人機耦合體與人機雙螺旋：AIGC時代數(shù)字內(nèi)容創(chuàng)作關(guān)系與方法重塑*

摘 要：生成式人工智能技術(shù)的飛速發(fā)展正在重塑內(nèi)容創(chuàng)作的未來圖景。本文提出“人機耦合體”和“雙螺旋結(jié)構(gòu)”的概念模型，考察新技術(shù)語境下人機關(guān)系的動態(tài)嬗變，探索人類智能與人工智能交互融合與雙向增強路徑。人機耦合體成為內(nèi)容創(chuàng)作的最小單元這一新主體觀引發(fā)創(chuàng)作理論和方法的變革。新內(nèi)容創(chuàng)作法借鑒DNA雙螺旋分子構(gòu)型，以人與人工智能為兩鏈，以設(shè)計思維為主線，建構(gòu)人機共情、提示清單、腦機風(fēng)暴、快速原型、擬態(tài)測試和自動執(zhí)行6個環(huán)節(jié)環(huán)環(huán)相扣的人機雙螺旋，為人機深度融合提供系統(tǒng)方法論支撐。本文通過負(fù)向互斥到高度耦合5個層次，刻畫了人機耦合程度提升的演進(jìn)路徑與狀態(tài)性征，討論如何“運用雙螺旋，成為耦合體”。

關(guān)鍵詞：生成式人工智能；人機耦合體；人機雙螺旋；人機協(xié)同；內(nèi)容創(chuàng)作

DOI： 10.3969/j.issn.2097-1869.2024.04.014 文獻(xiàn)標(biāo)識碼：A

著錄格式：周慎，莫菲菲，張佳偉.人機耦合體與人機雙螺旋：AIGC時代數(shù)字內(nèi)容創(chuàng)作關(guān)系與方法重塑[J].數(shù)字出版研究，2024，3（4）：121-129.

近年來，生成式人工智能（Generative Artificial Intelligence，GAI）大模型異軍突起并飛速發(fā)展，在文本、圖像、音視頻、游戲等領(lǐng)域展現(xiàn)出驚人的創(chuàng)造力，正在重塑內(nèi)容創(chuàng)作及產(chǎn)業(yè)的未來圖景[1]。這一變革性技術(shù)與傳統(tǒng)的人力創(chuàng)作相比，具有速度快、成本低、多樣性強等顯著優(yōu)勢[2]，它的興起標(biāo)志著全新的人機共創(chuàng)時代的來臨。

人與人工智能交互（Human-AI Interaction）是一個快速發(fā)展的領(lǐng)域。20世紀(jì)60年代，美國計算機科學(xué)家約瑟夫·利克萊德（Joseph Licklider）提出“人機共生”（Man-Computer Symbiosis）概念，強調(diào)人與計算機構(gòu)建起的共生伙伴關(guān)系是利用人類和人工智能的優(yōu)勢，獲得比任何一方單獨工作都更好的結(jié)果[3]。“混合智能”（Hybrid Intelligence），則是利用機器智能在數(shù)據(jù)處理、模式識別和決策制定方面的優(yōu)勢，同時借助人類智能在復(fù)雜環(huán)境感知、知識學(xué)習(xí)和推理想象等方面的能力，克服現(xiàn)有人工智能系統(tǒng)的局限性，提高系統(tǒng)的整體性能和可靠性[4]。盡管當(dāng)前AI已初步具備獨立完成創(chuàng)作任務(wù)的能力，但其在語境理解、導(dǎo)向把控、創(chuàng)新引入等方面尚難以完全替代人類[5]。

本文基于人機優(yōu)勢互補和動態(tài)交互邏輯，提出“人機耦合體”和“雙螺旋結(jié)構(gòu)”的概念模型，以此來考察新的技術(shù)語境下人機關(guān)系的動態(tài)嬗變，探索人類智能與人工智能的交互融合與雙向增強路徑。新的人機概念模型有助于深入理解AI技術(shù)變革內(nèi)涵，豐富人機協(xié)同創(chuàng)新的理論體系和分析框架，為面向不同情境的數(shù)字內(nèi)容創(chuàng)作者把握發(fā)展趨勢、優(yōu)化創(chuàng)作方法提供借鑒思路。

1 人機耦合體

2023年12月，谷歌發(fā)布名為“雙子星”（Gemini）的AI大模型?！半p子星”這一名稱恰如其分地揭示了人工智能生成內(nèi)容（AI Generated Content，AIGC）時代人機關(guān)系的新圖景：人機耦合體成為內(nèi)容創(chuàng)作的最小單元，呈現(xiàn)出人類智能與人工智能密不可分、互為補充，并在動態(tài)交互中實現(xiàn)整體智慧迸發(fā)、能力倍增的融合狀態(tài)。“雙子星”為觀照人機融合趨勢提供了絕佳注腳，從多維度審視“人機耦合體”將揭示這一概念的豐富內(nèi)涵。

首先，人機耦合體反映的是一種全新的主體觀。傳統(tǒng)的人機二元對立思維往往強調(diào)人的主導(dǎo)或技術(shù)的威脅，而人機耦合體則提出一種交融共生的嶄新主體形態(tài)[6]。在這一新主體觀下，人不再是孤立的個體，AI也不是單純的工具，二者通過認(rèn)知、情感、意義建構(gòu)等方面的交織融合，形成了一個難分彼此的混合智能體。這種建立在主體間性上的主體觀，開啟了人機共榮的后人類主義想象[7]。

其次，人機優(yōu)勢互補是實現(xiàn)耦合體的關(guān)鍵前提。盡管當(dāng)前AI在感知、記憶、計算等方面已顯露鋒芒，但在共情、判斷、創(chuàng)新等方面仍難以替代人腦[8]。因此，人機協(xié)同需要揚長避短、優(yōu)勢互補，在結(jié)構(gòu)化知識與非結(jié)構(gòu)化經(jīng)驗、程式化運算與靈活思維等方面各展所長。這種互補式耦合有望實現(xiàn)遠(yuǎn)超單一智能體的智能增強與能力提升。

