基于引爆點理論的人工智能生成內容微博網絡輿情傳播與演化分析

吳江　黃茜　賀超城等

關鍵詞：AIGC；人工智能；生成內容；微博；網絡輿情；引爆點理論；情感演化

DOI：10.3969/j.issn.1008-0821.2023.07.014

[中圖分類號]G206 [文獻標識碼]A [文章編號]1008-0821（2023）07-0145-17

隨著技術的不斷迭代，人工智能正在經歷從人類創造性活動的輔助性工具向一個獨立的創造性實體的角色轉變。人工智能自主生成內容（Artificial Intelligence Generated Content，簡稱AIGC），是指繼專業生成內容PGC和用戶生成內容UGC之后，利用人工智能技術自主生成數字內容的新型內容生產方式。隨著元宇宙和Web3.0的走熱，下一代網絡空間的繁榮也對數字內容生產的規模、形式和交互性提出了更高的要求。AIGC正是依托人工智能技術的自生性和涌現性特征，突破人腦在內容產能上的束縛，實現以1/10的成本和百倍千倍的生產速度，創造出具有獨創性和價值性的內容，有效填補數字世界內容供給缺口。尤其自2022年以來，AIGC入選《Science》十大重大科學突破事件，在實現全球科技創新轉變和產業創新發展上取得了不斐成績。人工智能內容生產的重心已然從文本轉向圖像，乃至多模態的復雜場景創作，更在世界范圍內悄然引導著一場深刻的變革，以新技術、新理念全面融入文化、娛樂、銷售等各個產業，使得這一概念再次進入大眾視野。

當前，國內外有關AIGC的研究大多圍繞著作版權、人機關系、技術方案等領域，以社交平臺、廣告營銷、藝術創作等具體場景為研究背景，定性探討人工智能生成內容的應用現狀及可行性問題，缺乏從宏觀層面對于AIGC所引發廣泛社會討論的把控。與此同時，互聯網的高速發展進一步提升了輿情傳播對經濟社會發展的影響能力，輿情如何導致一定的經濟、社會或政治后果已經成為交叉學科領域的重要研究問題。微博等新網絡媒體平臺實際上已經成為觀察社會微觀層次的個人決策如何發展成為宏觀層次的社會現象的重要途徑。尤其微博作為國內社會注意力的焦點平臺，匯聚了政府、企業、機構、媒體和個體各類用戶，更具開放性和實時性，影響面更廣，使用者異質性更強，能夠在一定程度上反映社會心態。目前，已有學者驗證了微博輿情和社會投資、股市行情等的關聯性。AIGC微博網絡輿情傳播特征很大程度上反映了各領域用戶對這一新理念的社會認同度，更透露出其產業現狀與發展潛力，故能夠從定量視角利用大規模網絡輿情數據，解讀AIGC社會關注度特征來把握這一社會流行潮的發展脈絡，為AIGC未來產業發展提供建議。

引爆點理論則常被用于探究社會上各種潮流的出現，認為人們的思想、行為、觀點以及產品的流行具有與傳染病暴發相同的特點，能夠在短期內迅速傳播蔓延，受到大眾追捧。同時，該理論指出，一切社會流行潮的引爆均遵循三大黃金法則，即附著力因素法則、個別人物法則和環境威力法則，分別關注流行事物本身的特性、信息傳播活動中的關鍵人物以及流行事物所處社會環境，從而能夠對應傳播內容、傳播者和傳播環境三大要素對各類社會風潮引爆的內在機制和傳播現狀進行探析。

因此，面對AIGC浪潮的勢不可擋，本研究將圍繞如何揭示AIGC所引起的網絡輿情態勢及其變遷，探討AIGC現象級走紅背后的導火索，合理引導該流行潮健康理性發展這一問題，融合引爆點理論，基于附著力因素、個別人物、環境威力三大法則，構建AIGC網絡輿情傳播分析模型，通過分析輿情傳播的內容主題演進、多角色用戶傳播網絡特征及情感環境變化，定量刻畫AIGC引爆的內容特性、關鍵人物以及社會環境，從而在理論層面為流行事物的輿情傳播研究拓寬了新的理論視角，擴展了引爆點理論的使用場景，并使AIGC相關學術研究不僅限于當前定性討論，更能在實踐層面上為政府、產業界和學術界合理看待AIGC產業現狀與發展潛力、合理制定相關發展決策，以及引導大眾理性討論相關話題、創建人機和諧未來提供建議。

1相關研究

1.1 AIGC浪潮

早在20世紀60年代，已經有學者嘗試利用人工智能完成編曲、寫作等內容創作，但受限于當時科技水平，AIGC僅限于小范圍實驗，其創作成果在完整性、可讀性方面也不盡如人意。但人工智能始終是全球競相爭奪的科技制高點，大數據時代更好的模型、更多的數據和更高的算力為AIGC技術能力的迭代升級和實際場景的擴展應用提供了強力的支撐和全新的可能性。在科技創新上，一系列擴散模型（Diffusion Model） ，包括GLIDE、DALLE2、Imagen等的發布帶來了人工智能場景感知能力的顯著提升，使得人工智能內容步入“Text-to-Image”（文字生成圖像）的新階段，乃至多模態的復雜場景創作。而在產業應用上，AI繪圖工具Midjourney創作的藝術作品《太空歌劇院》獲得美國科羅拉多州博覽會藝術創作比賽一等獎，拉開了AIGC全球熱潮的序幕。與此同時，AI數字虛擬人也逐漸拓展到虛擬主播、虛擬歌手、虛擬偶像、虛擬員工等諸多領域，“數字小編”更成為全國兩會、冬奧會、冬殘奧會等重大活動的創新表達，為其報道傳播深度賦能。人工智能內容生成正在世界范圍內悄然引導著一場深刻的變革，以新技術、新理念全面融入文化、娛樂、銷售等各個產業，為數字內容的生產方式和消費模式帶來創新與顛覆。

