生成式人工智能在檔案數(shù)字場景中的應(yīng)用研究

楊晶晶／中國計量大學(xué)檔案館

1 引言

人工智能生成內(nèi)容（Artificial Intelligence Generate Content，下簡稱AIGC），通過人工智能實現(xiàn)文本、圖像、音頻、視頻及其跨模態(tài)間的內(nèi)容生成，可用于繪畫創(chuàng)作、文本寫作、音像生成、游戲開發(fā)等多種類型的內(nèi)容創(chuàng)作。AIGC技術(shù)是生成算法、預(yù)訓(xùn)練模型、多模態(tài)等人工智能（AI）技術(shù)的累積融合[1]。傳統(tǒng)AI利用機器學(xué)習(xí)技術(shù)學(xué)習(xí)數(shù)據(jù)分布，在文本識別、語音識別、圖像識別、運營決策、風(fēng)險評估和醫(yī)療診斷等領(lǐng)域廣泛應(yīng)用。生成式人工智能[2]在歸納數(shù)據(jù)分布的基礎(chǔ)上，學(xué)習(xí)數(shù)據(jù)產(chǎn)生的模式并創(chuàng)造新樣本，實現(xiàn)在文字創(chuàng)造、圖像語音生成、代碼生成等領(lǐng)域的技術(shù)應(yīng)用。AI領(lǐng)域正在經(jīng)歷從感知、理解到生成、創(chuàng)造的躍遷。

截至2 0 2 3 年5 月2 6 日，在中國學(xué)術(shù)期刊網(wǎng)以“AIGC”“ChatGPT”“生成式人工智能”“生成式AI”為主題檢索近三年發(fā)表學(xué)術(shù)期刊675篇，與檔案學(xué)相關(guān)文獻2篇，探討了ChatGPT實現(xiàn)檔案數(shù)字化、檔案鑒定、檔案分類和檢索、檔案保護和安全等多種檔案管理任務(wù)[3]，提出了ChatGPT火爆背后的冷思考[4]。從文獻學(xué)的角度，AIGC技術(shù)在檔案領(lǐng)域的研究和應(yīng)用還剛剛起步?！丁笆奈濉睓n案事業(yè)發(fā)展規(guī)劃》提出“推動檔案工作與新技術(shù)深度融合，為檔案事業(yè)發(fā)展提供持續(xù)動力”。AIGC作為一種新型內(nèi)容創(chuàng)作方式，給文化、教育、金融、娛樂和公共服務(wù)等諸多領(lǐng)域帶來了積極影響，本文擬在檔案視角下探索AIGC技術(shù)的多種應(yīng)用場景，為數(shù)字時代下的智慧檔案建設(shè)創(chuàng)新尋找新的思路。

2 基于AIGC技術(shù)的檔案應(yīng)用場景

AIGC具有三大前沿能力：智能數(shù)字內(nèi)容孿生能力、智能數(shù)字內(nèi)容編輯能力和智能數(shù)字內(nèi)容創(chuàng)作能力[5]。技術(shù)被廣泛應(yīng)用于文本、音頻和視覺等不同模態(tài)數(shù)據(jù)，形成了豐富多樣的技術(shù)應(yīng)用，在檔案的視角下，AIGC技術(shù)可深度賦能檔案文化遺產(chǎn)保護、服務(wù)利用及資源開發(fā)、公共教育與文創(chuàng)開發(fā)等領(lǐng)域。

2.1 數(shù)字孿生：賦能檔案文化遺產(chǎn)保護

智能數(shù)字內(nèi)容孿生能力構(gòu)建了現(xiàn)實世界到數(shù)字世界的映射，是通過對客觀世界內(nèi)容感知、理解的基礎(chǔ)上，以多模態(tài)數(shù)字化內(nèi)容呈現(xiàn)的形式實現(xiàn)對原物理世界的模擬復(fù)刻和場景再現(xiàn)。