再者，人機調(diào)和增強是耦合體內(nèi)部的運行機理。在新主體內(nèi)部，人機之間存在微妙的張力博弈。這種博弈側(cè)重于人類對大模型的“調(diào)御”，構(gòu)建出一種駕馭驅(qū)動、協(xié)商妥協(xié)的動態(tài)創(chuàng)作關(guān)系，從而在建立互信、任務(wù)邊界、行為倫理等方面達(dá)成默契。唯有在動態(tài)博弈中不斷磨合，人機雙方才能實現(xiàn)最佳均衡，激發(fā)系統(tǒng)最大潛能，實現(xiàn)從表及里的人機同構(gòu)共振。

此外，跨單體生長性是人機耦合體的顯著特質(zhì)。得益于元學(xué)習(xí)、增量學(xué)習(xí)等前沿范式，人機耦合體可在與環(huán)境和他者的持續(xù)互動中賡續(xù)發(fā)展、持續(xù)進(jìn)化。一方面，人可從與AI的互動中汲取養(yǎng)分，拓展認(rèn)知邊界；另一方面，AI也根據(jù)人類的反饋持續(xù)優(yōu)化算法，提升性能。這種雙向進(jìn)化不僅發(fā)生在單個耦合體內(nèi)，更將通過跨界遷移在不同系統(tǒng)間擴散，創(chuàng)造無限可能。

最后，提升人的幸福感和實現(xiàn)人的全面發(fā)展是人機耦合的終極旨?xì)w。智能技術(shù)的終極意義在于造福人類[9]，它讓人從機械性、重復(fù)性中解放出來，投入更有意義的創(chuàng)造性勞動，將提升生產(chǎn)效能轉(zhuǎn)化為創(chuàng)新動能、發(fā)展資源，實現(xiàn)自我價值，其意義就不僅局限于技術(shù)層面。可以說，幸福感提升既是人機耦合的目的，更是推動其不斷進(jìn)化的精神動力，是以人為本的人道技術(shù)觀的集中體現(xiàn)。

2 人機雙螺旋結(jié)構(gòu)

在探討人機耦合體的創(chuàng)作方式時，本文借助DNA雙螺旋的分子構(gòu)型，來闡釋人與AI交織共進(jìn)、動態(tài)發(fā)展的內(nèi)容創(chuàng)作方法?！叭藱C雙螺旋”概念的創(chuàng)意靈感主要源于對人機共生時代人的生存境遇的本質(zhì)洞察與人機耦合體內(nèi)涵的深入思考。人與AI融合成為深度耦合的生命有機體。正如DNA雙螺旋結(jié)構(gòu)象征生命的基礎(chǔ)，人機雙螺旋的提出則反映了一種全新的生命形態(tài)，并在智能技術(shù)時代下加速演化。另外，在DNA雙螺旋結(jié)構(gòu)中，腺嘌呤（A）總是與胸腺嘧啶（T）配對，鳥嘌呤（G）總是與胞嘧啶（C）配對，形成了生命遺傳的基本規(guī)則。筆者也正是觀察到ATGC與AIGC在字母拼寫形態(tài)上的相似性，才激發(fā)出“人機雙螺旋”概念的提出靈感。

2.1 “人”與“機”的相對優(yōu)勢

亞里士多德認(rèn)為靈魂通過肯定和否定來把握真理的方式有5種，分別為技藝、科學(xué)知識、實踐智慧、哲學(xué)智慧、直觀智慧[10]。人類擁有獨特的情感理解，以及直觀的生活經(jīng)驗帶來的文化敏感性、創(chuàng)造性意識、跨領(lǐng)域靈感整合、倫理和道德判斷等優(yōu)勢[11]。人類通過生活經(jīng)驗與感同身受，學(xué)習(xí)并深刻理解自己生活的文化背景，不但能夠在內(nèi)容創(chuàng)作過程中表達(dá)出細(xì)膩、豐富的情感層次，還能夠緊密貼合個人經(jīng)驗與社會文化背景，創(chuàng)作出能引起文化共鳴的作品；在創(chuàng)造性思維中，對問題的重新定義，以及新穎的觀點和創(chuàng)造性解決方案的提出，常常涉及靈感涌現(xiàn)、概念聯(lián)想和跨領(lǐng)域整合，這都需要人類來驅(qū)動；在處理創(chuàng)作中涉及的倫理和道德問題時，人類不僅能考慮到道德規(guī)范和原則，還能審視倫理背后的具體情境、利益沖突、社會公眾、個體權(quán)利等，并據(jù)此做出決策。

而AI則擁有大數(shù)據(jù)處理、高效迭代的生成、個性化內(nèi)容創(chuàng)建、技術(shù)涌現(xiàn)、無疲憊感等優(yōu)勢[12]。經(jīng)由算法和深度生成模型等技術(shù)驅(qū)動，AI不僅能從海量文本中總結(jié)文本規(guī)律，還可以快速生成多個版本的內(nèi)容供人類選擇或進(jìn)一步編輯[13]，節(jié)約人類投入在文本梳理和寫作中的精力；通過接收用戶的對話記錄、交互歷史、使用偏好等個性化數(shù)據(jù)，AI可以實現(xiàn)個性化內(nèi)容創(chuàng)建，滿足不同用戶的需求；經(jīng)過大量數(shù)據(jù)訓(xùn)練后，AI的泛化能力得到提升，能根據(jù)人類的指令做出合理的預(yù)測或決策，人類也可以從中獲取靈感；相較于在長期工作后會感到疲憊的人類而言，AI能夠持續(xù)運行，保持穩(wěn)定的創(chuàng)作水平，為持續(xù)創(chuàng)作提供可能。

因此，人類智能與人工智能各自具備獨特優(yōu)勢，人機協(xié)同創(chuàng)作應(yīng)致力于發(fā)揮互補優(yōu)勢，但也不應(yīng)停留在單向度的任務(wù)分工上，而是探索更深層次的思維融合與方法構(gòu)建[14]，以期實現(xiàn)人機協(xié)同從量變到質(zhì)變的飛躍。

