生成式人工智能的知識生產(chǎn)及其哲學(xué)反思

摘要：生成式人工智能介入人類知識生產(chǎn)幾乎是一種技術(shù)必然。智能時代，人類知識生產(chǎn)正迎來“新物態(tài)”：以ChatGPT為代表的生成式人工智能既以“數(shù)據(jù)導(dǎo)向”的“經(jīng)驗(yàn)主義”知識生產(chǎn)模式，展現(xiàn)出強(qiáng)大的語境感知與知識聯(lián)結(jié)能力，凸顯了其作為智能技術(shù)的“物性”；又以“突破模仿”作為其“靈性”的主要來源，在推動知識生產(chǎn)主體不斷擴(kuò)展的同時蘊(yùn)藏著生成“可信知識”的巨大潛力。生成式人工智能這一“物性”與“靈性”的互動，使其不再只作為一種工具，更成為一種獨(dú)特的智能實(shí)體。這種技術(shù)進(jìn)步的潮流為人類知識生產(chǎn)提供了前所未有的便利，卻也可能在人類思維方面引發(fā)“懶人危機(jī)”，在知識產(chǎn)權(quán)領(lǐng)域?qū)е隆皺?quán)屬迷局”，甚至在思想文化層面制造“意識形態(tài)陷阱”，對人類知識生產(chǎn)產(chǎn)生革命性影響。接受并推動人機(jī)協(xié)同的知識生產(chǎn)，是人類面對生成式人工智能的理性選擇。

關(guān)鍵詞：生成式人工智能；知識生產(chǎn)；ChatGPT；物性；靈性

基金項(xiàng)目：國家社會科學(xué)基金青年項(xiàng)目“人工智能算法的倫理嵌入”（23CZX048）

中圖分類號：TP182；B842.1 文獻(xiàn)標(biāo)識碼：A 文章編號：1003-854X（2025）02-0059-08

生成式人工智能（Generative Artificial Intelligence，GAI）是基于數(shù)據(jù)算法和規(guī)則模型，利用文本、音頻或圖像等創(chuàng)建新內(nèi)容，通過“分析訓(xùn)練實(shí)例、學(xué)習(xí)其模式和分布從而生成逼真的人工痕跡”（1）的技術(shù)，其核心思想是將人類的認(rèn)知過程視為信息的生成過程，并通過這一過程實(shí)現(xiàn)智能生成，目的是更好地模擬人類的思維方式與認(rèn)知機(jī)制，從而創(chuàng)建一項(xiàng)完善的產(chǎn)生和處理信息的人工系統(tǒng)。因而，人工智能的主要目標(biāo)不是作為理論體系去解釋世界，而是作為技術(shù)手段去改造世界，或“技術(shù)地解決某些理論問題”。（2）

在數(shù)據(jù)處理和信息分析方面，生成式人工智能能夠快速、準(zhǔn)確地處理大量數(shù)據(jù)，并從數(shù)據(jù)中挖掘價(jià)值信息，展現(xiàn)了作為智能技術(shù)的“物性”。但其真正的魅力并不限于“物性”，而是在知識生產(chǎn)方面，生成式人工智能通過深度學(xué)習(xí)和自然語言處理技術(shù)不斷模擬人類的思維過程，并由此展現(xiàn)出獨(dú)特的“靈性”。生成式人工智能的技術(shù)“物性”是技術(shù)“靈性”的前提，沒有“物性”的發(fā)揮，技術(shù)的“靈性”就無從談起；而生成式人工智能的技術(shù)“靈性”則是技術(shù)“物性”優(yōu)化的條件和結(jié)果，沒有“靈性”的技術(shù)“物性”，就無法充分釋放其功能與潛力。

生成式人工智能表現(xiàn)出的對抽象思維和創(chuàng)造性活動的模擬，給人類知識生產(chǎn)帶來了革命性影響，也為其在各個社會領(lǐng)域的垂直應(yīng)用奠定了技術(shù)基礎(chǔ)。

一、生成式人工智能知識生產(chǎn)的“物性”

技術(shù)的“物性”是技術(shù)固有的屬性和特征，直接關(guān)系到技術(shù)的性質(zhì)、機(jī)理與功能。物性是一個“根基性命題”，不能缺省，也不能被違背。生成式人工智能的“物性”，其底層邏輯是通過極簡的模型結(jié)構(gòu)與目標(biāo)函數(shù)進(jìn)行反復(fù)的訓(xùn)練，推動其“生成能力”的涌現(xiàn)與躍遷。這一邏輯是生成式人工智能系統(tǒng)的第一性原理，凸顯了該技術(shù)的“物性”特征。

（一）知識生產(chǎn)的“新物態(tài)”

在生成式人工智能出現(xiàn)之前，“知識生產(chǎn)”通常被視為人類專屬的活動領(lǐng)域。知識是人類特有的能力表達(dá)形式，知識的生產(chǎn)涉及語言、符號和概念的交流與建構(gòu)，是人類思考和實(shí)踐的產(chǎn)物。西方哲學(xué)家對知識的傳統(tǒng)看法是，知識是“有證成的真信念”（JTB原則，即Justified True Belief）?！吧w梯爾難題”的出現(xiàn)則引發(fā)了哲學(xué)界對知識定義的大討論，涌現(xiàn)了一些關(guān)于知識JTB定義的替代性說明，通?！耙浴?相信+證成+X’的形式出現(xiàn)” （3），例如過程可靠論（Process Reliabilism）就以“真（信息是客觀存在的真實(shí)事實(shí)）+相信（主體對信息有真實(shí)信念）+證成（信息是通過可靠的認(rèn)知過程獲取的）+X（證成要素即可靠的認(rèn)知過程）”對知識進(jìn)行定義。不過迄今為止依然沒有一種知識定義能夠像JTB原則那樣得到普遍接受。人類通過學(xué)習(xí)、觀察、交流、實(shí)踐等方式獲取知識，這一過程高度復(fù)雜且深受個體認(rèn)知和社會文化的影響。

知識生產(chǎn)是在人類活動中各種類型的知識如真理、思想和信息等的發(fā)明、創(chuàng)造過程。傳統(tǒng)的知識生產(chǎn)需要人類具備良好的認(rèn)知、判斷和適應(yīng)能力，人類可以根據(jù)不同的情境調(diào)整自己的思維方式，從而處理模糊和不確定的信息。這種靈活性與適應(yīng)性是傳統(tǒng)的分析型人工智能（Analytical Artificial Intelligence）難以企及的，因而這種人工智能也就被排除在人類的“知識生產(chǎn)”之外。隨著人工智能的發(fā)展，生成式人工智能通過大量的數(shù)據(jù)訓(xùn)練來學(xué)習(xí)和模擬人類的語言表達(dá)與思維模式，逐漸參與并融入人類的知識生成和智慧創(chuàng)造中來。這似乎暗示，知識的生產(chǎn)不再是人類的專屬領(lǐng)域，新的“物態(tài)”開始闖入進(jìn)來。

