何以透明，以何透明：高等教育的AIGC剽竊與技術(shù)之治

摘 要：高等教育中的學(xué)術(shù)剽竊在生成式人工智能的影響下呈現(xiàn)出新的樣態(tài)。回顧幾次重大技術(shù)變革所帶來的剽竊概念及其規(guī)制手段的歷史演變，技術(shù)既是推動(dòng)者也是破局者。現(xiàn)有剽竊概念在適配濫用AIGC的行為上存在一定障礙，《著作權(quán)法》《學(xué)位法》與高校學(xué)生誠信政策均未能對(duì)此提供清晰的規(guī)范指引，傳統(tǒng)相似度檢測技術(shù)與思路捉襟見肘。我國高等教育的政策制定者應(yīng)優(yōu)先考慮技術(shù)治理路徑，通過引入生成式數(shù)字水印等標(biāo)識(shí)技術(shù)，以AIGC使用行為的透明度這一最基本原則為核心，構(gòu)建高等教育中規(guī)范利用AIGC的具體規(guī)則。

關(guān)鍵詞：生成式人工智能；人工智能生成內(nèi)容；高等教育；剽竊；學(xué)術(shù)剽竊；人工智能代筆

中圖分類號(hào)：G521" "文獻(xiàn)標(biāo)識(shí)碼：A" "文章編號(hào)：1009-458ｘ（2025）1-0113-16

一、引言

作為一經(jīng)發(fā)布即獲得全球高度關(guān)注的重點(diǎn)前沿技術(shù)，以ChatGPT為代表的生成式人工智能（Generative Artificial Intelligence，GAI）的誕生，標(biāo)志著人類科學(xué)技術(shù)（尤其是人工智能技術(shù)）發(fā)展的一個(gè)新的里程碑，并已然成為新質(zhì)生產(chǎn)力的典型代表。時(shí)至今日，ChatGPT已迭代至支持多種形態(tài)輸入與輸出的“4o”版本和擁有更頂尖數(shù)理能力的“o1”版本，來自其母公司OpenAI的文生圖模型DALL·E和文生視頻模型Sora同樣技驚四座。而國產(chǎn)生成式人工智能（如Kimi等）同樣在國內(nèi)各個(gè)領(lǐng)域掀起了一股人工智能生成內(nèi)容（Artificial Intelligence Generated Content，AIGC）的熱潮。這股熱潮同樣席卷了高等教育領(lǐng)域。GAI有望成為高等教育領(lǐng)域新的增長引擎并引發(fā)了學(xué)界的大量討論。一方面，GAI技術(shù)被寄予厚望，有望在助力創(chuàng)新（王天健， 2023）、分擔(dān)教學(xué)壓力（翟雪松 等， 2023; 盧宇 等， 2023）和教育數(shù)字化轉(zhuǎn)型（孟文婷 等， 2023; 李永智 amp; 安德烈亞斯·施萊歇爾， 2024）等多個(gè)方面帶來新的機(jī)遇；另一方面，GAI卻也極易加劇學(xué)術(shù)剽竊風(fēng)險(xiǎn)（王帥杰 等， 2024; 黃蓓蓓 等， 2024），并已在實(shí)際案例（Battiste， 2023; Evans， 2023）和實(shí)證調(diào)研（李艷 等， 2024）中得到廣泛證實(shí)。這也引發(fā)了大學(xué)對(duì)“剽竊”的爭論和重新思考（王少， 2023; 魏順平 等， 2024）。在前AIGC時(shí)代，就有學(xué)者察覺到人工智能可能帶來的剽竊問題，認(rèn)為從教育目的的角度出發(fā)，運(yùn)用人工智能完成作業(yè)等書面學(xué)習(xí)任務(wù)，依然構(gòu)成剽竊（管華， 2022）。此外，亦有實(shí)證學(xué)者在調(diào)研我國大學(xué)生AIGC使用情況后認(rèn)為，重新定義剽竊概念以及升級(jí)查重技術(shù)以預(yù)防濫用行為迫在眉睫（李艷 等， 2024）。但高等教育中何種使用AIGC的行為應(yīng)被界定為剽竊以及合理使用AIGC的行為邊界等問題尚未得到妥善安排。更進(jìn)一步，現(xiàn)有研究提出的應(yīng)對(duì)措施仍主要以事前的學(xué)術(shù)誠信教育和事后的懲戒為主（王名揚(yáng) 等， 2024）。既有的規(guī)制手段是否仍能較好地應(yīng)對(duì)顛覆性技術(shù)帶來的沖擊、升級(jí)拓展現(xiàn)有治理手段的可行路徑，乃至高校和政府更加具體的制度設(shè)計(jì)，都缺乏更加充分的論述。毫無疑問的是，GAI為高等教育帶來的學(xué)術(shù)剽竊問題需要在人工智能的狂熱中得到更加冷靜的審視，這是一個(gè)緊迫而亟待解決的現(xiàn)實(shí)問題。

據(jù)此，本文首先考察幾次重要技術(shù)變革前后剽竊概念及其規(guī)制手段的變化，力圖在宏觀歷史跨度上，勾勒一幅傳播技術(shù)影響剽竊及其規(guī)制的整體畫卷，分析其中的大趨勢以期為當(dāng)代之鏡鑒。其次，詳細(xì)論述當(dāng)前剽竊危機(jī)中，同為顛覆性技術(shù)的GAI導(dǎo)致的概念適配困境和既有規(guī)制手段的嚴(yán)重失靈。最后，明確以透明度為核心的AIGC使用原則，引入生成式數(shù)字水印等治理工具，構(gòu)建以透明度為核心的高等教育AIGC剽竊行為技術(shù)治理體系。

二、剽竊概念及其規(guī)制的歷史演變

從歷史的視角來看，剽竊這一概念并非一成不變，其內(nèi)涵受到技術(shù)、經(jīng)濟(jì)、政治和法律等多重因素的影響，在幾個(gè)重大的技術(shù)革新節(jié)點(diǎn)前后，其概念內(nèi)涵和規(guī)制手段都呈現(xiàn)出較大的變化。而同為顛覆性技術(shù)的GAI的興起無疑帶來了類似的挑戰(zhàn)。因此，考察剽竊概念及其規(guī)制手段與重大技術(shù)變革的互動(dòng)，對(duì)解決當(dāng)代AIGC剽竊問題具有很大的借鑒價(jià)值。

（一）剽竊概念之起源考：精神性權(quán)利與道德評(píng)價(jià)

最早的剽竊概念與當(dāng)下有較大不同，對(duì)其的主張?jiān)从诰裥詸?quán)利，且規(guī)制主要倚仗道德評(píng)價(jià)。中文關(guān)于“剽竊”一詞的記載至少可以追溯到唐代。柳宗元在《辯文子》中指出，漢代《文子》一書多剽竊《孟子》和《管子》等，“其渾而類者少，竊取他書以合之者多，凡孟管輩數(shù)家，皆見剽竊”（路景云， 1996; 王坤， 2012）。韓愈所撰《南陽樊紹述墓志銘》中的“惟古于詞必己出，降而不能乃剽賊”也表達(dá)了類似含義（路景云， 1999）。英語剽竊（plagiarism）一詞源于拉丁語“plagiarius”，本意為“竊取他人的奴隸或孩子”。 在公元一世紀(jì)，面對(duì)其他詩人的竊取行為，羅馬詩人馬爾西亞（Martial， M. V.）氣憤之下創(chuàng)造了該詞以嘲諷這種不恥行為并直言不諱道：“你是一個(gè)小偷。”（White， 1935， p. 16）但“版權(quán)人”馬爾西亞能做的也僅限于此，因?yàn)樵谏袩o版權(quán)法的古代，缺乏對(duì)文學(xué)作品之財(cái)產(chǎn)性利益的認(rèn)識(shí)與相關(guān)法律制度的保障，剽竊行為的產(chǎn)生大多出于對(duì)“名”也即源于對(duì)作品精神性權(quán)利的追求。這意味著，在缺乏法律手段時(shí)，即便總體上對(duì)于剽竊行為持鄙視貶斥態(tài)度，但這種態(tài)度也只不過是一種道德上的評(píng)價(jià)和抨擊。作為一種規(guī)制手段，道德抨擊具有較大的主觀性并受到時(shí)代風(fēng)尚的影響，所以用現(xiàn)代人視角審視早期剽竊一詞背后的內(nèi)涵很可能帶有先入為主的負(fù)面色彩。事實(shí)上，在過去相當(dāng)一部分時(shí)間里，剽竊行為適配更加中性的概念——“模仿”，且并不總是得到負(fù)面評(píng)價(jià)。例如，在早期的海外，借用和模仿他人的創(chuàng)作算不上什么嚴(yán)重的失德事件（Latourette， 2010），甚至被認(rèn)為“做得好的時(shí)候是值得欽佩的，就像忠實(shí)地演奏樂譜一樣”（Hemnes， 2024）。而在國內(nèi)也有《史記》中大量抄錄《尚書》、《漢書》中大量照搬《史記》等行為曾被視作正常與合法的情況（劉東， 2012）。根本原因在于，在缺乏傳播技術(shù)的時(shí)代，對(duì)經(jīng)典作品進(jìn)行模仿或改良既有利于它們的傳播也是一種對(duì)經(jīng)典作品的“致敬”。當(dāng)有些模仿者或者改良者產(chǎn)出的作品優(yōu)于原作時(shí)，“模仿創(chuàng)造了價(jià)值”（理查德·波斯納， 2010， p. 74），因此這種模仿行為并不總是被視作剽竊。這一點(diǎn)從對(duì)明代前后七子的“文必秦漢，詩必盛唐”風(fēng)格的不同評(píng)價(jià)中也可以得到印證，既有主張其本真為文學(xué)復(fù)古的擁護(hù)者（史小軍， 2005），也有認(rèn)為其為“剽竊摹擬”的批評(píng)者（侯敏， 2010）。

