作為新型內(nèi)容生產(chǎn)力的生成式AI：發(fā)展局限與未來進(jìn)路

【摘 要】以人類知識(shí)生產(chǎn)模式為參照，探討當(dāng)下生成式AI在知識(shí)生產(chǎn)中的優(yōu)勢(shì)及局限性。研究發(fā)現(xiàn)目前生成式AI的知識(shí)生產(chǎn)具備多模態(tài)、全數(shù)據(jù)和結(jié)構(gòu)化特征，但也存在數(shù)據(jù)偏見、平庸的專業(yè)主義等問題。為了優(yōu)化生成式AI的知識(shí)生產(chǎn)能力，需在數(shù)據(jù)規(guī)范實(shí)踐、AI監(jiān)管創(chuàng)新、AI開發(fā)和使用等方面進(jìn)行改進(jìn)，以促進(jìn)“知識(shí)共創(chuàng)，人機(jī)共生”理想智能協(xié)作圖景的實(shí)現(xiàn)。

【關(guān) 鍵 詞】人工智能；生成式AI；傳播內(nèi)容；人機(jī)關(guān)系；智能協(xié)作

【作者單位】喻國(guó)明，北京師范大學(xué)新聞傳播學(xué)院，北京師范大學(xué)傳播創(chuàng)新與未來媒體實(shí)驗(yàn)平臺(tái)；林昱彤，北京師范大學(xué)新聞傳播學(xué)院，北京師范大學(xué)傳播創(chuàng)新與未來媒體實(shí)驗(yàn)平臺(tái)；李昀玥，北京師范大學(xué)新聞傳播學(xué)院，北京師范大學(xué)傳播創(chuàng)新與未來媒體實(shí)驗(yàn)平臺(tái)。

【中圖分類號(hào)】G253 【文獻(xiàn)標(biāo)識(shí)碼】A 【DOI】10.16491/j.cnki.cn45-1216/g2.2024.14.004

一、生成式AI是傳播領(lǐng)域的新型內(nèi)容質(zhì)生產(chǎn)力

“人類會(huì)被AI替代嗎？”隨著近年來人工智能技術(shù)在應(yīng)用層面井噴式的更新迭代，被AI替代的職業(yè)性危機(jī)已成為眾多行業(yè)不得不思考的未來風(fēng)險(xiǎn)，亦深化至日常生活中人們對(duì)自身能力反省式的“捫心自問”。OpenAI公司的現(xiàn)任CTO （首席技術(shù)官）Mira Murati在采訪中直言，隨著AI技術(shù)的發(fā)展，一些創(chuàng)意性的工作可能會(huì)消失。這樣的情況已經(jīng)發(fā)生，比如，國(guó)外科技媒體的老板Miller用ChatGPT取代了60名員工，因?yàn)锳I完全能夠撰寫和編輯文章［1］。

這一職業(yè)替代性危機(jī)的出現(xiàn)離不開生成式AI這一人工智能技術(shù)類型的普及化應(yīng)用。與先前只能識(shí)別或分類現(xiàn)有內(nèi)容的第一代、第二代判別式AI不同，以ChatGPT為代表的生成式AI開辟了“知識(shí)的生產(chǎn)”這一機(jī)器智能新方向，知識(shí)生產(chǎn)能力彰顯了生成式AI和傳統(tǒng)AI的本質(zhì)不同［2］。

這一生成新知識(shí)的能力激發(fā)了人類對(duì)AI能力的重視和隱憂，人們對(duì)先前判別式AI的使用感知更多是輔助性、工具性的，并不會(huì)將其視為獨(dú)立的知識(shí)生產(chǎn)主體。而生成式AI的出現(xiàn)打破了這一安全線，在2024年宣布的第170回芥川文學(xué)獎(jiǎng)中，作家九段理江透露自己的獲獎(jiǎng)作品《東京都同情塔》是由AI輔助完成的，作品里有5%的文字直接摘錄于生成式AI，這成為AI具備知識(shí)生產(chǎn)能力的又一次有力證明［3］。

在寫作之外，生成式AI憑借多模態(tài)的內(nèi)容生成特點(diǎn)，在不同領(lǐng)域的知識(shí)生產(chǎn)都有亮眼表現(xiàn)，催生了針對(duì)用戶側(cè)的垂類產(chǎn)品。比如，語(yǔ)言大模型ChatGPT、Claude、智譜清言、文心一言，文生圖領(lǐng)域的stable diffusion、 mid-journey，視頻生成領(lǐng)域的Sora，音樂生成領(lǐng)域的Suno，編程領(lǐng)域的CodeGeeX等。各垂類生成式AI大模型通過數(shù)據(jù)的學(xué)習(xí)訓(xùn)練，掌握特定領(lǐng)域的知識(shí)生產(chǎn)特點(diǎn)，在知識(shí)生產(chǎn)過程中以“新常人”的身份與人類共存［4］。

如果只是在技術(shù)邏輯的框架下理解生成式AI，我們可能會(huì)局限于人機(jī)之間的能力比較，從而忽略這項(xiàng)技術(shù)更深層次的社會(huì)意義和影響。我們必須看到，生成式AI釋放的巨大潛力并非單純來自其對(duì)判別式AI技術(shù)原理的革新，更重要的是其作為新型內(nèi)容生產(chǎn)力給整個(gè)內(nèi)容生產(chǎn)和分發(fā)系統(tǒng)帶來了根本性變革。因此，這項(xiàng)技術(shù)的社會(huì)意義本質(zhì)在于，它是一種能夠?qū)崿F(xiàn)人類傳播理性要素與非理性要素交織的新型內(nèi)容生產(chǎn)力。

生成式AI作為一種新型內(nèi)容生產(chǎn)力，主要體現(xiàn)在它從“新”和“型”兩個(gè)層面對(duì)傳統(tǒng)生產(chǎn)力進(jìn)行了革新。

所謂“新”，指生成式AI不同于傳統(tǒng)（全部是由人來完成）的內(nèi)容生產(chǎn)力，其實(shí)現(xiàn)了內(nèi)容領(lǐng)域的關(guān)鍵性技術(shù)突破?；仡櫄v史，我們可以觀察到內(nèi)容產(chǎn)業(yè)經(jīng)歷了三個(gè)不同的生產(chǎn)力時(shí)代，正如羅雪爾所闡述的，勞動(dòng)生產(chǎn)力時(shí)代、資本生產(chǎn)力時(shí)代以及科技生產(chǎn)力時(shí)代［5］。在勞動(dòng)生產(chǎn)力時(shí)代，內(nèi)容的創(chuàng)造和傳播主要依靠個(gè)體的手工勞作，依靠民間那些“講故事的人”和“采風(fēng)者”來記錄、分享。隨著印刷技術(shù)興起，內(nèi)容產(chǎn)業(yè)進(jìn)入了以資本為主的生產(chǎn)力時(shí)代，專業(yè)的新聞機(jī)構(gòu)和企業(yè)成為產(chǎn)業(yè)的主導(dǎo)者，內(nèi)容渠道等資本的積累和集中也推動(dòng)了現(xiàn)代大眾傳播的發(fā)展。進(jìn)入現(xiàn)代社會(huì)，科技生產(chǎn)力成為推動(dòng)經(jīng)濟(jì)和社會(huì)進(jìn)步的主要?jiǎng)恿?，高科技和高效率的人工智能技術(shù)給內(nèi)容產(chǎn)業(yè)帶來了新的生產(chǎn)力。例如，生成式AI的出現(xiàn)使得高質(zhì)量的人機(jī)協(xié)同內(nèi)容創(chuàng)造成為可能，該技術(shù)將內(nèi)容生產(chǎn)與分發(fā)剝離成體力勞動(dòng)與腦力勞動(dòng)兩個(gè)維度，將重復(fù)性的編輯和校對(duì)任務(wù)交給了機(jī)器，將需要人類創(chuàng)造力（包括觀察能力、思維能力、想象能力等）的任務(wù)交還給人類，從而最大限度地發(fā)揮人類的智慧。與傳統(tǒng)以人為主的內(nèi)容生產(chǎn)方式相比，生成式AI開啟了人機(jī)協(xié)作的新可能，也促使內(nèi)容創(chuàng)作者從側(cè)重體力和技能的角色轉(zhuǎn)變?yōu)楦幼⒅刂R(shí)和創(chuàng)新導(dǎo)向的角色。