2.2 雙螺旋結(jié)構(gòu)的建構(gòu)

人與AI就像兩條核酸長鏈相互纏繞，每一次交匯都意味著在不同創(chuàng)作流程環(huán)節(jié)中發(fā)生互哺式的信息交換、認(rèn)知遷移、能力互補和協(xié)同進(jìn)化。本文引入設(shè)計思維來構(gòu)建更加流暢、高效、富有創(chuàng)造力的內(nèi)容創(chuàng)作方法，為鏈路提供了行動指南，統(tǒng)攝人機雙方形成創(chuàng)作合力。

2.2.1 設(shè)計思維

設(shè)計思維（Design Thinking）最早發(fā)源于設(shè)計行業(yè)，是一套用于解決問題、實現(xiàn)創(chuàng)新的思維方法，強調(diào)創(chuàng)新性、靈活性和以人為本，現(xiàn)被廣泛運用到各個領(lǐng)域中。設(shè)計思維的概念最早于1969年由美國經(jīng)濟學(xué)家赫布·西蒙（Herbert Simon）在其著作《人工科學(xué)》（The Science of the Artificial）中提出，他將設(shè)計作為一種思維方式[15]。2005年，斯坦福大學(xué)設(shè)計學(xué)院D.School團隊歸納設(shè)計思維的5個階段：（1）同理心（Empathize），對用戶進(jìn)行調(diào)研，理解用戶各方面需求和意圖；（2）定義（Define），明確用戶實質(zhì)意圖，清晰描述用戶需求；（3）構(gòu)思（Ideate），通過頭腦風(fēng)暴等方法探索多元化的解決方案；（4）原型化（Prototype），快速將腦海中的解決方案可視化；（5）測試（Test），通過用戶反饋測試原型并迭代優(yōu)化。設(shè)計思維強調(diào)以用戶為中心、跨領(lǐng)域思考和反饋改進(jìn)[16]。

2.2.2 雙螺旋結(jié)構(gòu)

在耦合思維與設(shè)計思維的雙重引領(lǐng)下，內(nèi)容創(chuàng)作各階段的內(nèi)涵被進(jìn)一步改造，演變?yōu)槿藱C共情、提示清單、腦機風(fēng)暴、快速原型、擬態(tài)測試與自動執(zhí)行6個階段（見圖1）。

（1）人機共情。人類智能與人工智能通過數(shù)據(jù)驅(qū)動的方式建立起相互理解、感同身受的關(guān)系。人類可以基于用戶數(shù)據(jù)，通過機器學(xué)習(xí)算法生成一批虛擬的用戶畫像，即數(shù)字角色，它們鮮活地再現(xiàn)了目標(biāo)用戶群的典型特征。在此基礎(chǔ)上，人類可以對數(shù)字角色展開深入訪談和觀察，洞察用戶行為模式和情感變化，揭示行為背后的深層次原因，準(zhǔn)確提煉用戶痛點和需求，為內(nèi)容創(chuàng)作指明方向。例如，AI代理平臺NexusGPT目前擁有800余個具有特定技能的“代理人”（AI Agent），其涉及多個領(lǐng)域，能力匹及各行各業(yè)的專業(yè)人士。用戶可以向這些代理人提問，獲得來自專業(yè)視角的“共情”。

（2）提示清單。在明確需求痛點后，要將其轉(zhuǎn)化為具體、可執(zhí)行的設(shè)計問題。這里可借助“提示工程”（Prompt Engineering）的思路，由人類創(chuàng)作者建立一套問題定義提示清單，將抽象的需求拆解為一系列具體的提示語句，引導(dǎo)大模型輔助進(jìn)行問題定義[17]。例如，提示清單可以包含以下問題：“目標(biāo)用戶的核心訴求是什么？”“關(guān)鍵痛點有哪些，如何進(jìn)行量化描述？”“問題可以細(xì)分為哪些子問題？”提示清單有助于使問題定義過程規(guī)范化、流程化，提升定義的全面性和準(zhǔn)確性，為后續(xù)方案構(gòu)思提供明確的戰(zhàn)略指引。

（3）腦機風(fēng)暴。腦機風(fēng)暴是人機攜手進(jìn)行集中式創(chuàng)意構(gòu)思的過程。在這一環(huán)節(jié)，人類創(chuàng)意人員基于已明確的問題定義，與大模型開展廣泛、深入的互動交流，激發(fā)創(chuàng)意火花，通過生成多樣化想法、篩選和深化想法、設(shè)置約束條件、使用思維模型、應(yīng)用最佳案例啟示、引入多角度思考、鼓勵發(fā)散及執(zhí)行逆向思維等方式來進(jìn)行腦機風(fēng)暴。AI還可以歸類整理創(chuàng)意信息，實時評估創(chuàng)意的可行性和受眾接受度，輔助人類對創(chuàng)意進(jìn)行權(quán)衡取舍。在腦機風(fēng)暴下，創(chuàng)意想法被不斷補充、組合、升華，直至形成較為成熟、完整的解決方案。

（4）快速原型。AI可將腦機風(fēng)暴產(chǎn)生的創(chuàng)意方案快速轉(zhuǎn)化為可視化、可感知的原型，用以評估方案的可行性和完善程度。例如，以大語言模型為轉(zhuǎn)譯器，運用Midjourney、Runway等AI工具協(xié)助生成口頭描述、配圖說明乃至演示視頻等多模態(tài)的動態(tài)原型，可以多維度、多感官地再現(xiàn)方案理念，提升原型的生成效率、保真度與豐富度。在快速原型基礎(chǔ)上進(jìn)行評判、修正和深化，可以幫助設(shè)計團隊低成本、高效率地評估驗證方案，發(fā)現(xiàn)問題缺陷，盡早調(diào)整優(yōu)化，降低決策風(fēng)險。

