文章核心观点 - 围绕AI代理的法律辩论存在全面改革呼声，但现有过失责任和产品责任原则经过针对性调整即可应对AI相关危害，无需彻底改革 [1] 法律与经济学分析视角 - 法律经济学视角为分析提供了独特的规范性框架，其核心前提是个人和企业至少部分受利润驱动，经济基准为引导AI开发者和用户行为提供了有用框架 [2] - 从规范角度看，AI代理与传统产品有显著相似之处，开发者负有防止可预见损害的责任，需谨慎设计、训练系统，使用充足数据并采取安全措施 [2] - 开发者通常最能应对和降低产品风险，他们通过选择训练数据、模型设计和安全措施拥有独特能力来预防或纠正安全问题，并能通过定价分摊成本 [3] - AI的不透明性和复杂性强化了追究开发者责任的规范性基础，因为除开发者外，他人难以发现或修复缺陷 [3] 开发者与用户的责任平衡 - 开发者并非唯一相关方，当用户明知风险仍不当使用时，仅追究开发者责任不合逻辑 [4] - 责任规则可以阻止用户在知情情况下以可预见的有害方式使用产品，因此从规范角度看，开发者应告知用户AI系统的局限性和风险 [4] - 用户责任应与其做出知情部署决策的能力相匹配，对于本质上复杂的系统，用户理解风险的能力可能有限 [4] - 当用户能理解风险时，追究用户责任在规范层面尤为重要，可防止激励机制失效，避免阻碍开发者提供有价值的工具 [5] - AI的快速发展可能产生超出开发者或用户自身利益的社会效益，即“效益外部化”，过早强加责任可能会抑制创新，阻碍带来长期社会效益的进展 [6] 现有责任制度的适用与挑战 - 美国现有责任框架中，过失责任是默认的一般责任，产品责任则是更严格、专门追究制造商的制度 [7] - 过失责任要求受害者证明损害由他人过失行为造成，且需证明开发者或用户未能像一个理性人那样行事，其责任范围比严格责任制度更为有限 [7] - AI代理的自主性、不完美性、不可预测性和不透明性等独特特性给过失侵权法的评估带来重大挑战，使受害者难以证明过失和因果关系 [7] - 现有法律制度如医疗事故法中的“机会丧失”框架，可为处理AI领域因果关系不确定性问题提供有益指导 [8] - 大多数AI系统的复杂性使得因果关系和过失的评估非常困难，尤其对于缺乏技术专长的律师和法官而言，且存在信息和专业知识的不对称 [9] - 若缺乏因果关系推定等工具，AI相关伤害的受害者可能独自承担后果，这会削弱赔偿机制，并降低开发者和用户预防伤害的积极性 [9] 产品责任路径的适用性 - 产品责任为追究制造商责任提供了独立路径，主要包括设计缺陷和制造缺陷两部分 [10] - 设计缺陷关注产品设计方式，若产品本可合理做得更安全，通常会追究制造商责任；制造缺陷则指制造过程中引入的缺陷，制造商将承担严格责任 [11] - 在AI领域，大多数错误输出源于训练过程而非制造缺陷，因此有害输出通常被视为设计缺陷，适用风险效用检验，限制了严格责任的适用范围 [11] - 产品责任规定了“警示义务”，要求开发者提供警示使用户能预见并减轻损害，但由于AI系统复杂，此义务的有效性受到限制 [11] 改革路径建议 - 现有AI代理和系统应遵循与传统产品大致相同的监管机制，但需注意两点：随着AI能力提升，需更重视AI代理本身行为；需进行调整以应对系统复杂性，对开发者施加更严格问责 [12] - 社会应承担部分AI开发和使用风险，以激励具有长期公共利益的创新，现行侵权法未充分提供这些激励 [12] - 传统设计缺陷和制造缺陷的区分不适用于AI代理，导致性能不足的劣质训练数据在功能上可能等同于制造缺陷，应使开发者承担严格责任 [12] - 过失责任在用户明知风险却鲁莽使用时，可发挥关键作用 [12] - 过失责任和产品责任已包含应对AI相关危害所需的许多要素，无需彻底改革，而是需要谨慎调整，并可能将特定领域制度扩展到更广泛的AI领域 [13] - 结合法律专业人士更高的技术素养，谨慎调整是确保AI代理责任落在应承担责任方身上的最佳途径 [13]