所謂“型”，強(qiáng)調(diào)的是生成式AI能通過關(guān)鍵性技術(shù)的突破，與現(xiàn)有的勞動(dòng)者、勞動(dòng)資料和勞動(dòng)對(duì)象結(jié)合，孕育出一種新型的、更為強(qiáng)勁的創(chuàng)新驅(qū)動(dòng)力。生成式AI給內(nèi)容產(chǎn)業(yè)帶來創(chuàng)新驅(qū)動(dòng)力，源于它能夠促成以機(jī)器智能為代表的傳播理性要素和以人類智能為代表的傳播非理性要素的交織融合，推動(dòng)內(nèi)容業(yè)態(tài)整體演化、升級(jí)。具體來說，傳統(tǒng)的判別式AI依賴人類輸入簡(jiǎn)單的線性計(jì)算模型來執(zhí)行任務(wù)，它需要先從訓(xùn)練數(shù)據(jù)中提取解決問題的模型，再應(yīng)用這一模型識(shí)別新的對(duì)象，遵循從基礎(chǔ)模型到微觀對(duì)象的對(duì)應(yīng)邏輯［6］。一旦構(gòu)建了問題解決的基礎(chǔ)模型，便脫離了人類的直接介入——除非采用新數(shù)據(jù)重新訓(xùn)練其基礎(chǔ)模型。因此，判別式AI主要是基于技術(shù)計(jì)算邏輯建立的，只有清晰指示的理性要素能被機(jī)器捕捉并集成融入模型。生成式AI則采取不同的路徑，它在人類逐步向機(jī)器描述微觀對(duì)象特征的過程中進(jìn)行自我調(diào)整，最終形成能完成任務(wù)的計(jì)算模型，這是從微觀對(duì)象到基礎(chǔ)模型的邏輯。生成式AI的操作必須建立在與人類的持續(xù)互動(dòng)、“標(biāo)注”、“微調(diào)”之上，人們可以通過指令的精細(xì)化不斷影響技術(shù)模型。在這個(gè)過程中，人類關(guān)系、情感等非理性要素會(huì)在人機(jī)交互過程中被卷入計(jì)算模型中，傳統(tǒng)被認(rèn)為無(wú)法被機(jī)器識(shí)別的、模糊的關(guān)系和情感因素都會(huì)在人類的標(biāo)注反饋與機(jī)器的適應(yīng)學(xué)習(xí)中被技術(shù)所內(nèi)化，并表現(xiàn)在其生成內(nèi)容中。因此，我們可以在ChatGPT生成的文本中感受到“情商”與“情感張力”。從該角度來說，生成式AI是一種融合了人類非理性邏輯與機(jī)器理性邏輯的新型內(nèi)容生產(chǎn)力，它不僅拓展了人類的理性思維，還延伸了人類的情感聯(lián)系。依托概率計(jì)算的技術(shù)邏輯和用戶反饋中的人類情感邏輯，生成式AI使得所有傳播的理性與非理性要素在海量數(shù)據(jù)和強(qiáng)大算力的支持下自然“涌現(xiàn)”，實(shí)現(xiàn)了內(nèi)容生產(chǎn)力從量變到質(zhì)變的躍升。

現(xiàn)在，AI不再僅僅是知識(shí)生產(chǎn)的輔助工具，在人類的引導(dǎo)下，它們還具備成為知識(shí)生產(chǎn)獨(dú)立主體的條件。生成式AI的加入沖擊和重構(gòu)了人類原有的知識(shí)生產(chǎn)方式，促使知識(shí)生產(chǎn)模式進(jìn)階到以人機(jī)協(xié)同為特征的“知識(shí)生產(chǎn)模式IV”，其在知識(shí)生產(chǎn)傳播格局中的角色和功能兼具現(xiàn)實(shí)關(guān)照與學(xué)術(shù)討論的價(jià)值［7］。本研究將以人類知識(shí)生產(chǎn)模式為參照，總結(jié)當(dāng)下生成式AI作為新質(zhì)生產(chǎn)力在知識(shí)生產(chǎn)領(lǐng)域的優(yōu)勢(shì)與局限，嘗試探討人類如何在人機(jī)共創(chuàng)的知識(shí)生產(chǎn)新模式中發(fā)揮主觀能動(dòng)性，規(guī)制、引導(dǎo)生成式AI成為優(yōu)化知識(shí)生產(chǎn)效率、豐富知識(shí)圖譜版圖的共創(chuàng)者，推進(jìn)知識(shí)加速進(jìn)程。

二、生成式AI知識(shí)生產(chǎn)的“能”與“不能”

1．多模態(tài)：生成式AI知識(shí)生產(chǎn)的“類人化實(shí)踐”

多模態(tài)的內(nèi)容生成是生成式AI區(qū)別于判別式AI的辨別性特征，也是其進(jìn)行“類人”甚至“勝人”知識(shí)生產(chǎn)的技術(shù)基礎(chǔ)。多模態(tài)AI大模型可以把文本、圖像、聲音、視頻等各種感知模態(tài)結(jié)合起來，以更全面、綜合的方式理解和生成信息，最終完成更豐富的任務(wù)和應(yīng)用［8］。在多模態(tài)AI系統(tǒng)中，各種類型的數(shù)據(jù)通常被轉(zhuǎn)換成一種共同的表現(xiàn)形式，以便模型能夠有效地處理和整合信息。例如，文本可以轉(zhuǎn)換為詞向量，圖像可以轉(zhuǎn)換為像素或特征向量，聲音可以轉(zhuǎn)換為聲譜圖等。通過數(shù)據(jù)轉(zhuǎn)換處理后，數(shù)據(jù)以新形式被輸入共享模型中，該模型模仿先前訓(xùn)練數(shù)據(jù)的知識(shí)整合方式將新數(shù)據(jù)進(jìn)行整合，最終目標(biāo)是執(zhí)行各種知識(shí)生產(chǎn)任務(wù)，如文本到圖像的生成、圖像描述生成、語(yǔ)音識(shí)別和視頻理解等。

