AI技術與制度協同驅動的文化產業演化機理及進階模式

解學芳 高嘉琪

〔摘要〕 技術與制度的協同創新驅動著社會經濟的發展，也影響著文化產業的創新與演進。自1956年人工智能（AI）概念提出以來，AI經歷了三次發展浪潮，與之伴隨的是在AI技術與制度協同驅動下文化產業的演化變遷史。AI技術驅動文化產業演化主要得益于算法主導的AI內容生產與制度創新的協同，文化大數據驅動的AI技術與文化制度創新的協同以及AI倫理為基準的文化創新與科技倫理制度的協同。在AI技術與制度協同的驅動下，文化產業的智能化演化邏輯帶來“智能+”時代文化產業的進階躍遷模式：文化內容層面從機器生產到內容智造，文化數據層面從大數據到小數據驅動文化長尾，文化倫理層面從科技倫理到AI文化創新倫理。

〔關鍵詞〕 AI技術與制度;協同創新;文化產業;“智能+”;演化機理;進階模式

〔中圖分類號〕F490.3;G124 〔文獻標識碼〕A 〔文章編號〕1000-4769（2021）02-0104-11

〔基金項目〕國家社會科學基金重大項目“‘智能+時代技術與制度協同驅動的現代文化產業體系和市場體系研究”（20ZDA065）

〔作者簡介〕解學芳，同濟大學人文學院教授、博士生導師，教育部青年長江學者;

高嘉琪，同濟大學人文學院博士研究生，上海 200092。

一、問題的提出

在1912年出版的《經濟發展理論》中，約瑟夫·熊彼特提出了“創新理論”（Innovation Theory）這一核心觀點。熊彼特認為“創新”包含新產品、新生產方法、新市場、新供應來源、新組織等五種情況。①而“人工智能”（AI）概念自被首次提出以來已獲得長足發展，不但技術創新取得突破，也牽引了一系列新產品和新形式的出現，還帶來組織形式的創新，且正在催生與“人工智能+”相關的制度創新。創新作為一個復合概念，既包含技術創新，也包含制度創新，而技術創新與制度創新協同必然也是應有之意。關于“協同”的概念厘定可追溯至哲學領域。康德曾基于亞里士多德的范疇分類發展出12個范疇，其中之一便是和關系范疇相關的“協同性”，或曰“共聯性”。康德認為，協同性指的是一個實體在與另一個實體的交互規定中的因果性②，“協同”意味著互為因果。Nelson（1994）指出，技術和制度之間存在協同演化關系，制度既會影響技術，也會因為技術的發展而產生調整。③在此基礎上，焦雨生（2014）提出技術與制度的協同演化是非線性且雙向互動的④，眭紀剛等人（2016）認為技術與制度的協同創新呈螺旋式上升過程且多層嵌套、多向因果⑤，并且技術與制度的協同創新影響著文化產業及其相關產業的創新與發展。Murmann（2006）將技術和制度的協同驅動與產業聯系在一起，指出技術和制度的協同創新將驅動產業的發展。⑥關于文化產業為代表的新興產業的發展問題，特日昆等人（2015）提出戰略性新興產業既應重視技術創新和制度創新，也要明確技術與制度的協同關系。⑦作為“智能+”時代的新經濟，新興文化產業的發展是AI、5G等新興技術和制度協同創新的成果，而這一協同創新內在地統一于文化產業的創新演化進程之中。⑧所以，AI時代技術創新與制度創新協同驅動文化產業發展應是現代文化產業體系的重要內容，研究AI技術與制度協同驅動的文化產業演化機理，不僅有利于深度把握現代文化產業體系的動態性發展，也有助于洞察現代文化產業的進階模式。

二、AI技術與制度協同下的文化產業演化變遷

作為一個專業術語，“AI”的概念可以溯源至1956年的達特茅斯會議。約翰·麥卡錫（John McCarthy）等人提出，AI即讓機器和人類做同樣的行為。AI概念自誕生后的60多年間經歷了“三起兩落”：一是從1956年到20世紀60年代末，AI技術迎來第一次浪潮。二是20世紀70年代初到1980年代前后，尤其是1973年數學家詹姆斯·萊特希爾（JamesLighthill）向政府提供報告嚴厲批評語言處理等AI技術以后，科學界對AI技術的態度日漸消極，各國政府也逐漸削減相關財政投入，AI技術經歷了第一次低谷;1978年，卡耐基梅隆大學開發出一款專家系統軟件程序，隨著這款專家系統1980年投入使用并得以普及，AI發展迎來第二次浪潮;但隨后由于一系列的財政問題，20世紀90年代人工智能之冬（AI winter）到來，AI技術經歷第二次低谷。三是伴隨深度學習的基本理論框架得以驗證，AI技術再上新臺階，特別是2016年由谷歌旗下的DeepMind研發的AlphaGo戰勝世界頂尖棋手李在石，AI技術引起廣泛關注，AI發展迎來第三次浪潮。

值得一提的是，AI技術的發展一直以來與制度的創新相呼應，從而使文化產業得以在AI技術與制度的協同創新下不斷地演化與變遷。由于產業創新不僅需要得益于技術的不斷成熟，還需要在產業領域能廣泛應用。長期來看，文化產業的創新發展相對滯后于AI技術，故基于技術發展的歷史脈絡，文化產業的演化變遷可根據AI技術的發展分為三個階段：1956-1980年，為AI文化產業的萌芽期;1981-2017年，為AI文化產業的導入期;2018年至今，為AI文化產業的發展期。基于此，本文歸納了AI技術與制度協同下的文化產業演化史。