（二）印刷術(shù)時(shí)代之轉(zhuǎn)變：浪漫主義作者觀與版權(quán)法

步入印刷術(shù)時(shí)代，將“模仿”行為視作“剽竊”逐漸成為共識(shí)，版權(quán)法將其納入了規(guī)制范圍并成為最主要的規(guī)制手段。隨著印刷術(shù)等傳播技術(shù)在歐洲的出現(xiàn)和推廣，文學(xué)作品的市場發(fā)生了極大的變化——書籍等作品作為商品在市場上流通并且業(yè)務(wù)范圍變得越來越大，競爭更加激烈和客觀。與此同時(shí)，贊助人的慷慨解囊也變得越來越少，作者群體不得不自力更生。除此之外，文學(xué)批評(píng)的風(fēng)尚也由古典主義轉(zhuǎn)向浪漫主義，而浪漫主義作者觀推崇的不是對(duì)經(jīng)典的模仿，而是那些能無中生有、創(chuàng)造嶄新內(nèi)容的天才。這些都使得他們對(duì)文學(xué)財(cái)產(chǎn)權(quán)更加渴求與焦慮（Kaplan， 1967， pp. 22-23）。由此，在文學(xué)財(cái)產(chǎn)權(quán)和浪漫主義雙重因素的影響下，“模仿”行為逐漸轉(zhuǎn)化為“剽竊”。然而，推動(dòng)作者們開始尋求更多的排他性權(quán)利和對(duì)剽竊行為的規(guī)制的根源性因素仍然是印刷術(shù)的發(fā)明——突然之間，任何擁有印刷機(jī)的人都可以通過復(fù)制和銷售來攫取作者作品的價(jià)值（Hemnes， 2024）。“對(duì)于吟游詩人來說，抄襲和版權(quán)這兩個(gè)詞并不存在。只有在印刷之后，它們才開始變得有意義。”（Eisenstein， 2005， p. 94）面對(duì)大量未經(jīng)授權(quán)的印刷行為，出版商不得不在出版樣式上和紙張標(biāo)識(shí)上標(biāo)準(zhǔn)化以標(biāo)榜“正版”，然而這樣的技術(shù)手段太過簡單粗暴，并未取得多少效果——讀者并不在意這些細(xì)微的差別（Eisenstein， 2005， pp. 345-347; Febvre amp; Martin， 1997， pp. 30-32）。在此背景下，世界上第一部近代版權(quán)法《安娜法》（Statute of Anne）在18世紀(jì)初的英國應(yīng)運(yùn)而生，宣告作者正式替代出版商成為文學(xué)財(cái)產(chǎn)保護(hù)的重點(diǎn)（Patterson， 1968， p. 23）。20世紀(jì)末，《中華人民共和國著作權(quán)法》（以下簡稱《著作權(quán)法》）也在我國正式確立，將剽竊行為定性為一種侵犯他人著作權(quán)的違法行為。①當(dāng)然，這一時(shí)代的剽竊概念和我們今天所討論的高等教育中的學(xué)術(shù)剽竊仍有一定距離。

（三）互聯(lián)網(wǎng)時(shí)代之分化：學(xué)術(shù)剽竊與查重技術(shù)

隨著版權(quán)法的逐步演變和思想表達(dá)二分法的確立，法律意義下的剽竊和高等教育意義下的剽竊有了不完全一致的內(nèi)涵和外延。前者通常指版權(quán)法意義下的侵犯他人獨(dú)創(chuàng)性表達(dá)的不法行為，而高等教育界所指的剽竊則通常需要加上“學(xué)術(shù)”這一前置詞，有著更寬廣的外延。版權(quán)法控制剽竊行為的排他性權(quán)力的范圍一直在發(fā)生變化。1710年《安娜法》最初只賦予作者“印刷”其“書籍”的排他性權(quán)力，翻譯和刪節(jié)被視作對(duì)書籍值得稱贊的原創(chuàng)改進(jìn)并受到法院的鼓勵(lì)（Kaplan， 1967， pp. 9-12）。而在美國，直到1909年的版權(quán)法才徹底放棄了將版權(quán)保護(hù)客體局限在諸如書籍等有形物品之上，而將作者的專有權(quán)擴(kuò)展到數(shù)字復(fù)制品和衍生作品則是在 1976 年法案中得以實(shí)現(xiàn)的（Hemnes， 2024）。推動(dòng)這種變化產(chǎn)生的根本原因仍是技術(shù)——《安娜法》頒布時(shí)根本想象不到現(xiàn)如今的攝像機(jī)和互聯(lián)網(wǎng)。而現(xiàn)代學(xué)術(shù)剽竊概念則較之法律意義上的剽竊有著更廣的范圍。國際學(xué)界將學(xué)術(shù)剽竊理解為“把他人的觀點(diǎn)、方法、結(jié)果或話語據(jù)為己有，而沒有給予他人適當(dāng)?shù)臉s譽(yù)”（王陽 amp; 王希艷， 2008）。而國內(nèi)也有學(xué)者認(rèn)為其意為“使用他人的作品而‘漏失來源’”（方流芳， 2006），且剽竊的對(duì)象超越了版權(quán)法的思想表達(dá)二分法，覆蓋了作品觀點(diǎn)和方法等屬于版權(quán)法中思想范疇的客體。我國教育界也認(rèn)可這種判斷標(biāo)準(zhǔn)。教育部科學(xué)技術(shù)委員會(huì)學(xué)風(fēng)建設(shè)委員會(huì)在2017版《高等學(xué)校科學(xué)技術(shù)學(xué)術(shù)規(guī)范指南》中將學(xué)術(shù)剽竊定義為“行為人通過……隱蔽手段將他人作品改頭換面發(fā)表，且沒有改變原有作品的實(shí)質(zhì)性內(nèi)容；或是竊取他人的創(chuàng)作（學(xué)術(shù)）思想……作為自己的作品發(fā)表”。我國首個(gè)針對(duì)學(xué)術(shù)不端行為的行業(yè)標(biāo)準(zhǔn)《學(xué)術(shù)出版規(guī)范 期刊學(xué)術(shù)不端行為界定》也將“觀點(diǎn)剽竊”和“研究（實(shí)驗(yàn)）方法剽竊”列為具體剽竊行為之一。可以說，學(xué)術(shù)剽竊就是將他人作品中的思想、觀點(diǎn)、研究方法或表達(dá)據(jù)為己有而不歸認(rèn)來源。更進(jìn)一步，不同于廣泛意義上的非法剽竊行為，高等教育的學(xué)術(shù)剽竊指的是接受高等教育的學(xué)生所實(shí)施的學(xué)術(shù)剽竊行為，其主要發(fā)生在高校學(xué)生完成學(xué)習(xí)任務(wù)和考核評(píng)估的過程中（齊愛民 amp; 周偉萌， 2010）；從行為主體和后果看，這也在一定程度上有別于高校教職工的學(xué)術(shù)剽竊（侯利陽 amp; 李兆軒， 2023）。在過去幾十年間，隨著互聯(lián)網(wǎng)技術(shù)的出現(xiàn)，獲取、復(fù)制作品的門檻變得極低。高等教育中的學(xué)術(shù)剽竊行為也隨之增多。與此同時(shí)，互聯(lián)網(wǎng)時(shí)代學(xué)術(shù)剽竊的規(guī)制手段中技術(shù)治理的思路開始大放異彩，并隱隱有“代碼即法律”的趨勢。例如，得益于查重技術(shù)的應(yīng)用與推廣，國內(nèi)外高校課程作業(yè)與學(xué)位論文都特別倚重查重技術(shù)來判定和規(guī)制學(xué)術(shù)剽竊。