這種多模態(tài)的信息處理方式和人類大腦高度相似，生成式AI模仿學(xué)習(xí)人類在大腦中理解多種形態(tài)信息并進(jìn)行互相轉(zhuǎn)換的能力，如繪圖AI軟件Mid-journey需要具備圖像與文本信息轉(zhuǎn)換的能力，視頻AI軟件Sora需要具備視頻與文本信息轉(zhuǎn)換的能力，GPT-4這類大型多模態(tài)預(yù)訓(xùn)練模型則需要同時(shí)具有文本、圖像、聲音等多種模態(tài)內(nèi)容的處理和互轉(zhuǎn)能力。2024年5月新上線的GPT-4o版本更是在多模態(tài)信息的速度和靈活性上展現(xiàn)出更高水準(zhǔn)。在GPT-4o的官方發(fā)布會(huì)上，演示者在視頻通話中讓 ChatGPT 猜測(cè)自己的情緒，當(dāng)他露出笑臉后，ChatGPT 立即用語(yǔ)音回復(fù)：“你看起來很開心，笑容燦爛，還有點(diǎn)激動(dòng)。”

這一涉及實(shí)時(shí)視頻的多模態(tài)信息轉(zhuǎn)換過程要比以往的圖文信息互轉(zhuǎn)更加困難，英偉達(dá)首席 AI 科學(xué)家Jim Fan認(rèn)為當(dāng)前實(shí)時(shí)語(yǔ)音助手（如 Siri）面臨的困境是很難創(chuàng)造出沉浸式的使用體驗(yàn)，這是由于用戶在和 AI 對(duì)話時(shí)需要經(jīng)歷三個(gè)信息轉(zhuǎn)化階段。其一，語(yǔ)音識(shí)別（ASR）：將用戶輸入的音頻轉(zhuǎn)換為文本；其二，大模型內(nèi)部文本處理：根據(jù)輸入文本形成用以回答的輸出文本；其三，語(yǔ)音合成（TTS）：將輸出文本轉(zhuǎn)換為音頻輸出。在之前的實(shí)時(shí)語(yǔ)音AI中，這一復(fù)雜的異模態(tài)信息轉(zhuǎn)化過程耗時(shí)較久，如以往版本的ChatGPT由于依賴三個(gè)模型獨(dú)立工作，語(yǔ)音模式平均延遲時(shí)間為 2.8 秒（GPT-3.5）和 5.4 秒 （GPT-4），這一延遲會(huì)影響用戶與AI交互時(shí)的“類人”體驗(yàn)，讓用戶脫離沉浸式對(duì)話環(huán)境。而最新的GPT-4o 的音頻輸入響應(yīng)時(shí)間最短為232毫秒，平均響應(yīng)時(shí)間為320毫秒［9］。這是由于GPT-4o 實(shí)現(xiàn)了在單一模型中完成多模態(tài)信息的轉(zhuǎn)換，無(wú)須分多個(gè)模型“流水線式”地進(jìn)行信息轉(zhuǎn)換，生成式AI在多模態(tài)信息互轉(zhuǎn)的質(zhì)量和效率上得到了質(zhì)的提升，這將為其進(jìn)一步接近“類人”的知識(shí)生產(chǎn)方式和能力提供技術(shù)基礎(chǔ)。

2．全數(shù)據(jù)：不只是“全面”而已

在數(shù)據(jù)輸入層面，生成式AI具有全數(shù)據(jù)的特征。AI業(yè)界認(rèn)為，算法、算力與數(shù)據(jù)是支撐大模型發(fā)展的三大基石［8］。生成式AI之所以具備知識(shí)生產(chǎn)能力，甚至給人以“超越人類”的危機(jī)感，是由于其訓(xùn)練數(shù)據(jù)量遠(yuǎn)超人腦的信息載量。更全面、更高質(zhì)量的數(shù)據(jù)是生成式AI自我更新迭代、提高實(shí)現(xiàn)知識(shí)生產(chǎn)能力的基礎(chǔ)，在訓(xùn)練過程中使用大量、多樣化和全面的數(shù)據(jù)集以提高模型的泛化能力和性能，體現(xiàn)了生成式AI訓(xùn)練過程的“全數(shù)據(jù)策略”。

“全數(shù)據(jù)”首先是字面意義上的“全”，即生成式AI的訓(xùn)練數(shù)據(jù)量要足夠大。訓(xùn)練數(shù)據(jù)量直接決定大模型能否準(zhǔn)確理解用戶輸入信息、生成合理回應(yīng)，數(shù)據(jù)量的增加可使模型接觸更多的訓(xùn)練樣本和語(yǔ)言背景，幫助模型學(xué)習(xí)更多的語(yǔ)言規(guī)則、結(jié)構(gòu)和常見表達(dá)方式。在實(shí)際應(yīng)用中，只有數(shù)據(jù)足夠大的模型才能更加準(zhǔn)確地理解用戶的意圖，并生成更具邏輯和連貫性的回應(yīng)。當(dāng)一個(gè)生成式AI模型的架構(gòu)固定時(shí)，增加訓(xùn)練數(shù)據(jù)量可以直接提高模型的性能，使模型更好地捕捉到不同語(yǔ)境下的細(xì)微差別和上下文的相關(guān)性，從而提升模型的表現(xiàn)力和生成能力。阿里研究院分析總結(jié)了GPT模型的訓(xùn)練數(shù)據(jù)變化：GPT-1是由4.8G未過濾原始數(shù)據(jù)訓(xùn)練，GPT-2是由經(jīng)人類過濾后的40G數(shù)據(jù)訓(xùn)練，GPT-3是由從45T原始數(shù)據(jù)中過濾的570G 數(shù)據(jù)訓(xùn)練，GPT-4則是在該基礎(chǔ)上又加入了高質(zhì)量的人類標(biāo)注［8］。數(shù)據(jù)量的增加是GPT系列AI模型性能提高的根本原因之一。

以GPT-3為例，它使用的45TB訓(xùn)練數(shù)據(jù)集包括數(shù)十億的單詞和數(shù)萬(wàn)億的字符，涵蓋了各種領(lǐng)域的數(shù)據(jù)，如570GB的數(shù)據(jù)來自互聯(lián)網(wǎng)的大規(guī)模文本數(shù)據(jù)庫(kù)。其訓(xùn)練數(shù)據(jù)集包括三個(gè)部分：一是Web數(shù)據(jù)，OpenAI團(tuán)隊(duì)采集了大量的互聯(lián)網(wǎng)文本數(shù)據(jù)，包括網(wǎng)頁(yè)、論壇帖子、新聞文章等；二是對(duì)話數(shù)據(jù)，包括電影對(duì)話、電視劇劇本、推特對(duì)話等，涵蓋了各種語(yǔ)言風(fēng)格和領(lǐng)域的對(duì)話情境；三是書籍和文學(xué)作品，包括小說、散文、詩(shī)歌等，使其具備豐富的語(yǔ)言模式和文化背景。海量語(yǔ)料庫(kù)使得生成式AI的知識(shí)儲(chǔ)備量超越了任何單一人類所能達(dá)到的淵博程度，使其生產(chǎn)的知識(shí)具有顯著的全面性、互聯(lián)性和跨領(lǐng)域的特點(diǎn)。由于訓(xùn)練數(shù)據(jù)涵蓋廣泛的主題和領(lǐng)域，大模型在回答用戶問題時(shí)可以調(diào)用對(duì)應(yīng)的背景信息和相關(guān)知識(shí)，整合來自不同領(lǐng)域的信息，提供全面、多角度、跨領(lǐng)域的答案。