（5）擬態(tài)測試。在創(chuàng)作的內(nèi)容投入使用前，可以利用AI的模擬和預(yù)測能力，在虛擬環(huán)境中對其進(jìn)行全方位、多場景的測試和評估。AI可以構(gòu)建出各種類型的虛擬用戶，模擬真實用戶在不同場景下與產(chǎn)品或服務(wù)的交互過程。這種全面的用戶體驗?zāi)M可以幫助創(chuàng)作團隊全方位地評估優(yōu)劣。例如，虛擬人機團隊ChatDev已實現(xiàn)全自動軟件測試，人類只需要講明自身的想法，就可借助ChatDev來模擬評估軟件產(chǎn)品。大模型還可以在一定程度上替代統(tǒng)計軟件，對多維度數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，發(fā)現(xiàn)隱藏的模式和趨勢，提供更加全局和深入的創(chuàng)作優(yōu)化建議。

（6）自動執(zhí)行。可以將AgentGPT、AutoGPT、BabyAGI等基于大語言模型的自主智能系統(tǒng)作為控制器，自主分析任務(wù)目標(biāo)，生成子任務(wù)，并根據(jù)執(zhí)行結(jié)果動態(tài)調(diào)整任務(wù)優(yōu)先級和執(zhí)行策略，實現(xiàn)連續(xù)的自我優(yōu)化。具體舉例來說，這些智能系統(tǒng)提供插件、腳本等擴展機制，可以集成多種外部工具和數(shù)據(jù)源，支持用戶自定義系統(tǒng)的功能和行為偏好，以實現(xiàn)多領(lǐng)域的自動執(zhí)行能力。

3 人機耦合程度與狀態(tài)

人機耦合狀態(tài)與雙螺旋結(jié)構(gòu)的運用并非一蹴而就，其耦合程度的提升是一個持續(xù)優(yōu)化、循序漸進(jìn)的過程。在負(fù)向排斥和零度接觸狀態(tài)下，人機耦合無從談起，而隨著人對AI的認(rèn)知加深、信任增強，以及AI水平和人機交互體驗的提升，人機關(guān)系將從機械復(fù)合、有限協(xié)作逐步過渡到動態(tài)耦合的理想狀態(tài)。在耦合狀態(tài)遞升的過程中，人也由于其創(chuàng)意被高效表達(dá)、不斷對齊、靈動增強，獲得來自更高層次需求得到滿足而帶來的幸福感。

3.1 負(fù)向的人機互斥

在負(fù)向的人機互斥狀態(tài)下，人與AI系統(tǒng)之間確實存在明顯的抵觸或沖突。人對AI抱有恐懼、不信任或不滿的情緒，可能源于對陌生技術(shù)不確定性的擔(dān)憂，也可能源于對AI可能取代人類工作、侵犯隱私等潛在風(fēng)險的憂慮。這些負(fù)面情緒導(dǎo)致人們主動避免使用或故意對抗AI系統(tǒng)。一方面，AI系統(tǒng)的運作方式往往高度復(fù)雜且不透明，難以完全理解其內(nèi)在邏輯。人類對智能的理解還主要停留在經(jīng)驗主義階段，面對AI的全新命題時，傳統(tǒng)的認(rèn)知范式難以實現(xiàn)對這一新技術(shù)的清晰而全面的把握。AI系統(tǒng)的設(shè)計和功能也可能與用戶的需求和期望不符，引發(fā)人機交互的習(xí)得性無助，使人產(chǎn)生強烈的不適感和排斥感[18]；另一方面，AI在某些領(lǐng)域展現(xiàn)出遠(yuǎn)超人類的能力，這也動搖了根深蒂固的人類中心主義觀念。人類第一次面對一個在智力上勢均力敵、甚至更勝一籌的“他者”，由此產(chǎn)生被取代、被邊緣化的危機感。2023年5月，美國好萊塢約1.15萬名電影和電視編劇走上街頭罷工，要求限制使用CCse11BS9Yp3lAxwIIGMpWw==hatGPT等AIGC工具進(jìn)行劇本或其他輔助創(chuàng)作[19]。AI模糊了主客體的邊界，對人的主體地位提出挑戰(zhàn)。如何超越二元對立，需要人類在哲學(xué)觀念上實anPFxocVHkh5dDxBWQDtew==現(xiàn)一次“范式革命”[20]。

3.2 零度的獨立運行

在零度的獨立運行狀態(tài)下，人與AI系統(tǒng)之間就像兩條平行線一樣獨立延展，沒有任何聯(lián)系。AI系統(tǒng)可能在場，但不參與任何與人相關(guān)的創(chuàng)作活動，或者人們根本沒有意識到智能機器的存在。在這種狀態(tài)下，人機之間沒有實質(zhì)性的互動或影響，在行為和意識層面是分離的，各自運轉(zhuǎn)于不同的軌道上，相互之間缺乏有效的溝通渠道和互動機制，難以建立起心智與應(yīng)用層面的聯(lián)系。這種人機割裂的狀態(tài)，很大程度上也體現(xiàn)出AI鴻溝的存在[21]。部分群體對AI缺乏基本的認(rèn)知和應(yīng)用能力，更遑論探索深層次潛力。這部分群體受限于知識、經(jīng)濟、地域等因素，難以接觸和學(xué)習(xí)前沿的科技知識，也鮮有機會使用智能設(shè)備和服務(wù)輔助創(chuàng)作。AI技術(shù)雖然高速發(fā)展，但對他們而言仍是一個遙遠(yuǎn)陌生的存在。這種知識和應(yīng)用上的鴻溝，使AI的發(fā)展成果難以惠及全民。缺乏認(rèn)知和使用能力的群體面臨被邊緣化的風(fēng)險，不同程度的人機耦合狀態(tài)正在轉(zhuǎn)化為現(xiàn)實生活中的真實機會與財富差距。

