NLP 發展對出版行業發展影響
——以圖書出版行業各編輯崗位工作為例

趙曉晨

（機械工業出版社有限公司，北京 100000）

1.NLP 的迅猛發展帶來人機交互變革

1.1 NLP 發展現狀及趨勢

NLP 是人工智能的一個分支，它涉及計算機對人類語言的理解和生成。近年來，NLP 技術取得了長足的進展，且有很多發展趨勢。目前，NLP技術已經從“聽”和“看”發展到“說”和“寫”，基本具備和人交流的能力。

深度學習：深度學習技術，特別是語言模型，在NLP 領域中取得了很多成功，可以解決多種NLP 問題，如語音識別、機器翻譯等。

語言生成：語言生成技術正在快速發展，并取得了很多進展。例如，機器生成文本（GPT）技術已經可以生成高質量的文本內容。

多語言處理：NLP 技術正在向多語言領域擴展，以支持更多語言和文化。

智能客服：NLP 技術正在被廣泛應用于智能客服，以提供快速、高效的客戶服務。

語音識別：語音識別技術正在快速發展，并逐漸普及，可以更方便地訪問信息和服務。

NLP 技術在過去幾十年里取得了長足的發展，并且在近年來迎來了爆炸式增長。

一方面，NLP 算法在語言理解方面取得了顯著的進展，例如，在文本分類、情感分析、語義消歧等方面表現出了很高的準確性。此外，NLP 還在語言生成方面取得了很大的進展，例如自動文本生成、對話生成等。

另一方面，大數據和人工智能的快速發展也加速了NLP 的發展。例如，深度學習技術的出現使得NLP 模型的語言表示能力大大提高，從而提高了NLP 模型的語言理解能力。同時，云計算和大規模數據處理技術的發展也為NLP 提供了更多的計算資源和數據支持。

總的來說，NLP 技術正在快速發展，并且在各個應用領域，如聊天機器人、文本摘要、情感分析等都有著廣泛的應用。預計未來NLP 技術將繼續取得更多的突破，并在更多領域產生更大的影響，為人們帶來更好的體驗和服務。

1.2 GPT 技術實現自然語言文本生成

GPT（Generative Pretrained Transformer）是一種自然語言生成模型，是目前在自然語言處理（NLP）領域中最先進的技術之一。

GPT 的發展方向主要有以下幾點：

更大的模型：隨著計算資源的不斷提升，GPT 模型的尺寸也在不斷擴大，更大的模型通常意味著更好的性能。

多任務學習：GPT 可以在多個 NLP 任務上訓練，這將有助于提高 GPT 的通用性和靈活性。

增強學習：GPT 可以通過強化學習策略來改進其行為，從而提高 GPT 在復雜任務中的性能。

深度生成對話：GPT 在生成對話方面具有很高的潛力，與人工智能代理等技術結合將有助于實現更自然、更高效的人機對話體驗。

多語言支持：GPT 可以擴展到多種語言，從而支持全球范圍內的 NLP 任務。

2.NLP 發展對圖書出版行業各編輯崗位工作的影響

雖然編輯崗位是按照出版流程設定，且從內容上來看環環相扣，但從實際業務操作來看，卻容易出現重疊和斷檔。

首先，由于目前供職于我國傳統出版社的策劃編輯大多從加工編輯轉化而來，或者同時兼任加工編輯，所以策劃編輯的工作思路不能擺脫加工編輯工作思路的限制。這就造成策劃編輯在策劃選題時，會把稿件的加工難度設置為重點考量的項目之一，直接影響策劃編輯對選題的判斷，如圖1。很多符合市場需求且時效性很好的作品因為文字加工難度較大——其中不僅包括語言的流暢性、文學性不高等文字難度，同時也存在專業性較強、觀點較新、對加工編輯水平要求較高等問題而被放棄。

圖1 目前圖書出版各崗位現狀

其次，營銷編輯雖然是順應市場發展需求的不可或缺的崗位，但在曾經“發行”工作的影響下，很多由“發行”轉化而來的營銷編輯并不能深度參與出版工作。究其原因還是工作思路的限制。營銷工作是“等”圖書印刷完成之后才開始的。與生產環節產生的時間差，讓營銷工作總有一種“游離”在出版工作之外的感覺，這也是很多營銷編輯在工作中的實際感受——拿到樣書或入庫信息才和產品第一次見面。即便是有重點選題提前與營銷編輯進行了溝通，讓營銷工作可以稍微前置，也僅限于預售、新書預告等舉措，因為書未出版，一切都是未知，營銷編輯無法掌握前期生產環節的任何一個節點。