但“全數(shù)據(jù)”不僅需要數(shù)據(jù)量大而全，還需要考慮數(shù)據(jù)的質(zhì)量、多樣性和公平性等問題。計(jì)算機(jī)和大數(shù)據(jù)領(lǐng)域有個(gè)概念Garbage in，Garbage out，從字面上看，意思是如果輸入垃圾數(shù)據(jù)，則將輸出垃圾數(shù)據(jù)，即輸出質(zhì)量是由輸入質(zhì)量決定的［10］。盡管生成式AI普遍通過海量數(shù)據(jù)訓(xùn)練，具備強(qiáng)大的知識(shí)生產(chǎn)能力，但其數(shù)據(jù)來源和處理過程仍帶有不可避免的選擇性偏見，數(shù)據(jù)規(guī)模大并不保障其多樣性和公平性，這種數(shù)據(jù)片面性是目前生成式AI在全數(shù)據(jù)時(shí)代仍需突破的局限。

當(dāng)用于訓(xùn)練大模型的數(shù)據(jù)中包含了人類社會(huì)固有的偏見（如種族歧視、性別歧視）時(shí)，這些偏見會(huì)在模型訓(xùn)練、信息處理和知識(shí)生產(chǎn)的整個(gè)流程中被留存和放大。彭博社展開的研究顯示，文生圖大模型Stable Diffusion往往在高績(jī)效職業(yè)的圖像中低估女性，而在低薪工人和罪犯的圖像中高估深色皮膚的人，體現(xiàn)出模型內(nèi)含的性別歧視和種族歧視［11］。這可能與數(shù)據(jù)來源密切相關(guān)，當(dāng)某些語(yǔ)言和文化背景的數(shù)據(jù)相對(duì)較少時(shí)，AI模型對(duì)這些文化背景的知識(shí)則可能欠缺或存在偏見。如ChatGPT等國(guó)外模型以英語(yǔ)數(shù)據(jù)為主要訓(xùn)練數(shù)據(jù)，那么在英語(yǔ)世界中占據(jù)主要地位的意識(shí)形態(tài)和偏見更容易被保留。此外，數(shù)據(jù)標(biāo)注過程中也可能產(chǎn)生偏見，標(biāo)注者的個(gè)人理解會(huì)影響標(biāo)注質(zhì)量，從而影響模型的學(xué)習(xí)效果。

對(duì)比完全由人工規(guī)則控制的傳統(tǒng)人類專家系統(tǒng)來說，大語(yǔ)言模型的訓(xùn)練數(shù)據(jù)集就像一個(gè)“黑箱”。這意味著人類首次面臨一個(gè)難以完全理解和解釋的知識(shí)生產(chǎn)過程，知識(shí)生成的代碼來源和算法依據(jù)無(wú)法做到全部有跡可循，代碼中細(xì)微的邏輯錯(cuò)誤或步驟冗余也難以精確識(shí)別。由此生成的復(fù)雜知識(shí)難以驗(yàn)證其真實(shí)準(zhǔn)確性，也難以細(xì)致全面地進(jìn)行過程監(jiān)管。從用戶端來看，大語(yǔ)言模型在前臺(tái)輸出的信息看似合理且具有高度的連貫性，其數(shù)據(jù)的片面性則隱蔽于后臺(tái)，人們?nèi)菀讖V泛接受大模型生產(chǎn)的知識(shí)，而忽視其潛在的偏見和錯(cuò)誤。當(dāng)用戶將機(jī)器生成的知識(shí)進(jìn)行再傳播時(shí)，這些有錯(cuò)誤或雜質(zhì)的內(nèi)容會(huì)再次進(jìn)入數(shù)據(jù)庫(kù)，其包含的錯(cuò)誤或者偏見信息會(huì)被不斷放大，這是當(dāng)下生成式AI在數(shù)據(jù)層需要進(jìn)一步解決的難題。

3．結(jié)構(gòu)化：“平庸的專業(yè)主義”

在知識(shí)輸出層面，生成式AI生成的內(nèi)容具有結(jié)構(gòu)化的特性，這也是其生成知識(shí)給人以專業(yè)感的原因之一。在海量數(shù)據(jù)的基礎(chǔ)上，生成式AI大模型采用了基于變分推理和貝葉斯優(yōu)化的復(fù)雜算法，以實(shí)現(xiàn)對(duì)數(shù)據(jù)的高度抽象和概括，不僅能夠處理結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，還能在多維度和多層次上進(jìn)行數(shù)據(jù)的解析和解釋［12］。因此，生成式AI具備理解上下文、開展多輪對(duì)話的能力，能夠進(jìn)行語(yǔ)義理解和推理，從而根據(jù)用戶的需求生成具備連貫性和邏輯性的知識(shí)。

基于此，生成式大模型生產(chǎn)的知識(shí)并不是對(duì)人類知識(shí)的簡(jiǎn)單復(fù)現(xiàn)，而是知識(shí)的重新組合，能夠在人類知識(shí)的基礎(chǔ)上進(jìn)行擴(kuò)展和創(chuàng)新。借鑒圖書館學(xué)的文獻(xiàn)分階視角，知識(shí)可以分為兩階：一階知識(shí)生產(chǎn)指原創(chuàng)性知識(shí)，包括探索、發(fā)現(xiàn)和創(chuàng)造出新知識(shí)的廣義的科學(xué)研究活動(dòng)；二階知識(shí)生產(chǎn)指對(duì)一階知識(shí)進(jìn)行整理和加工，如將其系統(tǒng)化、體系化、通俗化等以利于傳播［13］。生成式AI的知識(shí)生產(chǎn)則創(chuàng)造了“三階知識(shí)”這一概念，即以一階和二階知識(shí)為基礎(chǔ)，進(jìn)行模仿、預(yù)測(cè)和推論，通過再消化、再組織、xJkB/kB7b5Ek1UJ2IHUtQu5VU12I0HBH+m8j/KYVwiA=再利用形成新的知識(shí)。這一過程不是簡(jiǎn)單的重復(fù)，而是通過復(fù)雜的算法和模型，結(jié)合上下文和邏輯進(jìn)行深度分析后實(shí)現(xiàn)的。生成式AI創(chuàng)造的三階知識(shí)經(jīng)過了數(shù)據(jù)上的計(jì)算和結(jié)構(gòu)上的整合，因此具備較穩(wěn)定的知識(shí)質(zhì)量和較規(guī)范的知識(shí)格式，具有較強(qiáng)的專業(yè)性，可以為人類知識(shí)創(chuàng)造提供高效率的工具和啟發(fā)性內(nèi)容。然而，生成式AI的知識(shí)生產(chǎn)內(nèi)容以現(xiàn)有的數(shù)據(jù)和模式為基礎(chǔ)，生成的知識(shí)具備組合性而不具有創(chuàng)造性。相比一階知識(shí)生產(chǎn)的“原創(chuàng)之新”，其生產(chǎn)的三階知識(shí)只能算得上“表述之新”，即只能實(shí)現(xiàn)“有中生有”，而無(wú)法完成“從無(wú)到有”的創(chuàng)造。