3.3 低度的機械復(fù)合

在低度的機械復(fù)合狀態(tài)中，人與AI系統(tǒng)之間開始進(jìn)行一定程度的交互與協(xié)作，但仍停留在以人的能力機械調(diào)動AI系統(tǒng)能力的初級階段。在此狀態(tài)下，人類主要扮演指令提供者的角色，負(fù)責(zé)在創(chuàng)作初期為AI設(shè)定規(guī)則和參數(shù)。一旦確定參數(shù)，AI便會按照自身預(yù)設(shè)的算法獨立完成內(nèi)容創(chuàng)作。在這種狀態(tài)下，人與AI系統(tǒng)缺乏深入的交流和反饋，這使得創(chuàng)作過程較為剛性和單向，難以實現(xiàn)及時優(yōu)化和動態(tài)調(diào)整。也由于交互的淺層性，人類向AI發(fā)出的指令通常較為基礎(chǔ)和簡單，僅能滿足明確且單一的創(chuàng)作需求，這就限制了人類對AI潛能的充分挖掘和利用，進(jìn)而影響創(chuàng)新思維個性化表達(dá)的實現(xiàn)。人在創(chuàng)作過程中的參與度較低、控制感不足，這可能會導(dǎo)致最終作品與個人創(chuàng)作愿望的脫節(jié)，從而降低滿意度和成就感。雖然人在這種狀態(tài)下可以感受到因為創(chuàng)意內(nèi)容生產(chǎn)效率提升而帶來的愉悅，但這主要得益于AI的技術(shù)能力及執(zhí)行速度，而并非來自人在創(chuàng)作過程中體驗到的由于交互深度與控制力度提升而帶來的創(chuàng)新激發(fā)。例如，AI繪畫工具的初學(xué)者往往能夠通過簡單的提示詞命令A(yù)I生成差強人意的內(nèi)容，但內(nèi)容品質(zhì)幾乎由AI單方面決定，缺乏人類智慧的有效參與，內(nèi)容的質(zhì)量難以進(jìn)一步提升。

3.4 中度的有限協(xié)作

在中度的有限協(xié)作狀態(tài)中，人機雙方的能力開始呈現(xiàn)優(yōu)勢互補、分工協(xié)同的趨勢。人類與AI各自發(fā)揮所長，將人的創(chuàng)造力和AI的生產(chǎn)力相結(jié)合，共同推進(jìn)創(chuàng)作進(jìn)程。在這種狀態(tài)下，人類主要負(fù)責(zé)構(gòu)思、策劃、把控創(chuàng)作方向，并通過試錯和迭代不斷優(yōu)化創(chuàng)意，確保創(chuàng)作始終沿預(yù)想的方向前進(jìn)。AI則利用其強大的信息搜集和內(nèi)容生成能力，為人類提供豐富多樣的素材與選項，拓寬創(chuàng)作視野，提高創(chuàng)作效率。與低度的機械復(fù)合相比，此階段的人機互動更為復(fù)雜和靈活，雙方在交互頻率、提示詞構(gòu)建與解讀能力等方面均有顯著提升，從而提高了創(chuàng)作的針對性和品質(zhì)。由于人類在創(chuàng)作過程中的參與度提高，AIGC與人的創(chuàng)意不斷對齊，更貼近人的期望和創(chuàng)作目標(biāo)，人對作品的呈現(xiàn)擁有了更強的掌控感，創(chuàng)作滿意度和投入感因此提升，運用AI進(jìn)行創(chuàng)作的熱情得以激發(fā)。然而，此時雙方各自的創(chuàng)新潛能尚未得到充分釋放，個性化表達(dá)的深度和廣度還有進(jìn)一步拓展的空間，尚未達(dá)到高度融合的狀態(tài)。例如，在以大科學(xué)裝置為主題的生成式藝術(shù)作品創(chuàng)作中，作者發(fā)揮主觀能動性，運用大模型實現(xiàn)科學(xué)性與藝術(shù)性的平衡[22]。

3.5 高度的動態(tài)耦合

在高度的動態(tài)耦合狀態(tài)中，人與AI的互動達(dá)到了一種深度融合與雙向增強的境界。這種狀態(tài)下的人機協(xié)作不僅是分工與配合，而且是一種真正意義上的思維共振與創(chuàng)意共生。人類以其獨特的創(chuàng)造力和實踐智慧，不斷引導(dǎo)和優(yōu)化AI的運作方向；AI能更好地理解并內(nèi)化人類的創(chuàng)作意圖，為人類提供更加精準(zhǔn)和多元的創(chuàng)意支持，深度參與人類的核心決策過程。在這種高度耦合的狀態(tài)下，人與AI的創(chuàng)造力得到前所未有的釋放和提升。同時，AI也成為人類自我實現(xiàn)的有力工具，不僅大大提高內(nèi)容生產(chǎn)效率，更重要的是，它幫助人類將這種效率轉(zhuǎn)化為自我實現(xiàn)效率的提升。換言之，人類得以將更多的時間和精力投入到更高層次的創(chuàng)作思考和自我完善中。在人機互動的過程中，雙方建立起一種基于相互理解和信任的對話機制，實現(xiàn)從“無奈溝通”到“詩意交流”的躍升，并由此獲得一種特殊的幸福感。這種幸福感來自對彼此能力的認(rèn)可，來自在協(xié)商中達(dá)成行動的滿足，更來自在合作中實現(xiàn)自我超越的喜悅。例如，游戲設(shè)計師杰森·艾倫（Jason Allen）使用AI繪圖工具M(jìn)idjourney進(jìn)行創(chuàng)作并耗時一個月反復(fù)修改關(guān)鍵詞，并借助其他修圖工具進(jìn)行調(diào)整，最終從上百張作品中挑選出《太空歌劇院》，在美國科羅拉多州博覽會的美術(shù)比賽中獲得大獎[23]。

4 運用雙螺旋成為耦合體

內(nèi)容創(chuàng)作的人機雙螺旋結(jié)構(gòu)為人成為人機耦合體、提升耦合狀態(tài)提供了強大的方法論支撐。在新的內(nèi)容創(chuàng)作法應(yīng)用中，需要充分考慮以下幾個重要方面。