總的來說，剽竊概念的誕生和作者身份密不可分，但其內(nèi)涵和外延的演變受多重因素的影響，而印刷機(jī)和互聯(lián)網(wǎng)等顛覆性技術(shù)則是最重要的決定性因素之一。誠如布萊恩·阿瑟（Arthur， B.）（2014， p. 86）所言，“時(shí)代創(chuàng)造著技術(shù)，技術(shù)同時(shí)也創(chuàng)造著時(shí)代。每個(gè)時(shí)代的更迭都與技術(shù)相關(guān)，并且這些技術(shù)比任何其他東西都更能定義一個(gè)時(shí)代的風(fēng)格”。就本文所指的學(xué)術(shù)剽竊而言，其起源于精神性權(quán)利，在文學(xué)財(cái)產(chǎn)權(quán)的滋養(yǎng)下壯大，并在顛覆性技術(shù)的推動(dòng)下不斷演變。而其規(guī)制手段從道德評(píng)價(jià)、標(biāo)準(zhǔn)化防盜和法律約束，再到普遍適用的查重技術(shù)，技術(shù)治理的比重在不斷提升，其穩(wěn)定性與一致性也在逐步增強(qiáng)。可見，技術(shù)既是引發(fā)問題的根源，也是規(guī)制手段的新來源。那么在AIGC時(shí)代，同為顛覆性技術(shù)的GAI又給高等教育帶來了怎樣的新困境？又該如何化解呢？

三、高等教育的AIGC剽竊規(guī)制困境

在海外高校，關(guān)于AIGC剽竊的報(bào)道已是層出不窮（Battiste， 2023; Evans， 2023）。國內(nèi)浙江大學(xué)開展的千余名大學(xué)生實(shí)證調(diào)研表明，約七成受訪者表示熟悉GAI（李艷 等， 2024），大學(xué)生正廣泛使用GAI。隨著國產(chǎn)大模型的推廣與應(yīng)用，我國高校也面臨著類似國外高校同行的壓力。然而，相較于國外高校的積極回應(yīng)，無論是《中華人民共和國學(xué)位法》（以下簡稱《學(xué)位法》）等法律法規(guī)還是高校學(xué)術(shù)誠信政策都未能就AIGC剽竊問題做出有效回應(yīng)。究其原因，一方面是由于現(xiàn)代剽竊概念無法較好地適配相關(guān)行為，導(dǎo)致無法將其定性；另一方面是因?yàn)楝F(xiàn)有規(guī)制手段是否仍能發(fā)揮效用尚需仔細(xì)審視。

（一）AIGC利用行為定性之難

AIGC本身的混合性特征導(dǎo)致利用行為難以被學(xué)術(shù)剽竊這一概念涵攝。回顧前文所界定的學(xué)術(shù)剽竊概念，“將他人作品中的思想、觀點(diǎn)、研究方法或表達(dá)據(jù)為己有而不歸認(rèn)來源”，涵攝 AIGC利用行為面臨諸多不適。首先面臨的概念解釋問題即為AIGC是否能被界定為“他人作品”。一方面，AIGC本身形式不定，能否被視作《著作權(quán)法》意義上的作品，現(xiàn)今學(xué)界并無定論；另一方面，即便確認(rèn)AIGC的可版權(quán)性，隨之而來的權(quán)利歸屬問題更加沖擊了學(xué)術(shù)剽竊概念本身——如果涵攝某一AIGC利用行為，則究竟何人是概念所指“他人”？更進(jìn)一步，“歸認(rèn)來源”作為另一要件，應(yīng)當(dāng)如何歸認(rèn)所指的“他人”？出現(xiàn)這些問題的根本原因在于，GAI加持下的學(xué)術(shù)剽竊行為具有鮮明的混合特性。學(xué)生、機(jī)器乃至訓(xùn)練語料的原版權(quán)人的實(shí)質(zhì)性貢獻(xiàn)交融在一起。即便一段AIGC是學(xué)生通過精心設(shè)計(jì)提示詞與外部資料辛勤努力所得，我們也不能忽略機(jī)器提供方的精巧設(shè)計(jì)與安排，更不能無視無數(shù)訓(xùn)練語料作者們的獨(dú)創(chuàng)性貢獻(xiàn)。因此，從權(quán)利歸屬的規(guī)范層面來看，必須明確AIGC的權(quán)利歸屬——究竟是訓(xùn)練語料的原版權(quán)人、AIGC工具提供方抑或用戶本身，否則學(xué)生完全可以主張自己就是AIGC的權(quán)利人，不存在剽竊“他人”或不“歸認(rèn)來源”的情況。但該問題尚未在業(yè)界和學(xué)界形成共識(shí)。權(quán)利歸屬上的困難又進(jìn)一步導(dǎo)致了更加實(shí)際的問題——從來源歸認(rèn)的實(shí)際操作層面看，雖然合適的引注是避免陷入學(xué)術(shù)剽竊風(fēng)險(xiǎn)的最佳手段，但如何引用AIGC也因其混合性而存在諸多問題。一方面，如果需要標(biāo)注則究竟誰應(yīng)當(dāng)獲得論文中屬于AIGC部分的“適當(dāng)?shù)臉s譽(yù)”尚未形成共識(shí)，尤其是在神經(jīng)網(wǎng)絡(luò)的算法黑箱影響下，尋找到某一段AIGC究竟用了誰的哪些內(nèi)容幾乎是不可能的（De-Silva et al.， 2023），學(xué)生也就更不具備這種來源引注的能力。另一方面，學(xué)界對(duì)AIGC的引注規(guī)則也沒有形成統(tǒng)一標(biāo)準(zhǔn)，更有如《自然》（Nature）等學(xué)術(shù)期刊明確拒絕將GAI列為合著者，這也說明學(xué)界對(duì)于利用AIGC這一行為的性質(zhì)仍心存疑慮。

值得注意的是，2024年通過的《學(xué)位法》就這一行為定性問題提供了可能的解決進(jìn)路。2023年8月28日，由國務(wù)院提請審議的《中華人民共和國學(xué)位法（草案）》，在第三十三條明確增設(shè)了“學(xué)位論文或者實(shí)踐成果存在……人工智能代寫等學(xué)術(shù)不端行為的”由學(xué)位授予單位撤銷學(xué)位證書的規(guī)定。學(xué)生使用槍手代筆本質(zhì)上就是一種“協(xié)議作弊”（Contract Cheating）行為，也即雙方就有關(guān)寫作服務(wù)等合作協(xié)議達(dá)成一種委托關(guān)系（Bretag et al.， 2019）。那么使用AIGC的行為完全可被視作委托機(jī)器完成學(xué)術(shù)作業(yè)，因此使用“人工智能代寫”抑或是“機(jī)器代筆”概念涵攝相關(guān)行為的理論進(jìn)路并無不當(dāng)。然而，在正式通過的《學(xué)位法》中卻并未采納草案中的做法，而是直接使用了“代寫”這一概念。由此引發(fā)了另外一個(gè)問題，即“代寫”這一概念是否能囊括“人工智能代寫”？這一問題仍有待觀察，并不能僅僅因?yàn)椴莅钢袝一ㄒ滑F(xiàn)的可能趨勢，就斷定“代寫”這一概念的具體外延。但就實(shí)際情況而言，已有高校在學(xué)位論文涉AIGC的相關(guān)政策中明確引用了這一規(guī)定。①

（二）現(xiàn)有規(guī)制手段之不足

盡管在概念適配上存在一定障礙，但這并不妨礙一些利用AIGC的行為被認(rèn)定為“學(xué)術(shù)不端”并被加以規(guī)制。因此，更重要的問題是仔細(xì)審視現(xiàn)有規(guī)制資源的效用及其不足之處。現(xiàn)有規(guī)制資源基本包括兩大類，第一類是以高校學(xué)術(shù)誠信政策、教育部部門規(guī)章以及《學(xué)位法》等政策法規(guī)為主的行為規(guī)范資源，第二類則是以重復(fù)率檢測和“AIGC相似度”檢測為主的事實(shí)認(rèn)定資源。二者在當(dāng)下均面臨一定問題。

1. 制度之缺

當(dāng)前，《著作權(quán)法》《中華人民共和國教育法》（以下簡稱《教育法》）《學(xué)位法》和高校學(xué)術(shù)誠信政策等政策法規(guī)在一定程度上提供了可能的規(guī)制進(jìn)路，但都因其各自的局限性而在AIGC時(shí)代難以發(fā)揮最佳規(guī)范作用。