策劃編輯的“想太多”和營銷編輯的“知道太晚”使出版效率大打折扣。要想破除這些“重疊”和“斷檔”需要對出版流程革新，重新梳理業務邏輯和分工。

NLP 的發展特別是GPT 技術的發展將對以文字為主要生產對象的出版工作產生重大影響，甚至變革。

2.1 提高策劃效率

經過多年的轉型和出版行業市場化改革的深入，策劃編輯在出版行業中的作用越來越重要。一名好的策劃編輯不僅需要擁有對市場的敏感性，更需要有好的作者資源，擁有把好的選題轉化成產品的能力。除此之外，時效性也是其成功的關鍵。

由于某一個部門或某一個自然人對信息搜集、處理的能力、精力有限，因此，決策風險相對較大。加之目前出版行業運用大數據技術對數據進行處理、分析的能力不足，導致決策過于主觀，容易忽視可行性。好的選題可能因為作者資源不足等種種原因錯過出版時機，甚至失去出版機會，甚至有一些選題受制于自身的能力或風格，未能達到策劃編輯的要求而浪費選題資源。

NLP 技術的發展正在逐步解決上述問題。由于NLP 的本質還是大數據及算法，在學習樣本充足，邏輯逐步完善的前提下，根據要求“創作”已經可以實現。ChatGPT 即典型應用。

除可以滿足策劃編輯提出的內容、風格需求外，時效性也是其絕對優勢。直接避免了因作者因素形成的創作風險，讓整個創作過程變得可控。基于NLP 技術的特點，其可以對文本進行分析，了解讀者對內容的偏好和興趣，從而提高內容的受歡迎程度。

策劃編輯在選題策劃階段不需要過于擔心作者資源和創作風險問題，而是應轉變思維，對選題進行深入剖析，將工作重心轉移到如何更好呈現選題上。在人機交互上形成默契。目前已有BuzzFeed 和《運動畫刊》（Sports Illustrated）出版商在內的媒體公司已經宣布，計劃用ChatGPT 生成趣味問答和文章等內容。

2.2 文字加工工作量降低，加工編輯面臨轉型

長久以來，文字加工工作一直是圖書出版工作的核心，不僅體現在流程、時間上，更體現在質量審查比重上。從形式到內容，都是出版流程中的重中之重。目前加工編輯工作除一些敘事邏輯之外，大部分工作是對是非正誤的判斷與修改，校對工作的局限性更高。傳統的校對軟件，如黑馬校對、WPS 自帶校對插件等在出版社實踐中已經被固定在流程中，對保證出版質量發揮了不可或缺的作用，但受技術限制，軟件只能成為傳統出版流程中一個被增加的節點，不能替代某一工作。

針對語言或文字處理技術精度較差，敏感詞識別效果不穩定以及語言發展等問題，隨著大樣本分析、小樣本分析、機器學習等技術的發展，國內已經有研究者提出基于自然語言處理技術的敏感詞智能識別方法。以自然語言處理技術為基礎，構建處理模型；通過分析提取文字中包含的特征參數，依靠決策樹方法，設計敏感詞識別算法；通過對文字敏感詞的敏感度計算，將敏感詞使用特殊字符標注，實現最終識別、標記和修改。

自然語言處理能力的完善將極大提高軟件在生產流程中的地位，加工編輯和校對人員的工作強度會被大大減輕，工作重點也會隨之發生改變，加工編輯可以從文字中抽離出來，站在更高的角度審視產品，更好地將自己的角色從加工人員轉變成產品生產人員。有更多的時間和精力，利用自己的專業優勢，與策劃編輯溝通從“作品”到“產品”的轉化與實現。

技術發展會導致部分社會崗位實現自動化或被合并，也會產生出以前不存在的新崗位。

2.3 營銷工作前置且工作量大幅削減

作為出版行業傳統意義上的“末端”工作，營銷工作長期處于被動局面——圖書產品的策劃與生產過程幾乎沒有營銷人員的參與。即便是流程相對完善的出版社，在營銷編輯拿到新書后第一個動作也是翻看產品資料，迅速了解新書“賣點”“關鍵詞”等，然后根據經驗，進行受眾細分，制定營銷策略。

在前端工作已經由NLP 技術“代勞”后，從作品到產品再到商品，出版工作的每一個關鍵點都將可控，圖書營銷工作將有可能前置到產品策劃階段，給營銷工作留足時間，并貫穿于出版全流程。

NLP 是人工智能和計算機語言學的交叉領域，可以讓計算機更好地理解、生成和分析人類語言。因此，自然語言處理技術在圖書營銷工作中有著重要的作用。

一方面，NLP 可以幫助圖書營銷人員更加有效地分析客戶的需求和閱讀偏好，從而更好地針對客戶推薦相應的圖書。例如，通過文本分類和情感分析等NLP 技術，可以快速識別出用戶對圖書類型、題材、作者等的喜好，從而更精準地推薦圖書。