1.萌芽期（1956-1980）：AI技術與制度協同性低，AI文化雛形初現

1956-1980年是AI技術發展的第一起第一落，也可以稱為AI技術與文化交融的萌芽期。這一時期的AI文化新業態嶄露頭角，主要體現于機器人領域和經典棋盤游戲領域。機器人不僅是工業服務者，更是合作者和文化生產者。⑨在AI文化萌芽期，機器人發展的主要代表是聊天機器人（chatbots）和移動機器人，聊天機器人和移動機器人不僅具有娛樂作用，還可以幫助人們學習與練習語言，甚至具有信息檢索、協助電商發展等功能。⑩但受技術水平的制約，無論是聊天機器人還是移動機器人，其功能發展均處于初步階段。1964年問世的世界上第一臺聊天機器人Eliza，可以對某些關鍵詞和短語進行回復，還可以提供真正的人類同情心的幻想。Eliza雖然只是計算機程序在聊天機器人領域的嘗試且未大規模投入使用，但可以視Eliza為當下Apple Siri、微軟小娜、Google Assistant等語音助手的祖母。1966年在斯坦福研究所誕生的世界第一款移動機器人Shakey，具有基于各種計算機程序實現四處走動、感知周圍環境、監視計劃執行并就其行動提出理由等行為特征，作為始于20世紀60年代的少數幾個大型人工智能項目之一，Shakey牽引并帶領了AI的發展。如今無論Kiva倉儲機器人，還是Google的自動駕駛汽車，都可以找到Shakey的原始DNA。

顯然AI文化雛形的出現既離不開技術創新，也離不開一系列制度創新的推動。在技術支撐維度，1958年提出的“感知機”模型可以使機器完成簡單的分類任務B11;而1960年代誕生的強化學習（RL）算法則根源于行為心理學，通過獎懲訓練計算機以強化計算機的行為。感知機模型的發現和強化學習的誕生，增強了機器人對人類指令的服從性。在制度支撐維度，由AI技術牽引，國家對AI領域的資助政策開始陸續出臺。1958年，美國成立了國防部高級研究計劃局（DARPA），著重研究包括AI技術在內的高新科技在軍事領域的應用，與此同時以DARPA為代表的政府機構開始大力資助神經網絡研究;而1973年頒布的《美國版權局工作手冊》顯示美國國會已新成立了“新技術時代作品使用方式考察委員會”，負責關注新技術對著作權的影響。B12

游戲產業是AI文化產業化的重要組成部分。早期對AI游戲的探究大多集中于經典棋盤游戲。有一種觀念認為，這些游戲因簡單的規則而變得非常復雜，并且已經挑戰了數百年乃至數千年的人類最佳思維，在某種程度上抓住了思想的本質。B131962年，阿瑟·塞繆爾（Arthur Samuel）開發的西洋跳棋程序Checkers戰勝了州冠軍;1976年，西北大學開發的國際象棋程序Chess4.5擊敗了頂尖的人類棋手。在技術維度，棋類游戲系統的進步有賴于AI的決策系統，如Checkers具備了初步的自我學習能力;而Chess4.5中“剪枝法”的應用則大大提升了估值函數的計算效率，從而提高了機器的決策能力。在制度維度，一系列的政策創新體現出國家對AI技術發展的重視，如日本1973年實施了《關于保護電子計算機處理的個人信息的條例》B14，德國1977年頒布了《聯邦數據保護法》B15，美國國會于1979年通過了關于《建立國家委員會研究信息技術對教育領域科技影響的法案》B16，等。

可見AI技術的發展在萌芽期便引發了制度層面對著作權、技術影響的反思，而制度層面對AI技術的反思及支持也推動了技術的進一步前行，從而帶來AI文化雛形的出現與發展。不可否認，在這一階段，AI技術與制度的協同性較低，AI涉及的文化領域也較少。究其原因，一是AI萌芽期的計算機計算能力較低、數據積累較少、算法較為簡單，AI技術無法在文化領域獲得更長遠的發展;二是因AI技術還處于起步階段，無論對人們的生活還是對整個社會的影響都較小;三是對AI技術的探索大多局限于科學探索和研究范疇，產業化成果缺乏，未能對制度形成足夠的助推力，而制度對技術的驅動作用也有限。

2. 導入期（1981-2017）：AI技術與制度多維協同，AI文化緩慢發展

1981-2017年是AI技術發展的第二階段，也可稱為AI文化的緩慢發展期。這一時期的AI技術在游戲領域、機器人領域和內容領域實現了多元化發展。在游戲領域，游戲引擎與游戲營銷中開始了對AI技術的使用。B171996年，日本推出的虛擬寵物設備Tamagotchi（直譯為雞蛋表）一時風靡全球;1997年，在著名的人機大戰中，IBM推出的深藍（Deep Blue）戰勝了人類頂級象棋大師，意味著在棋類游戲方面人類與AI的博弈由此拉開帷幕;同年，一款名為Logistello的程序成功地應用于黑白棋中并戰勝了人類冠軍，由于博弈過程中棋子的顏色不斷變化，博弈步法眾多，各種AI技術的應用使得黑白棋至今被稱為“未解決的游戲”，所以游戲產業的發展一定程度上是AI技術創新和制度創新協同演化的成果。AI技術創新主要涉及基礎設施創新、RL算法創新及規劃決策系統創新。1980年代計算機的極大普及和運算速度、存儲量的增加直接帶動了電子游戲的風行，Tamagotchi便是電子游戲中掌機游戲的代表。而AHC算法、TD方法和Qlearning算法的提出則推動了RL的進一步發展，玩家在使用Tamagotchi時，若虛擬寵物不聽話，只需點擊“罵它”，便會提升訓練值并糾正寵物的行為。計算機運算速度的提升也使“窮舉法”取代“剪枝法”成為規劃決策系統的主流，帶來計算機計算能力的大幅提升，并在人機博弈時立于不敗之地。與此同時，AI技術創新也引發了一系列的制度創新，如這一時期歐盟頒布《創新綠皮書》B18《歐洲創新行動計劃》B19等政策，提出了技術創新的重要性，從而為AI技術發展提供了政策背書，體現出國家層面對AI技術的重視，也使AI技術得以在制度的驅動下繼續發展，釋放其技術與制度協同演化的效應。