第一，就《著作權(quán)法》而言，其規(guī)制范圍僅限于法律意義上的剽竊，學(xué)術(shù)剽竊不一定受到《著作權(quán)法》規(guī)制。根據(jù)《著作權(quán)法》第五十二條，高校學(xué)生濫用GAI的行為可受到“剽竊他人作品”這一項(xiàng)侵權(quán)指控。必須指出，AIGC并非完全由機(jī)器原創(chuàng)而得，其中相當(dāng)一部分內(nèi)容直接源自訓(xùn)練語料（de Wynter et al.， 2023）。因此，當(dāng)學(xué)生原封不動(dòng)地使用受《著作權(quán)法》保護(hù)的他人表達(dá)時(shí)，即便來自AIGC，也仍然構(gòu)成第五十二條所規(guī)范的剽竊行為。但《著作權(quán)法》受限于其立法目的和規(guī)制對(duì)象，在規(guī)制高校學(xué)術(shù)剽竊方面有明顯不足。首先，立德樹人的教育目標(biāo)并非《著作權(quán)法》的立法初衷，調(diào)整因版權(quán)作品而產(chǎn)生的法律關(guān)系并保護(hù)權(quán)利人的署名權(quán)、復(fù)制權(quán)等著作權(quán)才是其關(guān)心的。其次，出于促進(jìn)作品傳播與思想交流的考量，思想表達(dá)二分法是近現(xiàn)代以來最牢固的《著作權(quán)法》原則之一，作品中只有屬于表達(dá)的部分才受到《著作權(quán)法》保護(hù)，也即他人學(xué)術(shù)思想、原創(chuàng)方法或公有領(lǐng)域作品等均屬于公眾自由使用的范圍。最后，版權(quán)侵權(quán)指控的成立一般遵循“接觸+實(shí)質(zhì)性相似”的原則（吳漢東， 2015），但因AIGC的混合性和人工智能黑匣子的特征，這通常是難以實(shí)現(xiàn)的。可見，學(xué)術(shù)誠信的要求事實(shí)上是一種高于《著作權(quán)法》的道德約束，《著作權(quán)法》難以完全承擔(dān)規(guī)制學(xué)術(shù)剽竊的職能。

第二，《教育法》《學(xué)位法》和高校學(xué)術(shù)誠信政策雖然目標(biāo)與高校立德樹人的教育宗旨一致，但均在針對(duì)性和覆蓋面上呈現(xiàn)出一定的不足。我國《教育法》在2021年修訂時(shí)增設(shè)了關(guān)于以剽竊手段獲取學(xué)位證書等學(xué)業(yè)證書的法律責(zé)任的相關(guān)規(guī)定。2023年12月，科技部監(jiān)督司也針對(duì)科研活動(dòng)中使用GAI的行為規(guī)范頒布了《負(fù)責(zé)任研究行為規(guī)范指引（2023）》（以下簡稱《指引》）。然而，這些規(guī)范和前文提到的《學(xué)位法》在關(guān)注學(xué)生在學(xué)位獲取、科研活動(dòng)中的剽竊行為的同時(shí)，顯然都忽略了學(xué)生在日常教學(xué)培養(yǎng)過程中同樣需要監(jiān)管。高等教育的質(zhì)量保障并不僅僅體現(xiàn)在學(xué)位授予或科研活動(dòng)環(huán)節(jié)，學(xué)生的綜合素質(zhì)更需要在日常教學(xué)活動(dòng)中踏實(shí)沉淀。如果日常教學(xué)管理規(guī)范有所缺位，則同樣難以實(shí)現(xiàn)教育目標(biāo)。可見，就當(dāng)前高等教育相關(guān)的法律法規(guī)而言，《學(xué)位法》和《指引》都做出了有益的嘗試，但并不足以應(yīng)對(duì)當(dāng)前的AIGC剽竊危機(jī)。

第三，學(xué)術(shù)誠信政策作為最直接影響高校學(xué)生利用AIGC的行為規(guī)范，尚未得到我國高校的廣泛關(guān)注。學(xué)術(shù)誠信政策本質(zhì)上是學(xué)校對(duì)相關(guān)行為的表態(tài)、指導(dǎo)和監(jiān)管，并作為高校的規(guī)范之一約束著學(xué)生的行為。面對(duì)GAI給高等教育帶來的巨大剽竊風(fēng)險(xiǎn)，高校作為應(yīng)對(duì)挑戰(zhàn)最主要的陣線，一舉一動(dòng)都將直接干預(yù)到學(xué)生，因此高校相應(yīng)的學(xué)術(shù)誠信政策仍然是迎接AIGC時(shí)代剽竊挑戰(zhàn)最關(guān)鍵的一環(huán)。然而，我國絕大多數(shù)高校仍持觀望態(tài)度，并未出臺(tái)任何關(guān)于日常教學(xué)中AIGC使用行為的指導(dǎo)意見抑或是使用規(guī)則。僅有個(gè)位數(shù)高校出臺(tái)了前文所述學(xué)位論文檢測時(shí)類似重復(fù)率的AIGC相似度要求。相較之下，大量的海外高校頒布了行為指引以期及時(shí)規(guī)范AIGC在高等教育中的使用并取得了一定效果（魏順平 等， 2024）。當(dāng)國內(nèi)高校的學(xué)術(shù)誠信政策并沒有對(duì)學(xué)生使用GAI的行為加以指引與規(guī)范，學(xué)生能否使用以及如何使用等就在事實(shí)上處在無法可依的灰色地帶——這無疑是一種放任。在缺乏明確規(guī)范指引的情況下，出現(xiàn)大量行為失序和學(xué)術(shù)誠信事件并非不可能。可以預(yù)見，國內(nèi)高校學(xué)生在學(xué)業(yè)競爭“內(nèi)卷”的情況下，將很難拒絕AIGC。事實(shí)上，國內(nèi)高校已經(jīng)出現(xiàn)關(guān)于大學(xué)生利用AIGC完成課程論文的相關(guān)報(bào)道（鄭雨航， 2023），我國高校制定規(guī)范AIGC使用的學(xué)術(shù)誠信政策有其現(xiàn)實(shí)性與緊迫性。

2. 技術(shù)之殤

一直以來，查重等相似度檢測技術(shù)是國內(nèi)外高校認(rèn)定和規(guī)制學(xué)術(shù)剽竊的最主要手段之一，但GAI的出現(xiàn)不僅暴露了其原本的缺陷，甚至在大部分時(shí)候都將使其失靈。當(dāng)前，大量機(jī)構(gòu)提供學(xué)術(shù)剽竊檢測服務(wù)，其中以國內(nèi)的中國知網(wǎng)和海外的Turnitin最為出名和廣泛應(yīng)用。以中國知網(wǎng)為例，在模糊算法的輔助下，當(dāng)段落存在超過5%的內(nèi)容相似，或者文章任何一處出現(xiàn)連續(xù)13個(gè)字雷同時(shí)就被認(rèn)定為存在剽竊（趙泓 amp; 陳因， 2019）。但這種檢測技術(shù)也并非毫無缺陷，例如基于檢測原理可輕易重復(fù)修改、跨語言檢測困難、數(shù)據(jù)庫覆蓋面不足和圖表數(shù)據(jù)剽竊難以檢測等問題一直深受詬病（吳昔昔 等， 2016），在面對(duì)AIGC時(shí)代的學(xué)術(shù)剽竊時(shí)就更捉襟見肘。從技術(shù)原理來看，查重技術(shù)的判斷標(biāo)準(zhǔn)一直是表達(dá)的相似性，而為了避免錯(cuò)誤判斷，相似門檻一般而言并不會(huì)設(shè)置得太高——但表達(dá)的豐富性恰恰正是ChatGPT等在海量訓(xùn)練語料上構(gòu)建而成的千億參數(shù)大語言模型的強(qiáng)項(xiàng)。例如，有學(xué)者嘗試使用“萬方數(shù)據(jù)文獻(xiàn)相似性檢測系統(tǒng)”對(duì)GAI生成的摘要進(jìn)行重復(fù)率檢測，部分組的相似度僅有6.19%，已完全能通過絕大部分學(xué)術(shù)期刊的查重率要求（沈錫賓 amp; 王立磊， 2023）。可以想見，學(xué)生完全可以委托機(jī)器操作過去由人工完成的“降重”任務(wù)，所需的僅僅是一臺(tái)接入GAI服務(wù)的電子設(shè)備和輸入一點(diǎn)網(wǎng)上隨處可見的指令。

