AI Likeness 生成的伤害分类学

生成式人工智能模型在训练足够数量的某人图像后，可以类似照片的逼真程度复制其辨识特征。我们称此过程为' likeness 生成'。具备 likeness 特征的合成输出常常以该人无控制或未经同意的方式呈现其外貌，可能引发各类有害后果。本文探讨了围绕生成式 likeness 的哲学与政策议题。首先，本文提供一种概念框架，以审视生成系统所引入的新能力。随后，通过追溯法律文献中 likeness 的历史发展，本文提出 likeness 定义。基于此基础，本文构建了由相关文献全面元分析得出的生成式 likeness 伤害分类学。该分类学将伤害划分为七大类，以共享特征统一归类。借助此分类学，本文提出各种需要为采取适当缓解措施而 must 考虑的议题。鉴于生成与分发 likeness 双方都涉及众多利益相关者，本文引入'指示性充分性'概念，区分生成与分发，以及阐明伤害具有情境依赖性。本工作旨为行业、政策制定者及未来学术研究者在应对 likeness 生成所带来的社会挑战方面提供参考。