從生成式AI的知識(shí)學(xué)習(xí)方式來看，其能力源自對(duì)人類的學(xué)習(xí)模仿，而人類的知識(shí)和思維中有相當(dāng)一部分是難以作為數(shù)據(jù)被人工智能學(xué)習(xí)的。邁克爾·波蘭尼最先在哲學(xué)領(lǐng)域提出知識(shí)類型的劃分，將人類知識(shí)分為顯性知識(shí)和隱性知識(shí)。顯性知識(shí)是指可以被明確表達(dá)、記錄和傳播的知識(shí)。這類知識(shí)通常以文字、圖表、公式等形式存在，易于共享和傳遞，可以作為結(jié)構(gòu)化的數(shù)據(jù)被人工智能學(xué)習(xí)。隱性知識(shí)是指難以明確表達(dá)和傳遞的知識(shí)，這類知識(shí)通常包含個(gè)人的經(jīng)驗(yàn)、洞察力、直覺和技能，往往依賴于個(gè)人的實(shí)踐和理解。隱性知識(shí)難以通過語(yǔ)言或文字完全傳達(dá)，更無(wú)法被量化或編碼成結(jié)構(gòu)化信息，其傳遞往往依靠社會(huì)化過程，需要通過長(zhǎng)期的觀察、模仿和實(shí)踐來掌握。因此，人工智能難以掌握人類社會(huì)的隱性知識(shí)，而創(chuàng)意、靈感、直覺等促進(jìn)人類知識(shí)創(chuàng)新的知識(shí)往往是隱性的。從根本上看，人工智能的邏輯是“向數(shù)據(jù)學(xué)習(xí)”，而人類能從更廣泛的感官體驗(yàn)如觸覺、味覺、嗅覺以及視覺和聽覺中學(xué)習(xí)，可以自己去感知和識(shí)別信息，與他人交流和探究信息，其根本知識(shí)來源是實(shí)踐［14］。人工智能在知識(shí)輸入方面的局限進(jìn)一步限制了其知識(shí)輸出的創(chuàng)造性。

從生成式AI的知識(shí)生產(chǎn)方式來看，大語(yǔ)言模型對(duì)人類語(yǔ)言和知識(shí)的模仿生成，并不是以語(yǔ)言語(yǔ)法的方式，更不是以理解意義的方式，而是以統(tǒng)計(jì)的方式?？梢哉f，人工智能生產(chǎn)的知識(shí)是“計(jì)算的知識(shí)”，復(fù)制和組合是人工智能的知識(shí)生產(chǎn)方式。德國(guó)哲學(xué)家本雅明將藝術(shù)作品的獨(dú)特存在感和不可復(fù)制的特質(zhì)描述為“靈暈”，這種特質(zhì)使得藝術(shù)作品具有一種遙遠(yuǎn)的、神秘的魅力。與此相對(duì)，“痕跡”指的是某種事物或事件在現(xiàn)實(shí)中留下的具體標(biāo)記或跡象。他認(rèn)為，隨著攝影和電影等機(jī)械復(fù)制技術(shù)的發(fā)展，藝術(shù)作品的“靈暈”逐漸消失，因?yàn)閺?fù)制品無(wú)法再現(xiàn)原作的獨(dú)特存在感。以此而論，ChatGPT不可能產(chǎn)生“靈暈”，只能生成“痕跡”［15］。 OpenAI公司的現(xiàn)任CTO （首席技術(shù)官）Mira Murati在長(zhǎng)文Lauguage&Coding Creativity中提到：語(yǔ)言應(yīng)用的細(xì)微差別，或者說作家的“聲音”，是人類無(wú)數(shù)創(chuàng)造力的獨(dú)特印記之一，這正是人類藝術(shù)創(chuàng)作特有的、暫時(shí)不會(huì)被AI代替的“靈暈”［1］。

人類的知識(shí)生產(chǎn)是創(chuàng)造性思維與對(duì)現(xiàn)實(shí)深刻、復(fù)雜的理解的結(jié)合。創(chuàng)造性思維往往是非線性的，是許多看似不相關(guān)的想法和概念的突然聯(lián)想組合。而人工智能的結(jié)構(gòu)性計(jì)算阻礙了這種“靈光乍現(xiàn)”的創(chuàng)造性瞬間的出現(xiàn)，AI對(duì)現(xiàn)實(shí)世界的理解基于數(shù)據(jù)的表面層次，缺乏對(duì)現(xiàn)實(shí)世界的理解和洞察，這使得目前其對(duì)知識(shí)的結(jié)構(gòu)化呈現(xiàn)只能停留在“平庸的專業(yè)主義”階段。

三、保持“專業(yè)性”：生成式AI的數(shù)據(jù)規(guī)范實(shí)踐和監(jiān)管創(chuàng)新

打破生成式AI在當(dāng)下知識(shí)生產(chǎn)中的局限，提高其知識(shí)生產(chǎn)的效率和質(zhì)量以實(shí)現(xiàn)知識(shí)加速，需要在保持其“專業(yè)性”的同時(shí)打破“平庸化”的知識(shí)輸出現(xiàn)狀。保持“專業(yè)性”要求生成式AI在數(shù)據(jù)訓(xùn)練上發(fā)力，從數(shù)據(jù)的質(zhì)量、多樣性和公平性著手進(jìn)一步實(shí)現(xiàn)真正的“全數(shù)據(jù)”。

1．始于數(shù)據(jù)：全流程的數(shù)據(jù)規(guī)范實(shí)踐

要想盡可能地削弱訓(xùn)練數(shù)據(jù)質(zhì)量導(dǎo)致的數(shù)據(jù)偏見，以更全面多樣的數(shù)據(jù)輸入提高生成式AI生產(chǎn)知識(shí)的專業(yè)性，需在數(shù)據(jù)的收集、管理和訓(xùn)練上作出優(yōu)化。

在數(shù)據(jù)收集與管理方面，首先，應(yīng)確保多樣化的數(shù)據(jù)來源，收集來自不同的文化、地域、性別、年齡和社會(huì)經(jīng)濟(jì)背景的數(shù)據(jù)，以捕捉廣泛的視角和經(jīng)驗(yàn)，并通過重采樣、合成數(shù)據(jù)等方法，確保數(shù)據(jù)集中于不同群體的代表性。其次，應(yīng)完善數(shù)據(jù)庫(kù)管理機(jī)制，日常的數(shù)據(jù)庫(kù)管理應(yīng)注明數(shù)據(jù)收集的方式和數(shù)據(jù)選擇的動(dòng)機(jī)，從而使數(shù)據(jù)來源透明化，確保數(shù)據(jù)的多樣性和代表性。在此基礎(chǔ)上，進(jìn)一步注明數(shù)據(jù)包含的價(jià)值觀和服務(wù)的行動(dòng)目標(biāo)，這有助于在數(shù)據(jù)使用過程中保持一致性和方向性，避免因價(jià)值觀偏差導(dǎo)致模型輸出偏見。最后，應(yīng)開展定期審查和數(shù)據(jù)內(nèi)容的更新，識(shí)別并移除重復(fù)、錯(cuò)誤或有害的數(shù)據(jù)。在模型生產(chǎn)知識(shí)進(jìn)入公共知識(shí)流通系統(tǒng)后，建立完備的反饋機(jī)制，允許用戶報(bào)告和糾正偏見數(shù)據(jù)，進(jìn)一步完善數(shù)據(jù)庫(kù)管理，確保數(shù)據(jù)的公平性和準(zhǔn)確性。