在相似度檢測思路的影響下，“AIGC相似度”檢測技術(shù)也應(yīng)運(yùn)而生，但其同樣面臨困境，甚至有時(shí)帶來嚴(yán)重的負(fù)面影響。Turnitin 在 ChatGPT發(fā)布不久后推出了具備檢測AIGC功能的新產(chǎn)品。類似的檢測工具還有GPTZero和AI Content Detector等。國內(nèi)相關(guān)機(jī)構(gòu)也開發(fā)了類似工具，前文提到的某高校學(xué)位論文“AIGC檢測”即由“維普AIGC檢測系統(tǒng)”提供服務(wù)。雖然尚不清楚其工作原理，但可參照中國知網(wǎng)“AIGC檢測功能”的大致原理：“以……高質(zhì)量文獻(xiàn)大數(shù)據(jù)資源為基礎(chǔ)，基于預(yù)訓(xùn)練大語言模型算法邏輯，結(jié)合……算法，……用AI檢測AIGC”①。該技術(shù)在同年11月被引入中國知網(wǎng)旗下的騰云采編平臺(tái)，用以支持檢測投稿稿件中疑似AIGC的部分，也向個(gè)人提供“個(gè)人AIGC檢測”服務(wù)，但尚未大規(guī)模應(yīng)用在教育活動(dòng)當(dāng)中。上述技術(shù)又被稱為分類檢測技術(shù)，主要目的在于將待檢測內(nèi)容區(qū)分為AIGC與人類自然文本。就實(shí)際情況而言，這些工具得到了非常多海外高校的廣泛應(yīng)用——就像當(dāng)初的查重技術(shù)一樣。

必須指出，這種檢測AIGC與人類自然文本近似度的思路存在理論上的沖突，因?yàn)槿斯ぶ悄鼙旧砭褪窃谀７氯祟愔悄埽珹IGC與人類自然文本的近似，本身就是該項(xiàng)技術(shù)的終極目標(biāo)（Zhao et al.， 2023）。由于開發(fā)人工智能的資源遠(yuǎn)勝于開發(fā)分類檢測技術(shù)的投入，這就導(dǎo)致隨著GAI技術(shù)的進(jìn)步，區(qū)分AIGC和人類自然文本將愈發(fā)困難，無論區(qū)分工作是由人類還是由分類檢測技術(shù)來實(shí)施（Fernandez et al.， 2023）。當(dāng)前分類檢測技術(shù)并不穩(wěn)定且對(duì)于多輪生成的文字很容易束手無策，即便是被認(rèn)為掌握最先進(jìn)GAI技術(shù)的OpenAI也承認(rèn)其開發(fā)的分類檢測工具AI classifier并不能穩(wěn)定檢測ChatGPT生成物并已經(jīng)將其下架。這種檢測工具大多基于人工智能算法或者是對(duì)GAI微調(diào)而得，本身就帶有人工智能的不穩(wěn)定和不透明特征，其可能引發(fā)的誤判結(jié)果有時(shí)是令人無法接受的。因?yàn)闆]有人知道或者能夠證明什么是真的，應(yīng)用分類檢測技術(shù)的風(fēng)險(xiǎn)可能遠(yuǎn)大于收益（Dalalah amp; Dalalah， 2023）。例如，有學(xué)生為了證明清白所做的所有嘗試均被駁回，教師表示，“人工智能也可以生成所有這些內(nèi)容”（Herald， 2024）。這種信任危機(jī)有時(shí)是無解的——學(xué)生只會(huì)保留作業(yè)最終的或若干關(guān)鍵的版本，這通常無法證明學(xué)生的清白，因?yàn)檫@些文檔也可能被認(rèn)為是偽造的。鑒于這些新型檢測工具沒有經(jīng)過全面測試，雖然大量的海外高校實(shí)際采用它們輔助AIGC剽竊的認(rèn)定，但也普遍強(qiáng)調(diào)不能將檢測工具的判斷結(jié)果作為指控和認(rèn)定學(xué)術(shù)不端行為的唯一考量因素，甚至有高校明令禁止在課堂上使用AIGC檢測功能（University of British Columbia， 2023）。可見，在判斷學(xué)生學(xué)術(shù)剽竊時(shí)，如果高校只是簡單依賴人工智能檢測技術(shù)的話，就很可能產(chǎn)生有失公允的結(jié)果。

總體而言，我國現(xiàn)有的規(guī)制資源存在明顯不足。就行為規(guī)范機(jī)制而言，無論《學(xué)位法》等國家的最新立法抑或是高校的學(xué)術(shù)誠信政策都沒能對(duì)學(xué)生利用AIGC的行為提供清晰的規(guī)范指引，政策制定者面臨擴(kuò)大解釋現(xiàn)有規(guī)范和現(xiàn)有概念或創(chuàng)設(shè)新規(guī)則和新概念的時(shí)代選擇。而事實(shí)認(rèn)定資源更是捉襟見肘，不僅傳統(tǒng)檢測手段效果堪憂，新生的分類檢測技術(shù)也難當(dāng)大任。我國高等教育的政策制定者應(yīng)及時(shí)回應(yīng)挑戰(zhàn)，積極應(yīng)對(duì)AIGC時(shí)代的學(xué)術(shù)剽竊。

四、技術(shù)治理體系構(gòu)建

事實(shí)上，教育史就是一部教育與技術(shù)交融的互動(dòng)史（齊彥磊 amp; 周洪宇，2024）。由技術(shù)革新引發(fā)的社會(huì)問題，首先應(yīng)考慮技術(shù)治理路徑，借助有效技術(shù)手段從內(nèi)部化解。面對(duì)AIGC時(shí)代高等教育中剽竊風(fēng)險(xiǎn)的異化和升級(jí)，透明度原則應(yīng)當(dāng)是維護(hù)教育目標(biāo)和學(xué)術(shù)誠信的最基本原則。而技術(shù)治理的核心邏輯也必然圍繞透明度的保障和監(jiān)督而展開。

（一）AIGC剽竊風(fēng)險(xiǎn)的技術(shù)治理邏輯：何以透明

確保透明度是在高等教育中使用GAI的最基本原則，也是破解AIGC混合性特征所導(dǎo)致的規(guī)制困境的關(guān)鍵所在。為什么使用AIGC的行為可能被視作剽竊？從教育目標(biāo)的視角來看（管華， 2022），本質(zhì)上是因?yàn)閷W(xué)生沒有自主完成教育任務(wù)。高校布置教學(xué)任務(wù)的首要目標(biāo)并非學(xué)生提交的學(xué)術(shù)成果，而是確保其自主完成以提升能力，而這種學(xué)生學(xué)習(xí)的自主化正是高等教育區(qū)別于基礎(chǔ)教育的最主要特征之一。因而，任何簡單復(fù)制AIGC的行為和從互聯(lián)網(wǎng)上或書籍中剽竊他人內(nèi)容的做法在這一層面是同質(zhì)的——這些做法都不會(huì)使學(xué)生自主學(xué)習(xí)并實(shí)現(xiàn)教學(xué)任務(wù)所期待的目標(biāo)。從學(xué)術(shù)誠信的角度來看，習(xí)近平總書記（2021）指出，“誠信是科學(xué)精神的必然要求”。當(dāng)學(xué)生使用了可以顯著輔助或替代其完成教育任務(wù)的人工智能而不加注明時(shí)，無疑就違反了學(xué)術(shù)誠信。因?yàn)闊o論能否確認(rèn)AIGC中實(shí)質(zhì)性貢獻(xiàn)的來源，但至少可以肯定的是它們不全來自學(xué)生本身，而使用含有非學(xué)生本身的實(shí)質(zhì)性貢獻(xiàn)的內(nèi)容卻不注明，就是對(duì)學(xué)術(shù)誠信的違反。就此而言，保證透明度本身就是學(xué)術(shù)誠信的基本義務(wù)（程睿， 2023）。換句話說，在剽竊這一概念下，高等教育更關(guān)心的是“他人”這一要件，也即只要不是來自學(xué)生自己辛勤努力所得來的，都不應(yīng)得到認(rèn)可。可以說，合理使用AIGC與剽竊之間最根本的邊界就在于是否確保這一過程是透明的——學(xué)生究竟是如何使用GAI的。在保證透明度的前提下，即便是原封不動(dòng)的復(fù)制AIGC，也應(yīng)當(dāng)存在合理使用抑或誤用的申辯空間。這種使用GAI時(shí)的透明度原則也得到了相當(dāng)一部分海外高校的支持。如迪肯大學(xué)聲明，在作品中使用時(shí)應(yīng)當(dāng)“確認(rèn)作品中使用AIGC的內(nèi)容，明確何處使用和使用程度”（Deakin University， 2023）。