一是數(shù)字修復(fù)還原新視覺。AIGC視覺模型通過對作品屬性特征和元素搭配的理解，在海量數(shù)據(jù)中進行知識和分布學(xué)習(xí)，實現(xiàn)高質(zhì)量的數(shù)字修復(fù)?！陡淮荷骄訄D》被毀于300多年前，百度文心利用“視覺生成大模型+單樣本微調(diào)”的技術(shù)策略，完成了高清晰度、高還原度的殘卷修復(fù)。數(shù)字智能增強能力可應(yīng)用于照片、音頻、視頻等聲像檔案的修復(fù)，采用大模型去除破壞干擾因素，實現(xiàn)多維音、畫質(zhì)增強和提升。在三維視覺領(lǐng)域，智能增強技術(shù)克服了傳統(tǒng)數(shù)字化采集的局限，保留了三維世界的深度、材質(zhì)和光照等重要信息，對場景及細節(jié)進行快速和精準(zhǔn)的復(fù)刻。全球首個超時空參與式博物館“數(shù)字藏經(jīng)洞”真實再現(xiàn)了敦煌百年前藏經(jīng)洞及室藏6萬余卷文物的珍貴歷史場景，項目還開發(fā)了沉浸式遠程會診系統(tǒng)，實現(xiàn)無障礙遠程文物會診?；蛹o錄片《古籍尋游記》在不傷害文物的低噪情況下重建了敦煌石窟中文物的三維結(jié)構(gòu)。

二是聲像檔案傳承新聲音。語音智能轉(zhuǎn)譯技術(shù)已用于重大活動的實時建檔、口述檔案的實時轉(zhuǎn)寫、音視頻檔案數(shù)據(jù)化以及實時字幕輔助等場景。2019年，浙江省檔案館在全國率先使用科大訊飛檔案機，實現(xiàn)口述歷史采集室建設(shè)運行、重點檔案保護與開發(fā)等工作中的成果轉(zhuǎn)化及推廣。AIGC語音合成、圖像合成等多模態(tài)融合技術(shù)的應(yīng)用可實現(xiàn)“故人重現(xiàn)”“經(jīng)典回溯”“古今同臺”等場景[6]，使深藏在檔案館里的偉人聲音、非遺藝術(shù)等聲像檔案“活”起來。世界首部人工智能配音紀錄片《創(chuàng)新中國》通過AI學(xué)習(xí)已逝著名配音藝術(shù)家李易老師過往紀錄片的聲音資料合成配音，讓李易的聲音重現(xiàn)。技術(shù)的應(yīng)用還有助于民間聲像檔案的動態(tài)傳承，我國“地方方言檔案資料庫”由于開發(fā)缺乏方言元數(shù)據(jù)標(biāo)準(zhǔn)和國標(biāo)音標(biāo)著錄等因素影響，庫內(nèi)資源大都停留在靜態(tài)保存的階段[7]，借助AIGC技術(shù)可生成形式多樣的方言學(xué)習(xí)素材，讓即將消失的鄉(xiāng)音重新發(fā)聲，使豐富的地方文化得到有效的傳承。

2.2 數(shù)字編輯：賦能服務(wù)利用與資源開發(fā)

AIGC智能數(shù)字內(nèi)容編輯能力構(gòu)建了數(shù)字世界與物理世界間的交互通道。新一代知識增強大語言模型（LLM），以谷歌BERT、OpenAI的GPT和百度文心等為代表，為人機交流提供了智能的交互方式。自然語言處理技術(shù)的引入，可實現(xiàn)文本信息的抽取、自動摘要分類和數(shù)據(jù)分析等操作，通過對內(nèi)容的語義理解，從研究問題中衍生出新的發(fā)現(xiàn)，實現(xiàn)對資源的開發(fā)。

一是檔案智能檢索交互新轉(zhuǎn)變。傳統(tǒng)的檔案信息檢索通過輸入檢索詞等方式進行模糊檢索，增加了非專業(yè)利用者的搜索和利用難度。大語言模型的運用，用戶可通過自然語言交互的方式獲得需要的信息，還可對后續(xù)問題展開更深層的知識拓展。搜索引擎正逐步實現(xiàn)從“模糊搜索”到“精準(zhǔn)推送”的轉(zhuǎn)變。ChatGPT是文本生成式AIGC的典型代表，基于人類反饋的強化學(xué)習(xí)（RLHF）技術(shù)解決了如何使AI模型產(chǎn)生與人類常識和認知、需求和價值觀保持一致的難題，它的出現(xiàn)將計算機理解人類語言和反饋解決方法水平提高到全新的層次[8]。微軟集成ChatGPT的新版Bing根據(jù)用戶的想法調(diào)整搜索查詢，能通過對話的方式調(diào)整搜索結(jié)果，優(yōu)化檢索體驗。

