当前，生成式人工智能在我国高校被广泛应用，越来越多的师生使用人工智能辅助教案设计、课后答疑、文献检索和数据处理等。但相关探索多具有自发性和盲目性，有可能会引发学术不端、数据隐私泄露、知识产权侵权等风险。为此，有高校出台“AI禁令”，并配套使用人工智能生成内容检测系统，以防范师生在科学研究等环节不当使用生成式人工智能。

　　一些高校出台“AI禁令”，采取“一刀切”的方式实施人工智能使用治理，其实是在需要“疏”的领域进行了“堵”，而对真正需要“堵”的法律合规风险却有所忽视。高校人工智能治理的核心应在于采取“堵疏结合”的复合型路径：清晰地认识其技术原理和风险类型，并在此基础上，总结实践经验，一方面以完善的法律合规体系设“堵”，防范技术固有缺陷带来的风险，另一方面以主动的教育引导做“疏”，释放技术赋能教学的巨大潜能。

　　区分“技术缺陷”与“性能滥用”。采取“堵疏结合”策略的前提，是科学区分不同的生成式人工智能风险。当前，生成式人工智能给高校带来的风险可分为两大类：一类是源于生成式人工智能技术本身固有的缺陷，如“幻觉”问题、数据隐私泄露、知识产权侵权等。这类风险破坏了基本的法治与安全底线，是高校人工智能治理中需要坚决“堵”住的漏洞。另一类则源于相关技术工具强大的生成性能被人为滥用，尤其是在学术写作中的不当使用。这类风险与学生的学习方式、创新能力培养息息相关，是治理中需要积极“疏”导的关键领域。

　　以“堵”为基：补齐法律合规短板。“堵疏结合”的第一步，是建立坚实的法律与伦理“堤坝”。长期以来，我国高校在数据隐私保护、知识产权归属、信息安全等领域的法律合规体系建设相对滞后。特别是随着“AI服务本地化”浪潮的兴起，许多高校开始为师生提供自有的、本地化部署的大模型服务。这一转变使高校不再仅仅是学术诚信的监管者，更成为法律所定义的“网络运营者”“个人信息处理者”“数据处理者”和“生成式人工智能服务提供者”。为此，需尽快补齐合规短板，建立清晰、完备的数字校园法律合规校规体系，从而有效应对因技术缺陷引发的各类风险。这既是保护学生，也是保护大学自身的必要屏障。

　　近日，教育部教师队伍建设专家指导委员会发布的《教师生成式人工智能应用指引（第一版）》，着力引导教师科学、安全、合规、理性地应用生成式人工智能。下一步，我国高校应尽快制定明确的学校大模型服务指南、用户协议与隐私政策，建立数据安全与分级管理制度，完善相关纠纷处理机制。这不仅是履行法定义务，更是为接下来的创新技术应用与教育引导提供一个安全、可信的基础。

　　以“疏”导流：从技术围堵转向教育引导。在应对学术不端这一“性能滥用”风险时，正确的思路是“疏”而非“堵”。当前高度依赖人工智能生成内容检测的技术围堵路径并不可靠。首先，无论是商业化的自动检测工具还是数字水印技术，这些技术手段目前都无法做到稳定鉴别人工智能生成文本，误判率较高，不能作为认定学术不端的可靠法律证据。其次，上述做法将导致高校陷入一场注定落后的“猫鼠游戏”。大模型技术的迭代速度远超检测技术，任何检测方法都可能在短时间内失效。英美一些高校在走入“死胡同”后，普遍对强制使用此类检测工具持否定态度，转而探索更具建设性的教育引导方案。

　　面对“性能滥用”的风险需转换思路，将治理重心从“技术围堵”转向教育引导。首先，教育主管部门应出台措施，规范商业化人工智能检测平台，使其回归作为学术判断的“辅助定位”，减少高校对“堵截”技术工具的依赖。其次，高校应正视检测技术的局限性，采取更宽容和灵活的治理策略，为人机协同的教与学探索，留出必要的弹性空间。最后，高校应回归教育本源，引导师生理解人工智能原理、善用人工智能工具，将外部的技术挑战转化为内部促进高等教育变革创新的契机。如《上海交通大学关于在教育教学中使用AI的规范》即鼓励在合规前提下积极探索人工智能使用方式；《清华大学人工智能教育应用指导原则》亦支持师生勇于探索人工智能的创新性应用，并将对优秀实践给予肯定、推广。

　　（陈彰宁系华东政法大学法律学院博士研究生，孙平系华东政法大学法律学院副研究员）

《中国教育报》2025年12月17日 第04版

作者：陈彰宁 孙平

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.