2022年已經成為AIGC元年。百度將跨模態通用可控AICC納入2022十大科技前沿發明，預測AIGC將在未來十年顛覆現有內容生產模式；Gart-ner同樣將AIGC列為2022年五大影響力技術之一，預測到2025年，生成式AI所創造的數據可占到所有已生產數據的10%，當下該比例不足1%。AIGC儼然已經成為人工智能領域的新興技術趨勢，受到了全社會各界的持續高度關注，并逐漸滲透到社會生活的方方面面，為經濟產業帶來了新的增長曲線和發展空間，然而，目前對于AIGC的研究主要關注人工智能技術模型的演進，以及從概念內涵、應用場景、政策治理、人機關系等定性視角展開討論，缺乏從定量視角利用大規模網絡輿情數據解讀AIGC社會關注度特征及演化規律，探討AIGC浪潮背后的促進因素。故有必要構建AIGC網絡輿情傳播分析模型，通過觀察AIGC所引起的網絡輿情態勢及其變遷，更加精確地揭示AIGC走紅背后的內容、用戶、情感特征，從而引導AIGC理性討論與健康發展。

1.2引爆點理論

引爆點理論由美國心理學家馬爾科姆·格拉德威爾在其暢銷書《The Tipping Points》中提出，認為人們的思想、行為、觀點以及產品有時會像傳染病一樣迅速傳播蔓延，即形成所謂的社會流行潮，而流行潮爆發的那一刻即被稱為引爆點。在引爆點理論視域下，社會上各種潮流的出現都遵循著3個黃金法則，分別為附著力因素法則、個別人物法則和環境威力法則，分別對應傳播內容、傳播者和傳播環境3個要素。其中，附著力因素法則強調流行事物本身的特性，認為傳播信息的附著力在于話題本身具有爭議性與吸引力，更能通過簡單的信息組織與包裝而有所提升，從而使信息變得令人難以抗拒。個別人物法則關注的是信息傳播活動中的關鍵人物，認為傳播網絡中的意見領袖是擴大信息傳播范圍、引發流行潮的關鍵，并指出弱關系比強關系更能促進信息的傳播。而環境威力法則認為，人對周圍環境的敏感程度比他們表現得更為強烈，某種流行事物的產生并不是某類人行為的單獨作用，而與該事物產生的大環境有關。

目前，引爆點理論已被廣泛運用于解釋經濟和社會領域中各類社會流行潮的導火索，分析流行事物或現象引爆的內在機制，從而為更好地塑造該流行潮走向以及擴大相關領域信息傳播的影響力提供參考。基于引爆點理論的三大法則，博文內容的多樣性和話題性體現了信息本身的附著力；而各類微博用戶在傳播網絡中所處的中心性地位將決定其影響范圍的廣度和深度；同時蘊含在博文中的用戶個人情感將隨著信息傳播在微博擴散，從而感染其他用戶。

因此，為探究AIGC這一社會熱潮背后的內在動力機制，引爆點理論被選擇作為本研究的理論框架，用于構建AIGC網絡輿情傳播分析模型，對應附著力因素法則、個別人物法則和環境威力法則，分別從內容、用戶、情感3個維度進行基于內容維度的主題演化分析、基于用戶維度的輿情傳播網絡和基于情感維度的情感演化分析，從而更加精確、客觀地刻畫AIGC走紅下的輿情傳播特征。

1.3網絡輿情傳播

作為“第四媒體”，互聯網的高速發展為社會事件的傳播提供了空間，而網絡輿情可以認為是公眾對互聯網上傳播的“熱點”和“焦點”所表達的具有一定影響力和傾向性的言論和觀點，其如何導致一定的經濟、社會或政治后果也已經成為交叉學科領域的重要研究問題。微博等新網絡媒體平臺匯聚了政府、企業、機構、媒體和個體各類用戶，影響面廣且使用者異質性強，其中所發布的相對真實、隱含市場信號的博文在分級傳播過程中，甚至能夠對真實的產業走勢產生影響，并在輿情傳播的滲透和渲染效應下，產生連鎖反應，成為觀察社會微觀層次的個人決策如何發展為宏觀層次的社會現象的重要途徑。當前，已有研究證明了微博輿情變化和社會投資、股市行情等的關聯性，指出微博作為當下具有廣泛社會影響力的自媒體平臺，能夠在一定程度上反映社會心態和市場趨勢。

