2027年墨西哥大选即将拉开帷幕，一场由机器人账户、深度伪造（deepfakes）和虚假人设构成的“数字战争”已悄然预热。然而，国会参众两院至今未能在选举年到来前通过人工智能（AI）监管框架，为这场混战埋下隐患。
截至目前，墨西哥联邦国会共收到85项AI监管法案，其中67项被束之高阁。真正获得通过的，仅限于呼吁“正确使用AI”的无约束力决议。更令人担忧的是，至少有5项专门针对选举中AI使用的立法提案同样停滞不前。
这其中就包括墨西哥总统府于今年2月25日提交的法案，旨在规范AI在政治竞选中的应用，并禁止使用机器人账户等虚假手段在社交媒体上抹黑对手。由于选举相关修法窗口期已失，相关立法能否在明年大选前通过仍是未知数。这意味着，2027年6月6日选举投票日到来时，机器人账户、深度伪造视频音频图片，以及经过AI“美化”的候选人形象，将成为选战的主角。
辛鲍姆（Claudia Sheinbaum）总统提交的法案还要求，在选举语境下，政党及候选人须明确标注其竞选宣传中是否使用了AI，并公开相关支出。
明年中期选举将选出17名州长、500名联邦众议员、1088名州议员、至少1802名市长及16名墨西哥城市长。
墨西哥国立自治大学法学博士、数字文化专家科罗纳多·科特雷拉斯（Laura Coronado Contreras）在接受采访时表示，在法律缺位的真空期，公民有责任提升媒介素养，避免被机器人账户、假新闻和“AI美颜”后的候选人所蒙蔽。
「在缺乏AI选举法规的情况下，竞选活动是否将沦为机器人之间的战争？」记者问道。
「需要强调的是，公民并非完全缺乏判断力。我们能够区分自然热点与为特定利益量身定制的热搜话题。」她回应道，「AI既可用于设计正面竞选，也可用于抹黑对手，在社交媒体上传播对手的负面信息，以此影响选民决策。」
她进一步指出，AI可被候选人用于撰写演讲稿、群发邮件、新闻通稿和广告脚本，同样也能被用来伪造对话、篡改图片视频，用于攻击竞选对手。
「AI相关法律在选举领域需要监管的不仅是虚假信息，还有数字暴力。」她强调，「我们在性别平权方面仍有很长的路要走，而今还要应对AI生成内容对女性候选人和选民参与权的威胁。」
科罗纳多·科特雷拉斯回忆道，多年前人们曾乐观地称社交媒体为”亲切、廉价、快捷、监管松散”的竞选工具。然而，「如今我们意识到其巨大影响力。看看我们的邻国总统特朗普，他已将社交媒体和AI深度融入日常政务。」
这位墨西哥网络安全与数字法律学院成员提醒说，总统提交的AI选举应用监管法案需要审慎评估，避免侵害其他重要权利。她认为，任何立法的首要原则应是预防AI使用风险，而非仅仅惩罚违规者。
「AI技术将长期存在，」她指出，「除了关注其在竞选中无限制使用的问题墨西哥人需要成熟起来，成为真正的数字公民，为AI使用划定边界。」
尽管参议院设有AI应用分析、跟踪和评估委员会，但该委员会的工作仅限于呼吁将AI应用于教育或提升司法效率。
根据墨西哥阿纳瓦克大学协调完成的研究报告《墨西哥寻找人工智能法》，参众两院AI立法严重滞后：85项提案中67项未获通过。目前唯一通过的是对《联邦劳动法》和《著作权法》的修订，旨在保护创作者和表演者的声音及肖像权，防范生成式AI的侵权风险，于2026年5月14日发布于《联邦官方公报》。
被国会冻结的提案中，就包括总统提交的AI选举应用监管法案。该法案拟禁止利用AI克隆声音或图像用于选举目的，而这一做法已在社交媒体上开始蔓延。
【背景注释】
辛鲍姆（Claudia Sheinbaum）：墨西哥总统
深度伪造（deepfakes）：一种利用人工智能技术合成视频、音频或图像的技术，可用于伪造人物言行
机器人账户（bots）：在社交媒体上由程序控制的虚假账户
联邦国会（Congreso de la Unión）：墨西哥最高立法机构，由参众两院组成
总统府（Presidencia de la República）：墨西哥最高行政机构
墨西哥网络安全与数字法律学院（Academia Mexicana de Ciberseguridad y Derecho Digital）：墨西哥专业研究机构
阿纳瓦克大学（Universidad Anáhuac México）：墨西哥私立大学
联邦官方公报（DOF）：墨西哥政府官方出版物
墨西哥选举机构拟赋权打击AI选举操纵
墨西哥国家选举研究所（INE）近日提出一项重要改革方案，旨在防止深度伪造（deepfakes）和虚假信息干预选举。提案建议赋予INE在检测到虚假账户或人工操纵的竞选活动时，立即暂停相关数字宣传的权力。
根据墨西哥阿纳瓦克大学（Universidad Anáhuac）6月29日发布的研究报告，超过70%的墨西哥网民表示不清楚是否存在关于人工智能使用的规则、准则或伦理规范。
调查还显示，68%的受访者担心深度伪造技术会导致身份冒充和隐私侵犯，60%的人表示并不知道人工智能会收集并利用他们的个人数据进行训练。