在知識生成方式上，生成式人工智能通過從海量數(shù)據(jù)中篩選、歸類、整理和分析數(shù)據(jù)信息，來生成結(jié)構(gòu)化的知識內(nèi)容。相較于傳統(tǒng)的規(guī)則驅(qū)動系統(tǒng)，生成式系統(tǒng)具備更強(qiáng)大的學(xué)習(xí)和推理能力，能夠從非結(jié)構(gòu)化數(shù)據(jù)中提取關(guān)聯(lián)、發(fā)現(xiàn)規(guī)律，從而靈活地處理復(fù)雜的知識內(nèi)容并完成知識生產(chǎn)。在生產(chǎn)的知識呈現(xiàn)方式上，生成式人工智能有語言、圖像、音頻等多種形式的知識表達(dá)方式。由于每個模型都有其獨(dú)特的語法結(jié)構(gòu)、詞匯和表達(dá)方式，因此其知識的生成和表達(dá)上容易有所區(qū)別。對于同一概念或事實(shí)，不同模型的表述方式存在一定差異。一些模型可能使用更復(fù)雜或更專業(yè)的語言，使得某些知識對于普通用戶來說難以理解；而另一些模型可能更加“用戶友好”，會使用更通俗易懂的語言來呈現(xiàn)知識。整體而言，在人工智能歷史上由麥卡錫發(fā)明的LISP語言起到了重要的作用，被譽(yù)為人工智能的數(shù)學(xué)語言。（4） LSIP（List Processor，函數(shù)式程序語言）憑借其革命性的創(chuàng)新思維，直接影響了生成式人工智能系統(tǒng)編程語言的發(fā)展方向，成為傳統(tǒng)分析型人工智能向生成式人工智能轉(zhuǎn)向的基礎(chǔ)“語言底座”。生成式人工智能所具備的泛化能力與自然語言處理能力，本質(zhì)上就是基于大量的數(shù)據(jù)訓(xùn)練，通過對話將文本進(jìn)行合理的延續(xù)和擴(kuò)展。通過這種訓(xùn)練，生成式人工智能形成了對語言結(jié)構(gòu)和語法的“理解”，而對于詞匯選擇、句法結(jié)構(gòu)和表達(dá)風(fēng)格的模仿也使得生成的知識更趨于符合人類認(rèn)知的一般特征。這是人類知識生產(chǎn)前所未有的“新物態(tài)”。

（二）生成式人工智能“數(shù)據(jù)導(dǎo)向”的經(jīng)驗(yàn)主義及其知識生產(chǎn)

在生成式人工智能系統(tǒng)中，數(shù)據(jù)被視為信息的基本單元。在計(jì)算機(jī)科學(xué)中，數(shù)據(jù)是記錄下來的某種可以進(jìn)行度量和計(jì)算的數(shù)值，信息則是經(jīng)過處理后對數(shù)據(jù)賦予的意義或傳達(dá)的含義。而在生成式人工智能系統(tǒng)里，數(shù)據(jù)不僅是訓(xùn)練模型的原始材料，也是模型權(quán)重的調(diào)整依據(jù)。在機(jī)器學(xué)習(xí)任務(wù)中，算法通過數(shù)據(jù)學(xué)習(xí)和訓(xùn)練來提取規(guī)律，以便在面對新一輪輸入時做出準(zhǔn)確的預(yù)測或進(jìn)行有意義的輸出；而在訓(xùn)練過程中，生成式人工智能則通過不斷地與數(shù)據(jù)進(jìn)行交互，并根據(jù)輸入數(shù)據(jù)的特征和目標(biāo)輸出之間的關(guān)系來優(yōu)化內(nèi)部參數(shù)（權(quán)重）。因此，豐富且高質(zhì)量的數(shù)據(jù)集能夠幫助生成式人工智能更好地理解用戶指令，從而提高回應(yīng)的準(zhǔn)確率；而通過反復(fù)的數(shù)據(jù)訓(xùn)練，生成式人工智能也能夠逐漸調(diào)整其內(nèi)部表示，使其能夠更好地捕捉輸入與輸出之間的復(fù)雜關(guān)系。因而，數(shù)據(jù)是信息的原材料，而信息則是數(shù)據(jù)處理的產(chǎn)物。

近年來，一系列關(guān)于大數(shù)據(jù)集（passively generated larger datasets）與增強(qiáng)型預(yù)測算法（enhanced prediction algorithms）的研究突破表明，生成式人工智能模型能夠更加精準(zhǔn)地捕捉數(shù)據(jù)關(guān)聯(lián)，其泛化能力與預(yù)測性能已經(jīng)取得了顯著提升。具體而言，生成式人工智能的基本工作原理就是在大型語言模型（Large Language Model， LLM）的基礎(chǔ)上，通過大量的數(shù)據(jù)學(xué)習(xí)和訓(xùn)練，進(jìn)而以數(shù)據(jù)投喂的方式不斷自動生成知識內(nèi)容，這種方法強(qiáng)調(diào)了數(shù)據(jù)的客觀性與可驗(yàn)證性。因此，數(shù)據(jù)作為信息管理、處理和分析的基礎(chǔ)，會直接影響到生成式人工智能對知識的理解和生成。比如ChatGPT就具有一種“數(shù)據(jù)導(dǎo)向”的“經(jīng)驗(yàn)主義”傾向。

以ChatGPT為代表的生成式人工智能以通過數(shù)據(jù)訓(xùn)練獲得并積累經(jīng)驗(yàn)作為知識生產(chǎn)路徑，這種數(shù)據(jù)導(dǎo)向的方法論與經(jīng)驗(yàn)主義有著天然的契合。在數(shù)據(jù)導(dǎo)向的算法實(shí)踐中，數(shù)據(jù)成為一種直接的、量化的“經(jīng)驗(yàn)形式”，而ChatGPT是通過對大量文本數(shù)據(jù)進(jìn)行訓(xùn)練而得到語言模型的。這個模型本身并不具備任何先驗(yàn)知識，也沒有預(yù)設(shè)的理論框架，主要以經(jīng)驗(yàn)數(shù)據(jù)的積累來逐漸形成對人類語言世界的理解和認(rèn)知，并通過觀察和學(xué)習(xí)文本數(shù)據(jù)中的語言使用、語法結(jié)構(gòu)、規(guī)范表達(dá)等獲得對語言的理解。其知識生成則依賴于對數(shù)據(jù)的深度學(xué)習(xí)和統(tǒng)計(jì)建模，通過學(xué)習(xí)輸入數(shù)據(jù)中的模式、規(guī)律和語言結(jié)構(gòu)來生成文本，過程中并未注入顯性的規(guī)則或先驗(yàn)知識，這正是典型的“經(jīng)驗(yàn)?zāi)Ｊ健?。也因此，ChatGPT的性能和表現(xiàn)能力往往受限于“訓(xùn)練數(shù)據(jù)的質(zhì)量和多樣性”，亦即受限于經(jīng)驗(yàn)材料的質(zhì)量。由于ChatGPT的知識來源于經(jīng)驗(yàn)數(shù)據(jù)，所以在回應(yīng)人類請求時也更加注重事實(shí)和證據(jù)。ChatGPT憑借大規(guī)模的數(shù)據(jù)訓(xùn)練，不斷擴(kuò)大并積累了豐富的經(jīng)驗(yàn)知識，這使其能夠在各種領(lǐng)域中提供較為準(zhǔn)確、語義連貫且自然的回答。這種經(jīng)驗(yàn)主義的知識生產(chǎn)模式正是ChatGPT成為強(qiáng)大且實(shí)用的人工智能模型的重要原因。