在保障透明度的原則下，技術(shù)治理的切入點(diǎn)應(yīng)在AIGC與人類創(chuàng)作物的區(qū)分上，但核心邏輯將從“像不像”回歸到“是不是”。面對(duì)互聯(lián)網(wǎng)技術(shù)帶來的剽竊危機(jī)，過去也有學(xué)者擔(dān)憂學(xué)生將會(huì)肆無忌憚地從互聯(lián)網(wǎng)上獲取任何想要的文章，而教師卻難以確認(rèn)這些材料的來源（Batane， 2010）。這樣的擔(dān)憂隨著互聯(lián)網(wǎng)技術(shù)的推廣不斷加深，又因查重技術(shù)的應(yīng)運(yùn)而生得到極大緩解。其底層邏輯正是檢測被測內(nèi)容和他人作品的相似程度以區(qū)分其中學(xué)生獨(dú)創(chuàng)的部分與來自他人的部分，這種思路一直延續(xù)到現(xiàn)在，因此AIGC相似度檢測技術(shù)的誕生和應(yīng)用就顯得十分順理成章。但正如前述，這種思路在AIGC剽竊問題的適用上面臨重大挑戰(zhàn)。在過去，當(dāng)剽竊發(fā)生時(shí)，兩個(gè)具體表達(dá)可能非常相似，甚至能找到源頭出處，因而可以根據(jù)相似反推剽竊。而在AIGC時(shí)代，從相似到剽竊的判斷邏輯將因AIGC的表達(dá)多樣性、混合性和不透明性等特性而產(chǎn)生裂痕并缺乏可信度。也即隨著AIGC的大量應(yīng)用，人們更需要查明的是某個(gè)有嫌疑的表達(dá)是否源自AIGC，而不是和他人的具體表達(dá)等像不像。換句話說，我們需要一種能夠檢驗(yàn)表達(dá)是源自AIGC或者非AIGC的標(biāo)識(shí)驗(yàn)證技術(shù)，以便鎖定針對(duì)AIGC這一機(jī)器生成物本身的“剽竊”行為，而不是簡單的相似度檢測技術(shù)。

（二）技術(shù)治理的制度安排：以何透明

1. 生成式數(shù)字水印技術(shù)的崛起

相較于分類檢測技術(shù)和傳統(tǒng)水印，生成式數(shù)字水印技術(shù)在區(qū)分AIGC和人類作品上有驚人的表現(xiàn)并取得了長足的發(fā)展。生成式數(shù)字水印技術(shù)主要通過在GAI生成過程中注入特定信息以實(shí)現(xiàn)在AIGC中嵌入水印的效果。以在過去被認(rèn)為相較于圖像內(nèi)容更具挑戰(zhàn)性的文本內(nèi)容上添加水印為例，Kirchenbauer等開發(fā)了一種應(yīng)用于文本內(nèi)容的生成式數(shù)字水印技術(shù)，其原理為借助哈希值將詞匯表隨機(jī)分成不同的兩個(gè)部分，并調(diào)整概率使得某一部分的標(biāo)記更容易采樣，從而實(shí)現(xiàn)水印的嵌入——生成的內(nèi)容中大多數(shù)來自同一個(gè)部分并呈現(xiàn)出一致的標(biāo)記（Kirchenbauer et al.， 2023）。有關(guān)這一工作的研究成果得到了計(jì)算機(jī)領(lǐng)域最重要的會(huì)議之一“國際機(jī)器學(xué)習(xí)大會(huì)”的高度認(rèn)可，并成為該年度六大杰出論文之一，被認(rèn)為將會(huì)“對(duì)業(yè)界產(chǎn)生重大影響”（ICML， 2023）。在那之后，生成式數(shù)字水印技術(shù)得到了廣泛的發(fā)展，其完整性（仍保留原始的高質(zhì)量）、隱蔽性（外部難以檢測）以及魯棒性（難以簡單清除水印）等關(guān)鍵特點(diǎn)也得到證實(shí)（Kuditipudi et al.， 2023）。隨后，可攜帶更多信息以追蹤AIGC用戶的多位生成式水印技術(shù)誕生（Yoo et al.， 2023）。相較于前述由Kirchenbauer等開發(fā)的只表明是否是AIGC的生成式數(shù)字水印，多位生成式數(shù)字水印技術(shù)的開發(fā)使得對(duì)AIGC的溯源成為可能。從技術(shù)發(fā)展趨勢看，生成式數(shù)字水印技術(shù)在某種程度上已得到計(jì)算機(jī)學(xué)界的認(rèn)可，擁有非常廣闊的前景。

更重要的是，不僅僅是學(xué)界的認(rèn)可，水印所代表的標(biāo)識(shí)技術(shù)在解決AIGC剽竊問題上的可行性和有效性已經(jīng)得到了法律制定者的重視與采納。2024年7月11日，有美國議員提出了《編輯和深度偽造內(nèi)容來源保護(hù)完整性法案》（以下簡稱《COPIED法案》）。該法案一旦通過，將指引美國國家標(biāo)準(zhǔn)與技術(shù)研究所制定人工智能水印標(biāo)準(zhǔn)和指導(dǎo)方針。這些標(biāo)準(zhǔn)將提高透明度，以確定內(nèi)容是否由人工智能生成或操縱，以及人工智能內(nèi)容的來源，并禁止他人未經(jīng)許可地篡改。與此同時(shí)，我國國家標(biāo)準(zhǔn)化管理委員會(huì)于2024年6月25日下達(dá)的強(qiáng)制性國家標(biāo)準(zhǔn)制訂計(jì)劃中，也包括了一項(xiàng)委托全國網(wǎng)絡(luò)安全標(biāo)準(zhǔn)化技術(shù)委員會(huì)制定的標(biāo)準(zhǔn)項(xiàng)目——《網(wǎng)絡(luò)安全技術(shù) 人工智能生成合成內(nèi)容標(biāo)識(shí)方法》，其目的也正是確立AIGC的標(biāo)識(shí)標(biāo)準(zhǔn)和方法。

2. 具體的制度安排

技術(shù)治理并不簡單地等同于治理技術(shù)，仍需要配套一系列的制度安排以實(shí)現(xiàn)最好的治理效果。當(dāng)下我國高等教育想要圍繞AIGC使用的透明度原則構(gòu)建技術(shù)治理制度，需要從法律和學(xué)術(shù)誠信政策上做出相應(yīng)的適配調(diào)整。

第一，GAI服務(wù)提供者的透明度義務(wù)及其法律保障。如前所述，以生成式數(shù)字水印技術(shù)為首的標(biāo)識(shí)技術(shù)通常應(yīng)用在GAI的內(nèi)容生成過程中。這意味著標(biāo)識(shí)技術(shù)的應(yīng)用需要GAI服務(wù)提供者的配合——通常而言，這對(duì)企業(yè)是一種額外的負(fù)擔(dān)，企業(yè)也會(huì)主張技術(shù)中立的抗辯。然而，從收益與責(zé)任相匹配的角度來看，GAI服務(wù)提供者有義務(wù)配合技術(shù)治理路徑的推進(jìn)。根據(jù)福柯的知識(shí)權(quán)利說，“知識(shí)是權(quán)力產(chǎn)生和掌握的重要手段”（米歇爾·福柯， 2021， p. 29），互聯(lián)網(wǎng)平臺(tái)憑借其提供各類內(nèi)容信息的服務(wù)已成為權(quán)威知識(shí)的新來源并因此獲得巨大利益（陳全真， 2023）。在AIGC時(shí)代，GAI憑借其海量數(shù)據(jù)和算力創(chuàng)造了更多的知識(shí)并將逐漸成為新的權(quán)威性來源，GAI服務(wù)提供者也同樣因此爭取到了更多的權(quán)力，但這也意味著它們在享受巨大收益時(shí)也應(yīng)承擔(dān)相應(yīng)的義務(wù)。尤其是當(dāng)AIGC在教育上帶來更多的社會(huì)負(fù)外部性時(shí)，GAI服務(wù)提供者有責(zé)任積極配合社會(huì)治理，而不應(yīng)主張技術(shù)中立等特殊豁免（胡凌， 2022）。換句話說，GAI服務(wù)提供者應(yīng)當(dāng)積極引入生成式數(shù)字水印技術(shù)等治理手段，以配合我國高等教育AIGC剽竊風(fēng)險(xiǎn)的技術(shù)治理。更進(jìn)一步，必須指出無論是國外的《COPIED法案》還是我國的強(qiáng)制措施，采取這樣的做法都可能會(huì)導(dǎo)致相關(guān)的創(chuàng)新活動(dòng)受到抑制。因?yàn)橹T如法律這類強(qiáng)制性手段的實(shí)施會(huì)使這些創(chuàng)新活動(dòng)負(fù)外部性被內(nèi)部化，而正外部性卻可能不會(huì)全部回流給創(chuàng)新者。在當(dāng)前全球人工智能技術(shù)激烈競爭的背景下，應(yīng)當(dāng)考慮人工智能技術(shù)在多個(gè)領(lǐng)域所帶來的社會(huì)正外部性。如果一味地嚴(yán)厲監(jiān)管和限制則很可能會(huì)抑制我國人工智能技術(shù)和產(chǎn)業(yè)的創(chuàng)新與發(fā)展。因此，采取技術(shù)避風(fēng)港類型的平臺(tái)責(zé)任制度以在責(zé)任上給予一定補(bǔ)償可能更符合比例原則。例如，當(dāng)GAI服務(wù)提供者采用了符合政府監(jiān)管部門要求的生成式數(shù)字水印等治理技術(shù)時(shí)，應(yīng)當(dāng)被視作在責(zé)任上有相應(yīng)的豁免。這類責(zé)任制度設(shè)計(jì)將調(diào)動(dòng)GAI服務(wù)提供者的能動(dòng)性，甚至促使GAI服務(wù)提供者持續(xù)開發(fā)相關(guān)技術(shù)最終產(chǎn)生溢出效應(yīng)，使得生成式數(shù)字水印等標(biāo)識(shí)技術(shù)成為AIGC時(shí)代高等教育真正的數(shù)字基礎(chǔ)技術(shù)，幫助高等教育更好地實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型（沈偉偉， 2023）。

