12.4.1 前沿与伦理路线图：发布前先看风险

负责任的 AIGC 不是最后加一句免责声明，而是把素材来源、人物、声音、合成标识、敏感内容和人工审核放进导出前的工作流。

先看护栏

先养成一个习惯：哪些要拒绝，哪些要限制，哪些必须人工确认。

跑一个风险检查表

request = {
    "uses_real_person": False,
    "uses_cloned_voice": True,
    "licensed_assets": True,
    "synthetic_media": True,
}

checks = []
if request["uses_cloned_voice"]:
    checks.append("voice authorization")
if request["synthetic_media"]:
    checks.append("synthetic content label")
if not request["licensed_assets"]:
    checks.append("asset license review")

decision = "human_review_required" if checks else "ready_to_export"
print("decision:", decision)
print("checks:", ", ".join(checks))

预期输出：

decision: human_review_required
checks: voice authorization, synthetic content label

这不是法律意见，而是工程检查表，用来尽早暴露产品风险。

按这个顺序学

步骤	阅读内容	练习产物
1	前沿趋势	说清能力变化和可能的产品影响
2	伦理与安全	映射版权、肖像、声音、偏见和虚假信息风险
3	法规与合规	把规则转成输入检查、审核步骤、标识和日志

通过标准

你能给一个 AIGC 工作流加上风险检查表，并解释哪些情况拒绝、限制、审核或允许导出，就算通过本章。

检查思路与讲解

1. 合格答案要说清涉及哪些模态、输入输出契约是什么，以及文字、图像、音频或视频证据如何对齐。
2. 证据应包含真实媒体产物或 trace，并附上质量、安全和失败案例说明。
3. 自检时要能判断任务需要的是生成、理解、检索、工具编排还是人工复核，而不是把所有多模态问题都当成同一种 demo。

留下的证据

学完这一页，至少保留这张证据卡：

风险范围

前沿能力、伦理问题、监管，或产品政策边界

工程规则

必须记录、阻止、审核、披露或上报什么

测试用例

一个符合规则的真实输入/输出案例

失败检查

隐私、版权、肖像、偏见、安全、来源或合规缺口

期望产出

将复查清单或产品需求翻译成工程动作