GPT 技術(shù)下的深度媒介化、知識秩序與政治秩序

內(nèi)容摘要：大模型出現(xiàn)之前的媒介化，更多是一種表面媒介化。以GPT為代表的大模型技術(shù)，會產(chǎn)生一種內(nèi)在的賦權(quán)效應(yīng)，從而可能會推動一種內(nèi)在媒介化。然而，這種內(nèi)在媒介化同樣蘊(yùn)含了新的風(fēng)險。人類的知識生產(chǎn)是一種慢速生產(chǎn)，而以大模型為中心的知識生產(chǎn)卻會打破這種慢速節(jié)奏，并可能會導(dǎo)致兩種形式的深度混淆，一是正確與錯誤的混淆，二是高質(zhì)量和低質(zhì)量的混淆。在知識泡沫和深度混淆的雙重影響之下，真正的后真相時代可能會來臨，這就會出現(xiàn)一種真實(shí)的“自我舉證困難”。知識秩序和政治秩序處在某種異形同構(gòu)的關(guān)系之中。以GPT技術(shù)為代表的通用大模型對傳統(tǒng)政治秩序的沖擊會體現(xiàn)為兩種困境：一種是“必須監(jiān)管，但又不能監(jiān)管”的約束困境，另一種則是與“政治秩序需要高度確定性”完全相反的不確定性困境。以GPT技術(shù)為代表的大模型，可能會形成某種知識大一統(tǒng)格局，并可能會在一定程度上削弱知識中產(chǎn)的意義。在知識帝國主義的背景之下，民族國家需要成為抵御這種知識侵略的重要力量。

關(guān)鍵詞： GPT；深度媒介化；知識秩序；政治秩序

課題： 上海市人民政府發(fā)展研究中心與華東政法大學(xué)2022年度“數(shù)字法治與治理現(xiàn)代化”決策咨詢課題“全國統(tǒng)一大市場背景下的公共數(shù)據(jù)開放制度研究”（編號：2022-YJ-K06）

DOI：10.3969/j.issn.2095-0330.2023.03.004

自2022年11月底發(fā)布以來，ChatGPT已經(jīng)引發(fā)全球性的社會關(guān)注。ChatGPT是GPT技術(shù)的一種，其本質(zhì)是通用大模型。通用大模型的發(fā)展使人們看到了通用人工智能突破的可能性。通用人工智能對人類的知識秩序和政治秩序都將形成較為深遠(yuǎn)的影響。本文所思考的問題是：GPT技術(shù)對人類社會的知識生產(chǎn)究竟會產(chǎn)生何種影響？這種知識生產(chǎn)與目前的深度媒介化發(fā)展會產(chǎn)生何種關(guān)聯(lián)？這種新型的知識生產(chǎn)及其加速的深度媒介化最終會對人類的政治秩序形成何種效應(yīng)？

一、知識即媒介： 大模型加劇深度媒介化

馬歇爾·麥克盧漢（Marshall McLuhan）幫助我們打開了媒介社會的大門，其對“媒介”一詞進(jìn)行了徹底的革新性定義，并掀起了媒介社會研究的熱潮。在《理解媒介：論人的延伸》一書中，麥克盧漢提出了“媒介是人的延伸”“媒介即訊息”等著名命題，為我們理解媒介技術(shù)與社會塑造、過程（介質(zhì)）與內(nèi)容（訊息）等關(guān)系提供了廣闊的思路。 目前，人類社會正日益往媒介社會的方向急速推進(jìn)。按照施蒂格·夏瓦（StigHjarvard）等學(xué)者的觀點(diǎn)，我們已經(jīng)進(jìn)入一種深度媒介化的社會，現(xiàn)代社會已被媒介完全“浸透”，媒介成了“我們呼吸的文化性空氣”。