同時，網絡輿情傳播研究方法主要圍繞主題演化、情感演化、意見領袖、傳播模型4類展開，抽取輿情事件的內容屬性、人群屬性、情緒屬性作為其內部屬性，并與事件主題、意見領袖、情感演化相對應作為其外化表現。考慮到輿情傳播呈現出“傳播速度快、參與者眾多、社會發酵能力明顯、內容多元與分散”等特征，想實現從多屬性、多維度綜合解讀輿情的社會影響力，既要借助社會網絡分析方法，精準定位輿情傳播過程中的意見領袖并量化其影響力大小，也要從內容主題和內容演進相結合的視角，把握不同時期輿情主題的分布情況；同時，情緒作為當代輿情演化的關鍵性動力，挖掘并復現輿情熱點事件的情感演化趨勢具有重要意義。基于此，AIGC作為頗受熱議的新興產業，可以通過分析微博網絡輿情傳播特征，從內容、用戶、情感3個維度間接測度各領域用戶對這一新理念的社會認同度，全面地刻畫出AICC的產業現狀與發展潛力，以期從整體和長期的視角，為AIGC持續保持高關注度和參與度提供建議。

2基于引爆點理論的AIGC網絡輿情傳播分析模型構建

本文圍繞AIGC輿情展開研究，利用新浪微博上的熱點事件數據，采用定性和定量相結合的方式構建基于引爆點理論的AIGC網絡輿情傳播分析模型，其具體框架如圖1所示。在引爆點理論視域下，把握附著力因素法則的核心在于對傳播內容的把控和包裝，具有前瞻性、多樣性和爭議性的博文主題內容體現了信息本身的附著力，更能吸引大眾參與其中、各抒己見，保證了其自身的傳播效果。而個別人物法則強調信息傳播過程中不可或缺的傳播主體，認為具有被社會廣泛認同地位的個體所發表的言論更容易被公眾所接受，并引起更多群體的自發推廣和營銷，提高傳播的效果，即可以認為各類微博用戶在傳播網絡中所處的中心性地位將決定其影響范圍的廣度和深度。此外，對應環境威力法則，任何一個潮流的興起都離不開其所處環境的影響，人們對于所處環境的敏感程度比想象中更強烈，而蘊含在博文中情感的擴散將營造出獨有情感傳播環境，引起更多用戶共鳴并參與其中。故可以從內容、用戶、情感3個維度對AIGC流行潮的傳播特征進行全面刻畫，進行基于內容維度的主題演化分析、基于用戶維度的輿情傳播網絡分析和基于情感維度的情感演化分析，從而揭示AIGC網絡輿情熱潮的傳播規律與演化趨勢。這一方面為流行事物輿情研究拓寬了新的理論視角，擴展了引爆點理論的使用場景；另一方面也綜合考慮了輿情的內容、用戶、情感屬性，相互融合，交叉印證，為全面刻畫微博輿情事件提供了新的研究思路。

2.1基于內容維度的主題演化分析

BERT模型是2018年谷歌公司提出的一種基于深度學習的語言表示模型，該模型憑借Trans-former優越的特征提取能力和Fine-tunning強大的遷移學習能力來獲取更為豐富的語義特征，在眾多NLP任務包括主題抽取、文本分類、語義研究等中表現出色。當前，已有很多學者將BERT模型與LDA模型相結合來提高文本主題聚類效果，以解決特征詞抽取過程中的語義模糊問題。然而，LDA模型忽略了文檔時間戳的依賴關系，無法捕捉文檔主題內容和時間的相互映射。但對于微博文本這類具有明顯時序性特征的數據集，其時序信息蘊含了輿情事件演化的發展脈絡，融合時序特征的微博主題演化方法將更有利于探究其中社會關注點轉變的關鍵線索。DTM模型（Dynamic TopicModel，動態主題模型）作為LDA模型的繼承與發展，能夠將主題的演變建模為離散的馬爾可夫過程，進一步結合時序特征，在一個按時間順序組織的文檔語料庫中捕獲主題的演變，適用于處理具有時間戳的文檔集，捕捉主題和主題詞在時序上的動態特征和協同演變網絡，在更好地考慮博文動態性、理解博文內容方面具E 獨特優勢。

因此，如圖2所示，本文利用DTM-BERT模型實現對AIGC相關原創微博文本的動態主題建模，對預處理后的微博文本數據集按月進行時序切片處理，利用Python程序讀取全部微博文本分詞構建所需要的語料庫并構造詞典，進而根據最優主題數構造K維DTM動態主題特征向量和768維BERT語義特征向量，并將其進行加權拼接得到既包含時序詞義特征又包含整體語義特征的新向量；其次，采用自編碼器將拼接向量映射到低維潛在空間，獲得與每個微博文本所對應的32維向量表示，從而進一步利用K-means進行主題聚類，獲取AIGC原創博文的主題一主題詞分布，并基于主題模型生成不同時期的AIGC主題詞共現圖譜，進行可視化展現和分析，揭示在不同階段AIGC相關主題的演進過程及公眾關注焦點的變化過程，總結AIGC輿情發展變化規律。

2.2基于用戶維度的輿情傳播網絡分析

社會網絡分析（Social Network Analysis，SNA）方法通過網絡結構來表示社會行動者及其互動關系，被廣泛應用于各行各業事物及人物間的復雜關系研究之中。而對于輿情事件發展過程的刻畫，SNA的研究范式同樣被用于通過用戶間轉發關系等構建輿情傳播網絡，并進一步探究其整體網絡結構特征、網絡關鍵節點識別、網絡輿情動態演變，從而為網絡輿情的監控與引導提出相關建議。