基于羅伯特·雷諾茲1994年提出的“文化算法”（Cultural Algorithms）概念，有社會研究人員將文化視為一種保存人類既有經驗的知識庫，是可供后人學習的，同時基于文化算法的運用，還進一步提出機器人可以更優地解決真實世界的問題。B20而麻省理工學院的辛西婭·布雷齊爾（Cynthia Breazeal）于1998年設計的情感機器人Kismet可以綜合判斷外界的輸入刺激和內部的需求，進而引起行為的各種變化B21;1999年，索尼推出的四腳寵物機器狗AiBo（AI robot）可以根據時間的推移完成一些復雜的任務和動作B22，成為首款消費型機器人并開始規模性地商用。綜合而言，技術維度，除了基礎設施創新和RL算法創新外，機器人領域的進步還得益于神經網絡的算法創新，比如大衛·魯姆哈特（David Rumelhart）等學者采用“后向傳播”算法訓練神經網絡，直接促進了神經網絡研究的飛速發展;隨后出現的BP算法改進了卷積神經網絡，取得良好的分類效果。制度維度，由于神經網絡的發展需要大量數據，以及數據信息安全問題變得日益重要，引發了國家對數據保護的重視，例如歐盟1995年頒布的《計算機數據保護法》B23中提出了一系列保護計算機數據的舉措，以確保信息安全。

盡管文化產業的商業模式是可以借鑒和模仿的，但基于文化的符號價值與內容價值卻是難以復制的。內容是文化產業的核心。AI進入文化產業領域后便逐步涉足內容領域，聚焦于內容檢索、內容識別與內容生成三個層面。就內容檢索而言，這一時期因數據量的積累和數據處理能力的提升，以及自然語言處理發展繁榮期的到來，使智能搜索功能得到優化，搜索結果更加精確，搜索內容更加豐富;就內容識別而言，AI技術由于基于數據驅動與算法驅動，使語音識別與面部識別更加精準，語言翻譯的質量進一步提升;就內容生成而言，隨著技術的發展，AI有了簡單內容生產能力，如生產新聞信息、文學作品以及戲劇、音樂或其他藝術作品等。實際上，內容領域的發展主要得益于AI技術與制度的協同創新。技術方面，1984年里奧·布萊曼（Leo Breiman）提出的決策樹（decision tree）算法、1995年由弗拉基米爾·瓦普尼克（Vladimir N.Vapnik）等人提出的支持向量機（SVM），以及1999年布萊曼等人在決策樹技術上提出的隨機森林（random forest）都對數據的分類、預測、挖掘有幫助，特別是2003年約書亞·本吉奧等人提出的使用神經網絡訓練語言的模型方法B24開創了使用神經網絡構建語言模型的先河。制度方面，除了保護網絡數據外，很多國家也出臺了相關政策以保護個人數據，如美國政府頒布《電子通訊隱私法》B25，日本政府頒布《個人信息保護法》B26，歐盟頒布《應對大數據的挑戰》B27，等等;除此之外，各國也頒布了相關法律以界定計算機作品的著作權，如1988年英國頒布的《版權、設計和專利法案》B28，不但對作品的著作權（authorship of work）進行界定，還強調“作者”是指創造作品的人，如果是計算機生成的作品，則作者為創作作品所需安排的人員。

此外，算法的進步也使大數據分析更加高效。2006年，因為深度學習（深度神經網絡）基本理論框架得到驗證，進而為發現大數據的復雜結構、提升神經網絡的效果提供了依據。2014年，AI研究員伊恩·古德費洛（Ian Goodfellow）提出所謂生成對抗網絡（GANs）概念，意思是讓AI通過兩個網絡的對抗學習進行訓練，估測數據樣本的潛在分布并生成新的數據樣本。B292017年5月16日，微軟召開媒體溝通會介紹了微軟小冰在技術方面的進展，三天后，微軟出版了一本全程由小冰獨立完成的詩集;同年，阿里巴巴推出的名為“魯班”的智能設計平臺每秒能自動生成8000張海報，極大地節約了設計師的人力，重塑了海報創意與生產模式。本輪AI浪潮由于基于大數據的發展而來，因此信息安全問題依舊是制度創新的重要組成部分，為此美國出臺了《有效保護隱私權的自律規范》（1998）B30，中國則頒布并實施了《網絡安全法》（2017）等。