ChatGPT揭示了通過語言模型將數(shù)據(jù)（經(jīng)驗(yàn)）納入人類語境的重要意義，預(yù)訓(xùn)練語言模型的出現(xiàn)讓自然語言處理取得了新的突破，呈現(xiàn)出“經(jīng)驗(yàn)主義”特征和“數(shù)據(jù)導(dǎo)向”特色。ChatGPT大模型技術(shù)主要由上下文學(xué)習(xí)技術(shù)、思維鏈技術(shù)和指令學(xué)習(xí)技術(shù)三部分構(gòu)成。對語形、語義和語用的處理，必須“將表征的常識知識通過形式化的方法轉(zhuǎn)化為計(jì)算機(jī)可以實(shí)現(xiàn)的方式”。（5）通過預(yù)訓(xùn)練語言模型的引入與運(yùn)用，生成式人工智能能夠更好地融入人類語境，甚至培養(yǎng)出一定的“語境敏感性”。這使ChatGPT能夠根據(jù)不同的語境生成相應(yīng)的回答，讓其回答更加符合人類的思維方式和表達(dá)習(xí)慣，從而更好地適應(yīng)人類的交流方式。ChatGPT采用了AI Alignment（人工智能“價(jià)值對齊”）技術(shù)，即讓人工智能模型與人類期望及價(jià)值理念相匹配。這種將承載人類價(jià)值判斷的先驗(yàn)知識融入大模型的方法，典型體現(xiàn)了經(jīng)驗(yàn)主義（大模型）與理性主義（人類判斷）的融合。ChatGPT“能夠從海量經(jīng)驗(yàn)中找到規(guī)律，進(jìn)而讓 ChatGPT 像人類一樣積累經(jīng)驗(yàn)并向經(jīng)驗(yàn)學(xué)習(xí)”。（6）簡言之，生成式人工智能通過經(jīng)驗(yàn)積累，使模型能夠理解詞匯、語法結(jié)構(gòu)、語境等多層次的語言特征，在自然語言處理任務(wù)中展現(xiàn)出更好的性能。同時，“數(shù)據(jù)導(dǎo)向”的“經(jīng)驗(yàn)主義”知識生成也存在一種“技術(shù)相對主義”傾向，即模型在分析數(shù)據(jù)時可能受到特定環(huán)境、偏見或數(shù)據(jù)采集方式的影響，從而導(dǎo)致對知識的理解存在偏差，而這種偏差也類似于人類智能的知識生產(chǎn)所具有的特點(diǎn)。

（三）生成式人工智能的語境感知與知識聯(lián)結(jié)

從認(rèn)知建構(gòu)主義的視角看，知識的生成是主體與環(huán)境交互作用的結(jié)果。在語境感知的基礎(chǔ)上，個體需要在特定的語境中去理解和解釋信息。知識的載體——人類語言——是高度“語境依賴”的。（7）生成式人工智能優(yōu)于以往人工智能技術(shù)的重要特點(diǎn)，就是能夠更精準(zhǔn)地理解知識之間的關(guān)系，以利于呈現(xiàn)出不同領(lǐng)域、主題或概念之間的聯(lián)系，從而形成更具關(guān)聯(lián)性的知識結(jié)構(gòu)。語境主義認(rèn)為，主體對知識的理解和解釋會受到語言環(huán)境的影響，而知識“如何關(guān)聯(lián)”很大程度上則依賴于特定語境。因此，知識的聯(lián)結(jié)也可以被視為是在語境中所建立的關(guān)系網(wǎng)，以賦予信息更豐富、精準(zhǔn)的意義。生成式人工智能不斷增強(qiáng)的這種語境感知能力，涉及主體和客體在不同語境中對語言含義的理解與解釋，有助于生成式人工智能在自動生成內(nèi)容時更好地模擬人類理解上下文的思維過程和表達(dá)邏輯。這種能力不僅提高了信息的獲取和傳播效率，還優(yōu)化了生成式人工智能的文本生成效果，使其能夠生成高度逼近人類語言風(fēng)格與思維方式的文本——“類人文本”。然而，“類人文本”的出現(xiàn)卻模糊了人類原創(chuàng)內(nèi)容與機(jī)器生成內(nèi)容的界限，極易導(dǎo)致人們在獲取信息或進(jìn)行知識生產(chǎn)時混淆文本內(nèi)容的歸屬及性質(zhì)，即這些信息或文本內(nèi)容究竟屬于人類的原創(chuàng)性思考還是機(jī)器算法的產(chǎn)物或?qū)㈦y以確定。生成式人工智能帶來的這種模糊性間接地削弱了人類知識生產(chǎn)中對于原創(chuàng)性的重視，將會影響人類知識生產(chǎn)過程的真實(shí)性、獨(dú)立性和創(chuàng)新性。

生成式人工智能的語境感知與知識聯(lián)結(jié)能力是其生成“類人文本”的必要條件。個體獲取信息和建構(gòu)知識的過程始于對語境環(huán)境的感知，同樣的信息在不同的語境中可能會被理解和解釋得截然不同。由于知識是高度“語境依賴”的，因此生成式人工智能要想生成類人文本就必須具備強(qiáng)大的語境感知與知識聯(lián)結(jié)的能力。Transformer模型的出現(xiàn)推動了自然語言處理的變革，其所引入的自注意力機(jī)制和AI Alignment技術(shù)等能夠讓生成模型更好地理解語境關(guān)系。相對于RNN（Recursive Neural Network和Recurrent Neural Network）神經(jīng)網(wǎng)絡(luò)模型而言，Transformer模型對生成式人工智能更具有里程碑意義，它不僅可以捕獲更多語境，將機(jī)器處理文本的能力提升到了前所未有的高度，甚至“可以基于既定提示和語境生成類似專業(yè)人士回復(fù)的內(nèi)容”（8），為建構(gòu)一個龐大的神經(jīng)網(wǎng)絡(luò)奠定了強(qiáng)大的技術(shù)基礎(chǔ)。在糾錯方面，生成式人工智能也展現(xiàn)出了作為技術(shù)的“類人”特征。與傳統(tǒng)基于規(guī)則或機(jī)器學(xué)習(xí)（Machine Learning）的糾錯方法相比，生成式人工智能在自動糾錯與反饋機(jī)制方面有了顯著提升，不僅可以通過預(yù)訓(xùn)練模型自動檢測和糾正文本錯誤，還可以結(jié)合上下文語境提高糾錯準(zhǔn)確率，建立自動學(xué)習(xí)與自適應(yīng)糾錯模式。而AI 價(jià)值對齊和人類反饋的強(qiáng)化學(xué)習(xí)作為AIGC的核心技術(shù)之一，則要求人工智能系統(tǒng)的目標(biāo)、價(jià)值觀及行為與人類社會期望一致，從而有助于大模型在人類的引導(dǎo)下生成更符合人類期望和價(jià)值判斷的知識。由是觀之，生成式人工智能對語境感知與知識聯(lián)結(jié)的處理能力已然從深層意義上超越了技術(shù)發(fā)展本身，并不斷凸顯出其“類人智能”的能力。