因此，本文運用社會網絡分析方法構建AIGC微博輿情傳播網絡，將其抽象為以用戶為節點、以用戶間的轉發關系為邊、以用戶間轉發微博的數量作為邊權重的有向加權網絡，并根據微博用戶認證類型和粉絲數提取8類用戶角色（普通用戶、知名博主、企業公司、電視媒體、內容機構、政府單位、明星藝人、校園組織），通過節點顏色加以區分，進而從整體網絡結構測量和個體角色位置識別兩個角度分析AIGC微博輿情傳播網絡特征，識別AIGC輿論風潮傳播中的關鍵意見領袖及其用戶角色，量化其傳播影響力。

2.3基于情感維度的情感演化分析

LIWC文本分析工具依靠一組內置的心理學詞典和文本處理模塊，能夠對輸入文本的情感、認知和結構成分進行自動評估，被應用于文本情感分析之中。當前，LIWC在情感分析中的有效性和穩健性已經得到驗證，在對政治話語、口譯文本、推特評論等的情感水平測量中均表現出良好效果。

因此，本文將引進LIWC文本分析工具對AIGC微博文本特征進行提取，以積極情感詞頻和消極情感詞頻分別作為該句的積極和消極情感得分，若其積極情感得分高于消極情感得分，則該句判定為積極情感傾向，反之則為消極情感傾向，若相等，則表現出中性情感。同時，以某段時期內所有博文的積極和消極情感得分均值作為該段時期下AIGC微博輿情的積極和消極情感得分，進而尋求公眾情感隨時序變化的演變特征和原因，同時關注輿情主題與情感演變之間的聯系，為預測和引領AIGC輿情演化中公眾情感趨勢提供針對性策略，進而引導用戶理性看待AIGC熱潮，促進AIGC積極情感擴散。

3實證分析

基于前述的引爆點理論“三黃金法則”構建AIGC網絡輿情傳播分析模型，從而對此人工智能新風潮背后的促進因素進行探析。從附著力因素法則出發，基于內容特征分析AIGC微博輿情主題演化，結合主題詞共現圖譜揭示AIGC輿情發展變化規律；從個別人物法則出發，基于用戶特征分析AIGC輿情傳播網絡的結構特征和節點屬性，識別該輿論風潮傳播中關鍵用戶的角色位置，量化其傳播影響力；從環境威力法則出發，基于情感特征分析AIGC網絡輿情信息環境，通過LIWC對微博文本情感傾向與得分進行計算，并結合時序和主題探究其情感演化特征。

3.1數據獲取

本研究首先通過國內外前沿報告和文獻檢索，獲取了描述AIGC概念內涵和主要應用領域的相關詞匯，并通過德爾菲法專家咨詢，最終歸納選取了8個檢索關鍵詞，即“AIGC、AI生成、人工智能生成、AI創作、人工智能創作、AI虛擬人、AI繪畫、AI寫作”，據此從新浪微博抓取了2021年11月1日-2022年11月20日的微博數據，并對獲取到的博文進行去重、清洗，最終得到有效微博文本數據共61446條，其中原創微博共38069條。

如圖3所示，微博平臺上有關AICC相關話題的討論在2021年11月—2022年5月都處于穩定居低狀態，大多為元宇宙相關話題的帶動，缺乏領域內熱點話題，用戶轉發擴散不足。直至2022年下半年，隨著Stable Diffusion的開源應用，文本生成圖像的AIGC應用逐漸為大眾所熟知，AIGC相關原創微博數和轉發微博數都開始出現成倍增長。尤其在2022年8月，AIGC繪畫作品《太空歌劇院》獲得美國藝術創作比賽一等獎，掀起了全網對AI繪畫的討論熱潮：此后，AIGC的“含科量”和“含資量”得到認可，國內外相繼發布AICC研究報告，百度、Coogle等科技巨頭加速布局，AIGC獨角獸企業受到資本青睞，使得2022年10月AIGC達到了前所未有的公眾關注度，而在2022年11月雖然轉發微博數有所回落，但原創微博數同樣處于較高地位，社會大眾仍然對這一新賽道抱有極大熱情。

3.2內容維度分析：基于BERT-DTM的AIGC微博主題演化分析

3.2.1關鍵詞提取及主題識別

為了確定聚類時的主題數量，本研究首先采用主題一致性（Coherence Value，CV）指標來衡量同一主題內的特征詞語義是否連貫，從而確定最優的AIGC微博主題數量。因此，設置k值等于2～20，計算不同主題數下的CV值。結果證明，當主題數為6時，BERT-DTM模型的困惑度值最高，大于6時則波動下降。因此，設定主題數為6，得到BERT-DTM模型的聚類結果在UMAP算法后的二維投影，如圖4所示，同一主題內的凝聚性和一致性較好，6個不同主題塊之間邊界清晰，間距適當，驗證了BERT-DTM模型在AIGC微博文本主題聚類中具有優良性能。

因此，在利用BERT-DTM模型進行AIGC原創微博主題聚類識別的基礎上，通過計算各時期內每個主題下微博文本中各個主題詞的詞頻并進行降序排列，得到top15的高頻主題詞分布如表1所示，并總結得到6個主題（topicl：技術進展，top-ic2：活動營銷，topic3：數字藝術，topic4：市場投資，topic5：虛擬主播，topic6：前景展望）。

