马特·舒默在其题为《大事正在发生》的博文中，系统梳理了人工智能技术的演进轨迹，揭示出其在极短时间内实现的跨越式发展：自2022年尚无法准确执行基础算术运算，至2026年已具备独立承担人类专家需数周完成之复杂任务的能力。作为数据法领域的研究者，必须指出，这一技术跃迁不仅体现为计算效能的提升，更构成对现行法律体系的结构性冲击。面对人工智能不断突破智能边界所带来的伦理与规制困境，亟需构建与之相适应的法律框架，以确保技术发展始终置于人类社会可控范围之内。

　　据METR机构发布的数据显示，人工智能系统完成特定任务所需时间在一年内由“10分钟”缩短至“5小时”，且其性能提升速率或已加速至每四个月翻倍。若此趋势持续，预计三年内人工智能将能够自主执行周期长达一个月的综合性任务。此种发展速度显著超越了法律制度的适应与响应能力，暴露出当前法律框架在应对高阶人工智能时的三大结构性缺陷：

　　当人工智能系统在无直接人类干预下作出决策并引发损害后果时，责任主体的界定成为法律适用中的核心难题。以人工智能医疗诊断系统为例，若因算法错误导致误诊并造成患者损害，其责任应归属于开发主体、部署机构，抑或算法本身，现行法律规范尚未形成统一认定标准。可参考欧盟《人工智能法案》（草案）中关于“高风险AI系统”之责任配置彩神官方条款，但其适用范围与解释仍存争议。

　　以GPT-4为代表的大型语言模型依赖海量数据进行训练，其数据采集来源的合法性、使用范围的边界以及个人数据主体的知情同意机制，在技术快速迭代过程中常被弱化甚至忽视。2023年某人工智能企业因未经授权使用医疗健康数据被提起诉讼之案例，仅是数据合规风险的初步显现，未来此类问题或将呈指数级增长。

　　实证研究表明，人工智能系统可能复制并放大训练数据中固有的偏见。例如，麻省理工学院（MIT）于2024年发布的一项研究指出，某招聘辅助系统对女性求职者的评分系统性偏低。若缺乏具有法律约束力的算法审计与偏差纠正机制，人工智能将加剧社会不平等，构成对公平原则的实质性侵蚀。

　　面对人工智能能力迅速超越人类专家的现实趋势，传统以“事后追责”为核心的法律治理模式已显滞后。舒默所警示的“人工智能或将超越多数博士”的判断，实质指向法律规制范式的转型需求。数据法领域应推动建立以“预防为主、动态调整”为核心的新型监管体系：

　　推行算法透明度义务。应通过立法强制要求关键领域的人工智能系统披露其核心算法逻辑与决策机制，参考欧盟《人工智能法案》中关于“系统文档”之规定，确保技术过程可追溯、可解释。同时，建立独立第三方审计机制，对高风险系统实施定期评估。

　　设立人工智能伦理审查机构。可借鉴生物医学研究领域的伦理委员会制度，针对高风险人工智能应用（如司法辅助、自动驾驶、信贷评估等）实施强制性事前伦理与技术评估，确保其设计与部署符合基本权利保障与社会公共利益。

　　彩神

　　构建分级责任制度。参考麻省理工学院提出的“人工智能分级监管模型”，依据系统的自主性程度划分为L1至L5五个等级，对应设定差异化的法律责任与合规要求。例如，L5级完全自主系统应强制配备实时人类监督机制，并明确开发方与运营方的连带责任。

　　Anthropic首席执行官Dario Amodei于2025年公开预测，人工智能或将于2026至2027年间实现对人类智能的全面超越。此预测并非修辞性夸张，而是对技术发展趋势的严肃判断。法律制度的根本使命，在于确保技术进步不以牺牲人类尊严、自由与安全为代价。

　　呼吁全社会重视对此的回答，不仅关乎《数据保护法》的具体条文设计，更涉及算法治理机制的制度化建设，以及全社会对技术伦理的持续反思与规范。