換臉換聲、版權侵權 生成式AI使用如何築牢“防火牆”？
中國互聯網絡信息中心日前發佈了《生成式人工智能應用發展報告（2025）》。報告顯示，我國生成式人工智能產品用户規模已達5.15億人。報告同時也提出，隨着生成式人工智能的高速普及，其帶來的換臉換聲、版權侵權、學術濫用等問題也越發凸顯。這些問題在實踐中存在哪些表現？如何治理和應對這些風險挑戰？
利用AI換臉換聲生成虛假廣告案件頻發
生成式人工智能的多模態能力，可以讓用户輕易給視頻中的人物換臉換聲，甚至直接生成完全虛構的視頻，給不法分子帶來可乘之機。近期就發生了多起AI換臉換聲，生成虛假廣告的案件。比如，有的偽造奧運冠軍推薦土雞蛋，還有的偽造醫生形象推銷保健品，嚴重誤導公眾。
這些換聲和換臉的AI深度合成是如何製作出來的呢？面對這些以假亂真的視頻，又該如何識別？
業內人士告訴記者，隨着AI換聲換臉技術的越來越成熟，已經足以達到以假亂真的地步。分辨一段視頻或者聲音是否是經過深度合成，最好的辦法還是通過AI去識別，即用AI去識別AI。
人工智能大模型研究員 潘季明： 從技術角度來説，最快的方式還是基於AI的方式去進行識別，如專門的深度偽造鑑別模型，用於分析視頻和音頻中的不自然的特徵，如檢測眨眼頻率、面部肌肉運動的生理一致性、音頻與純嘴唇同步率、光源一致性等細微的物理或生理破綻。
專家：治理核心在於全面落實內容標識制度
近兩年，AI深度合成名人、換臉換聲的視頻層出不窮、屢禁不止。對此，專家表示，治理的核心在於全面落實內容標識制度。
北京航空航天大學法學院副教授 趙精武： 我國自2025年9月起正式施行了《人工智能生成合成內容標識辦法》，其中明確要求，所有AI生成的文字、圖片、視頻等內容必須添加顯式標識以"亮明身份"，同時鼓勵添加數字水印等隱式標識。平台企業應當依據《人工智能生成合成內容標識辦法》，從源頭嵌入標識機制，為AI生成內容附加不可篡改的數字水印，並確保這些標識在經過剪輯、壓縮後仍能被準確識別。
專家表示，AI深度合成的使用者在通過AI製作視頻時，應該有一條侵權法律界限，要合規合法使用人工智能深度合成。
北京航空航天大學法學院副教授 趙精武： 在明確合法性邊界方面，需要嚴格區分AI換臉技術的合法應用與非法濫用的邊界。合法應用通常包括影視製作、教育教學、醫療康復等具有正當價值的場景，這些應用需遵循法律上規定最小必要原則，確保使用範圍和目的相匹配，並獲取相應授權。而非法濫用則主要表現為未經授權的肖像冒用、虛假信息傳播、淫穢色情內容製作等場景。
AI大模型訓練引發版權問題 矛盾怎麼破？
再來看人工智能帶來的版權侵權問題。早在去年10月，文學界、音樂界等超萬名人士發表了一份聯合聲明，譴責“未經許可使用創意作品來訓練生成式人工智能”的行為。人工智能大模型使用的數據為何會引起版權爭端，又該如何破局，來聽聽專家怎麼説。
AI業內人士告訴記者，目前人工智能大模型訓練的數據，絕大多數來自於網絡，這些數據就包括含有版權的相關數據。
人工智能大模型研究員 潘季明： 現有的大模型都是基於海量的數據進行訓練的，其來源包括像互聯網數據，以及圖書、論文、行業數據等，經過數據預處理，通過無監督學習、微調、強化學習之後，便可用於內容生成。然而模型是沒有版權意識的，它不知道哪些內容是涉及版權，哪些不能隨便生成，除非對現在數據進行一個明確的版權標識。現在的大模型基本上不管有沒有版權，都會去進行一個數據抓取訓練。
針對人工智能大模型涉及的版權問題，專家表示，發展人工智能不能以犧牲版權為代價，兩者和諧共生應以尊重知識產權為前提。
北京航空航天大學法學院副教授趙精武介紹，AI開發運營者需建立全面的著作權合規機制，包括：在訓練數據收集階段進行版權審核，優先獲取授權和使用開放許可的資源；在模型訓練過程中保留數據來源記錄；在內容生成環節嵌入防抄襲檢測；在輸出階段需要添加版權標識和水印。
另一方面，主管部門需要擴充訓練數據供給渠道，化解訓練數據不充分與版權的衝突困境。
學生和研究人員濫用AI寫論文抄作業引關注
除了剛才説到的問題，報告中也提到，學生和研究人員將生成式人工智能用於寫論文、抄作業的情況也正引起各界關注。
專家表示，隨着生成式人工智能在學術研究中的廣泛應用，學術誠信體系面臨前所未有的挑戰。簡單的禁止措施已被證明效果不彰，且難以執行。“堵不如疏”的治理理念正成為全球學術界的共識，其核心在於認可AI技術提升科研效率的積極價值，同時通過規範引導確保其應用不損害學術誠信。
北京航空航天大學法學院副教授 趙精武： 在教學活動中，教師應當設置專門環節引導學生正確使用AI工具，將該類工具從“偷懶”“圖省事”的錯誤定位調整為“提升學習效率”“輔助科研”的正確功能定位，明確它的輔助定位的屬性。同時，教師還需要設計能夠評估學生思維過程的考核方式，減少對純文本輸入的依賴，增加過程性評價比重。