3.2.2 AIGC微博輿情主題演化

根據文檔一主題映射得到每條博文所屬主題，各主題下AIGC原創微博文本數量，如圖5所示，以及2021年11月—2022年11月各主題下微博數量演化趨勢，如圖6所示，其中主題寬度和上下位置分別代表了該主題下AIGC原創微博數的絕對量和相對排名，反映了其在不同時期的熱度變化。此外，利用Cephi繪制不同階段的微博主題詞共現網絡，如圖7所示，其中，共現頻次越大，則邊權重越大，連邊的顏色越深且邊越粗；節點中介中心度越大則節點本身及其標簽越大。

整體而言，如圖5所示，AIGC的現象級走紅得益于大數據時代更好的模型、更多的數據和更高的算力，帶來了以AI繪畫、AI虛擬人為代表的更加豐富多元、動態且可交互的數字內容，也使得各行業對于AIGC的應用場景擴展產生了多樣憧憬。其中topicl（技術進展）、topic3（數字藝術）和topic6（前景展望）總體熱度明顯高于其他主題，而topic4（市場投資）和topic5（虛擬主播）熱度一般，topic2（活動營銷）則明顯熱度較低。近年來，深度學習算法在大模型和多模態兩個方向上不斷突破，尤其CPT-3、ChatGPT等開創性技術模型的出現和開源極大提升了行業整體人工智能算法的學習能力，成為AIGC發展的“加速度”。在強大技術支撐下.AIGC也發展出以AI繪畫、AI虛擬人為代表的AI多模態生成內容和AI多模態智能交互兩大知識創造新模式，并已率先在多個行業領域取得重大創新發展，應用場景廣闊。當然，目前AIGC仍處于初級階段，在版權認定、信息安全、用戶信任等方面存在諸多風險，而這也是市場投資話題關注度相對較低，仍處于觀望狀態的原因之一。

具體而言，進一步分析6個主題隨著時間（月份）變化的演化情況，如圖6，圖7所示。2021年11月-2022年3月，各話題熱度均穩定居低，top-ic4（市場投資）更出現下降趨勢，topic6（前景展望）在此期間處于主導地位。2021年以來，元宇宙熱潮下各行業領域積極探索Web3.0時代的全新生產力工具，帶動了以AI技術為依托的虛擬內容生成陸續涌現，但由于缺乏突破式創新，AIGC相關話題熱度并不高，市場投資熱情也有所下降。如圖7（a）所示，2021年12月，“元宇宙”“應用”“發展”“未來”等前景展望相關主題詞依舊高頻存在，同時存在由“虛擬人”“新華社”“主播”“視頻”等組成的關于AI虛擬主播的小集群，此時，央視新聞的首個“AI手語主播”在冬奧會公開亮相，成為大眾認識并了解AIGC價值的契機。而如圖7（b）所示，2022年2月，隨著AI圖像生成技術模型Disco Diffusion面世，“平臺”“技術”“關鍵詞”“藝術”“創作”等技術模型和數字藝術相關主題詞熱度開始攀升，初步預告了2022年下半年AIGC熱潮的全面引爆。

2022年4月—11月，AIGC相關主題熱度的走勢可以分為攀升型、回落型和穩定型。對于攀升型，topicl（技術進展）和topic3（數字藝術）熱度增長明顯。2022年4月以來，接續Disco Diffusion熱度的是AI繪畫工具DALL-E2的開放測試、Mid-journey的上線使用，以及Imagen、Parti、StableDiffusion、NoveIAI等的陸續出現，各類AIGC技術模型和應用工具正式迎來爆發期。尤其2022年8月，Midjourney創作作品《太空歌劇院》的獲獎再度彰顯了AIGC強大的場景感知力和豐富的創作可能性，使得相關話題不斷發酵，公眾參與內容創作的熱情也持續高漲。如圖7（c）～（d）所示，“Disco Diffusion”“Midjourney”“繪畫”“作品”“藝術”等AIGC技術模型和數字藝術相關主題詞在此期間被頻頻提及。而對于回落型，topic5（虛擬主播）在2022年7月迎來高峰，但很快重回低迷狀態。這可能與虛擬偶像“頂流”洛天依十周年紀念日有關，使得“虛擬人”形象再次受到大眾關注，但隨著熱點事件的結束，其熱度也逐漸消退。此外，topic2（活動營銷）、topic4（市場投資）和top-ic6（前景展望）均屬于穩定型。國泰君安調研結果顯示，當前60%的用戶從未在AI繪畫相關方面付費，AI設計的商業化潛力尚待發掘。目前AI數字商業的產業鏈規模仍處于擴張期，各類不確定性的要素使得有關AIGC的商業化討論處于保守期，但2022年11月，topic4（市場投資）的討論熱度已經有所回升，AIGC產業發展和消費潛力釋放未來可期。如圖7（e）～（f）所示，已經出現以“Simon龔俊”“趙麗穎”“VOGUEFLIM”“代言人”等活動營銷主題詞所聚集而成的子群，以及“市場”“公司”“板塊”“股份”等市場投資下高頻主題詞。而對于AIGC的前景展望，雖然波動較小，但相對熱度一直處于較高水平，2022年8月，世界人工智能大會的召開以及9月百度“十大科技前沿發明”的發布使得大眾愈發關注AIGC領域，更產生多樣憧憬。如圖7（f）所示，“AIGC”這一專有詞匯已經被大眾所接受和廣泛應用，“WEB3”也再次受到關注，而未來如何將諸多遐想變為現實，推動AIGC健康發展還有待專業人士的引導。