4.1 尚無完全匹配的智能體

在探討人機耦合的過程中必須正視一個現(xiàn)實，即尚不存在一個獨立于人之外的、能夠?qū)崿F(xiàn)完全意識匹配的智能體。盡管AI技術(shù)日新月異，但在真正理解和匹配人類創(chuàng)意方面，仍存在顯著的局限性。AI本身并不具備內(nèi)在的驅(qū)動力，其運作依賴人類的引導(dǎo)和驅(qū)動。也就是說，AI只能在人類設(shè)定的范圍內(nèi)進(jìn)行思考和創(chuàng)作，AIGC本質(zhì)上是對人類輸入內(nèi)容的一種延展和組合，而非源自內(nèi)在動機的原創(chuàng)。“讀心”的機制在于“人同此心，心同此理”，基于人類心智的創(chuàng)造是一個復(fù)雜而微妙的過程，涉及知識、經(jīng)驗、情感、直覺等多個維度，往往難以準(zhǔn)確把握，且人類自身也面臨表達(dá)的困境，有時難以用語言將內(nèi)心的想法完全清晰、準(zhǔn)確地表達(dá)出來[24]。這種語言的局限性也決定了人類與AI之間存在著“表達(dá)—理解”的鴻溝，完全彌合尚需時日。此外，當(dāng)前的AI模型只是一個階段性的產(chǎn)物，受制于當(dāng)前數(shù)據(jù)與算力資源，與未來的模型相比，現(xiàn)有的每一個新模型都顯不足，這也意味著人機耦合將是一個協(xié)商的、動態(tài)的、長期的過程。

4.2 人與大模型的認(rèn)知耦合程度決定人機協(xié)作的深度、廣度和效率

人對自身和大模型的理解程度決定了人機耦合的狀態(tài)和上限。明確的目標(biāo)和期望是引導(dǎo)AI的前提，因此，人要深刻認(rèn)識自己，并對自己的創(chuàng)作意圖有清晰的認(rèn)知。此外，人需要深入理解大模型的“超級智者”“新常人”“驚奇涌現(xiàn)機”“造夢機器”等特性，只有全面把握了大模型的長處和局限，才能最大程度地發(fā)揮其效用。這種了解不應(yīng)停留在表面，而應(yīng)建立在大量實踐和測試的基礎(chǔ)上。反之，如果人對自身和大模型的認(rèn)知存在偏差，就可能陷入兩種困境：要么是人的能力無法充分調(diào)動AI，要么是AI的泛化錯誤和平均審美干擾了人的判斷。前者導(dǎo)致AI的效能無法完全被發(fā)揮，后者則可能造成創(chuàng)作質(zhì)量和方向的偏離?？傊?，人機協(xié)作邁向新高度以認(rèn)知進(jìn)入新的維度為基石，只有人與AI在認(rèn)知層面實現(xiàn)了深度融合，才能真正開啟新的人機時代。

4.3 生成式AI領(lǐng)導(dǎo)力成為人機時代的新要求

生成式AI領(lǐng)導(dǎo)力是對人機耦合體所具備的綜合能力的新概念描述，代表了一種面向人機時代的領(lǐng)導(dǎo)模式。它要求領(lǐng)導(dǎo)者在多耦合體參與的創(chuàng)作活動中引導(dǎo)技術(shù)、結(jié)構(gòu)、文化等多方位變革，以提升團隊價值，實現(xiàn)組織目標(biāo)。具備生成式AI領(lǐng)導(dǎo)力的領(lǐng)導(dǎo)者需要對新技術(shù)持開放和適應(yīng)的態(tài)度，積極擁抱AI對生產(chǎn)和創(chuàng)作方式的重塑，在組織內(nèi)部促進(jìn)內(nèi)容創(chuàng)作的“數(shù)轉(zhuǎn)智改”，幫助團隊成員適應(yīng)新的工作方式。這需要領(lǐng)導(dǎo)者具備敏銳的戰(zhàn)略思維，能夠預(yù)見技術(shù)變革的趨勢，并制定應(yīng)對和利用該技術(shù)的策略。同時，領(lǐng)導(dǎo)者還需要強大的溝通和協(xié)調(diào)能力，營造一個鼓勵團隊內(nèi)部溝通、信任和理解的環(huán)境，認(rèn)識到人與AI是一個緊密團結(jié)的整體，調(diào)動人機團隊成員形成合力[25]，堅持以人為本的原則，包括確保AI的使用不會侵犯個人隱私、不會損害人類的尊嚴(yán)和自主性等。在知識迭代加速的時代，領(lǐng)導(dǎo)者必須保持對新技術(shù)、新趨勢的敏感度，并不斷更新自己的知識結(jié)構(gòu)，保持對人機耦合的深刻理解和前瞻判斷。

4.4 進(jìn)一步探索針對不同專業(yè)領(lǐng)域的雙螺旋結(jié)構(gòu)情境實踐

人機耦合與雙螺旋結(jié)構(gòu)作為基本理論與創(chuàng)作方法，深深植根于具體的應(yīng)用情境中。不同的行業(yè)和領(lǐng)域都可以根據(jù)自身的特點和需求，應(yīng)用和延展人機雙螺旋工作法。這種情境實踐的靈活性和適應(yīng)性使人機雙螺旋的價值得以在更廣闊的空間中釋放。例如，在科學(xué)傳播領(lǐng)域，人機雙螺旋工作法正在幫助科研人員和傳播者創(chuàng)造更加準(zhǔn)確、生動、深入淺出的科普內(nèi)容，發(fā)揮人類智能與人工智能各自的優(yōu)勢，平衡科學(xué)性和藝術(shù)性；又如在空間敘事中，AI打破人類設(shè)計者的固有思維定式，激發(fā)出更多元、更具創(chuàng)造力的設(shè)計靈感，而人類設(shè)計者則可以將自己的文化背景、價值理念和美學(xué)追求融入設(shè)計，賦予空間以人性化的關(guān)懷和藝術(shù)化的表達(dá)，AI也降低了這種表達(dá)的溝通成本。人機雙螺旋工作法可以為包括內(nèi)容行業(yè)在內(nèi)的千行百業(yè)注入新的活力，如教育、法律、新聞、金融、公益、醫(yī)療、制造等，在實踐中不斷優(yōu)化和創(chuàng)新，探索人機耦合的最佳路徑。但人機雙螺旋工作法仍處于早期發(fā)展階段，尚需進(jìn)一步完善，需要更多實踐的支持和檢驗。隨著越來越多實踐案例的涌現(xiàn)，這種工作方法將得到豐富和升華，成為智能時代創(chuàng)作的重要方法論。