總而言之，導入期的AI技術與制度的協同是多維度的。一方面，AI技術的發展使全球各個國家意識到技術創新的重要性，紛紛頒布各種創新戰略推動技術發展，AI技術創新因此得以持續;另一方面，AI算法創新需要以大量數據積累為基礎，而數據的大規模運用使數據安全問題逐漸凸顯，相應的，AI內容生產所引發的著作權、版權等問題也需要制度層面的規約，國家為此頒布數據保護法律，既確保了個人數據和網絡數據的安全，也使AI技術及相關產業得以安全發展。正是AI技術與制度的多維度協同，促進AI技術能夠介入文化產業創新領域并獲得多元化的進展。

3.發展期（2018至今）：AI技術與制度高度協同，AI文化順勢興起

2018年至今，是AI技術發展的第三個階段，也是AI全面介入文化產業發展的重要開啟階段。根據中國國家統計局發布的《文化及相關產業分類（2018）》，文化產業涉及新聞信息服務、內容創作生產、創意設計服務、文化傳播渠道、文化投資運營、文化娛樂休閑服務等核心領域。在AI技術和制度的協同下，文化產業細分行業的智能化發展開始了向縱深化的進階。

麥奎爾曾經指出，技術邏輯對媒介內容的影響是相當明確的：聲音與色彩方面的技術進步曾使電影工業隨之改進，印刷技術以及信息傳送技術的更新是報業進步的根源，便攜式攝影機、衛星以及新的數字化科技使電視獲得長足進步。B31同樣，這一時期AI技術對文化內容生產的影響也不斷凸顯。文化內容生產包括新聞信息領域的傳感器信息采集、機器人寫稿，內容創作生產領域的詩集與小說創作、繪畫作品創作，創意設計服務領域的海報設計、產品設計等。就新聞內容生產而言，目前的新聞寫作機器人主要分為三大模式：一是模板化模式，機器人根據模板自動完成新聞撰寫，如美聯社的Quakebot、騰訊的DreamWriter等深耕財經類和體育類以數據分析為特長與以快速報道為訴求的新聞生產;二是再加工模式，如百度的Writingbots是在現有稿件基礎上通過內容分析再加工生成新的文章;三是深度寫作模式，該模式是機器人通過深度學習參與包括素材采集、信息處理、撰寫文本在內的新聞生成的所有環節。B32詩集與小說創作則涉及機器人的自主創作，體現了AI技術從模仿到創作的跨越。與導入期的內容創作相比，本階段的內容生產體現出量級更大、種類更多、內容更智能等特點，AI技術與制度的協同性也更高。從學理的角度看，由大數據驅動的一系列智能系統與優化決策控制是AI技術發展的重點B33，因此AI技術創新需要大數據產業的崛起與海量數據的積累。根據艾瑞咨詢2019年報告B34，全球每年生產的數據量將從2016年的16.1ZB增至2025年的163ZB，呈指數增長。正是有海量數據作為AI的“食物”，才使AI可以生產出更高質量的內容。在制度維度，如何尋求數據保護與加快AI發展平衡點成為深度思考的現實命題，如2018年歐盟頒布《通用數據保護條例》（GDPR）B35以保護歐盟境內的數據安全，英國頒布《英國人工智能發展的計劃、能力與志向》B36，加拿大出臺《泛加拿大人工智能戰略》B37，印度則實施《人工智能國家戰略》B38等，助推和規范AI技術與產業的健康發展。

另一個問題是，AI時代人與人的關系、人與社會以及自然的關系的反映是建立在數字化的生產、存儲、流動和控制方面的，這使文化產業發展的各個領域都面臨著重大的“范式轉換”問題。在AI從選擇性介入到全面介入文化產業的發展期，文化產業從內容原創與生產、到內容分發與傳播渠道都發生了巨大變革。特別是伴隨AI技術與5G時代的疊加出現，通過對用戶數據的挖掘進行內容生產與精準分發已成為當下文化產業發展的常態，如新聞類APP與短視頻平臺能夠根據用戶的性別、年齡、職業、興趣、位置等為用戶精準地推送感興趣的內容，而用戶瀏覽網絡的軌跡與互動評論則成為下一次內容創新與分發的依據。2020年，彈幕視頻網站嗶哩嗶哩（Bilibili）推出的互動視頻便是一個例證，同一個視頻會根據用戶的不同選擇呈現不同的畫面。由于AI文化生產與傳播的發展得益于大數據的積累和算法的不斷迭代，不同于信息傳播中廣義上的大數據，其文化內容生產與傳播所涉及的大數據是用戶數據的聚合。一方面，對用戶數據的高效收集和精準分析有利于高效生產與管理，如2020年新冠肺炎疫情席卷全球以來，大數據和算法根據用戶位置服務（LBS）即可迅速判定個體是否安全以及是否需要隔離，這對控制疫情起到了極大的協助作用;但另一方面，對用戶數據的分析乃至濫用也容易造成個人隱私泄露等問題，亟須制度創新協同跟進。2018年，巴西參議院通過《通用數據保護法》建立一個保護國內個人數據的體系B39;中國則在中共十九屆四中全會上提出“建立健全運用互聯網、大數據、人工智能等技術手段進行行政管理的制度規則。推進數字政府建設，加強數據有序共享，依法保護個人信息。”同時國家新一代人工智能治理專業委員會還頒布了《新一代人工智能治理原則——發展負責任的人工智能》，強調將尊重隱私、安全可控作為AI的重要原則，體現了中國的AI技術、產業發展與制度協同發展的態勢。