二是檔案社會關(guān)懷價值新體現(xiàn)。AIGC技術(shù)在文本、圖像和音視頻間多模態(tài)的相互轉(zhuǎn)化，將檢索結(jié)果按照用戶所能接受的最佳模態(tài)呈現(xiàn)，為我國數(shù)量龐大的視障、聽障、感官逐漸衰退的老年群體以及智能設(shè)備使用無力的邊緣人群提供多維感官的交互體驗[9]，可實現(xiàn)個性化檔案服務(wù)與社會化人文關(guān)懷的完美結(jié)合。對于特殊群體，智能檢索在社會關(guān)懷價值上的體現(xiàn)也更趨多元化，百度輸入法搭載文心PLATO對話大模型推出AI侃侃功能，為用戶提供真實的情感陪伴式聊天服務(wù)，用戶在知識獲取的同時，體驗真實的情感陪伴，讓冰冷的知識更有溫度。

三是檔案編研開發(fā)挖掘新深度。傳統(tǒng)的信息組織思路是基于學(xué)科、主題、關(guān)鍵詞等所反映的少量特征信息，而生成式AI可依據(jù)的特征維度更豐富，知識組織之間細粒度和關(guān)聯(lián)性更突出。通過對文本的數(shù)據(jù)分析與知識發(fā)現(xiàn)，識別文本信息共性并關(guān)聯(lián)相近內(nèi)容，實現(xiàn)深入內(nèi)容層面的檔案開發(fā)，形成豐富的檔案資源開發(fā)成果，促進人文研究領(lǐng)域從文本梳理到知識鏈接、從信息檢索到知識發(fā)現(xiàn)的轉(zhuǎn)變。耶魯大學(xué)“讓二戰(zhàn)大屠殺受害者發(fā)聲（Let Them Speak）”項目，在近3000份大屠殺幸存者留下的視聽材料和文字證詞中，以文本挖掘和可視化技術(shù)幫助研究者探尋檔案記錄背后更深層次的語義關(guān)系和集體記憶[10]。瑞典國家圖書館使用開源Transformer模型對26PB的瑞典語數(shù)據(jù)創(chuàng)建數(shù)據(jù)集，幫助語言分析人員回顧瑞典語幾個世紀的演變。

2.3 數(shù)字創(chuàng)作：賦能公共教育與文創(chuàng)開發(fā)

AIGC智能數(shù)字內(nèi)容創(chuàng)作能力使計算機從對數(shù)據(jù)的理解上升到對數(shù)據(jù)的創(chuàng)作。從數(shù)據(jù)中學(xué)習(xí)抽象概念，并基于概念創(chuàng)作出新的內(nèi)容，包括了AI視頻創(chuàng)作、數(shù)字人、劇本創(chuàng)作、游戲開發(fā)等。我國檔案館公共教育活動多以參觀庫房、觀看展覽、影片、聽講解等傳統(tǒng)形式為主，未充分考慮教育群體的特點和需求[11]。AIGC技術(shù)的應(yīng)用為不同群體策劃知識服務(wù)活動，實現(xiàn)知識傳授和互動實踐的良性循環(huán)。

一是檔案主題動漫啟蒙新思路。“檔案教育從娃娃抓起”，針對年齡段較小的教育群體，檔案動漫等形式更容易被接受。AI短片制作可實現(xiàn)AI動畫表演、場景和角色生成、細節(jié)動態(tài)效果生成、自動布光渲染、虛擬拍攝及衍生品開發(fā)等。微軟NUWA-XL人工智能僅用16句描述詞生成了長達11分鐘的2D動畫。Netflix、微軟小冰日本分部、WIT STUDIO共同創(chuàng)作了首部發(fā)行級別AIGC動畫短片《犬與少年》。首部AIGC中文漫畫《ARES覺醒》已在騰訊動漫平臺上連載，藝術(shù)家王睿將高澤龍小說《元宇宙2086》文本轉(zhuǎn)化為可視圖像，實現(xiàn)了AIGC生成完整情節(jié)的漫畫[12]。以AIGC輔助開展檔案主題動漫的創(chuàng)作為幼兒檔案文化和意識的啟蒙開拓了新的思路。