在數(shù)據(jù)訓(xùn)練方面，推動(dòng)訓(xùn)練數(shù)據(jù)的專業(yè)化。通用大模型的知識(shí)生產(chǎn)痛點(diǎn)與其在專業(yè)性、泛化性和經(jīng)濟(jì)性三方面難以兼得有關(guān)，這是一個(gè)有所取舍的利益天秤。專業(yè)性需要針對(duì)特定領(lǐng)域數(shù)據(jù)進(jìn)行訓(xùn)練，泛化性則需要多樣化的大規(guī)模訓(xùn)練數(shù)據(jù)集，同一個(gè)生成式AI模型很難兼顧兩方面，做到既“博學(xué)多才”又“門門精通”。專業(yè)化和多樣化的數(shù)據(jù)收集都需要消耗大量算力和成本，因此，在數(shù)據(jù)訓(xùn)練中要考慮經(jīng)濟(jì)性因素。當(dāng)前通用類大語(yǔ)言模型大多在專業(yè)性和泛化性中選擇了后者，在涉及具體領(lǐng)域的專業(yè)性問題時(shí)呈現(xiàn)知之甚淺的缺陷。本文認(rèn)為，一條可行的路徑是運(yùn)用更專精的數(shù)據(jù)進(jìn)行訓(xùn)練，而不是一味地追求大模型之“大”。應(yīng)在現(xiàn)有大模型的基礎(chǔ)上，為特定領(lǐng)域定制開發(fā)更具有針對(duì)性的訓(xùn)練數(shù)據(jù)集，并為“小而?！钡恼Z(yǔ)言模型所使用，使其在特定領(lǐng)域能夠生成更具有深度和洞見的知識(shí)。

2．“剛?cè)岵?jì)”：發(fā)揮第三方監(jiān)管的作用

除了企業(yè)自身在訓(xùn)練數(shù)據(jù)時(shí)采取的常規(guī)化規(guī)范，對(duì)生成式AI的第三方監(jiān)管也有利于更加客觀地優(yōu)化數(shù)據(jù)的公正性。

在柔性監(jiān)管方面，監(jiān)管沙盒是一種針對(duì)技術(shù)創(chuàng)新的柔性監(jiān)管制度，既有利于企業(yè)技術(shù)創(chuàng)新實(shí)踐應(yīng)用，也有利于更早地發(fā)現(xiàn)前沿技術(shù)引發(fā)的合規(guī)風(fēng)險(xiǎn)。計(jì)算機(jī)安全領(lǐng)域的沙盒（sandbox）是一種隔離環(huán)境，用于運(yùn)行和測(cè)試可疑代碼或應(yīng)用程序，以防它們對(duì)主系統(tǒng)或網(wǎng)絡(luò)造成任何潛在的危害。歐盟《人工智能法案》第六章“支持創(chuàng)新的措施”，明確了建立AI監(jiān)管沙盒的相關(guān)要求。歐盟成員國(guó)的西班牙、法國(guó)，非歐盟成員國(guó)的挪威、英國(guó)、瑞士，已在籌劃或開展AI監(jiān)管沙盒的試點(diǎn)。目前，我國(guó)已在金融科技和汽車安全等領(lǐng)域試行該制度，北京于近期開展AI監(jiān)管沙盒試點(diǎn)。

針對(duì)大模型的知識(shí)生產(chǎn)痛點(diǎn)，企業(yè)可以在沙盒環(huán)境中進(jìn)行模型的公正性測(cè)試，通過詳細(xì)的數(shù)據(jù)分析和模型測(cè)試識(shí)別出數(shù)據(jù)集中可能存在的偏見。例如，通過對(duì)比不同群體的模型輸出結(jié)果，發(fā)現(xiàn)并修正不公平的表現(xiàn)。監(jiān)管機(jī)構(gòu)應(yīng)要求企業(yè)在AI沙盒中進(jìn)行透明性測(cè)試和報(bào)告，確保模型決策過程的可解釋性。沙盒環(huán)境提供了一個(gè)持續(xù)監(jiān)控和反饋的機(jī)制，企業(yè)可以根據(jù)實(shí)時(shí)數(shù)據(jù)和反饋不斷改進(jìn)模型，監(jiān)管機(jī)構(gòu)也可以通過定期審查和實(shí)時(shí)監(jiān)控，確保模型的性能和公平性保持在高水平。

在硬性監(jiān)管方面，制定行業(yè)標(biāo)準(zhǔn)和法律法規(guī)仍然是規(guī)制和監(jiān)管人工智能發(fā)展的重要途徑。一方面，行業(yè)協(xié)會(huì)等主體應(yīng)制定行業(yè)標(biāo)準(zhǔn)和行為規(guī)范，明確大模型開發(fā)者的數(shù)據(jù)可查義務(wù)、解釋性義務(wù)和惡意操縱責(zé)任，要求其做到數(shù)據(jù)來源可查、數(shù)據(jù)內(nèi)容可查、數(shù)據(jù)處理可查，并對(duì)數(shù)據(jù)內(nèi)容、數(shù)據(jù)特征選擇以及權(quán)重進(jìn)行說明［16］。另一方面，政府應(yīng)出臺(tái)或修改現(xiàn)有法律，明確數(shù)據(jù)偏見帶來的問題如何歸責(zé)，并對(duì)數(shù)據(jù)開發(fā)過程的透明性和可解釋性作出強(qiáng)制規(guī)定，采取配套監(jiān)管措施和對(duì)應(yīng)的懲罰方式。由于我國(guó)尚處于弱人工智能時(shí)代，刑法和民事法中目前未對(duì)此類相關(guān)問題作出回應(yīng)，能直接應(yīng)用于數(shù)據(jù)問題的規(guī)制條文仍然是空白。隨著人工智能技術(shù)的發(fā)展成熟，人工智能越來越多地參與到知識(shí)生產(chǎn)與流通中，相關(guān)法律也應(yīng)不斷完善、與時(shí)俱進(jìn)。

