构建人工智能训练中个人信息的合理使用制度

　　“十五五”规划纲要提出，“建立人工智能训练数据合理使用制度”。生成式人工智能的发展高度依赖大规模训练数据集的支撑，训练数据集已经成为人工智能时代重要的数据基础设施之一。然而，伴随模型能力快速提升，人工智能训练数据来源的合法性问题也日益突出，其中尤以个人信息的大规模抓取和使用最具争议。

　　实践中，大语言模型的训练通常需要抓取互联网公开数据，而互联网数据包含大量个人信息，包括姓名、联系方式、职业信息、肖像、行为记录、社交关系等敏感个人信息。预训练是大模型的基础通识学习阶段，通常以数据汇集为基础，对网络数据的大规模抓取使得开发者既难以逐一识别个人信息类型，也无法逐一获得信息主体授权，使得训练的合法性存在争议。如何突破传统数据保护范式的局限，在维护人格尊严和信息自决的前提下，构建人工智能训练中个人信息的合理使用制度，已成为人工智能进一步发展不可回避的重要命题。

　　

　　

　　生成式人工智能的语义理解和内容生成能力，本质上来源于大规模数据之间复杂关联关系的学习。个人信息能够识别、关联甚至形塑自然人的人格，其背后承载着人格尊严、个人自由和自主决定等利益。因此，个人信息保护法基本遵循了人格权保护的逻辑，围绕目的限制、最小必要等基本原则，确立了以“知情同意”规则为基础的个人信息控制制度。

　　训练中处理个人信息的合法性基础存在瑕疵。个人信息保护法规定了六种合法性基础，以是否需要信息主体的同意作为区分标准，可以分为同意和同意之例外。虽然同意机制存在争议，原因包括由于信息处理者和信息主体的权力差，难以取得有效同意，或是“同意疲劳”现象的普遍存在等，但同意规则始终是个人信息控制的基础和底线。同意在技术层面同样难以实现。预训练数据集往往包含数十亿甚至数万亿个数据单元，涉及数量庞大的信息主体，逐一告知并获得同意客观上无法实现，即便实现也需付出不成比例的巨大成本。因此，以同意为核心的个人信息处理规则在人工智能训练场景下已经难以有效运行。

　　从严格的法律解释来看，多数预训练活动既没有经过信息主体的明确同意，也不符合已公开个人信息的合理使用，难以满足现行法上的处理合法性基础要求。实践中，监管者对此也采取了某种程度的容忍态度。尽管大量模型训练存在明显的权利瑕疵，但各国监管机构鲜少全面禁止预训练活动，反而通过出台不同的解释方案来使预训练合理合法化，例如欧盟数据保护委员会通过解释“正当利益”条款合法化人工智能预训练中对个人数据的使用。

　　

　　个人信息具有公共基础设施属性。传统数据保护理论更多从人格利益角度理解个人信息，但在人工智能时代，个人信息同时具有重要的公共基础设施属性。由于信息主体付出了直接劳动，或者信息能够直接关联到个人并影响到人格尊严，因此部分法益需要被保护，例如隐私、个人信息或信息主体在特定情形下的财产利益。但是，这些数据又部分凝聚了平台企业和其他主体的付出，包括知识供给、技术和工具提供等。这种伴随在数据生产过程中的双重属性强调数据在不同阶段会代表不同主体的利益。因此，训练过程中聚合后的海量数据可能形成数据库或数据池，超越个体识别功能，具有统计意义和相关性的分析价值，其社会公共资源属性的一面更为凸显，逐渐成为公共基础设施，赋能社会各方面。

　　训练数据并非简单的数据集合，而是通过人工智能能力形成的基础资源。个人信息通过与其他数据之间建立关联关系，共同构成模型理解社会运行规律的重要认知来源。完全禁止训练活动利用个人信息，实际上意味着切断人工智能学习真实社会状态的重要渠道，不仅会降低模型性能，也可能削弱公共治理、医疗健康、教育科研等领域人工智能创新的可能性。因此，个人信息除了作为需要被法律保护的人格利益外，也应当适度承担帮助促进知识生产和技术创新的社会功能。

　　人工智能的发展具有显著的公共利益属性。基础模型已经逐渐成为数字经济的重要基础设施，其发展水平直接关系国家科技竞争力、公共服务能力以及社会整体福祉。从比较法观察，欧盟《人工智能法》、美国有关生成式人工智能治理政策以及我国人工智能产业政策均强调推动人工智能创新发展。为解决训练数据中个人信息的合法性问题，欧盟明确将《一般数据保护条例》第六条中的合法利益条款作为合法性基础，推动人工智能对个人数据的合法化利用；韩国最新通过的《个人信息保护法》修正案则确认“为安全发展人工智能技术”“在严格条件下，将合法收集的个人信息用于人工智能技术开发，无需重新取得信息主体同意”……在我国，不存在类似合法利益条款，立法上也没有明确规定，所以社会公共利益目前不构成训练数据集中个人信息合理使用的法定依据。如果仅为了获取形式层面的合法性，继续坚持严格的个人控制，要求所有的训练活动严格遵循实践中难以实现的“告知同意规则”，不仅不利于个人权益的保护，还可能使训练活动长期处于违法风险之中，不利于人工智能产业的健康发展。

　　个人信息合理使用具有制度上的必要性。为规范个人信息在人工智能训练中的合理使用，保护信息主体不因训练活动导致人身或财产上的侵害，需要建立专门的个人信息合理使用制度，以实现个人信息保护与人工智能创新之间的平衡。

