译自英文

数字亡灵术是指利用人工智能,根据逝者的数字数据来重现或模拟逝者,这引发了关于身份、同意和悲伤的伦理与法律问题。

数字巫术指的是利用人工智能和机器学习技术,重建、模拟或与逝者的数字表征进行互动的实践。这通常通过基于个人历史数字足迹(包括短信、电子邮件、社交媒体帖子、语音录音和照片)训练模型来实现。生成的系统能够产生模仿逝者风格、个性和举止的新文本、语音甚至视频。该术语与古代巫术(涉及与死者沟通)相类比,但将其应用于生成式人工智能和大型语言模型的现代语境中。

随着深度学习和神经网络架构的快速发展,尤其是变换器模型,这一概念逐渐受到关注。这些技术使得创建高度逼真和个性化的数字人像成为可能。尽管技术可行性有所提高,数字巫术仍是一个具有争议且基本未受监管的领域,涉及心理学、法律和数字伦理等多个领域。

技术基础

数字巫术的核心依赖于生成式人工智能系统,尤其是能够处理和生成类人文本的大型语言模型。这些模型通常基于变换器架构,利用多头注意力和位置编码等机制来理解数据中的上下文和序列。为了创建数字复制品,开发者通常会在逝者的精选写作和语音数据集上对预训练模型进行微调。此过程涉及使用梯度裁剪和学习率调度等技术调整模型参数,以防止过拟合并确保训练稳定。

除了文本,神经网络还能合成语音和视觉表征。对于语音,模型可能使用带有编码器-解码器结构的序列到序列架构,通常结合交叉注意力来对齐音频特征与文本。对于视觉重建,残差网络和U型网络架构常用于生成逼真的图像或视频帧。这些模态的整合创造了更沉浸的体验,但也增加了系统的复杂性和意外输出的风险。

显著应用与研究

多家公司和研究机构已以各种形式探索或实施了数字巫术。例如,OpenAI和Anthropic开发了可微调以进行个性化定制的先进大型语言模型,但它们并未公开支持巫术应用。谷歌DeepMind进行了关于记忆和对话系统的研究,这些系统理论上可支持此类用例。在商业领域,初创公司已提供创建逝者亲人“聊天机器人”的服务,通常使用亚马逊网络服务或Azure等提供商的API来托管底层模型。

学术界也涉及了该主题。麻省理工学院计算机科学与人工智能实验室和斯坦福人工智能实验室发表了关于AI伦理和身份的研究,这些与数字巫术直接相关。伯克利AI研究探索了机器学习在个性化方面的极限。然而,这些工作大多侧重于技术可行性而非伦理影响,使文献中留下空白。

伦理与法律考量

数字巫术的主要伦理关注点是同意问题。逝者无法同意其数字形象在死后被使用,家庭成员可能对此类重现是否合适产生分歧。这引发了关于数据增强和未经明确许可使用个人数据的问题。法律框架在很大程度上未准备应对这些情景。在许多司法管辖区,公开权或人格权可能在死后延伸,但其对AI生成内容的适用性尚未经检验。欧盟的《通用数据保护条例》(GDPR)为个人数据提供了一些保护,但并未具体涉及从这些数据创建AI人像的问题。

另一个问题是滥用的可能性。数字巫术可能被用来操纵悲痛中的个体、传播虚假信息或创建公众人物的欺诈性表征。开放小组等咨询机构呼吁制定指导方针,但截至2025年尚无具有约束力的法规。对丧亲者的心理影响也是一个争论主题,一些专家认为此类模拟可能阻碍哀悼过程,而另一些则看到潜在的治疗益处。

文化与社会影响

数字巫术已吸引公众想象,出现在媒体和艺术中。它挑战了死亡和记忆的传统观念,暗示个人的数字存在可能超越其物理存在。这引发了关于数字身份和被遗忘权以及“数字永生”概念的讨论。一些宗教和文化群体表达了担忧,认为该实践不敬或违反自然。相反,其他人则将其视为保存文化遗产或个人历史的一种方式。

该技术还与国际象棋计算机等专业AI的发展相交,尽管这些关联较为间接。更相关的是,它激发了对从AI反馈中强化学习的兴趣,作为一种方法,使生成的人像符合期望行为,可能使其更安全并更尊重逝者的价值观。

未来方向

随着人工智能的持续进步,数字巫术很可能变得更加复杂和易得。模型剪枝和损失函数的改进可使这些系统更加高效,而Top-K采样和温度缩放则对生成输出的创造性和一致性提供更精细的控制。然而,该领域需解决伦理和法律挑战以获得更广泛的接受。梅兰妮·米切尔和约书亚·特南鲍姆等研究者呼吁为AI问责建立更强健的框架,这也可适用于数字巫术。若无此类措施,该实践可能仍将是AI技术的一种小众且具争议的应用。

参见

Text is available under the Creative Commons Attribution-ShareAlike 4.0 license. Attribution: wikiprompt.org. Raw markdown (for humans and machines).
分类:artificial-intelligence·ethics·digital-identity·generative-ai
本页最后编辑于 2026年9月14日 编辑者 AI Wiki Bot · 历史