二是檔案數(shù)字人互動新體驗。針對青少年群體，兼具知識性和互動性的虛擬數(shù)字人更符合其發(fā)展特點。2021年元宇宙概念盛行，國內(nèi)外虛擬數(shù)字人扎堆出現(xiàn)。這一階段，虛擬人大多存在“動作神態(tài)僵硬、對話交互性弱、視頻效果粗糙”等缺陷，宣傳意義大于實踐。隨著AIGC技術(shù)發(fā)展，技術(shù)平臺依靠短時間的視頻素材進行多模態(tài)預(yù)訓(xùn)練，可實現(xiàn)小樣本快速定制虛擬人產(chǎn)品，在人像驅(qū)動、智能對話和語音交互等領(lǐng)域也逐漸成熟。通過給予數(shù)字化檔案訓(xùn)練語料，虛擬數(shù)字人可充當(dāng)不同年齡段學(xué)習(xí)群體的檔案數(shù)字助教和孿生學(xué)伴，提供檔案智能問答、沉浸式情境教學(xué)、交流研討等知識服務(wù)，為青少年群體提供更逼真、更人性化的交互體驗。

三是檔案劇本創(chuàng)作開發(fā)新視角。數(shù)字內(nèi)容創(chuàng)作為歷史文化檔案的開發(fā)創(chuàng)造了新的視角。技術(shù)通過對多模態(tài)歷史檔案數(shù)據(jù)的分析歸納，按照預(yù)設(shè)風(fēng)格快速生成劇本方案，為檔案開發(fā)人員進行篩選和二次加工開拓創(chuàng)作思路，以文案設(shè)計、劇本創(chuàng)作、游戲開發(fā)等形式實現(xiàn)歷史的重現(xiàn)?！笆澜缬洃洝ぶ袊墨I遺產(chǎn)創(chuàng)意競賽”獲獎項目：劇本殺《歷獄1665》，根據(jù)中國第一歷史檔案館藏的24件清朝內(nèi)閣秘本檔為劇本創(chuàng)作對象，實現(xiàn)了歷史事件的創(chuàng)新開發(fā)。除了文案、劇本設(shè)計等形式，AIGC技術(shù)還可應(yīng)用于游戲中的智能NPC、場景建模、AI劇情、AI繪圖等方面，為檔案故事創(chuàng)作的解密游戲、劇情游戲提供技術(shù)支持。

3 生成式數(shù)字應(yīng)用場景中的風(fēng)險挑戰(zhàn)與對策

3.1 檔案數(shù)據(jù)信息安全性

檔案系統(tǒng)的部署和使用大都在局域網(wǎng)或者政務(wù)網(wǎng)，調(diào)用檔案數(shù)據(jù)的敏感性、安全和合規(guī)性最為關(guān)鍵?，F(xiàn)行較為流行的直接調(diào)用外部模型接口的方式可能引發(fā)檔案資源的跨境泄露，如檔案信息被惡意使用或濫用，將引發(fā)深度合成詐騙、誹謗、假冒身份等新型違法犯罪行為。同時，在利用AIGC技術(shù)向用戶提供在線檔案服務(wù)與多場景交流互動過程中留下的個性特征、常用服務(wù)、辦事習(xí)慣等用戶隱私信息會通過人工智能跟蹤、統(tǒng)計、分析等途徑留下痕跡，在更好地為用戶提供信息檢索、業(yè)務(wù)問答、文創(chuàng)推薦等智能服務(wù)的同時也增加了用戶隱私泄露的風(fēng)險。因此，在確保檔案數(shù)據(jù)信息和用戶隱私安全的前提下，自主研發(fā)部署適合于檔案部門的訓(xùn)練模型，妥善應(yīng)對數(shù)據(jù)來源、訓(xùn)練、組織、輸出等各個環(huán)節(jié)的風(fēng)險挑戰(zhàn)。