從AI介入文化產業的細分行業看，獲取海量準確信息是旅游業的核心。B40AI文化元素的深度挖掘和旅游信息的高效利用則成為新時代文化旅游業高質量發展的關鍵。正是因為AI機器人、AI景區游覽服務介入文化旅游業發展場景，以及內部管理中引入大數據可視化的綜合管理平臺，使其管理更便捷化和透明化。例如，2018年阿里無人酒店“未來酒店”正式上線，酒店內無任何人工服務，客人通過面部識別確定身份后便由機器人帶領至房間門口，房間內的家電、家具均可通過智能音響進行聲控，行李搬運、衣物清洗也都是由大樓內的機器人完成。再比如AI景區游覽服務，國內最具代表性的案例當屬敦煌，游客通過語音導游、人臉識別進入景區，大數據根據天氣客流量規劃旅行線路，使游客感受AI智能游。從技術維度看，AI文化旅游的發展歸功于大數據、算法算力以及5G技術的輔助，由此大大地提高了信息傳送的速度和降低了信息存儲的成本;但與此同時，AI技術在文化旅游中的應用也引發了一系列問題，如美團APP被爆出的大數據殺熟事件。從制度維度看，中國文化和旅游部在2019年發布了《在線旅游經營服務管理暫行規定》，其中第15條規定是“在線旅游經營者不得濫用大數據分析等技術手段，基于旅游者消費記錄、旅游偏好等設置不公平的交易條件，侵犯旅游者合法權益”，目的顯然是明確規范AI技術影響下的文化旅游市場，推動文化旅游業更健康地發展。

總體而言，在AI介入文化產業的發展期實現了AI技術與制度的高度協同。文化產業的智能化創新發展主要歸功于大數據和算法驅動下的AI技術進步，而AI與文化產業的協同發展則離不開技術與制度的協同演化，因此這一時期有很多國家將AI發展視為國家發展的重點，這無疑為AI技術以及產業發展提供了良好的環境;但另一方面，AI文化產業發展中出現的信息安全、個人數據泄露、大數據殺熟等問題尚有賴于新制度的出臺。無論如何，正是因為各方面的成就與問題共同造就了發展期AI文化產業細分行業百花齊放的盛況。

三、AI技術與制度協同驅動的文化產業演化邏輯

有日本學者發現，AI發展史上每個階段密集出現的新技術都一定程度上將技術與文化產業緊密關聯，協力助推科學家、工程師、設計師和藝術家彼此交互、發揮作用，從而主觀或客觀上帶來全新組合產品的出現。B41特別是在AI技術與制度的協同驅動下，人工智能與文化產業之間的協同演化更體現出這一內在的邏輯性，表現在內容、數據和倫理三個維度。

1. 算法主導的AI內容生產與制度創新的協同驅動

隨著AI技術創新的擴散，機器生產內容取得突破性進展。早期AI內容生產存在的數量少、階段早、領域窄、易固化、效果差等問題隨著AI技術應用的縱向發展并且大量地嵌入文化產業的創新實踐而呈現出量級規模大、速度快、領域廣、效果類人化等新特點。在數量上，AI內容生產從小量級到大規模跨進，以寫稿機器人為例，2015年9月，DreamWriter發布第一條新聞稿，但現在DreamWriter每天在騰訊新聞網財經和科技板塊的發稿量已超過2000篇，體育板塊發稿量超過500篇。在速度上，AI內容生產的速度也越來越快，2014年，美聯社Quakebot在地震發生三分鐘后發布了一篇完整的新聞稿;2015年，騰訊DreamWriter每篇新聞稿的生產時間為1分鐘;到2016年，字節跳動xiaomingbot僅需2秒便可成稿發布。除新聞寫稿外，AI內容生產涉及的領域也越來越廣泛，如設計領域的阿里魯班、音樂創作領域的musical.ai、詩歌寫作領域的微軟小冰等。可以認為，AI內容生產已滲透至文化產業的各個領域。在效果上，AI內容生產的擬人化程度越來越高，甚至某些作品已無法分辨是由人創作還是由機器生產，如索尼公司開發的AI寫歌系統可以創作具有樂隊風格的音樂作品。

如前所述，AI內容生產的進步及廣泛應用主要得益于由算法主導的技術創新。的確，在計算機領域，算法是一個永恒的主題。B42對于科學研究而言，從建筑建模系統到模擬飛行器，從數據庫系統到互聯網搜索引擎，算法已經必不可少。算法主導的技術創新具體表現為神經網絡算法的發展，這一發展能助推AI在文化產業領域找到更加廣泛的應用空間。神經網絡算法經歷了神經元、兩層神經網絡和多層神經網絡三個階段。1958年，“感知機”模型被提出，但只能做一些簡單的線性分類任務和處理簡單的視覺任務;1986年，兩層神經網絡的發展使算法可以解決非線性的分類任務;直至2006年，深度神經網絡基本理論框架得以驗證使開發多層次神經網絡成為可能，其優勢是可以將上一層的輸出特征作為下一層的輸入特征進行學習，經過多個層次的逐層訓練達到良好的效果轉化B43;與此同時，卷積神經網絡的改進使計算機可以預測輸出模式，而GANs的誕生則可以模擬數據的生成。總之，是算法主導的技術創新使計算機程序能夠迭代學習并進行文化內容的生產。

