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)》(以下简称《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法规。

　　《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：

　　01 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。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，还可能损害数据的客观性、多样性。

　　02 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。

　　03 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。