4.5 創(chuàng)作模式和支持系統(tǒng)需要更新和重構(gòu)

人機耦合和雙螺旋結(jié)構(gòu)將帶來創(chuàng)作模式的更新迭代，以及整個創(chuàng)作支持系統(tǒng)的重構(gòu)和升級。人機耦合體代表了一種全新的主體觀，人機雙螺旋結(jié)構(gòu)是內(nèi)容創(chuàng)作的新方法，需要新的創(chuàng)作模式與新的支持系統(tǒng)與之相適應(yīng)。其中，新的創(chuàng)作模式需要在確認(rèn)人的價值、承認(rèn)技術(shù)賦能及尊重創(chuàng)意發(fā)生規(guī)律的多重狀態(tài)下建構(gòu)起來；而新的支持系統(tǒng)則需要從能力培養(yǎng)、群件優(yōu)化、生態(tài)構(gòu)建等多個維度，為人機協(xié)同提供全方位的支持和賦能。在能力培養(yǎng)方面，支持系統(tǒng)需要幫助創(chuàng)作者樹立新的主體觀，掌握新的創(chuàng)作法，提升人機耦合態(tài)；在群件優(yōu)化方面，支持系統(tǒng)需要對現(xiàn)有的創(chuàng)作軟件和平臺進(jìn)行升級改造，使其更好地適應(yīng)人機協(xié)同的新流程和新需求，包括優(yōu)化人機交互界面等，只有軟硬件系統(tǒng)與人機耦合的創(chuàng)作模式形成協(xié)同，才能真正釋放人機協(xié)作的巨大潛力；在生態(tài)構(gòu)建方面，支持系統(tǒng)還需要營造一個開放、包容的創(chuàng)作生態(tài)，鼓勵不同領(lǐng)域、不同背景的創(chuàng)作者積極參與人機協(xié)同的實踐和探索，加速人機耦合體的發(fā)展和成熟，促進(jìn)各領(lǐng)域智慧的交流和碰撞。

5 結(jié)語

“人機耦合體”概念的影響遠(yuǎn)超技術(shù)層面，映照出人類社會的發(fā)展走向，需要從主體更新、優(yōu)勢互補、調(diào)和增強、持續(xù)進(jìn)化、幸福提升等多重維度來橫向理解，也需要從負(fù)向的人機互斥、零度的獨立運行、低度的機械復(fù)合、中度的有限協(xié)作、高度的動態(tài)耦合來縱向把握。在內(nèi)容創(chuàng)作中，成為人機耦合體意味著運用人機雙螺旋的方法論，開展人機共情、提示清單、腦機風(fēng)暴、快速原型、擬態(tài)測試和自動執(zhí)行的創(chuàng)作活動。

人機耦合體在加速知識創(chuàng)造與傳播的同時，也必須正視潛藏的風(fēng)險：AI大模型可能在未經(jīng)許可的情況下利用數(shù)據(jù)，觸發(fā)侵權(quán)爭議[26]；傳統(tǒng)知識驗證機制在人機協(xié)同創(chuàng)作的內(nèi)容面前顯得力不從心[27]；技術(shù)的發(fā)展可能會使抄襲行為更隱蔽，并加劇知識過載，現(xiàn)有檢測技術(shù)難以精準(zhǔn)辨識。此外，以生成式AI為代表的深度合成技術(shù)也為深度偽造提供了便利，易導(dǎo)致虛假信息的滋生和催生犯罪行為[28]。在生成式AI蓬勃發(fā)展的今日，如何引導(dǎo)技術(shù)向善，使其向有利于人類社會進(jìn)步的方向發(fā)展，也是一個重要的時代命題。

展望未來，隨著腦機接口、類腦智能等前沿技術(shù)的突破，人機交互將更加自然、順暢，感知互通將更加智能、靈動，也將拓展人機耦合的內(nèi)涵與外延。但在生成式AI語境下，還須充分認(rèn)識到尚不存在一個獨立于人之外的、完全“讀心”的智能體，因此人與AI大模型的認(rèn)知耦合程度直接影響著人機協(xié)作的深度、廣度和效率，人需要發(fā)揮生成式AI領(lǐng)導(dǎo)力，在專業(yè)領(lǐng)域開展雙螺旋結(jié)構(gòu)的情境實踐，同時社會環(huán)境也需要為此提供強有力的支持系統(tǒng)，以實現(xiàn)和諧人機共生共榮的美好愿景。

作者簡介

周慎，男，博士，中國科學(xué)技術(shù)大學(xué)人文與社會科學(xué)學(xué)院科技傳播系特任副研究員。研究方向：網(wǎng)絡(luò)與新媒體、科技傳播。

莫菲菲，女，中國科學(xué)技術(shù)大學(xué)人文與社會科學(xué)學(xué)院碩士研究生。研究方向：網(wǎng)絡(luò)與新媒體。

張佳偉，本文通信作者，男，中國科學(xué)技術(shù)大學(xué)人文與社會科學(xué)學(xué)院碩士研究生。研究方向：網(wǎng)絡(luò)與新媒體。E-mail：zjw123@mail.ustc.edu.cn。

參考文獻(xiàn)

李白楊，白云，詹希旎，等.人工智能生成內(nèi)容（AIGC）的技術(shù)特征與形態(tài)演進(jìn)[J].圖書情報知識，2023，40（1）：66-74.

井婷婷，張浩，李方南.從ChatGPT看人機耦合的趨勢[J].傳媒，2023（10）：29-31.

LICKLIDER J C R. Man-computer symbiosis[J]. IRE Transactions on Human Factors in Electronics， 1960（1）： 4-11.

KAMAR E. Directions in hybrid intelligence： Complementing AI systems with human intelligence[C]// International Joint Conference on Artificial Intelligence， 2016： 4070-4073.