3.3用戶維度分析：融合用戶角色的AIGC輿情傳播網絡分析

3.3.1微博用戶角色提取

為了探究AIGC輿情傳播網絡特征并識別其中更具影響力的用戶，明確各類型用戶在AIGC輿情傳播過程中所扮演的角色及其位置，本文首先依托微博平臺規范的用戶認證體系（V認證），通過所爬取的用戶認證類型、認證原因和描述信息等將微博用戶分成8類，如表2所示。同時，計算被轉發博文的博主，即轉發源博主及轉發這些博文的博主中各用戶類型的占比，如圖8所示。可以發現，被轉發AIGC相關博文的博主類型更具多樣性，但大多為普通用戶和“Simon_阿文”“英國那些事兒”等知名博主，分別占比46.07%和36.34%，而在轉發博主中普通用戶占比97.35%。在AIGC走紅后，各類應用尤其是AI繪畫逐漸為大眾所熟知，普通用戶參與創作的熱情高漲，垂直領域內尤其是數字藝術領域知名博主紛紛發表自身意見并促進了AIGC的傳播，但各類機構用戶參與度較低，官方媒體、政府單位等角色尚未介入并發揮其引導作用。因此，在AIGC輿情信息的擴散過程中，應當警惕因缺乏統一認知和權威認證而導致的AIGC在大眾傳播過程中的概念扭曲和濫用。

3.3.2 AIGC輿情傳播網絡構建

本文基于爬取到的AIGC轉發微博，刪除其中已經注銷的用戶數據并根據得到的微博轉發關系進行整理，用節點表示單個微博用戶，用邊表示用戶之間的轉發關系，構建AIGC輿情傳播網絡，最終共得到20220個用戶節點和20010條邊，其中，作為轉發源的用戶節點有2075個，如表3所示，利用Cephi對網絡指標進行計算。可以發現，傳播網絡模塊化系數>0.44，驗證了該網絡在一定程度上達到模塊化，而其他各類網絡指標的值都相對較低。當前AIGC仍處于探索階段，傳播網絡結構較為稀疏，但這也容易導致輿情信息傳播不對稱，滋生網絡謠言，故應鼓勵領域內專家及時對AIGC概念進行集中解讀，從而消除大眾誤解，把握AIGC健康發展方向。

同時，為更加細致地探究AIGC輿情傳播網絡的高影響力節點，識別該熱點事件中的意見領袖，計算網絡中各個節點的出度、入度及中心性指標，得到AIGC微博輿情傳播網絡top15關鍵用戶節點如表4所示，其中，中心性為該用戶節點的度中心性、接近中心性和中介中心性之和，值越大則該節點在傳播網絡中位置越核心、影響力越大；其次，由于網絡中弱聯系較多，為了優化可視化效果和識別更有傳播影響力的用戶節點，利用Cephi篩選出連出度大于3，即所發布的博文能夠觸達3個以上用戶的博主，得到包含425個節點和105條邊的AIGC輿情傳播網絡，如圖9所示。其中，節點顏色代表用戶角色類型；邊權重為被連接的用戶所轉發微博的數量；節點標簽即為用戶昵稱，標簽越大該節點連出度越大，用戶傳播影響力越大。

因此，可以發現，當前仍舊是領域內知名博主依托自身專業知識和有別于機構用戶的粉絲親和力，在網絡中發揮著重要的意見領袖作用。設計美學領域知名博主“Simon_阿文”的連出度和中心性明顯高于其他用戶，在AIGC信息傳播中占據著重要位置。隨著AI繪圖工具Disco Diffusion的面世，該博主開始發布相關使用教程和各類風格主題的關鍵詞測試視頻，為普通用戶無障礙上手AIGC各類最新工具提供了學習資料，其設計師身份更能得到數字藝術領域人士的認同。此外，少數科技型企業如“百度”“訊飛”等在AI多模感知、多維表達、深度理解及技術模型方面實現了關鍵性突破，在輿情傳播過程中也具有較高話語權。而部分明星藝人和電視媒體，如“VogueFilm”“龔俊Si-mon”因進行活動營銷而出圈，但實際著重電影宣傳，并沒有輸出AIGC相關知識。各官方媒體以及各政府機構則還未在關鍵節點排行榜中占據位置，在輿情傳播網絡中也未彰顯。因此，為了進一步引導用戶正確認識、理解、使用AIGC這一數字內容生產新工具，一方面，可以繼續鼓勵專業領域內意見領袖發揮自身影響力，以客觀、有趣的方式對AIGC最新消息和應用向大眾進行科普宣傳，使大眾更易于接受和采納；另一方面，應當促進更多龍頭企業、前沿機構、官方媒體和政府單位及時發布并宣傳AIGC權威知識和前沿發現，把控公眾有關AIGC的話題走勢，有效避免輿論場的混亂和失序。

