据“规范说”，一般性举证责任分配为主张权利存在之当事人，就权利根据规定事实之构成要件事实（包含消极性事实）负举证责任；主张权利不存在之当事人，须就权利阻止规定之要件事实、权利排除规定之要件事实、权利消减规定之要件事实负担举证责任。具体到侵权中，受害人应当对加害行为、损害后果、行为与损害事实之间的因果关系以及过错要件承担证明责任。我国民事诉讼亦采此规则（《民诉法解释》第91条）。但一概适用该规则可能造成程序与实体上的双重不正义，故有必要通过举证责任减轻规则予以弥补。司法实践中某些类型案件囿于客观原因难以查明事实真相，尤其是涉及复杂的因果关系证明的案件。此时若让负有客观举证责任的一方当事人败诉并不合理。民事诉讼应尽量避免出现“真伪不明”状态，以致不得不以客观举证责任的所在来决定胜负的结果。在生成式人工智能侵权中，鉴于人工智能固有的干扰（如算法黑箱、可解释性低）以及各原因力复杂交错（如人工智能的算法偏见、第三人诱导行为）等客观原因，适用举证责任分配一般规则将对此类案件中待证事实的证明造成困难，因此有启动举证责任转换的举证减轻或举证责任未转换举证减轻手段的必要性。相反，若恪守举证责任规则将可能使举证责任目的落空。举证责任规范的价值在于，在重要事实主张的真实性不能被确认的情况下，指引法官作出何种内容的裁判。如此可降低法官随机分配举证责任的风险。但在现实诉讼中，具体情形各异，恪守一套事先确定的规则在当事人之间分配风险和负担，难免会带来个案的不正义，引起裁判结果与实质正义相抵触等不公平问题。

第三，落实举证公平原则的要求。如果存在举证困难的情形，应当从最恰当地实现该实体法制度目的的基本立场出发，同时也是从证明责任负担公平的基本立场出发，维持或调整现有的条文结构。若恪守一般证明责任规则，要求受害人负担对因果关系要件的全部证明责任欠缺合理期待性与公平性。（1）采一般证明责任规则会导致举证责任分配不均，因为受害人的举证能力欠缺合理期待性。正如环境诉讼案件中，判断环境污染行为与损害后果之间的因果关系在当前的科技条件下往往难以准确实现，生成式人工智能因专业性、复杂性、不可预见性、可解释性低等特征，要求受害人完成侵权全部事实的证明欠缺合理期待性。（2）要求生成式人工智能侵权案件中因果关系要件的证明标准达到高度可能性难以实现。民事诉讼的证明标准通常为“接近真实的高度盖然性”（85%-95%，司法实践中也常称为“高度可能性”）。但生成式人工智能技术复杂、各原因力交错，要求受害人以一己之力证明“因果关系成立”要件达到高度可能性无疑强人所难。（3）受害人因承担与其举证能力不匹配的证明责任而败诉，无法实现公平的价值追求。主体间的举证能力往往存在差距。若不考虑证明过程中双方当事人的地位、实力及举证难易、证明成本及证明可能性等因素，则可能致使判决结果不公平。该情况下，若依然恪守一般举证责任规则，要求受害人承担举证不能的不利后果，有悖于实质正义，也无法实现实体法的规范目的。举证责任减轻不是对一般证明责任规则的否定，而是例外。两者有不同的制度价值考量。一般规则主要价值功能是追寻事实真相，而举证责任减轻是在当事人出现非自身原因造成的证明困难时减轻当事人的证明负担，以实现克服真伪不明与避免证明责任裁判的目的，从而实现裁判公正。

二、因果关系要件举证责任减轻的可能路径探析

举证责任减轻是缓解举证责任分配弊端的补救制度，主要包括降低证明标准、表见证明、负担事案解明义务、证据责任转换等。举证责任减轻可依是否转换举证责任为标准划分为举证责任转换的举证减轻和未转换举证责任的举证减轻。一般而言，通常减轻当事人对因果关系要件的举证责任负担有三种进路：（1）运用一般举证责任减轻技术，如事案解明义务、降低证明标准等；（2）因果关系要件的举证责任倒置；（3）法律上的因果关系推定。前一种属于举证责任未转换的举证减轻，后两种则属于举证责任转换的举证减轻。