王鵬濤.AIGC出版背景下知識生產(chǎn)合規(guī)化困境與調(diào)適[J].編輯之友，2024（3）1TSlJ+QUqSE/2Y37fppxTg==：14-22.

孔舒越.人機耦合：算法作為“義肢”、“分身”與“他者”：基于技術(shù)認(rèn)知理論的多案例解讀[J].新聞大學(xué)，2024（1）：78-90，121-122.

呂尚彬，李康躍.隱線域定及至超線域定：人機融合傳播之主體邏輯及其演進(jìn)與重構(gòu)[J].現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報），2024，46（2）：1-10.

彭蘭.從ChatGPT透視智能傳播與人機關(guān)系的全景及前景[J].新聞大學(xué)，2023（4）：1-16，119.

王衛(wèi)華，楊俊.人工智能發(fā)展之人學(xué)價值的經(jīng)濟哲學(xué)反思[J].西安財經(jīng)大學(xué)學(xué)報，2022，35（3）：54-64.

高秉江.亞里士多德論靈魂求真的五種形式[J].哲學(xué)研究，2009（10）：70-75.

高華，陳紅兵.論人工智能與人類智能之差異[J].東北大學(xué)學(xué)報（社會科學(xué)版），2021，23（2）：15-20，126.

CHOWDHURY M， SADEK A W. Advantages and limitations of artificial intelligence[J]. Transportation Research Circular， 2012（11）： 6-8.

ZHANG C， ZHANG C， ZHENG S， et al. A complete survey on generative AI （AIGC）： Is ChatGPT from GPT-4 to GPT-5 all you need？[EB/OL].（2023-03-21）[2024-08-21]. https：//arxiv.org/pdf/2303.11717.pdf.

郭超，魯越，王曉，等.人機物CPSS智能融合的平行創(chuàng)作架構(gòu)與關(guān)鍵技術(shù)研究[J].智能科學(xué)與技術(shù)學(xué)報，2022，4（3）：344-354.

SIMON H. The sciences of the artificial[M].Cambridge MA： MIT Press，1969：12.

李彥，劉紅圍，李夢蝶，等.設(shè)計思維研究綜述[J].機械工程學(xué)報，2017，53（15）：1-20.

LO L S. The art and science of prompt engineering： A new literacy in the information age[J]. Internet Reference Services Quarterly， 2023， 27（4）： 203-210.

楊曉楠，房浩楠，李建國，等.智能制造中的人—信息—物理系統(tǒng)協(xié)同的人因工程[J].中國機械工程，2023，34（14）：1710-1722，1740.

澎湃新聞. 罷工中的好萊塢：萬余編劇拒絕給AI打工，為加薪而戰(zhàn)[EB/OL].（2023-05-04）[2024-08-21]. https：//baijiahao.baidu.com/s？id=1764954034058056392&wfr=spider&for=pc.

王建磊，曹卉萌.ChatGPT的傳播特質(zhì)、邏輯、范式[J].深圳大學(xué)學(xué)報（人文社會科學(xué)版），2023，40（2）：144-152.

陳剛.生成式人工智能驅(qū)動下的傳播變革與發(fā)展研究：以ChatGPT為例[J].學(xué)術(shù)界，2024（6）：62-69.

周慎，房曼琳，陳蔚浩.科技敘事的生成式變革：人類智能與人工智能的互構(gòu)與平衡[J].數(shù)字出版研究，2024，3（2）：125-132.

樂艷娜，詹遠(yuǎn)航.當(dāng)AI開始畫畫[J].環(huán)球，2022（19）：55-57.

紀(jì)秀生.關(guān)于人類語言局限性問題的思考[J].吉林大學(xué)社會科學(xué)學(xué)報，2003（1）：23-28.

MAHMUD B， Hong G， FONG B， et al. A study of human-AI symbiosis for creative work： Recent developments and future directions in deep learning[J]. ACM Transactions on Multimedia Computing Communications and Applications，2022（20）： 1-21.

匡文波，王天嬌.新一代人工智能ChatGPT傳播特點研究[J].重慶理工大學(xué)學(xué)報（社會科學(xué)），2023，37（6）：8-16.

劉智鋒，吳亞平，王繼民.人工智能生成內(nèi)容技術(shù)對知識生產(chǎn)與傳播的影響[J].情報雜志，2023，42（7）：123-130.

張凌寒.深度合成治理的邏輯更新與體系迭代：ChatGPT等生成型人工智能治理的中國路徑[J].法律科學(xué)（西北政法大學(xué)學(xué)報），2023，41（3）：38-51.

Human-AI Coupling and Double Helix： Reshaping Digital Content Creation Relations and Methods in AIGC Era

ZHOU Shen， MO Feifei， ZHANG Jiawei

School of Humanities and Social Sciences， University of Science and Technology of China， 230026， Hefei， China

Abstract： Rapid development_{2vI7m18yIISmTXHcsriPXwiZ6Oc8Ej24KeF7sSVn2D8=} of generative artificial intelligence （AI） technology is reshaping the future of content creation. This study proposed the conceptual models of “human-AI coupling” and “double helix structure” to examine dynamic evolution of human-AI relationship in new technological context， and to explore the interactive integration and bidirectional enhancement paths of human intelligence and artificial intelligence. The new subjective view that human-AI coupling becomes the smallest content creation unit triggers an important change in creation theories and methods. The new content creation method draws on the molecular configuration of the DNA double helix， takes human and AI as two chains， and takes design thinking as the main line， to construct the interlocking human-AI double helix of human-AI empathy， prompt lists， brain-AI storm， rapid prototypes， mimicry tests， and automatic execution， which provides systematic methodology support for the deep integration of human and AI. This study also portrayed the evolution path and state characteristics of human-AI coupling through 5 levels from negative exclusion to high coupling， and discussed the important points of applying the double helix to become a coupling body.

Keywords： Generative artificial intelligence; Human-AI coupling; Human-AI double helix; Human-machine cooperation; Content creation