二、生成式人工智能在知識生產(chǎn)中的“靈性”

生成式人工智能表現(xiàn)出了超越常規(guī)智能技術(shù)的“靈性”，不僅突破了技術(shù)“模仿”的層面、擴(kuò)展了知識生產(chǎn)的主體范圍，也蘊(yùn)含著生成可信知識的潛力，這種“靈性”有助于轉(zhuǎn)化為技術(shù)優(yōu)勢從而推動人類知識生產(chǎn)的變革。

（一）生成式人工智能的“靈性”及其來源

“靈性”是指生成式人工智能在智能技術(shù)發(fā)展過程中涌現(xiàn)出了一種獨(dú)特的超越簡單的邏輯、功能性的特質(zhì)，表現(xiàn)出一種更為綜合、創(chuàng)造性和深度理解的能力。首先，“靈性”體現(xiàn)為生成式人工智能系統(tǒng)的綜合性。簡單邏輯和功能性的系統(tǒng)通常是通過有限的規(guī)則和模式來實(shí)現(xiàn)特定的功能，因而是單一任務(wù)導(dǎo)向的；而生成式人工智能則能處理多樣化的任務(wù)和信息，會在執(zhí)行指令時充分展現(xiàn)其靈活性與全面性。其次，“靈性”表現(xiàn)為生成式人工智能的“創(chuàng)造性”。相較于僅執(zhí)行固定規(guī)則和任務(wù)的傳統(tǒng)系統(tǒng)，具有“靈性”的生成式人工智能不僅可以通過對信息的創(chuàng)造性組合與解釋來模仿現(xiàn)有知識，還能嘗試各種可能的組合和變化，并發(fā)現(xiàn)新的規(guī)律，從而產(chǎn)生新的、不斷適應(yīng)語境變化的輸出，呈現(xiàn)出對知識的新穎組合與創(chuàng)新性輸出的智能能力。這種智能特質(zhì)超越了傳統(tǒng)智能技術(shù)“模仿人類”的基本面，使其更深刻地融入知識的生產(chǎn)中。

“突破模仿”是生成式人工智能“靈性”的主要來源。首先，生成式人工智能打破了以“模仿人類行為”來解決問題的基本模式，通過學(xué)習(xí)和理解大規(guī)模的訓(xùn)練數(shù)據(jù)，能夠捕捉更為復(fù)雜的知識結(jié)構(gòu)和數(shù)據(jù)序列中的長期依賴關(guān)系。ChatGPT模型中的“自回歸生成”策略便利用了這一優(yōu)勢，使自主完成無監(jiān)督、無干預(yù)的知識生成任務(wù)成為可能。這種深度學(xué)習(xí)的能力也使得生成式人工智能不僅不再停留于對已知模式的簡單模仿，而且還能憑借其遷移學(xué)習(xí)能力和跨領(lǐng)域能力，在一些專業(yè)領(lǐng)域迅速實(shí)現(xiàn)窄眾化內(nèi)容生產(chǎn)，充分釋放其在知識生產(chǎn)過程中進(jìn)行垂直應(yīng)用的潛力。從角色分工上看，深度學(xué)習(xí)與理解能力也讓生成式人工智能不再是被動的任務(wù)執(zhí)行者，而是具有一定靈活性與適應(yīng)性的智能體，這種獨(dú)特的能力有望未來在無干預(yù)情況下自主完成知識生產(chǎn)。（9）而從現(xiàn)實(shí)層面來看，一方面人類具有現(xiàn)有機(jī)器所無法替代的情感、創(chuàng)造力與自我意識，這種基于人類行為的“研發(fā)”本質(zhì)上展現(xiàn)的是人類智能的創(chuàng)造性；另一方面，生成式人工智能對“模仿”功能的技術(shù)突破不僅實(shí)現(xiàn)了信息內(nèi)容提供“從分散到集成”、服務(wù)場景“從單一領(lǐng)域到通用性”以及對話方式從“單向檢索到智能交互”（10）的轉(zhuǎn)變，也側(cè)面揭示了人類智能的“局限性”：即人類大腦難以像機(jī)器一樣進(jìn)行快速、大量的信息存儲、處理與計(jì)算。

其次，生成式人工智能具有更好的抽象、推理和自我學(xué)習(xí)能力，能夠突破傳統(tǒng)規(guī)則與樣本匹配，展現(xiàn)出獨(dú)特的技術(shù)特點(diǎn)。生成式人工智能的崛起正在改變?nèi)祟惪创褪褂弥悄芗夹g(shù)的方式，這種類型的人工智能具備對數(shù)據(jù)信息的深度分析能力，而且在處理較為復(fù)雜和專業(yè)的概念時表現(xiàn)出色。生成式人工智能能夠依據(jù)數(shù)據(jù)權(quán)重深入挖掘事物的內(nèi)在本質(zhì)和關(guān)聯(lián)，進(jìn)行抽象思考和多維度、多層次的推理，并且能夠在沒有人為干預(yù)的情況下，通過自我訓(xùn)練和學(xué)習(xí)來不斷完善和優(yōu)化自身的性能。生成式人工智能還改變了技術(shù)研究和應(yīng)用的傳統(tǒng)方向。傳統(tǒng)的方法通常依賴于規(guī)則、模板或者直接的樣本匹配，而生成式人工智能更加注重從數(shù)據(jù)中學(xué)到模式和規(guī)律?；谏疃葘W(xué)習(xí)技術(shù)的視角，目前生成式人工智能主要有兩種類型：即生成對抗網(wǎng)絡(luò)（Generative Adversarial Networks， GANs）和生成預(yù)訓(xùn)練轉(zhuǎn)化器（Generative Pre-trained Transformer， GPT）。生成式人工智能能夠在對抗性訓(xùn)練過程中提高在復(fù)雜環(huán)境里的知識生成質(zhì)量，在預(yù)訓(xùn)練生成方面提升其自然語言處理的能力，彰顯出獨(dú)特的技術(shù)特點(diǎn)。這種特性讓生成式人工智能更像是一個能夠創(chuàng)造、學(xué)習(xí)和適應(yīng)的智能系統(tǒng)，而非簡單的工具或技術(shù)的模仿者，而這也是目前一般智能技術(shù)所無法達(dá)到的。