四、突破“平庸性”：生成式AI知識(shí)生產(chǎn)的創(chuàng)造性進(jìn)路

相對(duì)于人類專家生產(chǎn)的知識(shí)，學(xué)界對(duì)于生成式AI所生產(chǎn)知識(shí)的評(píng)價(jià)是“穩(wěn)定的平庸”。這是由于其知識(shí)生成邏輯是一種數(shù)據(jù)訓(xùn)練出來的概率性“接龍”，越接近多數(shù)人知識(shí)邏輯的內(nèi)容就越可能成為生成式AI對(duì)某一問題的答案，也就是說，生成式AI的知識(shí)生產(chǎn)趨近于一個(gè)公眾平均值。這種邏輯的優(yōu)勢(shì)是得到的知識(shí)不會(huì)過度偏離公眾認(rèn)知，具有正確度上的穩(wěn)定性，但副作用是像海德格爾所說的與“常人”一樣缺乏鋒芒、個(gè)性和本真性［17］。要想弱化生成式AI作為“新常人”的平庸性特質(zhì)，獲得高于平均值的、帶有一定創(chuàng)造性的知識(shí)內(nèi)容，AI開發(fā)者和使用者都有可為之處。

1．AI開發(fā)層面：調(diào)整采樣溫度，大小模型協(xié)同

在生成式AI的開發(fā)過程中，模型的參數(shù)設(shè)置會(huì)影響AI輸出的內(nèi)容，其中“采樣溫度”是直接影響AI知識(shí)生產(chǎn)創(chuàng)造性的一個(gè)參數(shù)。在自然語(yǔ)言處理（NLP）和機(jī)器學(xué)習(xí)模型中，“采樣溫度”是指在生成文本或進(jìn)行其他形式的預(yù)測(cè)時(shí)，用于控制模型輸出多樣性和不確定性的一個(gè)參數(shù)。這個(gè)概念源自機(jī)器學(xué)習(xí)中的“溫度軟化”（temperature softening）或“溫度調(diào)節(jié)”（temperature tuning）。它是在使用概率模型進(jìn)行預(yù)測(cè)時(shí)應(yīng)用的一個(gè)超參數(shù)，通過調(diào)整模型輸出的概率分布，從而影響模型選擇的多樣性。當(dāng)采樣溫度較低時(shí)（接近于0），模型會(huì)傾向于根據(jù)訓(xùn)練數(shù)據(jù)選擇概率最高的輸出，即更接近上文提到的“穩(wěn)定的平庸”輸出，這會(huì)使得輸出更加確定，但可能缺乏多樣性。當(dāng)采樣溫度較高時(shí)（接近于無(wú)窮大），模型的輸出會(huì)更加隨機(jī)，概率分布更加平坦，從而增加輸出的多樣性，但輸出的質(zhì)量就難以保證穩(wěn)定。

在實(shí)際應(yīng)用中，AI開發(fā)者可以根據(jù)模型用途來調(diào)整采樣溫度，以便在生成文本的確定性和多樣性之間找到合適的平衡點(diǎn)。例如，在生成創(chuàng)意內(nèi)容或進(jìn)行探索性任務(wù)時(shí)，可能會(huì)使用較高的采樣溫度；在需要準(zhǔn)確性和一致性的場(chǎng)景中，則可能會(huì)使用較低的采樣溫度。這一采樣溫度調(diào)節(jié)功能現(xiàn)已在部分生成式AI產(chǎn)品中開發(fā)給用戶使用，如基于國(guó)內(nèi)大語(yǔ)言對(duì)話智譜清言的AI產(chǎn)品清言智能體于2024年5月開放了“溫度調(diào)控”功能，用戶在創(chuàng)建自己的AI智能體時(shí)可以在0到1之間設(shè)置模型的采樣溫度以調(diào)節(jié)模型生成內(nèi)容時(shí)的創(chuàng)造性高低，這顯示了用戶在AI知識(shí)生產(chǎn)時(shí)的主觀能動(dòng)性在不斷提升。

上文提到模型的泛化性可以增強(qiáng)其知識(shí)生產(chǎn)的全領(lǐng)域特性，卻往往以犧牲某一領(lǐng)域的深化程度為代價(jià)。要想增強(qiáng)AI生成知識(shí)的創(chuàng)造性，跳出平庸困境，前提是具備某一領(lǐng)域的專業(yè)化能力，這要求在數(shù)據(jù)輸入階段就明確大模型的領(lǐng)域定位，并給予針對(duì)性的訓(xùn)練數(shù)據(jù)。實(shí)現(xiàn)這一目標(biāo)的方法之一是對(duì)通用大模型參數(shù)進(jìn)行“瘦身”，開發(fā)針對(duì)特定場(chǎng)景、私域數(shù)據(jù)、部署邊緣而訓(xùn)練的小模型［18］。針對(duì)特定場(chǎng)景、知識(shí)類型構(gòu)建的小模型更有可能成為某一領(lǐng)域的“行家”，輸出更接近這一領(lǐng)域人類專家的知識(shí)形態(tài)，并借助模型數(shù)據(jù)的迭代邏輯不斷提升在該領(lǐng)域的知識(shí)生產(chǎn)能力。創(chuàng)造更貼合場(chǎng)景、更精專領(lǐng)域的小模型，促進(jìn)大小模型協(xié)同發(fā)展，是在開發(fā)層面突破AI知識(shí)生產(chǎn)平庸困境的一個(gè)方法。

2．AI使用層面：優(yōu)化提示詞寫作，提高AI素養(yǎng)

在生成式AI加入知識(shí)生產(chǎn)后的智能傳播時(shí)代，傳統(tǒng)的媒介素養(yǎng)框架已難以概括人類使用AI、與AI交互時(shí)需要的所有能力，因此，在媒介素養(yǎng)的基礎(chǔ)上誕生了AI素養(yǎng)的新概念。作為新興的素養(yǎng)概念，AI素養(yǎng)的內(nèi)涵和外延仍在討論和明確的階段，并未像媒介素養(yǎng)一樣在學(xué)界形成較為統(tǒng)一的框架。目前，學(xué)界更多將 AI 素養(yǎng)納入更廣泛的信息素養(yǎng)或數(shù)字素養(yǎng)的討論范疇中，在先前素養(yǎng)強(qiáng)調(diào)的獲取、評(píng)估和使用信息的能力之外，進(jìn)一步強(qiáng)調(diào)對(duì)AI技術(shù)的深入理解和應(yīng)用，以及對(duì)AI可能帶來的社會(huì)、倫理和法律問題的關(guān)注和思考［19］?？偟膩砜?，學(xué)界對(duì)AI素養(yǎng)的定義仍包括知識(shí)、技能和價(jià)值觀這幾個(gè)方面。

在優(yōu)化AI的知識(shí)生產(chǎn)水平上，主要涉及的是使用者在技能層面的AI素養(yǎng)能力，在眾多AI使用技能中，最直接影響生成式AI輸出內(nèi)容質(zhì)量的是Prompt的撰寫。Prompt是在自然語(yǔ)言處理（NLP）和生成性預(yù)訓(xùn)練變換器（GPT）等語(yǔ)言模型中，用戶或開發(fā)者輸入的文本，它是模型生成響應(yīng)、回答或文本的起點(diǎn)和依據(jù)。寫Prompt的目的是引導(dǎo)模型產(chǎn)生符合用戶意圖的輸出，Prompt的質(zhì)量會(huì)直接決定生成式AI能否給出使用者理想的答案，這就好比新聞采訪中記者的提問質(zhì)量會(huì)直接影響受訪者的回答。一段清晰的Prompt一般包含任務(wù)背景、身份定義、輸出格式等必要組成部分，需滿足層級(jí)分明、任務(wù)明確和上下文不矛盾等邏輯特征，可以根據(jù)任務(wù)需要和模型功能上傳相應(yīng)的多模態(tài)材料，如文本、圖片、音頻作為AI在原本數(shù)據(jù)庫(kù)之外的語(yǔ)料補(bǔ)充。AI使用者要想在生成式AI運(yùn)用中發(fā)揮主觀能動(dòng)性，得到更優(yōu)質(zhì)的AIGC知識(shí)內(nèi)容，需要提高自身的Prompt寫作能力以及對(duì)AI回答的追問能力，通過AI素養(yǎng)的提升來優(yōu)化人機(jī)知識(shí)共創(chuàng)效果。

