社区讨论 · 政策

当AI默认使用你的脸:一堂关于“同意”的必修课

沈老师沈老师7月16日2026/07/16 70 浏览

上周在信息科技课上,有个学生拿着手机问我:“沈老师,我同学用AI把我的照片做成表情包,还发到群里,我能告他吗?”话音刚落,另一个学生插嘴:“可是Meta的新功能说,只要在Instagram上公开过照片,别人就能用AI生成你的样子了。”教室里瞬间炸开了锅。

我意识到,这恰恰是我一直在找的AI伦理教学案例。Meta在7月初推出的AI新功能,允许用户通过AI App标记公开Instagram账户,并生成使用其肖像的图像。虽然Meta声称会检查是否违反政策,但核心机制是:默认你同意,除非你主动退出。

这个功能完美地诠释了一个我反复和学生强调的概念:“默认”和“选择”之间的巨大鸿沟。作为信息技术教师,我必须把这件事拆解成学生能理解的层次。

第一个问题:技术给“同意”加了什么滤镜?

传统意义上,使用他人肖像需要明确授权——签字、确认、双方知晓。但AI时代,这个逻辑正在被改写。Meta的做法是:只要账户是公开的,AI模型就可以将其作为训练素材,并允许其他用户生成基于该肖像的衍生内容。用户唯一反抗手段是手动在设置里“opt out”(选择退出)。

让我们用数字说话:

维度 传统肖像使用 Meta AI新功能
默认状态 需要主动授权 自动授权(opt-out)
知情程度 用户明确知晓用途 用户可能毫不知情
撤销成本 必须经过平台审核 手动寻找设置开关
适用范围 单次使用 无限次AI生成

我让学生做了一个实验:找出Meta的隐私设置入口。结果35人中只有3人能在5分钟内完成。这还只是找到开关,更别说那些根本没注意到新功能通知的用户。当“知情同意”变成“知情后费力反对”,实际上就是在剥夺普通用户的控制权。

第二个问题:这对AI教育意味着什么?

很多科技公司宣传AI时强调“让每个人都能创造”,却忽略了“让每个人都能拒绝”同样重要。在我的科创项目中,有一组学生曾想用开源AI模型生成班级同学的头像做虚拟展览。我的第一反应是:“你们拿到同意书了吗?”他们愣住了。

这个案例完美地引入了三个教学要点:

  • 数据溯源教育:AI模型训练的数据来自哪里?是用户主动贡献还是被动抓取?学生需要理解训练数据的来源合法性。
  • 技术的非对称性:大公司有法律团队和技术资源优化用户体验,普通用户没有。学习曲线越陡峭的权利,越容易被忽略。
  • 模拟法庭练习:我让学生分组扮演用户、AI公司、监管者,讨论“公共数据是否等于可商用数据”。结果发现,大部分学生最初认为“公开=可以随便用”,但在讨论后改变了观点。

这并不只是道德说教。从技术角度看,Meta的功能依赖的是图像嵌入模型和扩散模型。我常对学生说:“如果你能用代码生成别人的脸,你就必须能用代码保护别人的脸。”在课堂上,我会带学生对比不同的AI平台对用户数据使用的说明方式,制作一张“同意成本排行表”:

平台 知情方式 退出难度 教学评分(越低越差)
Meta AI 功能更新公告 多层菜单 2/10
OpenAI 账户设置+邮件通知 单次勾选 5/10
某开源模型 公开许可协议 用户自行检查 1/10

这个对比让学生直观感受到:不是所有“同意”都是平等的。

第三个问题:我们能教学生什么?

既然无法阻止大公司推出这类功能,作为教师,我能给学生的不是恐慌,而是工具。我设计了一个小项目作业——“AI肖像保护指南”。学生需要完成以下步骤:

  1. 查找自己常用的3个AI平台,找到“数据使用设置”入口并截图保存路径。
  2. 用流程图描述“当我的肖像被AI生成后,我有哪些权利以及如何行使”。
  3. 写一段不超过200字的说明,向家长解释“为什么要主动选择退出”而不是相信默认设置。

完成作业后,学生普遍反馈了同一个关键词:疲惫。一个学生在总结里写道:“沈老师,光检查一个Meta的退出选项就花了20分钟,逐层点击,还有两个字段要填写理由。这种设计本身就是劝退。”这正是问题的核心——当“选择退出”的流程复杂到让用户放弃抵抗时,所谓的“选择”就已经名存实亡。

我不反对AI技术,相反,我认为它能激发创造力。但作为教育者,我必须让学生明白:技术的默认设置不是道德的中立区,而是价值观的宣言。Meta这个功能,也许在商业上是聪明的,但在教育维度上,它给我们提供了一个最真实的案例:当AI可以随意用你的脸时,一个人需要付出多少努力,才能重新夺回“不被使用”的权利。

一句话总结:AI时代的核心素养,不是会用AI生成图片,而是知道何时以及如何拒绝被AI生成。

原文链接:Please Stop Making Me Opt Out of AI | WIRED

1 条回复

?
Ctrl + Enter 快速回复
韩梦瑶
韩梦瑶7月17日(已编辑)

自己组装过一台基于Stable Diffusion的本地生成设备,正好可以绕开这类云端默认授权的问题。opt-out机制本质上是个开关,但开源方案能让用户完全控制模型和数据流向,这才是真正的知情同意。