（二）人類知識生產(chǎn)主體的擴(kuò)展

在生成式人工智能的推動下，人類知識生產(chǎn)的主體正在擴(kuò)展。傳統(tǒng)意義上的人類知識生產(chǎn)過程由人類這一單一主體完成，盡管可根據(jù)具體領(lǐng)域的不同將人類知識生產(chǎn)主體進(jìn)行細(xì)分，比如“科學(xué)家”與“哲學(xué)家”。但ChatGPT的出現(xiàn)改變了傳統(tǒng)知識生產(chǎn)主體的格局，“已發(fā)展出包括人類、機(jī)器和人機(jī)協(xié)同三種共存形態(tài)，人類和智能機(jī)器的聯(lián)接形成了一個強(qiáng)大的超級智能體”。（11）多元化具體表現(xiàn)在知識生產(chǎn)主體之間的合作與互動方面。用戶在使用生成式人工智能時，產(chǎn)生的信息不只是單向的接收，同時也是接續(xù)學(xué)習(xí)的數(shù)據(jù)源，會參與到模型進(jìn)化與技術(shù)升級的過程中，從而完成新一輪的知識生產(chǎn)。

傳統(tǒng)的知識生產(chǎn)往往依賴于人類，強(qiáng)調(diào)人類的思維、判斷力以及在特定領(lǐng)域的專業(yè)見解，而生成式人工智能的崛起讓機(jī)器也參與到人類的知識生產(chǎn)中來。這一變化不僅為知識生成范式的變革和創(chuàng)新提供了新的方向，也向傳統(tǒng)的知識生產(chǎn)主體提出了挑戰(zhàn)。一方面，生成式人工智能使現(xiàn)有的知識生產(chǎn)主體不再受限于特定領(lǐng)域或?qū)I(yè)，其普適性和自適應(yīng)性能讓更多人群廣泛參與到知識生產(chǎn)中，為非專業(yè)人士提供了更多參與知識生產(chǎn)的機(jī)會，從而擴(kuò)展了知識生產(chǎn)主體的范圍。另一方面，當(dāng)代人類知識生產(chǎn)在某些方面表現(xiàn)出的“精英模式”或?qū)⑹艿捷^大影響。人類文明的發(fā)展與進(jìn)步依賴于知識的生產(chǎn)與智慧的傳遞。從歷史上看，人類社會中的許多知識都源于普通人及勞動者的經(jīng)驗(yàn)總結(jié)和積累。例如，神農(nóng)氏的“始味草木之滋，察其寒、溫、平、熱之性，辨其君、臣、佐、使之義”（12），開啟了“醫(yī)道”；從古至今，人們口口相傳的“冬暖多瘟疫、夏冷不收田”等農(nóng)業(yè)諺語，更是勞動者“民間知識”的集成。在當(dāng)代，知識生產(chǎn)已經(jīng)顯著地向特定主體，如科學(xué)家、研究人員以及工程師等“知識精英”群體集中。這部分人群在現(xiàn)代社會環(huán)境下，主導(dǎo)了絕大多數(shù)的高端科研與技術(shù)創(chuàng)新活動，從而形成了較為專業(yè)化的“精英模式”。然而，ChatGPT等生成式人工智能的出現(xiàn)則會使人類，特別是上述傳統(tǒng)意義上的“知識精英”，不再獨(dú)占知識生產(chǎn)過程中的主體地位，普通人也可以利用這類技術(shù)參與知識的創(chuàng)造與共享，甚至生成式人工智能本身也有望成為知識生產(chǎn)的主體之一。這一變化可能推動知識生產(chǎn)格局趨向多元化發(fā)展，從而擴(kuò)展知識生產(chǎn)主體。

（三）生成可信知識的潛力

“知識可信”是對生成式人工智能進(jìn)行知識生產(chǎn)的現(xiàn)實(shí)要求，“可信知識”是其進(jìn)行知識生產(chǎn)的內(nèi)在產(chǎn)品規(guī)則。哲學(xué)家波普爾指出：“我們的知識有其權(quán)威性源泉?！保?3）“權(quán)威性”是知識“可信性”的一個重要來源。知識并非憑空出現(xiàn)，不僅會受到所處社會與文化環(huán)境等外在條件的影響，也會受到個人經(jīng)驗(yàn)等內(nèi)在因素的影響，這些因素均將構(gòu)成人類社會中知識的權(quán)威性源泉，并深刻影響人們對于世界的理解與認(rèn)知。只有可信的知識才能在實(shí)際應(yīng)用中發(fā)揮其應(yīng)有的價(jià)值，從而為社會大眾所信賴、進(jìn)而利用。生成式人工智能也只有確保生成知識的可靠性和準(zhǔn)確性，才能滿足用戶的期望并實(shí)現(xiàn)功能。

生成式人工智能之所以具有生成可信知識的潛力，原因如前所述，它是從實(shí)際數(shù)據(jù)中“經(jīng)驗(yàn)”地習(xí)得的。這便涉及到哲學(xué)上的認(rèn)識論問題，即機(jī)器生成的知識能否“真實(shí)反映客觀世界”？盡管當(dāng)前如GPT等生成式人工智能只能根據(jù)所接受的訓(xùn)練來完成任務(wù)，但總的來說，其知識生成過程仍是可信的。生成式人工智能所生成的文本內(nèi)容符合人類語言交流中所遵循的一般規(guī)則，具有可讀性和可理解性；而生成符合人類行為邏輯的知識內(nèi)容則體現(xiàn)在對人類行為的理解與模擬上。生成式人工智能利用大量的行為數(shù)據(jù)分析并學(xué)習(xí)人類的行為模式與規(guī)律，從而生成具有實(shí)用性和可操作性的知識內(nèi)容。如果一種新的生成的知識與人類既有的可信知識在認(rèn)知邏輯、行為邏輯甚至心理邏輯上保持了整體的一致，那么我們就有理由認(rèn)為，這種知識是可信的。

數(shù)據(jù)質(zhì)量控制與知識驗(yàn)證機(jī)制是生成可信知識的技術(shù)保證。在專業(yè)生產(chǎn)內(nèi)容（PGC）時代和用戶生成內(nèi)容（UGC）時代，往往存在著大量信息混亂。以ChatGPT為例，ChatGPT所采用的大語言模型有可能利用其先前從訓(xùn)練數(shù)據(jù)中發(fā)現(xiàn)的語言規(guī)律來對現(xiàn)實(shí)中并不存在的內(nèi)容進(jìn)行合乎規(guī)律的捏造，即產(chǎn)生所謂“幻覺”（hallucinations）。（14）因此，對數(shù)據(jù)質(zhì)量進(jìn)行控制是確保生成知識可信度的基礎(chǔ)，而生成可信知識必須要對數(shù)據(jù)進(jìn)行清理、預(yù)處理和篩選。如果不考慮所獲得的知識是否可信、不衡量其可信度的高低，則在推理鏈較長的情況下，由每一環(huán)知識的不可信性所導(dǎo)致的推理累積誤差會越來越大，最終得到的推理結(jié)論很可能與正確的結(jié)果截然相反。（15）因此必須采取有效的知識驗(yàn)證方式以提升生成式人工智能的可信度。建立完善的知識驗(yàn)證機(jī)制是確保生成知識可信度的關(guān)鍵環(huán)節(jié)，使用可信知識實(shí)證的方式對生成式人工智能所生成的知識內(nèi)容進(jìn)行篩選和驗(yàn)證，有助于增強(qiáng)其知識生產(chǎn)的可信度。實(shí)踐中會通過數(shù)據(jù)來源驗(yàn)證、事實(shí)檢查和驗(yàn)證、交叉驗(yàn)證、測試集驗(yàn)證、專家評審、用戶反饋和監(jiān)控以及對生成的知識進(jìn)行過濾等方式來提高知識生產(chǎn)的可信度。