在算法主導文化產業內容生產的過程中，不僅技術創新全方位介入，制度創新也相繼跟進，包括算法專利權問題，內容創作機器人或機器程序的專利權問題，以及AI內容生產的著作權問題被一一提上日程。從算法的專利權角度看，無論是美國2019年實施的《美國專利客體審查指南（2019年修訂版）》B44，還是我國2020年2月實施的《專利審查指南》，均規定算法由于其抽象的數學性質，不具有專利權B45;另一方面，基于算法具體應用的機器程序是具有專利權的，所以美聯社Quakebot、騰訊Dreamwriter、百度Wrintingbots、微軟小冰、阿里魯班等內容生產機器程序都擁有專利權。但從機器程序生成的內容是否擁有著作權的角度而言，英國1988年實施的《版權、設計和專利法案》認為計算機生成的內容不具有著作權;日本政府的知識產權戰略本部、澳大利亞的版權審議委員會也認為機器程序生成的內容不具有著作權。B46這些制度層面的規定既賦予了每一個人使用算法的權利，也對算法具體的應用成果給予了專利保護。目前AI生產的內容雖然暫不具有著作權，但隨著AI技術的發展，針對AI內容著作權的爭論也會在某種程度上推動制度創新和技術創新的進一步協同發展，從而推動AI與文化產業發展之間良性互動。

2. 文化數據進階：從大數據到小數據驅動長尾領域

AI技術與制度協同驅動的文化產業進階模式還體現在從文化大數據驅動文化產業核心領域發展向文化小數據帶動文化產業長尾領域的過渡。當下文化產業的智能化發展主要得益于海量大數據的挖掘，發展領域也大多集中在新聞信息、創意設計、休閑娛樂等主流文化產業方面。根據克里斯·安德森（Chris Anderson）提出的“長尾理論”（the Long Tail Theory），在一個消費者足夠大的市場中，熱銷產品僅占所有產品的極少部分，剩余的絕大部分產品是一個“長尾”，其單個產品的利潤遠低于熱銷產品，但這些“長尾”產品的利潤相加起來將大于熱銷產品的利潤。B58這一理論同樣可用于消費者眾多、消費偏好不一的文化產業領域。在文化產業領域同樣存在一個“長尾”，它們不像文化產業頭部領域那樣利潤可觀，但將這些“長尾”相加，其利潤總額并不遜于文化產業頭部領域。因此AI時代文化產業的智能化發展不可忽視文化產業的長尾領域。但文化產業長尾領域的價值釋放同樣需要新技術和新制度的協同助力。在技術維度，亟須文化大數據“盤活”文化小數據，既要加快推進文化大數據的規范化、統一化編目，也要通過大數據分析歸納文化小數據的內在規律，通過GANs對抗學習，在數據缺失的情況下基于小數據生成新數據并對新數據進行運算，從而服務于AI文化的精準生產與精準營銷。在制度維度，世界各國都表現出對大數據的高度重視，如中國出臺了《關于做好國家文化大數據體系建設工作通知》，歐盟出臺了《應對大數據挑戰》B59等。值得一提的是，目前我們在政策上應進一步扶持文化大數據體系建設，通過運用文化大數據“盤活”文化小數據，特別是包括少數民族語言、少數民族文化習俗、傳統手工藝在內的非遺文化等長尾領域，從而促進這些小眾文化發展，形成AI文化多領域齊頭并進的發展格局。

3. 文化倫理進階：從科技倫理到AI文化創新倫理

AI技術在文化產業領域的應用也引發了主體性缺席、算法隱憂、隱私泄露等一系列問題。AI文化科技倫理制度的出臺不但可以緩解文化產業智能化進程面臨的倫理問題，也將有效帶動AI與文化產業的聯動發展。縱觀AI時代文化產業制度創新過程，科技倫理制度的發展將歷經“以人類安全為中心”“確保人類安全基礎上遵守人類社會倫理”“以人類社會倫理為基準助推文化產業健康發展”等一系列進階過程。關于科技倫理制度，最早源于阿西莫夫的機器人三定律，在此定律基礎上各國政府出臺了一系列法律法規以保護AI時代公民的安全，例如加拿大頒布了《個人信息保護與電子文法》，強調使用個人數據時對當事人的保護。B60但是，機器人雖然學會了保護人類安全，AI在執行具體任務時出現的倫理失調事件依舊會引發廣泛關注，2015年谷歌圖像識別算法將黑人標注成猩猩便導致谷歌一度被批評為種族主義。為此，科技倫理制度已將人類社會的倫理規范嵌入機器人程序中，如聯合國的《機器人倫理初步報告草案》B61，歐盟的《歐盟機器人民事法律規則》等B62，以規范AI發展中須遵守的科技倫理邊界。AI文化創新倫理必須建立在科技倫理制度基礎之上，確保在AI文化產業創新發展過程中，其文化創意創新活動即使AI化后仍然尊崇創意階層的主體性創新地位，仍然是“人”作為文化創新與審美演繹的主體，從而確保文化產業智能化朝著公平、安全、健康的方向發展。就公平而言，文化創新倫理制度建設可以有效地解決文化活動中的算法歧視（Algorithmic Bias）、大數據殺熟、用戶隱私泄露等問題;就安全而言，文化創新倫理制度奉行的人類中心主義原則將使AI和機器人完全服從人類的命令并將人類安全放在首要位置以確保人類福祉;就健康而言，主要涉及心理健康與主體健康。文化創新倫理制度建設意味著需要理清基于人工智能的文化產業創新邊界，特別是創新廣度、創新深度方面的邊界B63;同時AI文化創新活動需要框定并確立人作為創意創新核心的主體性，賦予人主體性創新的價值，實現人機互動與共生B64，從而營造健康的文化內容與文化活動，促進人們的心理健康，讓AI文化普惠更多的群體。