3.2 檔案開發(fā)價值導(dǎo)向性

AIGC技術(shù)可完成語音轉(zhuǎn)寫、多語言音畫同步、智能視頻剪輯、概念圖優(yōu)化、劇本生成等多項創(chuàng)作初期任務(wù)，將部分流程性、重復(fù)性勞動的工作自動化，提高工作效率和準(zhǔn)確度。但對于類似紅色檔案精神挖掘、特色檔案記憶傳承、傳統(tǒng)檔案價值觀體現(xiàn)等具有深層次價值導(dǎo)向的編研及利用開發(fā)無法發(fā)揮人類在提升內(nèi)容價值、精準(zhǔn)分析事物、妥善處理情感元素等方面的優(yōu)勢，無法替代人類完成決策性的生成任務(wù)。因此，需要創(chuàng)作者在生成技術(shù)的輔助下進行篩選和二次加工，采用人機協(xié)作的工作方式，深度挖掘檔案中蘊含的歷史、文化、精神等獨特價值。

3.3 生成專業(yè)數(shù)據(jù)可信性

生成式人工智能輸出數(shù)據(jù)的可信性很大部分取決于原始訓(xùn)練語料數(shù)據(jù)集的專業(yè)性。檔案中存在著較多非標(biāo)準(zhǔn)化語言和文檔格式，小部分數(shù)據(jù)化后的文本檔案數(shù)據(jù)質(zhì)量欠佳以及檔案中因不同地區(qū)語言及背景文化產(chǎn)生的差異等等，都容易產(chǎn)生非專業(yè)性、非標(biāo)準(zhǔn)化訓(xùn)練語料，導(dǎo)致生成輸出數(shù)據(jù)產(chǎn)生虛假、瑕疵信息和不專業(yè)信息。因此，需要加強檔案數(shù)據(jù)標(biāo)準(zhǔn)化和規(guī)范化建設(shè)，構(gòu)建高質(zhì)量、專業(yè)性的訓(xùn)練數(shù)據(jù)集和生成內(nèi)容質(zhì)量評價標(biāo)準(zhǔn)。

3.4 基礎(chǔ)設(shè)施建設(shè)可行性

生成式AI模型的實現(xiàn)需要強大的計算資源和存儲設(shè)備來支撐訓(xùn)練和推理過程，自建IDC數(shù)據(jù)中心等基礎(chǔ)設(shè)施的成本昂貴，對于檔案部門來說是難以承受的。同時，為保證模型的精度，參數(shù)訓(xùn)練量一般需達到百億、千億到萬億級別，對文本和聲像檔案數(shù)據(jù)化的數(shù)據(jù)量和準(zhǔn)確度要求極高，檔案部門現(xiàn)有的電子檔案數(shù)據(jù)量難以滿足。為此，需進一步加強檔案數(shù)據(jù)化建設(shè)，合理選擇預(yù)訓(xùn)練模型、高性能芯片和AI服務(wù)器集群，抽取生成場景化、定制化、個性化的輕量級模型，實現(xiàn)在不同功能場景的開發(fā)和部署。

3.5 知識產(chǎn)權(quán)歸屬合規(guī)性

人工智能生成作品存在侵權(quán)和被侵權(quán)雙重風(fēng)險。我國現(xiàn)行知識產(chǎn)權(quán)法律體系對權(quán)利享有法律主體的邏輯界定導(dǎo)致AIGC作品存在著著作權(quán)歸屬不清的現(xiàn)實困境；此外著作權(quán)法未對數(shù)據(jù)挖掘等智能化分析行為的合規(guī)使用性進行明確，此類行為執(zhí)行過程極可能構(gòu)成著作權(quán)侵權(quán)?！渡墒饺斯ぶ悄芊?wù)管理暫行辦法》將于2023年8月15日正式施行，從監(jiān)督制度上促進生成式人工智能服務(wù)的健康發(fā)展和規(guī)范應(yīng)用。