（一）

事案解明义务不具有普遍适用性

事案解明义务，是指在负担举证责任当事人无法具体陈述其主张或证据主体、证据方法时，对方当事人负有的陈述相关事实、提出证据资料以及忍受勘验的义务。事案解明义务在一定情况下可以起到举证责任减轻的作用，但其不具有普遍适用性。在传统侵权责任中，因果关系认定困难的原因是部分案件类型的因果关系涉及跨专业、多领域的知识，需要不负举证责任的对方当事人提供协力，或存在证据偏在时对方当事人应当予以配合，以便法官查明案件事实，以避免适用证明责任进行判决。因此，司法实践中法官可以通过要求不负担举证责任的当事人履行事案解明义务来减轻某一要件事实的举证困难，尽可能查清事实真相。然而，尽管事案解明义务在一定程度上可以弥补“证据偏在”问题，但是其无法一般性地适用，理由如下：（1）我国民事诉讼法将事案解明义务作为例外，而非一般性义务。因此，事案解明义务需在满足一定条件下才能在个案中得以例外地适用。适用事案解明义务具有限定性，负有举证责任的当事人需要先提出可信性依据，然后还需要满足主观上“不可归责性”以及客观上“待解明的事实需具备重要性、具体性及可期待性”等要求。只有在满足上述条件后，才能课以事案解明义务。（2）事案解明义务不适用于不具有期待可能性的事实。生成式人工智能系统具有不可预测性，且算法黑箱、可解释性不足等固有干扰会影响因果关系的认定，显然此类干扰会约束当事人双方，无法通过协力加以解决。因此，事案解明义务无法解决生成式人工智能场景中的因果关系要件举证困难问题。

（二）

降低证明标准的程度难以标准化

作为举证责任减轻的方式之一，降低证明标准得到我国司法实践的认可和采纳，但其适用规则并未统一，也难以标准化。在生成式人工智能侵权案件中考虑降低证明标准具有一定的正当理由。因为生成式人工智能技术的专业性、不透明性以及数据的复杂性等挑战妨碍人类理解算法，同时也大大增加了寻找损害原因及追究责任的难度。此外，多原因力复杂交错也是生成式人工智能侵权的特点之一。复数行为人的行为协同以及大数据技术的高度复杂性会加剧举证证明因果关系的困难。故被侵害的当事人往往难以逾越专业知识壁垒，存在因果关系要件的举证困难。此外，现代科学技术水平难以证明待证内容，难以让法官获得对待证事实较高程度的确定。因此，不应苛责负担举证责任的当事人，而是降低证明标准。然而，降低证明标准仍面临难以标准化或统一的问题。在生成式人工智能侵权案件中，对因果关系要件的证明标准应当降低至何种程度呢？此为时代之问且应因案而异、因时而异。民事诉讼证明标准通常需要达到高度可能性，特殊证明标准应由法律明文规定。鉴于我国现行法既无统一的证明标准的规定，又未对“应当降低证明标准的特殊情形”加以明确，为避免法官自由心证恣意作出认定，降低证明标准的举证责任减轻应当审慎适用，至少不应作为解决某一案件类型存在真伪不明时的默认选择。宜作为个案解决某一事实要件举证困难，追求实体正义的“不得已”选择。

（三）

对因果关系举证责任倒置的质疑

因果关系证明责任倒置多见于医疗侵权诉讼、环境污染损害诉讼等。生成式人工智能侵权属于现代型诉讼，借鉴其他诉讼的举证责任规则，考虑对因果关系要件采用举证责任倒置似有其合理性，但基于举证责任倒置的合法性和合理性审视，不宜采纳举证责任倒置，理由如下。