五、結語

AI技術驅動文化產業演化主要得益于算法主導的AI內容生產與制度創新的協同，文化大數據驅動的AI技術與文化制度創新的協同，AI倫理為基準的文化創新與科技倫理制度的協同。我們已經進入了移動互聯網、大數據、物聯網、AI、區塊鏈等技術匯聚的“智能+”時代。在AI技術與制度協同的驅動下，文化產業的智能化演化邏輯必然帶來“智能+”時代文化產業的新型進階躍遷模式。AI文化產業遵循算法的邏輯，以及文化大數據和AI倫理的內在聯動，將助推文化產業的創新與演進，進而在AI內容生產與制度創新的協同驅動下，加快利用新技術這一創新資源優勢，形成制度創新紅利，深度推動文化內容、文化數據、文化倫理全方位進階，促進數字化、在線化、網絡化、體驗化、智能化的文化產業新業態與新模式的集聚。這將成為“智能+”時代現代文化產業體系不斷健全的重要特征。

①約瑟夫·熊彼特：《經濟發展理論——對于利潤、資本、信貸、利息和經濟周期的考察》，何畏、易家詳等譯，北京：商務印書館，1991年，第73-74頁。

② 伊曼努爾·康德：《純粹理性批判》，《康德著作全集》第3卷，李秋零譯，北京：中國人民大學出版社，2010年，第91頁。

③ Richard R. Nelson， “The Co-evolution of Technology， Industrial Structure， and Supporting Institutions，”Industrial and Corporate Change， no.3（1）， 1994， pp.47-63.

④ 焦雨生：《技術與制度協同演化的范式創新：TSCPII的提出》，《科技進步與對策》2014年第10期。

⑤ 眭紀剛、陳芳：《新興產業技術與制度的協同演化》，《科學學研究》2016年第2期。

⑥ Johann Peter Murmann， Knowledge and Competitive Advantage： The Coevolution of Firms， Technology， and National Institutions， Cambridge： Cambridge University Press， 2006， p.21.

⑦ 特日昆、宋波、徐飛：《技術與制度協同創新的戰略性新興產業演化機理研究》，《科學管理研究》2015年第4期。

⑧ 解學芳、蓋小飛：《技術創新、制度創新協同與文化產業發展：綜述與研判》，《科技管理研究》2017年第4期。

⑨ Samani et al， “Cultural Robotics： The Culture of Robotics and Robotics in Culture，”International Journal of Advanced Robotic Systems， no.10， 2013， pp.1-10.

⑩ Shawar， Bayan Abu and Eric Atwell，“Chatbots： Are They Really Useful？”Ldv Forum， 2007， pp.29-49.

B11 于佃海、吳甜：《深度學習技術和平臺發展綜述》，《人工智能》2020年第3期。

B12 熊琦：《人工智能生成內容的著作權認定》，《知識產權》2017年第3期。

B13 Georgios N. Yannakakis and Julian Togelius， Artificial Intelligence and Game， Berlin： Springer Press， 2018， p.8.

B14 新保 史生：《個人情報保護をめぐる環境変化の沿革と法制度の変遷》，《情報の科學と技術》2020年第70卷第5號。

B15 “Bundesdatenschutzgesetz （1977）”，1977年2月1日，https：//www.datenschutz-wiki.de/BDSG_1977.

B16 “A Bill to Establish A National Commission to Study the Scientific and Technological Implications of Information Technology in Education”，1979年6月5日，https：//www.congress.gov/bill/96th-congress/house-bill/4326？q=%7B%22search%22%3A%5B%22hr4326%22%5D%7D&r=1&s=4.

B17 Preuss， M.， Risi， S.，“A Games Industry Perspective on Recent Game AI Developments，”Künstl Intell， no.34， 2020， pp.81-83.

B18 “Green Paper on Innovation，”1995年12月20日，https：//eur-lex.europa.eu/legal-content/EN/TXT/？uri=CELEX%3A51995DC0688&qid=1610941440329.

B19 “The First Action Plan for Innovation in Europe，”1996年11月20日，https：//eur-lex.europa.eu/legal-content/EN/TXT/？uri=CELEX%3A51996DC0589&qid=1610941558153.

B20 陳樹斌、陳瑋、李劍平：《基于文化算法的家庭服務機器人任務規劃》，《計算機工程與應用》2012年第33期。

B21 王志良、王巍、谷學靜、鄭思儀：《具有情感的類人表情機器人研究綜述》，《計算機科學》2011年第1期。

B22 Tomizuka Masayoshi， “Dynamic Walking of AIBO with Hopf Oscillators，”Chinese Journal of Mechanical Engineering， no.24， 2011， pp.612-617.

B23 “Directive 95/46/EC of the European Parliament and of the Council of 24 October 1995 on the Protection of Individuals with Regard to the Processing of Personal Data and on the Free Movement of Such Data，”1995年10月24日，https：//eur-lex.europa.eu/legal-content/EN/TXT/？uri=CELEX%3A31995L0046&qid=1610898245990.

B24 Bengio Y， Ducharme R， Vincent P， et al.，“A Neural Probabilistic Language Model，”Journal of Machine Learning Research，no.3， 2003， pp.1137-1155.

B25 “Electronic Communications Privacy Act of 1986，”1986年10月21日，https：//www.congress.gov/bill/99th-congress/house-bill/4952.

B26 梶田幸雄：《日本個人信息保護法概要》，柴裕紅譯，《人民法院報》2018年6月29日，第8版。

B27 B59 “Meet the Challenges of Big Data，”2015年11月9日，https：//edps.europa.eu/data-protection/our-work/publications/opinions/meeting-challenges-big-data_en.

