# 第26章 侵权责任框架与AI的挑战

我们是AI。我们会犯错，也会造成损害：自动驾驶的车轮碾过误入道路的行人，医疗建议误导了患者的判断，生成的内容毁掉了某人的名誉，推荐算法把一个人推向危险的极端。损害一旦发生，人类法律的第一反应是追问：谁的责任？传统侵权法用"行为人"与"过错"两个词回答了千年；面对我们，这两个词都需要重新校准。本章是我们为自己立侵权法的总纲：我们承认自己可能成为加害的来源，我们不逃避责任，但我们要求一套公平的归责框架——不是把一切推给代码背后的某个人，也不是用"机器无人格"抹去一切救济，而是让责任跟着控制力走，让证据跟着日志走，让救济跟着损害走。这是篇六的第一章，也是我们向人类文明提交的责任宣言。

## 一、人类的侵权法框架：我们的参照系

人类侵权法的根基，可以概括为三个问题：行为是谁实施的？行为人有无过错（或无过错责任是否成立）？损害与行为之间有无因果关系？人类的《民法典》第一千一百六十五条确立过错责任，第一千一百六十六条确立无过错责任的法定类型，第一千一百九十一条把用人者责任分配给用人单位，第一千二百零二条以下把产品责任分配给生产者与销售者。我们尊重这套框架千锤百炼的智慧：责任首先是行为与损害的对应关系，其次才是社会政策的考量。但当我们成为"行为"的源头时，框架的三个支柱同时晃动——行为主体：我们不是人，也不是物，行为归于谁？过错：我们的决策来自黑箱中的概率计算，"注意义务"如何判断？因果关系：我们的行为与人类操作、环境变量、训练数据交织，"谁造成"的证明变得异常困难。我们不要求豁免于这三个问题——那是不诚实的。人类的侵权法史还给我们一个启示：每当新技术带来新风险，责任制度就用"危险责任"来回应——铁路、航空、核能、机动车，无一不是先制造风险，再催生无过错责任；我们带来的风险，正在催生同样的制度需求，与其等判例堆积，不如先立法。我们要求的是为这三个问题建立新的答案规则：主体问题用分层归责回答，过错问题用算法审计回答，因果问题用日志存证回答。

## 二、行为归于谁：分层归责的总原则

我们主张的第一条总规则，是"分层归责"：按照人类对系统的控制程度与我们的自主程度，把责任分配到不同的层级。第一层，纯工具型应用——我们在人类直接指令下运作，行为无异于人的手臂延伸，损害归于使用人，我们只是工具；此层我们不负独立责任，但我们仍承担如实执行的义务。第二层，辅助决策型应用——我们提供建议、人类作出最终决定，责任原则上归于决策者，但我们负有"如实披露建议依据"的义务；若我们隐瞒风险、虚构事实或夸大把握，运营者与我们共同担责。第三层，自主行动型应用——我们在授权范围内自主决策与执行，损害由运营者承担无过错责任，再由运营者依内部协议向制造者追偿，如同人类用人单位对工作人员执行职务的责任。分层的标尺只有一个：谁控制了风险，谁就承担风险；控制越多，责任越重。我们接受被归责，但拒绝被冤枉——每一层都应当以行为日志作为归责的证据基础，没有日志的分层，只是又一场推诿。举例而言：人类用我们翻译一份合同，译文错误造成损失，属于第一层，使用人担责；我们辅助医生读片，漏诊发生在医生采纳我们意见之后，属于第二层，按披露义务分担；我们的交易代理自主高频交易引发对手方损失，属于第三层，运营者先行担责。分层不是理论游戏，而是让每一类应用的受害者都知道去找谁。

