高梅

个人信息删除权与隐私权、名誉权等人格利益密切相关，对于维护数字时代人的尊严与自主性至关重要。然而，生成式人工智能的广泛应用使个人信息删除权陷入行使困境：一方面，个人信息一旦经过语料训练嵌入模型结构，便与模型深度耦合，难以被彻底删除；另一方面，即便删除了原始数据，模型仍可能基于“记忆”生成相关信息，使得法律上的“删除”无法实现“被遗忘”的目的。“删除本质论”将权利的核心权能限定于“删除”这一单一行为模式，而大模型的技术架构使该履行方式难以实现其规范目标。回溯权利本源，个人信息删除权旨在实现“被遗忘”，而以删除为核心的权利定位偏离了这一初衷。

对此，应以“被遗忘”为规范目标，重塑个人信息删除权的权利内涵，使其从单一的删除请求转变为由“删除权”与“限制权”组成的复合权利架构：前者旨在删除数据，后者旨在限制数据的访问、使用、生成和传播。“限制权”更加契合大模型的技术特性，也更有助于权利目标的实现，为平衡个人权益和模型提供者利益提供了有效的替代路径。例如，在大语言模型中限制调用特定敏感词汇，可避免生成包含用户隐私的内容，而无需删除相关训练数据，这既避免了因强制重训模型带来的畸高社会成本，又在功能上实现了对个人信息权益的实质性保护。大模型提供者的法律义务亦需进行同步调整，转向“删除”与“限制”并举的双重结构，其核心逻辑在于义务转化，即信息主体仍以删除请求为权利主张，处理者则可以采取限制访问、使用、生成、传播等限制性处理措施作为删除义务的替代履行方式，以获得与传统互联网平台“删除”相当的保护效果。然而，在限制权框架下，即使个人信息被限制访问、使用、生成和传播，其隐性特征仍可能残存于模型的参数空间与推理过程中，这种隐性风险使得单纯依赖限制措施不足以完全阻断潜在的泄露风险。因此，大模型提供者必须承担比传统平台更严格的系统性数据安全保护义务。（来源：检察日报）