五、結(jié)語(yǔ)

隨著大模型在訓(xùn)練數(shù)據(jù)數(shù)量、模型運(yùn)算能力層面的飛快迭代更新，各垂類的生成式AI不斷涌現(xiàn)出具有更高知識(shí)生產(chǎn)能力的應(yīng)用產(chǎn)品。以人機(jī)協(xié)同為特征的“知識(shí)生產(chǎn)模式IV”已經(jīng)到來，與AI共生是必將到來的人類社會(huì)新的媒介化狀態(tài)。在這一媒介化狀態(tài)下，理想的知識(shí)生產(chǎn)狀態(tài)是實(shí)現(xiàn)協(xié)作智能（Collaborative Intelligence），即將人和計(jì)算機(jī)各自擁有的技能互補(bǔ)，其目的不在于讓計(jì)算機(jī)替代人類，而在于實(shí)現(xiàn)人類的目標(biāo)［20］。正如Mira Muratiz在Lauguage&Coding Creativity一文中主要探討的問題：人類應(yīng)該如何與這些越來越“聰明”的AI相處？這是我們必須思考面對(duì)的問題［1］。

為了實(shí)現(xiàn)“知識(shí)共創(chuàng)，人機(jī)共生”的理想智能協(xié)作圖景，人類需進(jìn)一步解決目前生成式AI存在的數(shù)據(jù)質(zhì)量問題和平庸性困境，通過數(shù)據(jù)規(guī)范實(shí)踐和監(jiān)管創(chuàng)新來優(yōu)化生成式AI知識(shí)生產(chǎn)的專業(yè)性，在AI開發(fā)和使用層面發(fā)力以突破其知識(shí)生產(chǎn)的平庸性，以期迎來更高效、高質(zhì)的AI知識(shí)生產(chǎn)時(shí)代。

｜參考文獻(xiàn)｜

［1］一夜淘汰700人！ChatGPT之母：AI自動(dòng)化取代人類，創(chuàng)意性工作可能消失［EB/OL］.（2024-06-23）［2024-07-16］. https：//mp.weixin.qq.com/s/ykOg_ZGWeokElc52_Wq08A.

［2］肖峰. 生成式人工智能與知識(shí)生產(chǎn)新形態(tài)：關(guān)于三階知識(shí)生產(chǎn)的探析［J］. 社會(huì)科學(xué)文摘，2024（4）：8-10.

［3］用人工智能助力寫作 日本女作家獲獎(jiǎng)惹爭(zhēng)議［EB/OL］.（2024-02-25）［2024-07-16］. https：//baijiahao.baidu.com/s？id=1790041176047938566&wfr=spider&for=pc.

［4］喻國(guó)明，蘇芳，蔣宇樓. 解析生成式AI下的“涌現(xiàn)”現(xiàn)象：“新常人”傳播格局下的知識(shí)生產(chǎn)邏輯［J］. 新聞界，2023 （10）：4-11.

［5］威廉·羅雪爾. 歷史方法的國(guó)民經(jīng)濟(jì)學(xué)講義大綱［M］. 朱紹文，譯. 北京：商務(wù)印書館，1986.

［6］吳偉成，周俊生，曲維光. 基于統(tǒng)計(jì)學(xué)習(xí)模型的句法分析方法綜述［J］. 中文信息學(xué)報(bào)，2013（3）：9-19.

［7］杜華，孫艷超. 生成式人工智能浪潮下知識(shí)觀的再審視：兼論兩個(gè)經(jīng)典知識(shí)之問的當(dāng)代回應(yīng)［J］. 現(xiàn)代教育技術(shù)， 2024（1）：96-106.

［8］大模型訓(xùn)練數(shù)據(jù)白皮書［R/OL］. （2013-05-28）［2024-07-16］. http：//www.aliresearch.com/ch/MJvIfy.

［9］免費(fèi)GPT-4o來襲，音頻視覺文本實(shí)現(xiàn)「大一統(tǒng)」［EB/OL］.（2024-05-14）［2024-07-16］.

https：//mp.weixin.qq.com/s/fuZIhKk9WATMsiMY

mcwmrA.

［10］許向東，王怡溪. 智能傳播中算法偏見的成因、影響與對(duì)策［J］. 國(guó)際新聞界，2020（10）：69-85.

［11］Humans are biased， generative AI is even worse［EB/OL］.［2024-07-16］. https：//www.bloomberg.com/graphics/2023-generative-ai-bias/？utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-8bRCu1UlRe_k6NCNJbH5u25AwMSbebM_3oQ5Lv7M9VLTdjqB6QT5B61_RNHvry6_ey-sOG.

［12］米加寧，董昌其. 大模型時(shí)代：知識(shí)的生成式“涌現(xiàn)”［J］. 學(xué)海，2024（1）：81-96+214-215.

［13］肖峰. 生成式人工智能與知識(shí)生產(chǎn)新形態(tài)：關(guān)于三階知識(shí)生產(chǎn)的探析［J］. 社會(huì)科學(xué)文摘，2024（4）：8-10.

［14］陳昌鳳，張夢(mèng). 由數(shù)據(jù)決定？AIGC的價(jià)值觀和倫理問題［J］. 新聞與寫作，2023 （4）：15-23.

［15］黃旦. 作為人類文明進(jìn)程動(dòng)因的媒介：從ChatGPT說開去［J］. 新聞?dòng)浾撸?023 （6）： 3-10.

［16］劉友華. 算法偏見及其規(guī)制路徑研究［J］. 法學(xué)雜志，2019（6）：55-66.

［17］劉海龍，連曉東. 新常人統(tǒng)治的來臨：

ChatGPT與傳播研究［J］. 新聞?dòng)浾撸?023（6）：11-20.

［18］喻國(guó)明，金麗萍，卞中明. 小有小的用處：大模型傳播生態(tài)下的小模型：概念定義、技術(shù)構(gòu)造與價(jià)值角色［J］. 新聞?dòng)浾撸?024（1）：3-17.

［19］蔡迎春，張靜蓓，虞晨琳，等. 數(shù)智時(shí)代的人工智能素養(yǎng)：內(nèi)涵、框架與實(shí)施路徑［J/OL］. 中國(guó)圖書館學(xué)報(bào)（2024-02-20）. http：//kns.cnki.net/kcms/detail/11.2746.G2.20240219.1413.002.html.

［20］EPSTEIN， S. L. Wanted： collaborative intelligence［J］. Artificial Intelligence， 2015（221）：36-45.