　　训练数据的合理使用主要包括了作品和个人信息的合理使用两个方面。我国著作权法第24条中合理使用制度的初衷是促进知识传播和社会创新，因此在法律规定的特定情形下允许未经授权的作品使用行为。由于该条款是封闭条款，因此训练使用作品是否能在人工智能训练中合理使用还有待立法的明确，但学界已经有不少研究论证了作品合理使用的正当性和必要性。与著作权保护的财产权规范逻辑不同的是，个人信息的合理使用应当遵循人格权的逻辑，即便从法律上允许在人工智能预训练中合理使用个人信息，但仍需要严格遵循个人信息保护的全流程管理和合规，以避免对信息主体权益的侵害。

　　

　　

　　人工智能训练中的个人信息合理使用，应当以增进社会整体福祉和人工智能创新为目标，在符合公共利益目标的前提下，以促进科学研究、公共治理和技术创新等作为制度目的，构建同意规则之外的合法性标准。

　　建立场景导向的个人信息训练审核机制。已公开个人信息原则上可以纳入合理使用范围，经过匿名化处理的数据可以适度扩大利用范围，但有些个人信息不适宜纳入合理使用范围。我国个人信息保护法第28条规定：“敏感个人信息是一旦泄露或者非法使用，容易导致自然人的人格尊严受到侵害或者人身、财产安全受到危害的个人信息，包括生物识别、宗教信仰、特定身份、医疗健康、金融账户、行踪轨迹等信息，以及不满十四周岁的个人信息。”虽然敏感个人信息在特定场景下有择入和择出的选择问题，但对于信息处理者而言，应当尽量避免抓取目前法条所列举的七类个人信息用于模型训练。

　　基于数据类别分别规制个人信息的合理使用表面看存在合理性，但大规模抓取的无差别性和无目的性会导致基于信息类别区分的规制目的落空。因此，合理使用制度的构建应当依据明确的场景导向来进行。具体而言，区分通用模型训练和垂类模型训练。由于通用模型的应用目的宽泛，且信息很难实现最小化汇集，风险极高。因此在原则上允许使用个人信息进行训练的同时，应当对信息处理者施加更加严格的个人信息保护义务，例如增加个人信息影响评估的频次、强化数据来源审查、训练全过程留痕、模型安全测试及持续的监督等义务。就垂类模型训练而言，其处理目的相对明确，因此更应当依据不同场景，审核其收集处理个人信息的范围和内容是否符合处理目的，防范可能的泄露和滥用风险。例如，医疗、金融等涉及重大人格利益的垂类模型的审核义务应当明显高于工业制造或图形生成等模型。

　　构建合理使用的比例原则审查机制。个人信息合理使用应依据不同处理行为建立差异化的比例原则审查机制。人工智能训练数据的处理并非单一的行为，而是包括了数据爬取、抓取、收集、清洗、模型训练、微调、部署等多个不同阶段，不同行为对个人信息权益的影响程度存在明显差异，因此应当适用不同强度的审查。

　　在数据抓取和爬取阶段，由于处理行为具有广泛性和无差别性，因此应重点审查其抓取目的是否具有正当性、抓取范围是否控制在必要的限度（尤其针对垂类模型），是否遵循网络爬虫排除标准和网站声明等，避免通过技术手段突破访问限制或者大规模抓取明显超出信息主体合理预期的个人信息。在数据收集和汇集阶段，应当重点审查来源合法性，在无明显必要情形下删去敏感个人信息和未成年人个人信息等。进入模型训练阶段，由于个人信息已经进入了训练数据集，应当以风险防控和数据质量提升为主要任务。重点审查训练活动对个人信息的汇集是否具有必要性，是否可以通过匿名化、去标识化等侵害更小的方式实现相同的训练目的。同时要求开发者采取模型遗忘、输出过滤等技术手段防止模型输出个人信息。

　　权责一致原则下强化个人信息保护义务。构建人工智能训练中的个人信息合理制度实际上赋予了信息处理者在特定场景下未经信息主体同意就处理个人信息的极大空间，降低了个人信息利用的合法性门槛，这一制度可能会被质疑以牺牲个人信息权益的保护力度为代价。从权责一致的角度，既然适度突破了同意规则和目的限制原则，信息处理者应当承担更为严格的个人信息保护义务，以维持个人信息利用与个人信息权益之间的平衡。

　　合理使用制度放宽的是个人信息处理的合法性基础，并不意味着信息处理者降低了义务履行的标准或免除了相应的责任。应当通过法律明确保护义务的方式确立明确的机制，保障信息主体的权益。具体来说，可以建立训练数据集备案和影响评估制度、强化训练数据来源透明义务、赋予个人合理的退出机制和异议权、建立独立监督和审计机制、明确模型开发者的安全保障责任。通过上述方式，可以有效降低个人信息合理使用带来的潜在风险。

　　人工智能的发展正在深刻改变个人信息的利用方式。训练数据集中个人信息的合理使用是人工智能时代重新平衡人格利益保护与社会创新需求的制度探索。未来的制度构建应当坚持公共利益目的和风险治理思维，在明确合理使用法定情形的基础上，基于场景导向和行为风险设定人工智能训练不同阶段的个人信息保护义务，使个人信息保护与人工智能创新形成动态平衡，从而为人工智能的安全、有序和可持续发展提供稳定的法律基础。

　　〔作者系东南大学法学院副教授、东南大学未来法治与数智技术创新实验室研究员。本文为国家社科基金重点项目《人工智能侵权责任研究》（25AFX006）的阶段性研究成果，并受到东南大学“至善青年学者项目”（2242024RCB0049）的支持。〕

　　● 责任编辑：李光裕