第一，在合法性维度上，因果关系要件的举证责任分配应由法律规定。举证责任倒置作为举证责任分配的调整方式之一，牵一发而动全身，应当慎重考虑。举证责任倒置需要法律明文规定，无法将其作为分配的方法论来使用。因此从规范适用角度而言，暂时无法为审判实践提供助益。

第二，在合理性维度上，因果关系举证责任倒置的弊端不仅在于其弹性空间较小，可能诱发新问题，还在于无法实际解决证明困境。（1）面对日新月异的现代化诉讼，对因果关系举证责任进行倒置可能诱发新矛盾。适用举证责任倒置规定波及范围宽、影响大，可能会造成遏制科技创新与发展的负面效果。（2）对因果关系要件进行举证责任倒置，无法实际解决证明困境，原因在于：其一，现代型诉讼案件可能导致双方当事人都陷入难以克服的证明困境，故不能“以双方当事人存在举证责任能力差距”为由径行将举证责任分配调整为举证责任倒置。其二，举证责任倒置的设置主要是基于立法价值取向，而非为了解决实际证明困难，其本身并不一定有助于厘清案件事实和解决因果关系认定困境。举证责任为法官提供了裁判的方法和结果上的指引，但无法真正“克服”真伪不明。其三，如果适用举证责任倒置规则，负举证责任的一方必须澄清“因果关系”要件，然而这类事实往往是难以完全清楚的，其证明思路往往是主张不存在因果关系。该证明责任的行为意义关键是说服责任，具有知识与信息优势的一方会利用其知识优势进行说服，但这往往无助于事实判断。其四，举证责任倒置并不一定能够有效解决待证事实不清的问题。

（四）

因果关系推定的正当性基础证成

在生成式人工智能侵权案件中，通过因果关系推定来实现举证责任减轻更为可取。

在适用因果关系推定后，推定效果为认定损害后果与行为之间构成法律上的因果关系。举证责任在司法适用上具有明确的指引功能，尽管此种推定相较于举证责任倒置，在减轻举证负担程度上有限，但仍有裨益。（1）因果关系推定可以为解决因果关系认定困境提供思路，并在一定程度上规范法官审理查明案件事实的过程，可以有效解决因果关系要件的司法判断存在模糊性的问题。（2）因果关系推定有利于维护法律的安定性。不同于基于生活经验和概率论的司法推定，因果关系推定由法律预先设定，可以在避免原告举证不能而无法获得保护的不公平结果的同时，尽可能降低对法秩序的冲击。除了法律明文规定举证责任分配外，司法实践中法院还可能在个案中根据公平和诚信原则进行自由裁量以确定当事人的举证责任。然而，基于个案调整因果关系的举证责任不符合规范理论，会对原有的举证责任分配制度造成冲击。例如，在医疗侵权损害诉讼中，患方应对于侵权责任中的因果关系要件负担举证责任。但部分法官以实用主义为导向，要求医方对自身行为与患方损害间不具引发关系承担证明责任。但无视现行法律的裁判破坏了法的安定性和统一性。再如，在庞某与北京趣拿信息技术有限公司等隐私权纠纷案中，二审法院认为二被告存在泄漏原告个人隐私信息的高度可能，判决侵权成立的做法，是运用司法推定（并非法律推定），也存在破坏法的安定性问题。（3）因果关系推定作为法定的举证责任减轻的方式之一，是通过价值判断预设的特殊规则，不仅不会对举证责任分配制度造成影响，还能起到完善举证责任减轻规则的体系性建设作用。基于上述对因果关系推定规则必要性的分析，下文将从“贯彻举证公平原则”“符合因果关系功能定位”“落实风险自担原则”等方面论证生成式人工智能场景中采因果关系推定规则的正当性。