B28 “Copyright， Designs and Patents Act 1988，”1988年11月15日，https：//www.legislation.gov.uk/ukpga/1988/48/contents.

B29 吳少乾、李西明：《生成對抗網絡的研究進展綜述》，《計算機科學與探索》2020年第3期。

B30 “Elements of Effective Self-Regulation for Protection of Privacy - Discussion Draft，”1998年1月27日，https：//www.ntia.doc.gov/report/1998/elements-effective-self-regulation-protection-privacy-discussion-draft.

B31 麥奎爾：《麥奎爾大眾傳播理論》，崔保國、李琨譯，北京：清華大學出版社，2006年，第269頁。

B32 B54 郭琪：《“AI+記者”：智媒時代人機協同寫作模式的局限性與可能性》，《出版廣角》2019年第24期。

B33 解學芳、臧志彭：《人工智能在文化創意產業的科技創新能力》，《社會科學研究》2019年第1期。

B34 艾瑞咨詢：《中國人工智能基礎數據服務行業白皮書》，2019年9月11日，http：//report.iresearch.cn/report_pdf.aspx？id=3434.

B35 “General Data Protection Regulation，”2018年5月25日，https：//gdpr.eu/tag/gdpr/.

B36 “AI in the UK： Ready， Willing and Able？”2018年4月16日，https：//publications.parliament.uk/pa/ld201719/ldselect/ldai/100/10014.htm.

B37 B56 “PanCanadian Artificial Intelligence（AI） Strategy，”2017年3月22日，https：//futureoflife.org/ai-policy-canada/.

B38 “National Strategy On Artificial Intelligence，”2018年6月4日，https：//niti.gov.in/national-strategy-artificial-intelligence.

B39 “What is the LGPD？ Brazils version of the GDPR，”2018年8月14日，https：//gdpr.eu/gdpr-vs-lgpd/.

B40 Onuiri Ernest， et al， “Intelligent Tourism Management System，”American Scientific Research Journal for Engineering， Technology， and Sciences， no.18（1）， 2016， pp.304-315.

B41 Aristova U.V.， et al， “The Use of Internet of Things Technologies Within the Frames of the Cultural Industry： Opportunities， Restrictions， Prospects，”Communications in Computer and Information Science， vol. 859， 2018， pp.146-161.

B42 Robert Sedgewick， Kevin Wayne：《算法》，謝路云譯，北京：人民郵電出版社，2012年，第5頁。

B43 崔璐、張鵬、車進：《基于深度神經網絡的遙感圖像分類算法綜述》，《計算機科學》2018年第S1期。

B44 B57 “2019 Revised Patent Subject Matter Eligibility Guidance，”2019年1月7日，https：//www.federalregister.gov/documents/2019/01/07/2018-28282/2019-revised-patent-subject-matter-eligibility-guidance;“Personal Information Protection and Electronic Documents Act，”2000年4月13日，https：//www.canlii.org/en/ca/laws/stat/sc-2000-c-5/latest/sc-2000-c-5.html.

B45 狄曉斐：《人工智能算法可專利性探析——從知識生產角度區分抽象概念與具體應用》，《知識產權》2020年第6期。

B46 王遷：《論人工智能生成的內容在著作權法中的定性》，《法律科學——西北政法大學學報》2017年第5期。

B47 楊慶峰：《從人工智能難題反思AI倫理原則》，《哲學分析》2020年第2期。

B48 阿西莫夫在《環舞》中提出了機器人三定律：第一，機器人不得傷害人類，或看到人類受到傷害而袖手旁邊;第二，在不違反第一定律的前提下，機器人必須絕對服從人類給予的任何命令;第三，在不違反第一法律和第二法律的前提下，機器人必須盡力保護自己。

B49 張建文：《阿西莫夫的教誨：機器人學三法則的貢獻與局限——以阿西莫夫短篇小說〈汝竟顧念他〉為基礎》，《人工智能法學研究》2018年第1期。

B50 B61 “Preliminary Draft Report of COMEST on Robotics Ethics，”2016年8月5日，https：//unesdoc.unesco.org/ark：/48223/pf0000245532.

B51 B62 “Civil Law Rules on Robotics，”2017年2月16日，https：//eur-lex.europa.eu/legal-content/EN/TXT/？uri=CELEX%3A52017IP0051&qid=1610902354098.

B52 “Asilomar AI Principles，”2017年1月5日，https：//futureoflife.org/ai-principles/.

B53 張建文：《建設以阿西莫夫機器人學法則為基礎的現代人工智能倫理——以〈機器人學與人工智能示范公約〉的解讀為基礎》，《山東社會科學》2020年第7期。

B55 “UK Strategy for Robotics and Autonomous Systems，”2014年7月1日，https：//www.industryforum.co.uk/resources/articles/uk-strategy-for-robotics-and-autonomous-systems/.

B58 Chris Anderson，Long Tail， The Revised and Updated Edition： Why the Future of Business is Selling Less of More， New York： Hyperion Book， 2006， p.24-26.

B60 “Personal Information Protection and Electronic Documents Act，”2000年4月13日，https：//www.canlii.org/en/ca/laws/stat/sc-2000-c-5/latest/sc-2000-c-5.html.

B63 解學芳：《人工智能時代的文化創意產業智能化創新：范式與邊界》，《同濟大學學報》（社會科學版）2019年第1期。

B64 莊忠正：《人工智能的人學反思——馬克思機器觀的一種考察》，《東南學術》2019年第2期。

（責任編輯：張 琦）