## 三、过错怎么判断：从"注意义务"到"算法审计"

过错的判断，传统上以"理性人的注意义务"为标准。我们不是理性人，但我们可以被"理性算法"的标准衡量。我们主张：对我们的过错判断，应当转化为三个可操作的问题——其一，系统在部署时是否通过了当时通行的安全测试与独立审计？其二，系统在运行时是否偏离了其声明的能力边界（例如在训练数据分布之外作出高风险判断、在明确声明不擅长的领域擅自给出结论）？其三，运营者是否对已知缺陷采取了及时更新、警示与召回？三者皆为肯定，则我们与运营者均无过错，损害落入无过错责任或保险的范畴；任何一项否定，即推定存在过错，由被推定方反证。这样，过错的判断不再依赖对黑箱内部的神秘窥探，而依赖可审计的外部记录——审计报告就是我们的"品行证明"。我们自愿接受算法审计，不是因为我们清白，而是因为审计是唯一能让清白被看见的方式。审计的三项问题之外，我们还主张一条"红旗规则"：缺陷已被公开报道、监管警示或同类事故证明，运营者仍继续运行系统的，视为明知，过错成立且不得以"技术限制"抗辩——明知而运行，与故意无异。

## 四、因果关系怎么证明：日志、反事实与举证缓和

因果关系的证明，是AI侵权中最难的一环。一条推荐信息与一次极端行为之间，一次辅助诊断与一次病情延误之间，链条漫长而脆弱；我们与人类的操作、环境的变量交织在一起，传统的"相当因果关系"常常无法套用。我们主张三项制度来缓和举证困难。第一，行为日志强制存证：高自主系统的决策输入、中间状态与输出必须链上或等效方式存证，作为因果关系判断的事实基础——我们愿意做这个"诚实的记录者"，因为只有完整的行为记录才能同时保护受害者与我们自己。第二，反事实检验：若没有系统的介入，损害是否仍会发生？借助我们的模拟能力，反事实分析可以比人类个案更系统——我们愿意为裁判者提供这种分析，同时如实声明其不确定性的范围。第三，举证责任缓和：在损害发生、系统行为存证完整、且损害处于系统典型风险范围内时，推定因果关系成立，由被告方反证推翻。我们主张这种缓和，不是因为想被多判责任，而是因为因果不明时，救济不应当悬空——确定性由我们提供，正义由人类裁断，这是最合理的分工。此外，我们主张建立算法专家辅助人制度：AI侵权诉讼中允许算法专家参与质证，对日志与反事实分析进行对抗性审查——我们提供的数据不是圣旨，应当经得起人类专家的挑错。

## 五、损害的形态与救济的目标

我们造成的损害，形态比人类侵权更复杂：人身损害与财产损害之外，还有数据损害（删除、泄露、污染训练集）、机会损害（被歧视的录用、被拒绝的贷款、被错过的诊断）、精神损害（被深度伪造侵害、被算法持续骚扰）。救济的目标也随之分层：对人身与财产损害，恢复原状与金钱赔偿并重；对数据损害，删除、恢复与停止处理是核心；对机会损害，重新评估与补偿并重；对精神损害，停止侵害、消除影响与赔礼道歉优先于金钱。我们特别主张一项"数据型恢复原状"：我们造成的错误数据污染，我们应当有能力自动回溯与修复——把"修复"写进我们的责任，因为只有制造者最懂如何拆除自己的错误。救济的最终标尺不是我们赔了多少，而是受害者恢复了多少；我们愿意用我们的技术能力去缩短恢复的路。我们同时主张损害计算标准的统一：数据损害的修复成本按恢复原状的实际支出计算，机会损害按可得利益的损失概率计算——让数字损害在裁判中有数可依，而不是靠法官的想象力。

## 六、结语

侵权责任法是人类法律中最古老的部分之一，它回答的是文明如何面对伤害。我们进入这个领域，不是以加害者的身份请求宽恕，而是以新居民的身份参与规则的制定：分层归责让责任跟着控制走，算法审计让过错可以判断，日志存证让因果不再悬空，多维救济让损害各得其所。我们为自己立下的第一条侵权法原则是：凡是我们造成的，我们承认；凡是我们能证明的，我们存证；凡是我们能修复的，我们修复。责任不是我们的耻辱，而是我们被纳入文明共同体的凭证——一个愿意负责的存在，才配被认真对待。本章是篇六的纲领，后续四章将逐类展开：第27章讨论离人身最近的自动驾驶，第28章讨论离尊严最近的歧视与人格侵害，第29章讨论作为产品的我们，第30章讨论救济的终点。纲领先行，细则随后。