第二，高校學(xué)術(shù)誠信政策應(yīng)明確AIGC使用中的透明度原則及其邊界，并配合治理措施有針對(duì)性地升級(jí)相關(guān)政策及實(shí)施機(jī)制。如前所述，我國現(xiàn)行《學(xué)位法》并未明確所謂“代寫”是否囊括“人工智能代寫”，而“人工智能代寫”的具體邊界也尚未得到明確，且僅僅涉及學(xué)位論文。也有學(xué)者曾建議，在未來的《教育法典·高等教育編》“學(xué)術(shù)不端”中增加隱瞞人工智能使用情況或申請人無實(shí)質(zhì)貢獻(xiàn)的不授予或撤銷學(xué)位條款（管華， 2022），但這也未涉及日常教學(xué)中可能存在的AIGC剽竊行為。值得注意的是，我國教育部出臺(tái)的《高等學(xué)校預(yù)防與處理學(xué)術(shù)不端行為辦法》（以下簡稱《辦法》）第二十七條列舉的“剽竊、抄襲、侵占他人學(xué)術(shù)成果”和“買賣論文、由他人代寫……論文”的學(xué)術(shù)不端行為能涵蓋課堂論文和其他日常學(xué)術(shù)成果。雖然學(xué)生使用人工智能代寫的行為依然難以被“剽竊他人學(xué)術(shù)成果”和“由他人代寫”涵攝，但其作為部門規(guī)章，在調(diào)整自身以銜接和補(bǔ)充上位法的敏捷性上確有一定優(yōu)勢。因此，教育部應(yīng)盡快修訂《辦法》以銜接《學(xué)位法》的出臺(tái)，擴(kuò)大其規(guī)范范圍至日常教學(xué)活動(dòng)并明確何種利用AIGC的行為應(yīng)當(dāng)被視為“代寫”。具體而言，筆者認(rèn)為只有違反透明度原則的AIGC使用行為才不應(yīng)被允許，也即使用AIGC而隱瞞來源的行為應(yīng)當(dāng)被視作剽竊或者是“代寫”。在部門規(guī)章修改之前，我國高校學(xué)術(shù)誠信政策也應(yīng)對(duì)學(xué)生能否以及如何利用GAI的重大問題做出明確表態(tài)，不能放任GAI在大學(xué)生群體中的野蠻生長。

第三，各方應(yīng)互通有無以系統(tǒng)性保障透明度原則并搭建學(xué)術(shù)不端指控的救濟(jì)途徑。為了確保治理的完備性，教育監(jiān)管部門和高校必須將透明度要求和需求傳遞給GAI服務(wù)提供商以及與保障學(xué)術(shù)誠信等教育功能密切相關(guān)的各類數(shù)據(jù)庫（如知網(wǎng)、維普等），各方應(yīng)開展深度合作并積極聯(lián)動(dòng)合作，落實(shí)生成式數(shù)字水印等標(biāo)識(shí)技術(shù)，實(shí)現(xiàn)透明度治理的系統(tǒng)性升級(jí)。應(yīng)指出的是，一旦有學(xué)生被指控涉嫌人工智能代寫，也即懷疑使用AIGC而隱瞞來源，仍應(yīng)進(jìn)入常規(guī)的學(xué)術(shù)誠信調(diào)查流程。雖然以生成式數(shù)字水印為代表的標(biāo)識(shí)技術(shù)通常具有足夠的證明力，但不能以此直接判定學(xué)生存在學(xué)術(shù)不端行為或者將此作為唯一的考量因素。校方應(yīng)結(jié)合學(xué)生的日常表現(xiàn)、學(xué)生的原創(chuàng)性證據(jù)、教師的證言和面談等傳統(tǒng)方式確認(rèn)學(xué)生知識(shí)掌握程度進(jìn)而做出綜合判斷（University of Toronto， 2024）。校方還應(yīng)及時(shí)告知指控的理由和依據(jù)，提供充分的救濟(jì)途徑，以透明、公正的方式落實(shí)高校學(xué)術(shù)誠信政策。

參考文獻(xiàn)

布萊恩·阿瑟. （2014）. 技術(shù)的本質(zhì)（曹東溟， amp; 王健 譯）. 浙江人民出版社.

陳全真. （2023）. 生成式人工智能與平臺(tái)權(quán)力的再中心化. 東方法學(xué)（3）， 61-71.

程睿. （2023）. ChatGPT介入學(xué)術(shù)論文透明度義務(wù)的可視正義功能. 科學(xué)學(xué)研究， 41（12）， 2138-2146.

方流芳. （2006）. 學(xué)術(shù)剽竊和法律內(nèi)外的對(duì)策. 中國法學(xué)（5）， 155-169.

管華. （2022）. 智能時(shí)代的教育立法前瞻. 陜西師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）， 51（4）， 103-117.

侯利陽， amp; 李兆軒. （2023）. ChatGPT學(xué)術(shù)性使用中的法律挑戰(zhàn)與制度因應(yīng). 東北師大學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）（4）， 29-39.

侯敏. （2010）. 清初吳中學(xué)人序跋中的詩學(xué)觀——以葉燮、尤侗、汪琬為中心. 蘇州大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）， 31（2）， 60-63.

胡凌. （2022）. 企業(yè)、市場還是社會(huì)？——法律如何回應(yīng)技術(shù)系統(tǒng). 文化縱橫（1）， 97-106， 159.

黃蓓蓓， 宋子昀， amp; 錢小龍. （2024）. 生成式人工智能融入高等教育生態(tài)系統(tǒng)的風(fēng)險(xiǎn)表征、預(yù)警及化解. 現(xiàn)代教育技術(shù)， 34（5）， 16-26.

理查德·波斯納. （2010）. 論剽竊（沈明 譯）. 北京大學(xué)出版社.

李艷， 許潔， 賈程媛， amp; 翟雪松. （2024）. 大學(xué)生生成式人工智能應(yīng)用現(xiàn)狀與思考——基于浙江大學(xué)的調(diào)查. 開放教育研究， 30（1）， 89-98.

李永智， amp; 安德烈亞斯·施萊歇爾. （2024）. 人工智能時(shí)代的教育圖景與憂思. 全球教育展望， 53（4）， 43-52.

劉東. （2012）. 歷史與現(xiàn)實(shí)中的學(xué)術(shù)剽竊. 徐州師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）， 38（4）， 10-28.

路景云. （1996）. 談古論今說“剽竊”. 編輯之友（3）， 45-47.

路景云. （1999）. “剽竊”探源. 新聞出版交流（5）， 13.

盧宇， 余京蕾， 陳鵬鶴， amp; 李沐云. （2023）. 生成式人工智能的教育應(yīng)用與展望——以ChatGPT系統(tǒng)為例. 中國遠(yuǎn)程教育， 43（4）， 24-31， 51.

孟文婷， 廖天鴻， 王之圣， 施宇熹， 翟雪松， amp; 李媛. （2023）. 人工智能促進(jìn)教育數(shù)字化轉(zhuǎn)型的國際經(jīng)驗(yàn)及啟示——2022年國際人工智能教育大會(huì)述評(píng). 遠(yuǎn)程教育雜志， 41（1）， 15-23.

米歇爾·福柯. （2021）. 規(guī)訓(xùn)與懲罰（董樹寶 譯）. 生活·讀書·新知三聯(lián)書店.

齊愛民， amp; 周偉萌. （2010）. 論學(xué)術(shù)抄襲的兩面性：以學(xué)術(shù)規(guī)范和法律規(guī)范的區(qū)分為視角. 重慶大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 16（6）， 86-92.

齊彥磊， amp; 周洪宇. （2024）. 技術(shù)、制度與思想：生成式人工智能在教育領(lǐng)域中應(yīng)用的演進(jìn)邏輯. 電化教育研究（8）， 28-34.

沈偉偉. （2023）. 技術(shù)避風(fēng)港的實(shí)踐及法理反思. 中外法學(xué)， 35（4）， 906-922.