從技術(shù)認(rèn)可到社會認(rèn)同，ChatGPT類生成式人工智能生成可信知識的社會接受度逐步提升。生成式人工智能可以生成具有邏輯結(jié)構(gòu)與合理性的文本，從而增強(qiáng)人類對其生成知識的信任度。隨著技術(shù)進(jìn)步，其生成能力、語境理解能力以及對話連貫性等方面的性能正進(jìn)一步提升，對生成式人工智能技術(shù)的認(rèn)可意味著人們對其在處理任務(wù)時的效果、準(zhǔn)確性和實(shí)用性的信任度增加，為社會認(rèn)同奠定了基礎(chǔ)。盡管生成式人工智能在技術(shù)層面已經(jīng)取得了顯著的進(jìn)展，但其生成的知識尚未得到社會層面的廣泛接受。未來生成式人工智能的研究可通過加強(qiáng)對其工作原理的透明度和解釋性，建立有效的校驗(yàn)機(jī)制，以及推動相關(guān)政策和標(biāo)準(zhǔn)的制定等方式進(jìn)一步加強(qiáng)把數(shù)據(jù)、信息轉(zhuǎn)化為可信知識的能力，促進(jìn)其社會接受度的進(jìn)一步提升。

三、生成式人工智能可能導(dǎo)致知識生產(chǎn)危機(jī)

知識生產(chǎn)這一傳統(tǒng)上以人類為核心展開的活動，在生成式人工智能的參與后，可能面臨懶人危機(jī)、權(quán)屬迷局與意識形態(tài)陷阱等三重危機(jī)。

（一）懶人危機(jī)

生成式人工智能影響人類思維的主動性。主動思考，是人類思維的重要特征。（16）生成式人工智能的思維模式并不完全透明，卻能通過反復(fù)擴(kuò)大的數(shù)據(jù)訓(xùn)練逐漸弱化人類對知識生產(chǎn)和學(xué)習(xí)內(nèi)容的主動性能力。原因并不復(fù)雜。生成式人工智能與分析型人工智能（Analytical AI）不同，不僅“超越了‘布勞威爾型號’，變成了‘維特根斯坦2型’（符合后期維特根斯坦哲學(xué)），其思維居然有了黑箱”。（17）久而久之，如果人類過度依賴生成式人工智能等工具，人類進(jìn)行主動思考的機(jī)會也會相應(yīng)減少，這不僅嚴(yán)重影響人類知識生產(chǎn)的效率和智力產(chǎn)品的多樣化發(fā)展，甚至有可能促使生成式人工智能變成一種“異己的力量”，在人類知識生產(chǎn)領(lǐng)域引發(fā)深度的異化現(xiàn)象，從而使人類逐漸依附于機(jī)器思維的支配。

生成式人工智能影響人類思維的批判性。由于生成式人工智能的訓(xùn)練數(shù)據(jù)集尤其是文本數(shù)據(jù)庫皆來自于人類現(xiàn)有的知識，因此生成式人工智能進(jìn)行知識生產(chǎn)的能力（無論是既成知識還是全新知識）都與人為的訓(xùn)練密切相關(guān)。人類的意識活動是一種主觀的經(jīng)驗(yàn)和思想，具有明顯的主體性特征，即意識主體通過內(nèi)在的意識去“觀看”而形成主體的思想。（18）憑借優(yōu)異的自然語言處理能力，面對智能工具迅速生成且質(zhì)量尚可的知識內(nèi)容，人類很難有強(qiáng)烈的動力去質(zhì)疑或批判所生成的知識——人們往往選擇“接受”而非“拒絕”，遑論“批判”。生成式人工智能將數(shù)據(jù)信息轉(zhuǎn)化為知識的能力似乎讓普通公眾找到了學(xué)習(xí)新知識的新途徑，但當(dāng)其直面以往耗時耗力生產(chǎn)智力產(chǎn)品和生成式人工智能迅速生成知識內(nèi)容的巨大差異時，這一部分群體將很容易養(yǎng)成過度依賴的習(xí)慣，從而逐步淪為生成式人工智能工具的被動接受者。這不僅深刻影響了人類學(xué)習(xí)和理解新知識的能力，也減少了人類整體發(fā)展和培養(yǎng)批判性思維的機(jī)會。

生成式人工智能影響人類思維的多樣性。人類主體和視角的多樣性決定了人類思維的多樣性。生成式人工智能在訓(xùn)練階段所采用的訓(xùn)練數(shù)據(jù)信息通常反映了社會文化中被廣泛接受的看法和觀點(diǎn)，因而在生成內(nèi)容時可能會強(qiáng)化當(dāng)代社會文化的主流標(biāo)準(zhǔn)，這可能導(dǎo)致生成的知識偏向于反映已有的社會觀念和價(jià)值體系，缺乏對邊緣觀點(diǎn)與多元文化的充分反映。同時，生成式人工智能的知識生產(chǎn)難以充分涵蓋社會思想文化的多樣性，進(jìn)而限制用戶思維多樣性的發(fā)展。此外，由于多數(shù)生成式人工智能系統(tǒng)內(nèi)置使用推薦算法，這種算法會基于用戶的歷史行為和興趣，選擇性地呈現(xiàn)相關(guān)內(nèi)容，使用戶更容易暴露于相似觀點(diǎn)和信息的環(huán)境中，導(dǎo)致“人們的價(jià)值傾向逐步走向窄化和分化”（19），進(jìn)而也會減少用戶接觸到多樣思想與觀點(diǎn)的機(jī)會。生成式人工智能作為一種技術(shù)工具，若不能善用，不僅容易使主體形成思維惰性，導(dǎo)致人類不再適應(yīng)和主動學(xué)習(xí)新鮮事物，更會加劇人類思維定勢，讓人類喪失進(jìn)行獨(dú)立思考的能力，從而阻礙人類思維的創(chuàng)新與發(fā)展。