第一，因果关系推定贯彻举证公平原则，有助于实现个案实体正义。适用因果关系推定的前提之一是原告依然负担基础证明责任。原告在举证上的能力不足和相对弱势地位是公平性考量的内容，也是减轻原告举证责任的重要依据。但这并不意味着原告不具备任何证明因果关系成立的举证能力，也不意味着其可以免除对因果关系要件的所有举证责任。相反，双方当事人在一定程度上对待证事实真伪不明均有证明协力义务（如一定条件下负担事案解明义务）。因此，要求先由原告负担初步的举证责任符合合理预期，在此基础上进行因果关系推定落实了举证公平原则。此外，在生成式人工智能侵权案件中，当事人对于因果关系要件的认定与解释通常存在普遍性的举证困难。尽量在还原案件事实真相的前提下进行裁判，最为契合个案实体公正，乃民事诉讼目的的应有之义。当通过一般举证责任规则难以实现个案实体正义时，通过因果关系推定的举证责任减轻可以进一步查明案件事实真相。

第二，因果关系推定符合因果关系的功能定位。因果关系要件的实质是法律评价。因果关系推定的目的之一是尽可能不通过举证责任的方法（如负担举证不能的潜在败诉责任）对案件事实作出认定。把握因果关系要件的举证责任时，应当结合因果关系功能考虑，即不可脱离其限制责任范围与限制损害赔偿范围的目的。以特定情形作为适用因果关系推定的限制性要件，不会偏离因果关系的“限制责任范围”的功能目的。至于“限制损害赔偿范围”，原告既可以通过反驳证明不存在上述特定情形，即证明特定情形是否发生的事实真伪不明，也可以通过其他免责事由进行抗辩，从而达到赔偿范围的限制或免除。

第三，因果关系推定可以有效落实风险自担原则。一方面，法律规则的设计要适应风险社会降低与分担风险的要求，尽可能控制导致不合理的类型化危险的风险，并尽量公正地分配风险。诚然，生成式人工智能体的确创设了无法控制的新风险，但是否有必要要求其承担危险责任有待检视。生成式人工智能服务提供者通常会笼统地告知适用该服务或产品的一般风险，并对责任范围进行声明与限定。如此提示说明义务可以起到一定程度的降低侵权风险的作用。因此，不应将生成行为所造成的全部不利益都归因于服务提供者，用户需要对其使用行为在一定程度上进行风险自担。另一方面，生成式人工智能技术具有不确定性、不可预测性等特征，构成事实上的现代社会风险，不能也不应将其造成的侵权或将其带来的风险全部归咎于服务提供者。

三、因果关系推定规则适用的要件

因果关系要件是否成立的认定是基于价值判断的责任限制理论。因此，在设计举证减轻制度时，须明确其适用条件与程序保障机制，以防止裁判恣意。

（一）

因果关系推定的前提要件

生成式人工智能侵权责任中的因果关系推定，需要满足推定的前提要件，具体而言：（1）原告负担前提事实的举证责任。在因果关系要件中，受害人仅须就生成行为与损害之间具有因果关系进行初步举证，并尽可能使之具体化、明确化。那么，受害人所需负担的基础举证责任究竟应到何种程度？有观点认为，“只要受害人能够证明其所受损害系智能机器人行为在事实上的结果，法律上的因果关系即告成立”。该观点贯彻了倾斜性保护受害人的理念，但过于宽松地认定“因果关系的成立”存在不妥。更合理的规则是，原告在因果关系要件事实的基础举证责任至少包括以下内容：用户（自己或他人）使用了生成式人工智能服务；生成行为（内容）由该生成式人工智能服务提供者提供或产生；生成行为（内容）侵害当事人的权利或合法利益。（2）未转换举证责任会显失公平。因果关系推定，属于因显失公平而进行的举证责任转换的举证减轻。理论上，如果通过未转换举证责任的举证减轻规则即可解决的举证困难，无需进行因果关系推定。换言之，若某一案件适用规范理论所分配举证责任会出现结果不公平的现象并具有充分的法理根据，才可以考虑适用因果关系推定。因此，在设计因果关系推定时，主要考虑的因果关系的举证困难是未转换举证责任会显失公平的情形，而非个案存在的举证责任能力不足或证据偏在所引发的举证困难。

（二）

因果关系推定的积极要件

当受害人完成初步的因果关系举证，并不意味着因果关系即告成立。出于平衡两造利益和程序公平之考量，因果关系推定规则的设计必须更加明确以及限定化。适用因果关系推定规则除了满足推定前提外，还应符合推定基础，包括可信维度法律评价的推定和负责维度法律评价的推定。