另一方面，NLP 還可以幫助圖書營銷人員提高營銷效率，從而節約時間和精力。例如，通過自動文本生成等NLP 技術，幫助圖書營銷人員快速生成營銷文案，而無須手動編寫。雖然現在很多營銷編輯已經可以使用AI 工具自動生成營銷物料，但文本創作仍需耗費大量精力進行撰寫。主要癥結在于營銷編輯對圖書內容的不了解和對受眾關注點的不確定。但隨著NLP 技術的發展，在其進行自然語言學習的同時，也可以根據一定的邏輯對冗長的文字進行提煉與濃縮。并根據需要識別其中關鍵點，根據自然語言邏輯進行編排，使受眾看到我們希望被看到的內容，還可以根據讀者閱讀歷史和喜好，提供個性化的內容推薦。

同時，NLP 也可以幫助圖書營銷人員識別客戶可能存在的疑問，并通過語言生成系統快速生成回答，提高售后效率。

2.4 編輯工作崗位變革的邏輯及意義

此次的技術革新并不是從提高工作效率入手，而是從業務邏輯的徹底改變。信息的收集和處理將會成為出版的重要環節，并且會不止一次地出現。

長久以來，出版的目的都是單一地傳播知識、思想、觀念或達到一種針對某一細分受眾的娛樂目的，方法都是通過大范圍的宣傳挖掘潛在讀者。但隨著大數據的發展以及數據處理能力的提高，這一目的將被更有針對性地實現。隨之而來的是對市場的敏感性要求的提高，換言之是編輯工作效率的提高。在了解了市場需求后，怎樣更高效地觸達用戶，成為NLP 在出版行業發展的目標。

在形成完整的信息收集—策劃—信息二次收集—加工—出版—信息反饋這一完整閉環后，見圖2。每一次信息采集都可以自動完成，形成信息看板，并根據未來市場預測情況提出營銷或策劃建議，甚至是文字內容加工風格的調整。編輯在其中的作用將變成根據出版社或品牌的風格，設計這一系統中的思考權重，并在工作中不斷進行調整。

圖2 圖書出版內部流程

編輯的生產對象也將從一個作品、一本書，演變成一個出版系統。這個系統中至少要包含大語言模型、市場分析模型、社會心理學模型、成本計算模型等。此外，不必擔心機器在其中會出現“失控”的情況，進而通過出版這一渠道影響讀者的認知，技術將始終是輔助工具，避免編輯成為“人”的短板。這就要求編輯在工作中提高數據模型建立能力，并對數據保持敏感性。

3.圖書出版對NLP 技術發展的意義

新技術帶來變革，而新技術不是憑空生長的，而是站在現有資源上的新產物。因此變革也應該是螺旋向上的。

我們看到NLP 技術對出版行業的影響，但由于其轉換器需要大量的數據，訓練分為兩個階段：首先，在通用數據上進行預訓練，這種數據更容易大量收集；然后，根據要執行的具體任務，利用定制的數據進行微調。以ChatGPT 為例，其利用一個龐大的在線文本庫進行預訓練，以學習語言的規則和結構：通過對話記錄進行微調，以學習對話的特征。可以說，人類每使用它一次，它就更聰明一些。

基于此，“聰明”的對話將會使它更“聰明”和更快地“聰明”起來。經過幾百年的發展，出版行業擁有浩如煙海的優秀作品，這些作品經過作者、編輯、市場的錘煉與檢驗，成為人類文明的精華，這將為機器學習提供優質“教材”。

經過系統化訓練的編輯人員對文字有著天然的敏感性，規范、簡明、邏輯清晰的表達方式已經融入其日常語言習慣。在專業書籍方面，雖然人學習、使用新技術的速度可能比不上機器學習，但作為最終受益者，人的感受才是最重要的，提高使用滿意度，也是一切技術的終極目標，人的反饋對于機器學習來說至關重要。因此，將語言、文字作為生產對象的編輯人員，將成為NLP 的優質“老師”。

國內已有不少研究室開始針對大語言模型進行研發，以復旦大學的大語言模型為代表的自然語言識別、輸出技術已經在金融領域得到應用。擁有海量客戶樣本及多樣化產品的出版業，不僅可以為其提供語言文字方面的支持，更可以在客戶畫像方面提供準確數據。

出版行業或將在經過與NLP 不斷融合并長期共存后徹底轉變身份，成為大數據技術中的一環。

4.新技術帶來新風險

鑒于目前對個人隱私保護的要求以及版權保護要求，NLP 的樣本收集將受到一定限制，通過GPT 的應用場景也將被限制。加之各國、各地區之間的政策、監管差異，如何適應本地規則，并均衡發展，以保證其發揮最大效用，是技術發展與應用的關鍵。即便如此，再合規的底層技術也會遭受野蠻生長，新應用會不斷尋找監管漏洞，對社會、經濟，甚至國家安全產生嚴重危害。因此，作為與之密切相關的出版行業更應發揮自身優勢，積極參與應對NLP 帶來的新風險，使出版行業與技術共同發展。