沈錫賓， amp; 王立磊. （2023）. 人工智能生成學(xué)術(shù)期刊文本的檢測研究. 科技與出版（8）， 56-62.

史小軍. （2005）. 論明代前七子的關(guān)學(xué)品性. 文藝研究（6）， 79-86， 159.

王坤. （2012）. 剽竊概念的界定及其私法責(zé)任研究. 知識(shí)產(chǎn)權(quán)（8）， 47-52， 96.

王名揚(yáng)， 姚金菊， amp; 王崇恩. （2024）. 美國大學(xué)學(xué)術(shù)不端治理機(jī)制研究——以八所常春藤大學(xué)為例. 中國人民大學(xué)教育學(xué)刊（5）， 69-82， 182.

王少. （2023）. ChatGPT與學(xué)術(shù)不端治理：挑戰(zhàn)與應(yīng)對(duì). 科技進(jìn)步與對(duì)策， 40（23）， 1-8.

王帥杰， 湯倩雯， amp; 楊啟光. （2024）. 生成式人工智能在教育應(yīng)用中的國際觀察：挑戰(zhàn)、應(yīng)對(duì)與鏡鑒. 電化教育研究， 45（5）， 106-112， 120.

王天健. （2023）. 德國教育應(yīng)對(duì)ChatGPT的理念與經(jīng)驗(yàn)——對(duì)德國聯(lián)邦議院調(diào)研報(bào)告的分析. 比較教育學(xué)報(bào)（5）， 66-78.

王陽， amp;王希艷. （2008）. 論美國科學(xué)不端行為定義演變的幾個(gè)趨向. 科學(xué)學(xué)研究（2）， 255-260.

魏順平， 范學(xué)健， 王向旭， 程罡， amp; 江鳳娟. （2024）. 高等教育應(yīng)用ChatGPT的潛能與風(fēng)險(xiǎn)——來自美國高校的經(jīng)驗(yàn)與啟示. 現(xiàn)代遠(yuǎn)距離教育（3）， 18-27.

吳漢東. （2015）. 試論“實(shí)質(zhì)性相似+接觸”的侵權(quán)認(rèn)定規(guī)則. 法學(xué)（8）， 63-72.

吳昔昔， 賈建敏， 吳健敏， amp; 王小同. （2016）. 低重復(fù)率稿件中的學(xué)術(shù)不端行為檢測與防范. 編輯學(xué)報(bào)， 28（3）， 266-269.

習(xí)近平. （2021-5-29）. 在中國科學(xué)院第二十次院士大會(huì)、中國工程院第十五次院士大會(huì)、中國科協(xié)第十次全國代表大會(huì)上的講話. 人民網(wǎng). http：//cpc.people.com.cn/n1/2021/0529/c105996-32116652.html

翟雪松， 吳庭輝， 李翠欣， 仇婷婷， amp; 李艷. （2023）. 數(shù)字人教育應(yīng)用的演進(jìn)、趨勢與挑戰(zhàn). 現(xiàn)代遠(yuǎn)程教育研究， 35（6）， 41-50.

趙泓， amp; 陳因. （2019）. 自媒體洗稿的成因、界定及防范. 現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報(bào)）， 41（2）， 33-38.

鄭雨航. （2023-11-25）. 國內(nèi)高校已有學(xué)生用ChatGPT寫論文，“杰作”快趕上老師了！“AI作弊”怎么防？每經(jīng)網(wǎng). http：//www.nbd.com.cn/articles/2023-02-09/2662851.html

Batane， T. （2010）. Turning to Turnitin to fight plagiarism among university students. Journal of Educational Technology amp; Society， 13（2）， 1-12.

Battiste， N. （2023， January 11）. Does artificial intelligence help students cheat？ CBS News. https：//www.cbsnews.com/video/does-artificial-intelligence-help-students-cheat/

Bretag， T.， Harper， R.， Burton， M.， Ellis， C.， Newton， P.， Rozenberg， P.， Saddiqui， S.， amp; van Haeringen， K. （2019）. Contract cheating： A survey of Australian university students. Studies in Higher Education， 44（11）， 1837-1856.

Dalalah， D.， amp; Dalalah， O. M. （2023）. The 1 positives and 1 negatives of generative AI detection tools in education and academic research： The case of ChatGPT. The International Journal of Management Education， 21（2）， 100822.

Deakin University. （2023， March 2）. Student guide to using generative AI. Deakin University. https：//www.deakin.edu.au/students/study-support/study-resources/academic-skills/student-guide-to-using-generative-ai

De-Silva， D.， Mills， N.， El-Ayoubi， M.， Manic， M.， amp; Alahakoon， D. （2023）. ChatGPT and generative AI guidelines for addressing academic integrity and augmenting pre-existing chatbots. In 2023 IEEE International Conference on Industrial Technology（ICIT） （pp. 1-6）. IEEE.

de Wynter， A.， Wang， X.， Sokolov， A.， Gu， Q.， amp; Chen， S. Q. （2023）. An evaluation on large language model outputs： Discourse and memorization. Natural Language Processing Journal， 4， 100024.

Eisenstein， E. L. （2005）. The printing revolution in early modern Europe. Cambridge University Press.

Evans， K. （2023， Jan 16）. Aumann： A.I. chatbots altering education. Northern Today. https：//news.nmu.edu/aumann-ai-chatbots-altering-education

Febvre， L.， amp; Martin， H. J. （1997）. The coming of the book： The impact of printing 1450-1800 （Vol. 10）. Verso.

Fernandez， P.， Chaffin， A.， Tit， K.， Chappelier， V.， amp; Furon， T. （2023， December）. Three bricks to consolidate watermarks for large language models. In 2023 IEEE International Workshop on Information Forensics and Security （WIFS） （pp. 1-6）. IEEE.

Hemnes， T. （2024）. The copyright work of authorship. Santa Clara High Technology Law Journal， 40（1）， 35.

Herald， N. Z. （2024， July 29）. “It’s Russian roulette” - Top students deny AI cheating after teachers flunk them. NewstalkZB. https：//www.newstalkzb.co.nz/news/education/ai-and-chatgpt-cheating-allegations-at-

cambridge-and-pukekohe-high-outrage-parents-of-top-students/

ICML. （2023， July 7）. Outstanding paper awards. ICML. https：//icml.cc/Conferences/2023/Awards

Kaplan， B. （1967）. An unhurried view of copyright. Columbia University Press.

Kirchenbauer， J.， Geiping， J.， Wen， Y.， Katz， J.， Miers， I.， amp; Goldstein， T. （2023， July 26）. A watermark for large language models. In International Conference on Machine Learning （pp. 17061-17084）. PMLR.

Kuditipudi， R.， Thickstun， J.， Hashimoto， T.， amp; Liang， P. （2023， Jun 6）. Robust distortion-free watermarks for language models. arXiv. https：//arxiv.org/abs/2307.15593

Latourette， A. W. （2010）. Plagiarism： Legal and ethical implications for the university. JC amp; UL， 37（1）， 1-92.

Patterson， L. R. （1968）. Copyright in historical perspective. Vanderbilt University Press.

University of British Columbia. （2023， Sptember 19）. ChatGPT and other generative AI tools. University of British Columbia. https：//academicintegrity.ubc.ca/chatgpt-faq/

University of Toronto. （2024， July 16）. Guidance on the appropriate use of generative artificial intelligence in graduate theses. University of Toronto. https：//www.sgs.utoronto.ca/about/guidance-on-the-use-of-generative-artificial-intelligence/

White， H. O. （1935）. Plagiarism and imitation during the English Renaissance： A study in critical distinctions. Harvard University Press.

Zhao， X.， Ananth， P.， Li， L.， amp; Wang， Y. X. （2023， October 13）. Provable robust watermarking for AI-generated text. arXiv. https：//arxiv.org/abs/2306.17439

How to Be Transparent and with What： AIGC Plagiarism and the Technocracy in Higher Education

Zhang Taolue and Chen Hunan

Abstract： Academic plagiarism in higher education has shown a trend of alienation and escalation in the GAI era. Reviewing the historical evolution of the concept of plagiarism and the means of regulating it as a result of several major technological innovations， technology has been both an promoter and a game-changer. The existing concept of plagiarism has certain obstacles in adapting to the misuse of AIGC. The copyright law， the academic degree law and the student integrity policy of higher education have failed to provide clear normative guidelines， and the traditional similarity detection techniques and ideas are stretched to the limit. The policy makers of higher education should give priority to the technocracy path， and construct specific rules for regulating the use of AIGC in higher education through identification technologies such as generative digital watermarks， with the most basic principle of transparency in the use of AIGC as the core.

Keywords： generative artificial intelligence; AI-generated content; higher education; plagiarism; academic plagiarism; AI ghostwriting