第一，可信维度法律评价的推定。在生成式人工智能侵权责任因果关系要件的法律评价上，需要首先明确“可信”价值的重要性，并考虑将算法透明度（可解释性）作为可信维度的量化标准之一，理由如下：（1）算法可信是人工智能法的首要原则，并得到了广泛的认可和接受。算法可信是指算法基于其可理解性、可靠性和可控性而能够获得人们的信任。关于算法可信以及算法透明度的要求，是世界各国及地区普遍认可且采取的通行作法。（2）侵权责任构成的因果关系要件是否符合的判断，需要考虑人工智能的透明度。人工智能深度学习过程中缺乏透明度和可解释性是造成因果关系认定困难的原因之一。因此，要求算法透明有利于降低行为与损害事实之间存在因果关系的难度。（3）算法具有可解释性有助于侵权责任分配，尤其是处理出现错误甚至歧视时的责任分配问题。（4）在因果关系要件中考虑算法可解释问题有利于激励人们使用可解释的机器学习应用程序。例如，有研究表明专业人员（如医生和经理）出于避免责任的目的，可能很快就会“被迫”使用可解释的机器学习模型。值得一提的是，人工智能并非越透明越好。因为一方面要求人工智能创造者公开人工智能思维过程的详细信息来规范人工智能透明度标准的提议是不可持续的。另一方面，在技术角度上，某些应用可能永远无法达到监管机构和政府所期望的理想的透明度。因此，在设计因果关系推定规则时，在可信维度的法律评价上不需要也不能够将所有算法透明度下降的事实作为因果关系推定的积极要件。主要考虑的情形是生成式人工智能服务提供者故意破坏人工智能系统可信度，致使算法可解释性（透明度）下降，从而导致因果关系难以认定。若原告能够证明上述情形，除当事人有相反证据足以反驳外，推定因果关系成立。

第二，负责维度法律评价的推定。在生成式人工智能侵权责任因果关系要件的法律评价上，还需考虑到“负责”的价值追求，并考虑将人类监督的程度作为负责维度的参考标准之一。以人类监督的程度为划分标准，生成式人工智能理论上可以大致分为全程人工监督（人工智能辅助，不直接决策）、半自主运行、全自主运行三种模式。人类监督程度实质上与人类介入人工智能决策程度有关。理论上每个人工智能系统都应该在适当的时候进行人工监控和干预。但事实上，随着算法不断迭代升级，理解成本也逐渐提高，且解释算法黑箱变得更加困难，因此对其进行有效监管也变得愈发困难。此外，在因果关系推定规则的设计上，对负责维度的考虑需注意：（1）立法者需要考虑到至少在监管层面上，即使有全自主的生成式人工智能机器人（目前尚未达到该水平），在人类将部分操作委托后，也仍有避免事故的注意义务。例如，在布鲁斯诉美国案中，法院认为飞行员有责任在“机器人控制”（或自动驾驶）下飞行时保持警惕，防止空对空碰撞。（2）并非有人类监督或人类监督程度越高就越可能负有责任。首先，全程人工监督也并不意味着完全符合对生成式人工智能体负责维度的要求。其次，对于透明度水平的监管可能会掣肘人工智能的设计。再次，全自主运行的人工智能也不意味着不符合负责任维度。在人工智能的运作中纳入强制性的人为因素的建议是不切实际的。一方面是在分摊责任方面存在困难，另一方面其与各方所期望利用人工智能提供高效的自动化决策相矛盾。（3）有无履行提示说明义务（如披露生成行为的侵权风险）影响负责维度的判断。服务提供者充分的提示说明可以让用户更有可能避免生成行为所产生的风险。服务提供者具有提示说明义务，且该义务程度与其具备的危险性成正比，即生成行为的危险可能性越高，其所负有的提示说明义务就越重。因此，在设计因果关系推定规则时，在负责维度上不应仅仅以“有无人类监督”或者“人类监督程度水平高低”的标准对因果关系要件进行法律评价。可以考虑的潜在合理的限缩情形是，若原告能够证明生成式人工智能服务提供者在合理成本范围内，如果通过人类监督可以避免侵权行为发生，则除当事人有相反证据足以反驳外，推定因果关系成立。