3.4情感維度分析：基于LIWC的AIGC微博情感演化分析

3.4.1不同主題下AIGC微博情感分析

本文利用LIWC文本分析工具提取AIGC微博文本中積極和消極情感詞分布，從而判斷其情感傾向，進而得到不同主題下AIGC微博情感分布，如圖10所示。可以發現，中性情感文本占比最大的為topicl（技術進展）；topic2（活動營銷）下積極情感文本占比最大；而topic3（數字藝術）下消極情感傾向博文明顯多于其他主題。AIGC的興起離不開人工智能模型的快速迭代，微博中具備一定專業領域知識的博主往往會緊隨熱點，發布關于AIGC“技術進展”的科普介紹，故此類博文一般更注重客觀性和真實性，情感傾向并不明顯。而對于活動營銷類博文，往往由明星藝人和品牌方占據主導，發布帶有明顯積極情感的正向極化觀點，且跟發用戶主要由其粉絲構成，轉發的文本多呈現出驚喜、期待、相信等積極態度，未來或可通過與品牌方的話題合作促進AIGC為大眾所接受。此外，雖然正是AI繪畫推動了AIGC的火速出圈，但同時也引發了人類畫家危機大討論在國內外社交媒體上演，更引起了一場關于AI時代人機關系的輿論波瀾。一方面，數字藝術領域內眾多創作者認為AI繪畫所依靠的大規模訓練數據集涉及眾多原創藝術作品，而其相關知識產權法規尚處于真空地帶，這直接激發了創作者的不滿情緒和抵制行為；另一方面，藝術創作離不開人類獨特的思維模式和創造力。在商業上，藝術作品的稀缺性與創新性向來是影響其定價的重要因素，而AIGC無疑對消費市場造成了巨大沖擊，甚至依托其能夠以低成本在短時間內創作大規模作品的優勢，容易造成數字藝術領域“劣幣驅逐良幣”現象，使得藝術市場原創價值急速下降，人才流失嚴重。因此，為了消除創作者后顧之憂，使AIGC真正能夠普惠大眾，還需要在政府引導下聯合各企業制定行業內統一規范，明確AIGC的版權歸屬認定和侵權風險識別，將關于人工智能生成成果的各主體義務和責任的承擔納入法律保障范圍之中。

3.4.2不同時期內AIGC微博情感演化

本文進而探討隨時間變化AIGC微博情感演化特征，匯總每個時期內積極、中性和消極情感的博文數量，并計算該月所有博文的積極和消極情感得分均值作為該段時期的情感得分，從而可視化2021年11月—2022年11月AIGC微博情感演化趨勢，如圖11所示。整體而言，AIGC微博主題情感還是呈現出明顯積極情感傾向，大眾對于這一新興技術產業還是抱有極大期待和憧憬的。具體而言，AIGC新技術的突破和新工具的發布是抬高用戶期待值的關鍵，繼續在關鍵技術研發上加大投入勢在必行；同時，應當關注到大眾對人機關系的思考，始終明確人類是技術的服務主體，AIGC作為創作輔助工具旨在協助提高人類創意效率。隨著2022年4月各款大熱AI繪畫工具的發布，公眾積極情緒高漲，在消極情感傾向博文數量未有明顯波動的情況下，積極和中性情感傾向博文數量快速增長；隨后8月Midjourney創作作品《太空歌劇院》的獲獎再度抬升了公眾對AIGC的期望，積極情緒曲線在這一重要時期達到高峰。但這也帶來了有關AI能否取代人類創意性工作的探討，在藝術設計領域引起軒然大波，也使得2022年10月期間消極博文數量顯著增長，微博消極情感得分達到頂峰。與此同時，AIGC相關技術的迭代未曾停步，CPT3、ChatCPT等接連涌現，也促進一大批科普介紹文章的出現，中性情感微博文本增長明顯。

4結果與討論

AIGC正在成為數字內容創新發展的新引擎，不斷推動虛實共生趨勢下內容創作的范式轉變，實現數字內容生產過程中的降本增效，為各行業領域數字內容的生產方式和消費模式帶來創新與顛覆，更有助于下一代網絡空間的繁榮與發展。面對AIGC熱潮的來臨，本文爬取了2021年11月—2022年11月的“AIGC”相關微博文本數據，基于引爆點理論的附著力因素法則、個別人物法則和環境威力法則，構建了AIGC微博網絡輿情傳播分析模型，利用機器學習、社會網絡分析等方法，從內容、用戶、情感3個維度刻畫了AIGC走紅下的輿情演化規律和社會關注度特征。具體而言，本研究發現：

1）在內容維度上，根據附著力因素法則，AIGC話題具有多樣性，涵蓋技術支撐、應用擴展、商業變現一整個價值實現鏈條，使得這一新興產業被“附著”更多的用戶信心和多樣憧憬，促進了AIGC的現象級走紅。當前大眾對AIGC的討論主要集中在“技術進展”“活動營銷”“數字藝術”“市場投資”“虛擬主播”和“前景展望”6個方面。其中，“技術進展”和“數字藝術”的熱度大幅攀升，“前景展望”的關注度穩定居高，“活動營銷”和“市場投資”則穩定處于較低水平，“虛擬主播”相關討論則在由熱點事件引發的短暫拉升后迅速回落。大數據時代更好的模型、更多的數據和更高的算力為AIGC的迭代升級提供了強力的支撐和全新的可能性。與此同時，計算機視覺領域成為繼NLP之后AI大模型的重要發展方向，AI繪畫在數字藝術領域嶄露頭角，吸引大眾目光。而當前AI數字商業的產業鏈規模仍處于擴張期，AIGC作品的商業化潛力消費尚待發掘，各類不確定性要素使得有關AIGC的商業化討論處于保守期，但隨著AIGC生態的愈發繁榮和用戶參與度的不斷提升，AIGC產業發展和消費潛力釋放未來可期。

