摘要: AI智能体的自主行动与持续执行能力突破了传统生成式人工智能(Generative Artificial Intelligence,GAI)以“输入—输出”为中心的运行边界,对既有建立在主体稳定控制基础上的“工具—控制—责任”结构提出新的规范挑战。现行法律体系在行为识别、责任归属与运行控制等方面,已难以完全适应其跨主体、多交互与持续运行的行为特征。在此背景下,本文主张不赋予AI智能体独立法律人格,而是在维持既有主体制度稳定的前提下,通过对传统静态工具规则进行功能化重构予以回应。本文以“功能化工具主义”作为AI智能体的基本法律定位,构建“技术身份—法律归属”双轨识别结构,以实现持续运行条件下行为可识别性与责任可归属性的统一;进一步引入“关系主义归责”路径,以控制关系、利益结构与风险来源为分析维度,对多元主体责任进行结构化配置;并以“最小必要原则”作为制度扩展边界,形成“现行法律—专门规则—技术标准”相衔接的融合治理框架建议。由此,AI治理逻辑正在由围绕行为结果与一次性责任判断的静态结构,转向以持续运行过程为中心的动态治理结构。
中图分类号:
. AI智能体的法律定位与责任配置研究[J]. 信息安全研究, 2026, 12(8): 681-690.
| [1] 马民虎,黄道丽. 人工智能智能体专门立法与现行法如何互补融合[N]. 上海法治报,2026-04-01(B2). [2] 彭诚信,陈吉栋. 论人工智能体法律人格的考量要素[J]. 当代法学,2019,33(2):52-62. [3] European Union. Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 on artificial intelligence (Artificial Intelligence Act)[EB/OL]. 2024[2026-05-06].https://eur-lex.europa.eu/eli/reg/2024/1689/oj. [4] Australian Signals Directorate, Australian Cyber Security Centre (ACSC), Cybersecurity and Infrastructure Security Agency (CISA) et al. Careful Adoption of Agentic AI Services[EB/OL]. 2026[2026-05-12]. https://www.cyber.gov.au/business-government/secure-design/artificial-intelligence/careful-adoption-of-agentic-ai-services. [5] Info-communications Media Development Authority (IMDA), Singapore. Model AI Governance Framework for Agentic AI[EB/OL]. 2026[2026-05-07]. https://www.imda.gov.sg/resources/press-releases-factsheets-and-speeches/press-releases/2026/new-model-ai-governance-framework-for-agentic-ai. [6] 国家互联网信息办公室,国家发展和改革委员会,工业和信息化部. 智能体规范应用与创新发展实施意见[EB/OL]. 2026[2026-05-10]. https://www.cac.gov.cn/2026-05/08/c_1779979789523320.htm. [7] 陈敏光. 善假于物与审判异化:司法人工智能的辩证思考[J]. 重庆大学学报(社会科学版),2021,27(3):148-159. [8] European Parliament. Civil Law Rules on Robotics: European Parliament Resolution with Recommendations to the Commission on Civil Law Rules on Robotics[EB/OL]. 2017[2026-05-12].https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=oj:JOC_2018_252_R_0026. [9] 袁曾. 人工智能有限法律人格审视[J]. 东方法学,2017,10(5):50-57. [10] Booth H, Fisher W, Galluzzo R, et al. National Cybersecurity Center of Excellence (NCCoE), Software and AI Agent Identity and Authorization: Concept Paper[EB/OL]. 2026[2026-05-09]. https://nccoe.nist.gov/projects/software-and-ai-agent-identity-and-authorization. [11] 付新华. 谁应为智能体的错误负责?——智能体自主行动的法理分析与责任分配[J]. 中国法律评论,2026,13(3): 206-216. [12] 资琳. 人工智能时代法律责任概念的阐释困境及内涵重塑[J]. 暨南学报(哲学社会科学版),2026,48(1):137-149. [13] UK Competition and Markets Authority (CMA). Complying with Consumer Law When Using AI Agents[EB/OL]. 2026[2026-04-09]. https://www.gov.uk/government/publications/complying-with-consumer-law-when-using-ai-agents/complying-with-consumer-law-when-using-ai-agents. [14] European Union. Directive (EU) 2024/2853 of the European Parliament and of the Council of 23 October 2024 on Liability for Defective Products and Repealing Council Directive 85/374/EEC (Product Liability Directive, PLD)[EB/OL]. 2024[2026-05-15]. https://eur-lex.europa.eu/eli/dir/2024/2853/oj. |
| [1] | . 数据发布中的交互式动态隐私风险评估及适应性保护方法[J]. 信息安全研究, 2026, 12(7): 598-605. |
| [2] | . 生成式人工智能模型虚假信息的生成机理与治理路径[J]. 信息安全研究, 2026, 12(7): 606-612. |
| [3] | . 基于多损失融合的深度伪造人脸检测方法[J]. 信息安全研究, 2026, 12(7): 634-643. |
| [4] | . 基于改进生成对抗网络与自蒸馏的图像隐写模型[J]. 信息安全研究, 2026, 12(7): 652-661. |
| [5] | . 面向扩散模型的统一分布保持残差水印嵌入方法[J]. 信息安全研究, 2026, 12(7): 662-671. |
| [6] | 程宇航, 尚涛, 姜亚彤, 杜瑞忠, . 基于自适应裁剪的深度学习差分隐私保护方案[J]. 信息安全研究, 2026, 12(6): 490-. |
| [7] | 陈先意, 王晶, 刘腾骏, 郭倩彬, 杨森, . 基于频域注入的动态隐蔽后门攻击[J]. 信息安全研究, 2026, 12(6): 510-. |
| [8] | 梅锦程, 张平, 赖富豪, 吴礼发, . 基于新型组合混沌系统和分数数论变换的 图像加密方法[J]. 信息安全研究, 2026, 12(6): 517-. |
| [9] | 谢绒娜, 吴煦雯, 王都和, 祝浩宣, . 基于多层敏感分析的个性化差分隐私数据发布方法[J]. 信息安全研究, 2026, 12(6): 542-. |
| [10] | 瞿淼樟, 师智斌, 常赵宇, 张薇, . 基于图神经网络和多特征融合的有害网站检测研究[J]. 信息安全研究, 2026, 12(5): 420-. |
| [11] | 左珮良, 付成龙, 缪宸硕, 刘学文, 李伟麟, 刘博雅, . 基于CSI特征的异构执行体动态调度算法[J]. 信息安全研究, 2026, 12(5): 428-. |
| [12] | 李开颜, 贾洪勇, 曾俊杰, 张建辉, . 全同态加密CNN推理的内存与噪声协同优化方法[J]. 信息安全研究, 2026, 12(5): 439-. |
| [13] | 李远海, 翟岩, 李小波, . 数字平台个人信息安全风险的生成逻辑与应对策略[J]. 信息安全研究, 2026, 12(5): 445-. |
| [14] | 李嘉澄, 曹雷, 徐松艳, . MLKEM算法的高性能硬件架构设计与实现[J]. 信息安全研究, 2026, 12(5): 452-. |
| [15] | 朱顺哲, 钮可, 卢艺航, 徐千惠, 李军, . 基于多尺度卷积注意力和双分支对抗训练的抗压缩鲁棒视频水印[J]. 信息安全研究, 2026, 12(5): 463-. |
| 阅读次数 | ||||||
|
全文 |
|
|||||
|
摘要 |
|
|||||