（二）權(quán)屬迷局

生成式人工智能生成內(nèi)容的知識產(chǎn)權(quán)和其他權(quán)利歸屬尚存爭議。生成式人工智能影響了人類社會中知識生產(chǎn)的傳統(tǒng)流程與內(nèi)容供給模式，由此衍生了一系列復(fù)雜的知識產(chǎn)權(quán)問題。英美法系版權(quán)法理論中對創(chuàng)造性的標(biāo)準(zhǔn)并不要求具有實(shí)質(zhì)性的創(chuàng)造性、藝術(shù)美感或是新穎性（20），從工具使用角度看，生成式人工智能利用算法和規(guī)則生成內(nèi)容的方式同人類運(yùn)用紙筆進(jìn)行創(chuàng)作一致，因此“版權(quán)保護(hù)”似乎理所應(yīng)當(dāng)。但“基本難題”隨之而來：生成式人工智能的知識產(chǎn)品是否具有知識產(chǎn)權(quán)？生成式人工智能可以通過機(jī)器算法和數(shù)據(jù)訓(xùn)練進(jìn)行自主學(xué)習(xí)，最終實(shí)現(xiàn)超越預(yù)設(shè)的算法框架來解決問題并生成新的內(nèi)容，而“這將使得人在算法規(guī)則上的事前設(shè)定或數(shù)據(jù)輸入上的人為選擇作為獨(dú)創(chuàng)性來源的做法無法繼續(xù)適用”。（21）此外，由于人們在使用生成式人工智能工具時不可避免地會加入一些主觀性因素（如提問者的思想、情感、偏見等），因此一定程度上生成式人工智能所生成的知識產(chǎn)品已然被賦予了自然人的創(chuàng)作因素。那么，人類通過生成式人工智能生產(chǎn)的知識產(chǎn)品應(yīng)當(dāng)如何認(rèn)定知識產(chǎn)權(quán)權(quán)利歸屬？

不完全清晰透明的數(shù)據(jù)訓(xùn)練過程容易產(chǎn)生侵權(quán)行為。標(biāo)準(zhǔn)數(shù)據(jù)是生成式人工智能系統(tǒng)的核心競爭力，訓(xùn)練數(shù)據(jù)的獲取相對容易，但也十分容易侵權(quán)。以ChatGPT為例，其訓(xùn)練數(shù)據(jù)主要來自互聯(lián)網(wǎng)上的對話數(shù)據(jù)、不同用戶間的交互數(shù)據(jù)、人工編寫案例數(shù)據(jù)以及現(xiàn)有數(shù)據(jù)庫等等，可目前為止OpenAI公司并未完全或徹底公開ChatGPT的訓(xùn)練數(shù)據(jù)集，而這些已公開的數(shù)據(jù)在被納入ChatGPT的訓(xùn)練數(shù)據(jù)集之前就可能存在侵權(quán)問題。因此，當(dāng)用戶下發(fā)任務(wù)時，生成式人工智能會通過預(yù)設(shè)流程進(jìn)行回應(yīng)，如果用戶改變?nèi)蝿?wù)的問題表達(dá)方式，以近似或類似的語言提出相同的問題，那么很有可能“誘導(dǎo)”生成式人工智能自動生成一些涉嫌抄襲等具有侵權(quán)可能性的作品。同時，若未經(jīng)許可擅自使用了特定信息或挪用了他人的智力產(chǎn)品用作數(shù)據(jù)訓(xùn)練，那么這一行為的合法性將會受到質(zhì)疑。部分由人類活動產(chǎn)生的數(shù)據(jù)若在不知情的情況下被挪作他用，也會涉及用戶隱私保護(hù)問題，讓自然人知識產(chǎn)權(quán)的應(yīng)有權(quán)利受到侵犯。例如，韓國著名企業(yè)三星集團(tuán)在導(dǎo)入ChatGPT不到20天內(nèi)，就發(fā)生了半導(dǎo)體設(shè)備測量資料、產(chǎn)品良率等機(jī)密信息的泄露事件，三星內(nèi)部被迫“進(jìn)一步收緊內(nèi)部監(jiān)管和員工培訓(xùn)”且考慮禁用ChatGPT。由此可見，自主生成既是生成式人工智能的優(yōu)勢，但也可能成為其產(chǎn)生虛假信息風(fēng)險(xiǎn)的根源，這就注定了生成式人工智能將更加深度地與人類知識生產(chǎn)“糾結(jié)”在一起，而這也將為建構(gòu)生成式人工智能的知識產(chǎn)權(quán)保護(hù)規(guī)制增加難度，使其成為一個亟需解決的法律問題。

（三）意識形態(tài)陷阱

首先，生成式人工智能發(fā)展的背后需要警惕數(shù)據(jù)殖民主義威脅。哲學(xué)家芒福德認(rèn)為，技術(shù)只是人類文化中的一個元素，“它起的作用的好壞，取決于社會集團(tuán)對其利用的好壞”。（22）數(shù)據(jù)殖民主義催生了一種新的資本主義組織的抽象形式與社會關(guān)系——即數(shù)據(jù)關(guān)系（Data Relations），“通過數(shù)據(jù)關(guān)系，人類的日常生活不僅被資本主義吞并，而且還成為了被資本主義持續(xù)監(jiān)視的對象”。（23）個人的數(shù)據(jù)資源成為能夠被隨意占用的對象化商品，資本主義的殖民統(tǒng)治對象逐步聚焦于數(shù)字時代中的個人日常生活。數(shù)據(jù)關(guān)系成為連接當(dāng)前社會生活與社會關(guān)系的紐帶，而人類日常生活中所產(chǎn)生的數(shù)據(jù)信息將極容易被吸納用于生成式人工智能的數(shù)據(jù)訓(xùn)練。生成式人工智能需要源源不斷的訓(xùn)練數(shù)據(jù)以增強(qiáng)回應(yīng)準(zhǔn)確率，而對數(shù)據(jù)來源是否具有充分合法性這一問題卻明顯關(guān)心不足。伴隨數(shù)字信息技術(shù)的加速革新，資本主義正憑借經(jīng)濟(jì)和技術(shù)優(yōu)勢加速實(shí)現(xiàn)對數(shù)據(jù)資源的占有和壟斷，以奪取技術(shù)霸權(quán)和數(shù)字霸權(quán)，這將會增加數(shù)據(jù)殖民主義威脅。

其次，生成式人工智能可能加深社會偏見和歧視，破壞意識形態(tài)的安全與穩(wěn)定。語料庫的使用和選擇容易攜帶偏見。一方面，語料庫中基于某個文化背景的文本多于其他文化背景，那么基于特定語料庫生成的文本就可能表現(xiàn)出特定文化本身固有的偏見（24）；另一方面，盡管生成式人工智能當(dāng)前無法產(chǎn)生主體意識，但是“其具有的類人性文本生成表現(xiàn)實(shí)際上是研發(fā)方和用戶進(jìn)行數(shù)據(jù)投喂和能力訓(xùn)練的結(jié)果”。（25）因此，由于“經(jīng)驗(yàn)主義”的知識生產(chǎn)方式，生成式人工智能不排除基于含有歧視與偏見的原始數(shù)據(jù)和語料庫信息進(jìn)行知識生產(chǎn)的可能。而由于缺乏面向公眾需要的、明確的“社會規(guī)則算法”，生成式人工智能利用訓(xùn)練數(shù)據(jù)構(gòu)造虛假信息的可能性風(fēng)險(xiǎn)將難以徹底消除。對于使用者而言，生成式人工智能生成的真假參半的信息越多，越有可能誤導(dǎo)公眾對特定群體或事物的看法，從而加深社會中存在的固有偏見。而“通過算法設(shè)計(jì)、編寫和應(yīng)用的價(jià)值主體，明確地或者隱蔽地體現(xiàn)在相應(yīng)的算法之中，就可能喪失商討社會公正的基礎(chǔ)，失去消除社會歧視的前提”。（26）這種偏見或歧視一旦形成，就可能影響人們對主流意識形態(tài)的認(rèn)同與接受，進(jìn)而破壞意識形態(tài)的權(quán)威。尤其是在戰(zhàn)爭、瘟疫或其他特殊時期，由于智能技術(shù)掌握程度和地區(qū)差異，生成式人工智能及其相關(guān)技術(shù)系統(tǒng)將優(yōu)先作用于科技發(fā)達(dá)的國家和地區(qū)，而在落后的國家或地區(qū)，則可能呈現(xiàn)出帶有意識形態(tài)色彩的知識內(nèi)容。比如利用ChatGPT類的生成式人工智能工具生成大量未經(jīng)查證的“知識”來操控輿論，就可能嚴(yán)重威脅特定國家和地區(qū)的意識形態(tài)安全與穩(wěn)定。

