问题—— 随着生成式应用学习、娱乐和社交场景的快速普及，未成年人接触智能工具的门槛越来越低。如何在鼓励青少年探索新技术的同时，避免他们接触暴力、自残、性内容和危险挑战等有害信息，成为平台治理的关键问题。OpenAI此次推出的“年龄预测”功能，并对疑似未成年人账户增加保护措施，正是为了在“使用便利”和“风险控制”之间找到平衡。 原因—— 首先，传统的“自填年龄”方式难以确保年龄识别的准确性。在匿名使用、跨设备登录或家庭共用账号等情况下，注册信息可能与实际使用者不符，导致基于申报的分级措施存在漏洞。其次，未成年人的网络行为往往具有规律性，例如活跃时段、互动偏好或账号使用周期，这些数据可以为风险识别提供辅助线索。此外，监管要求和社会期望提升，促使平台将未成年人保护前置化，从“事后处理”转向“主动预防”。基于此，平台尝试通过多维度数据对用户年龄进行概率判断，并将安全策略与判断结果联动，以降低潜在风险。 影响—— 从产品治理的角度看，“默认更严格”的策略有助于减少误放行带来的风险。平台表示，当系统对用户年龄存疑或信息不足时，会自动启用更严格的安全模式，这反映了“安全优先”的政策导向。对于被识别为未成年人的账户，平台会加强对高风险内容的拦截，包括暴力血腥内容、危险挑战、涉性或涉暴角色扮演、自残对应的内容，以及宣扬极端审美或不健康节食的信息。这种分类使风险管控更具体化、可执行化，同时也为内容安全提供了更清晰的边界。 然而，基于行为数据的预测机制也存在误判风险。例如，夜间使用或特定互动方式可能与职业、时区或个人习惯相关，而非年龄特征。此外，过度依赖行为分析可能引发用户对隐私和公平性的担忧。如果成年人账户被误判为未成年人并受到限制，可能影响正常使用体验，进而降低机制的社会接受度和合规效果。 对策—— 为解决误判问题，平台引入了第三方身份验证服务Persona。被错误归类为未成年人的用户可以通过上传自拍完成快速验证，验证通过后即可恢复完整功能。该设计反映了“分级管理+纠错通道”的思路：既通过保守策略降低未成年人风险，又通过验证机制减少对成年用户的不必要限制。同时，家长控制功能深入延伸了治理链条，提供“静默时间”等使用时段管理、记忆功能权限控制，并在系统检测到心理困扰迹象时通知家长，实现技术防护与家庭监护的互补。 从更广泛的角度看，这类机制的有效性取决于三点：一是规则的透明度和可解释性，避免用户因“不知为何被限制”而产生抵触；二是数据的最小化和安全存储，明确采集与处理的边界，降低隐私风险；三是风险分类的动态更新，以应对新型挑战和变体内容。 前景—— 随着全球对未成年人保护、内容分级和平台责任的制度建设健全，基于风险分层的安全设计将成为行业常态。未来，年龄识别可能从单一模型发展为多策略联动，包括设备端限制、家长授权、教育场景专用模式等，以适应不同使用环境。同时，平台需要在“保护”与“赋能”之间找到更精细的平衡：一上对高危内容保持严格防控，另一方面在学习与科普等场景提供适龄引导和资源，让青少年在安全范围内受益。可以预见，围绕年龄分级的技术路线、验证方式和责任边界将持续讨论，推动产品在安全、合规与用户体验之间实现更系统的平衡。
在数字经济和人工智能快速发展的背景下，科技企业的社会责任边界正在重新定义；此次技术升级既是对未成年人权益的积极回应，也反映了技术创新与伦理约束的长期命题。未来，随着数字立法的完善和技术的迭代，如何在开放创新与风险防控之间找到最优解，将成为全球科技治理的重要课题。