2）在用戶維度上，根據個別人物法則，少數科技型企業如“百度”“訊飛”等扮演著“內行”的角色，依托自身突破性成果提供AIGC相關技術進展的首發信息，在AIGC輿情傳播中掌握一定話語權：而領域內知名博主扮演著“聯系員”的角色，進行AIGC相關信息和工具的科普及解讀，促進了AIGC相關信息的擴散；部分明星藝人和電視媒體則作為“推銷員”，雖然仍著重電影宣傳，但帶動了AI話題的出圈，有助于AIGC為大眾所接納。3種類型的“個別人物”共同發力，使得AIGC輿情傳播網絡不斷擴大，AIGC熱潮被引爆，此外，眾多前沿機構、官方媒體和政府單位在AIGC輿情傳播中的影響力尚未彰顯，討論參與度較低，未來應當積極促進此類機構用戶發揮自身在領域內的引導作用，及時研討、發布并宣傳AIGC權威知識和前沿發現，有效把控公眾有關AIGC的話題走勢，避免AIGC概念在輿情傳播中的誤解和濫用，從而推動AIGC產業生態健康發展。

3）在情感維度上，根據環境威力法則，大眾普遍對這一人工智能新風潮的出現抱有期待與憧憬，所營造的積極情感環境引起了大眾的共鳴，使得在從眾心理的驅動下，更多人參與到AIGC的體驗與建設中，無形中也為AIGC熱潮的不斷升溫助力。同時，AIGC“技術進展”話題下多為科普介紹類文章，更注重信息的客觀性和真實性，但新技術的突破和新工具的發布始終是抬高用戶期待值的關鍵，有利于促進用戶積極情緒高漲；而“活動營銷”話題下多為品牌和藝人主導下粉絲的跟隨支持行為，呈現出驚喜、期待等積極態度，未來或可通過話題聯動等策略，提高社會大眾對AIGC的參與度和認可度。需要關注的是，AIGC在數字藝術上展現的卓越創造力所引發的人機爭議仍舊是導致大眾不滿情緒和抵制行為的關鍵，從“人機相競”到“人機協同”，還需要通過政策法律、技術規范等消除大眾后顧之憂，并引導用戶理性看待AIGC所帶來的顛覆性變革。

整體而言，在引爆點理論指導下，本文所構建的流行事物輿情傳播分析模型，綜合考慮了輿情的內容、用戶、情感屬性，3個維度相互融合，交叉印證，能夠更加全面地解釋流行事物或現象引起公眾熱議的內在機制，為微博文本內容挖掘提供了新的研究思路和理論視角，并為更好地引導流行事物輿情的傳播演化以及組織推動輿情相關的特定領域發展提供了參考。

5總結

2022年已經成為AIGC崛起之年，這一人工智能領域新興技術趨勢正全面引爆，受到全社會各界的持續高度關注。對于內容附著力，AIGC全鏈條價值實現已然成為熱點話題，大眾信心得到提升，引發全民參與；而對于個別人物，多類型用戶參與其中，尤其領域內知名博主的大力宣傳使得AIGC話題迅速擴散；同時在積極情感環境的威力下，對于AIGC的憧憬和期待將感染更多的用戶，使得AIGC被更多人接納。

在理論層面，本文從微博輿情角度系統梳理了現階段我國社會大眾對AIGC的態度和認知，有助于從輿情演化視角把握AIGC的產業發展進程，更擴展了當前以定性討論為主的AIGC相關學術研究；此外，本研究融合引爆點理論三大黃金法則，構建了AIGC微博輿情網絡傳播分析模型，一方面，為流行事物輿情研究拓寬了新的理論視角，擴展了引爆點理論的使用場景；另一方面，為微博文本內容挖掘提供了新的研究思路，可以綜合考慮輿情的內容、用戶、情感屬性，相互融合，交叉印證，對微博輿情事件進行全面刻畫。

而在實踐層面，本文基于對AIGC輿情傳播和演化過程的解讀，為政界、產業界和學術界更好地描述、組織、管理和推動AIGC各項專業工作提供指引。對于政府而言，應當發揮自身引領作用，一方面，需要對發展政策進行細化，鼓勵企業在AIGC新技術和新應用上實現突破；另一方面，有必要通過法律對大眾所擔憂的管理風險進行明確規定和合理管制。對于產業界而言，企業可以繼續在關鍵技術上加大投入，進一步完善AIGC技術體系，同時，推動AIGC應用場景大規模落地，探索AIGC在更多領域的商業化。對于學術界而言，可以通過學術研討會等具有知識性、前瞻性的會議對AIGC熱潮所帶來的人機關系變化進行討論，明確人類始終是技術的服務主體，進一步塑造出人機和諧共生的鏈接機制。

未來，AIGC還將繼續在技術能力和產業應用上進化和深入，使人工智能創作內容向更有創造力、想象力的方向發展，輔助實現智能創意決策與迭代。面對新一輪的人工智能創新大潮，可以繼續從輿情角度進行擴展，綜合利用專利數據、投研報告、輿情數據等，從技術成熟度、資本投入度、社會關注度多個角度出發刻畫AIGC產業發展特征，并與過往典型風口產業演化規律進行對比，從而為理性討論AIGC發展路徑與前景提供參考。