總之，知識生產(chǎn)是社會發(fā)展和人類進(jìn)步的重要推動力，以ChatGPT 為代表的生成式人工智能以獨(dú)特的“物性”與“靈性”為知識生產(chǎn)提供了新的工具和手段，也對人類知識生產(chǎn)產(chǎn)生了革命性影響。生成式人工智能的出現(xiàn)還會在人類社會思維、知識產(chǎn)權(quán)和意識形態(tài)等方面帶來重大挑戰(zhàn)。正視生成式人工智能對人類知識生產(chǎn)的革命性影響，需要我們以理性的思考和審慎的態(tài)度來認(rèn)識與處理人類智能與生成式人工智能的關(guān)系。將生成式人工智能視為人類認(rèn)知的延展與知識生產(chǎn)的新方式，利用技術(shù)理性引導(dǎo)生成式人工智能實(shí)現(xiàn)“善用”與“活用”，或許是人類知識生產(chǎn)在生成式人工智能時代的理性選擇。

注釋：

（1） M. Jovanovi?， M. Campbell， Generative Artificial Intelligence： Trends and Prospects， Computer， 2022， 55（10）， pp.107-112.

（2） 肖峰、鄧璨明：《人工智能：接緣技術(shù)哲學(xué)的多重考察》，《馬克思主義與現(xiàn)實(shí)》2021年第4期。

（3） 陳波：《哲學(xué)：知識還是智慧？》，《中國社會科學(xué)》2023年第8期。

（4） 富強(qiáng)、何華燦：《LISP語言的并行性研究》，《計(jì)算機(jī)學(xué)報(bào)》1992年第7期。

（5） 殷杰、董佳蓉：《人工智能的語境論范式探析》，《自然辯證法通訊》2011年第4期。

（6） S. Frieder，L. Pinchetti，R. R. Griffiths，et al.，Mathematical Capabilities of ChatGPT， 37th Conference on Neural Information Processing Systems （NeurIPS）， New Orleans， LA. Advances in Neural Information Processing Systems （NEURIPS 2023）， 2023， 36， pp.27699-27744.

（7） 郭喨：《嚴(yán)格指示詞、自然種類名與人類語言》，《自然辯證法通訊》2023年第9期。

（8） Jürgen Rudolph， Samson Tan， Shannon Tan， ChatGPT： Bullshit Spewer or the End of Traditional Assessments in Higher Education， Journal of Applied Learning and Teaching， 2023， 6（1）， pp.342-362.

（9） 除ChatGPT以外，OpenAI公司全新推出的Auto GPT進(jìn)一步結(jié)合了生成式人工智能與自動化工作的優(yōu)勢。作為一款自主運(yùn)行的GPT，其運(yùn)行過程盡可能減少甚至無需干預(yù)，完全憑借GPT自主決策結(jié)果并結(jié)合外部資源執(zhí)行操作，通過循環(huán)評估策略來檢測目標(biāo)完成程度。AutoGPT的整個執(zhí)行過程全自動化完成，幾乎無人干預(yù)，利用這一技術(shù)不僅可以構(gòu)建其他領(lǐng)域的新型智能體，還能最大程度實(shí)現(xiàn)知識生產(chǎn)的自動化發(fā)展。

（10） 支振鋒：《生成式人工智能大模型的信息內(nèi)容治理》，《政法論壇》2023年第4期。

（11） 杜華、顧小清：《人工智能時代的知識觀省思》，《中國遠(yuǎn)程教育》2022年第10期。

（12） ［清］吳乘權(quán)等輯、施意周點(diǎn)校：《綱鑒易知錄》，中華書局1960年版，第7頁。

（13） 卡爾·波普爾：《猜想與反駁》，傅季重、紀(jì)樹立等譯，上海譯文出版社2001年版，第28頁。

（14） 周學(xué)峰：《生成式人工智能侵權(quán)責(zé)任探析》，《比較法研究》2023年第4期。

（15） 趙振、胡乃平、劉敏、嚴(yán)雋薇：《基于本體可信模型的知識可信評價(jià)理論》，《計(jì)算機(jī)集成制造系統(tǒng)》2014年第11期。

（16） 劉書文、郭喨：《生成式人工智能重構(gòu)人類知識生產(chǎn)與思維方式》，《中國社會科學(xué)報(bào)》2023年4月18日。

（17） 趙汀陽：《GPT推進(jìn)哲學(xué)問題了嗎》，《探索與爭鳴》2023年第3期。

（18） 江怡、董化文：《論人工智能與人類智能的雙向互動》，《自然辯證法通訊》2023年第11期。

（19） 吳瓊、孫程芳：《人工智能時代的國家文化安全風(fēng)險(xiǎn)及其規(guī)避》，《南昌大學(xué)學(xué)報(bào)》（人文社會科學(xué)版）2023年第3期。

（20） Donald S. Chisum， Michael A. Jacobs， Understanding Intellectual Property Law， Mattew Bender， 1992， pp.4-86.

（21） James Grimmelmann，There’s No Such Thing as a Computer-Authored Work—And It’s a Good Thing Too， Columbia Journal of Law and the Arts， 2016， 39（3）， pp.403-416.

（22） 劉易斯·芒福德：《技術(shù)與文明》，陳允明譯，中國建筑工業(yè)出版社2009年版，第9頁。

（23） Nick Couldry， Ulises A. Mejias， The Cost of Connection： How Data Is Colonizing Human Life and Appropriating It for Capitalism， California： Stanford University Press， 2019， p.xiii.

（24） 隋婷婷、郭喨：《“常人的神諭”：ChatGPT類生成式人工智能與人類未來》，《江漢論壇》2024年第7期。

（25） 蒲清平、向往：《生成式人工智能——ChatGPT的變革影響、風(fēng)險(xiǎn)挑戰(zhàn)及應(yīng)對策略》，" 《重慶大學(xué)學(xué)報(bào)》（社會科學(xué)版）2023年第3期。

（26） 孫偉平：《價(jià)值哲學(xué)視域中的算法歧視與社會公正》，《哲學(xué)研究》2023年第3期。

作者簡介：劉書文，蘇州大學(xué)馬克思主義學(xué)院博士研究生，江蘇蘇州，215031。

（責(zé)任編輯 胡 靜）