（三）

因果关系推定的妨碍要件

因果关系推定的妨碍要件（消极要件），是指服务提供者对因果关系要件的推定所提出的抗辩，包括存在系统性风险的安全维度的抗辩和存在介入因素的公平维度的抗辩。基于辩论原则，除非被告提出抗辩，否则法院不应依职权主动审查。

第一，主张存在系统性风险的安全维度的抗辩。在因果关系的法律评价上需要考虑安全的价值追求。尽管并非越严格的监管治理方式就越有利于实现安全目标，但鉴于越来越多的生成式人工智能技术融入社会以及生成式人工智能潜在的安全隐患，有必要创建一个合适的制度框架尽可能避免侵权风险。就网络系统性风险而言，在未来生成式人工智能侵权责任案件中，因该原因力造成全部或部分损失的，应当就损害赔偿予以减免，理由如下：（1）尽管因果关系要件判断本身独立于过错要件，但是可归责性会影响法律上的因果关系的评价，因此有必要将不可归责的网络系统性风险排除在外。（2）关于网络系统性风险的判断可以借鉴证券虚假陈述责任纠纷案中的证券市场的系统性风险的处理规则。该类系统风险有两个显著特征：一是具有普遍性（对市场的影响是无差别的）；二是不可防控性（个股及行业都无法规避，投资人也无法通过分散投资进行消除）。同样，在数字时代，可以考虑将普遍存在的以及不可防控的风险排除在侵权责任构成的因果关系认定之外。（3）尽管生成式人工智能服务提供者具有数据安全保护义务，但该义务应以其自身能力以及相关规定为限。退一步说，即使违反数据安全保护义务，该法律责任的重心是行政处罚（非民事赔偿），应限缩私法赔偿中的结果责任。因此，若被告能够证明原告的损害后果是由网络系统性风险造成的，法官应当酌情认定生成式人工智能服务提供者的行为与原告的损害后果之间的因果关系是否成立，且因网络系统性风险造成的损害应当在损害赔偿范围内予以排除，不适用因果关系推定规则。

第二，主张存在介入因素的公平维度的抗辩。介入因果关系是一种规范评价和价值判断，不存在统一的规则。在考虑生成式人工智能服务提供者的侵权责任时，应当将介入因素纳入考量，从而体现因果关系法律评价的公平维度。此时，法官应当结合具体案情与全案事实来判定侵权责任成立的因果关系要件是否满足。因此，若被告能够证明原告的损害后果是由介入因素导致的，法官应当酌情认定生成式人工智能服务提供者的行为与原告的损害后果之间的因果关系是否成立，不适用因果关系推定规则。

结语

随着生成式人工智能技术的发展与应用，涉及生成式人工智能侵权责任的案件将会逐渐进入人们的视野。生成式人工智能侵权案件是具有典型性、类型化的现代型诉讼，存在普遍性的因果关系要件的举证困难。本文所论证的因果关系推定规则在一定程度上有助于解决因果关系要件的举证责任困难，并为司法实践中法官认定侵权责任成立提供助益。基于本文的论证，试拟因果关系推定规则如下。

第一条：原告能够证明下列情形的，除当事人有相反证据足以反驳外，人民法院应当认定生成式人工智能服务提供者的内容生成行为与损害后果之间存在因果关系：（一）故意破坏人工智能系统可信度，致使算法的可解释性下降，影响因果关系认定的；（二）在合理成本范围内，通过人类监督可以避免损害发生而未能避免的。

第二条：被告能够证明下列情形之一的，人民法院可以根据案件具体情况，认定生成式人工智能服务提供者的内容生成行为与损害后果之间存在因果关系：（一）网络系统性风险造成损害后果的；（二）介入因素导致损害后果的。