同時，安德烈亞斯·赫普（Andreas Hepp）也在《深度媒介化》（Deep Mediatization ）一書中用“深度媒介化”（deep mediatization）一詞概括了媒介化在數(shù)字時代的新特征，他認(rèn)為數(shù)字化已經(jīng)使我們進(jìn)入一個新的媒介化階段，在這個過程中，社會世界的所有元素都與數(shù)字媒體及其基礎(chǔ)設(shè)施建立起復(fù)雜的聯(lián)系，媒介對社會發(fā)展產(chǎn)生了至關(guān)重要的影響。喻國明等學(xué)者則指出，“深度媒介化”表明數(shù)字媒介作為一種更高維度的媒介，正以新的傳播關(guān)系重構(gòu)舊有的社會關(guān)系并激活個體力量。換言之，從“媒介化”到“深度媒介化”的范式變革，意味著由數(shù)字媒介引發(fā)的傳播革命正極為深遠(yuǎn)地改變社會的基本形態(tài)。綜合這些學(xué)者的觀點(diǎn)可以發(fā)現(xiàn)，“深度媒介化”指向一種媒介技術(shù)越發(fā)向社會滲透而引起巨大變化的狀態(tài)，即在深度媒介化的過程中，社會世界的各類元素（涵括帶有整體與結(jié)構(gòu)性質(zhì)的制度、文化、結(jié)構(gòu)及帶有個體性質(zhì)的個人、實(shí)踐活動等）都與數(shù)字媒介及其基礎(chǔ)設(shè)施發(fā)生相互“型構(gòu)”（figuration）。簡言之，“深度媒介化”具有雙重特征：一方面，媒介的技術(shù)相互關(guān)聯(lián)度越來越高；另一方面，媒介技術(shù)與社會世界諸元素的關(guān)聯(lián)與互動越來越深入，彌散于社會世界的各個罅隙之中，重構(gòu)著以往的各種社會關(guān)系。

不過在筆者看來，大模型出現(xiàn)之前的媒介化，還不能完全被稱為深度媒介化，其更多是一種表面媒介化。這種媒介化的力量是向外的。例如，普通人通過社交媒體發(fā)布自己的家庭生活、工作點(diǎn)滴和日常游歷，這樣的內(nèi)容更多的是一種過程性記錄，展示的中心多為表面的生活。阿德里亞娜·馬納戈（Adriana Manago）等學(xué)者通過調(diào)查青年人在MySpace這一社交平臺上與同齡人的互動時發(fā)現(xiàn)，其自我表達(dá)與自我呈現(xiàn)往往是理想化、美化和夸大的。 埃里卡·貝利（EricaBailey）等人在研究中也指出，社交媒體看起來就像一個人造世界（artificial world），人們在其中的生活幾乎完全由具有異國情調(diào)的假期、廣泛堅(jiān)固的友誼和上鏡的健康膳食組成，而整個行業(yè)也都圍繞著人們在社交媒體上渴望展示理想自我形象的愿望而建立。由此，大模型之前的媒介化社會，往往會出現(xiàn)一種內(nèi)在的悖謬，即人們在社交媒體中越多地進(jìn)行展示，其越容易把自己的內(nèi)心世界隱藏起來。

然而，以GP T為代表的大模型技術(shù)，則會產(chǎn)生一種內(nèi)在的賦權(quán)效應(yīng)，從而可能會推動一種內(nèi)在媒介化。這種媒介化的力量是向著人的內(nèi)心世界來推動的，其核心是知識本身，即在知識上人們會附著更多的價值觀、愿景及深度思考。例如，在大模型的輔助之下，人們可以結(jié)合自己今天的心境用詩歌來表達(dá)思想狀況。這種表達(dá)顯得更有知識內(nèi)涵，似乎也更隱晦，更能匹配不愿直白表達(dá)而隱晦表達(dá)、想要表達(dá)卻表達(dá)不出等不同群體展示內(nèi)在世界的需求。

為何在大模型出現(xiàn)之前內(nèi)在媒介化的大眾化會比較困難？這是因?yàn)橐从橙说膬?nèi)心世界，需要大量的復(fù)雜知識。對于那些受教育程度不高的人而言，這是一種巨大的困難。如何以優(yōu)雅的、極富內(nèi)涵的方式來表達(dá)自己，并以數(shù)字化的方式呈現(xiàn)在自己的社交媒體平臺上？這往往是少數(shù)受過較好教育或修養(yǎng)深厚的群體才能實(shí)現(xiàn)的。

換言之，傳統(tǒng)的知識生產(chǎn)具有較高的門檻，缺乏嚴(yán)格訓(xùn)練且沒有充分知識表達(dá)能力的個體，無法很好地加入這一知識生產(chǎn)過程。然而，大模型卻會產(chǎn)生巨大的知識賦權(quán)效應(yīng)，以ChatGPT為代表的大模型可以在較為通用的領(lǐng)域內(nèi)進(jìn)行廣泛應(yīng)用，可以執(zhí)行廣泛的語言任務(wù)，包括寫代碼、創(chuàng)作散文及翻譯文本等。在這個知識生成工具的輔助下，任何個體只要掌握了一定的提示工程技巧，就可以引導(dǎo)大模型根據(jù)自己的需求產(chǎn)生大量知識。而喻國明等學(xué)者同樣敏銳地觀察到了以GPT為代表的大模型技術(shù)對個體的賦權(quán)作用，并指出“生成式人工智能將更加深刻地對個體賦能賦權(quán)”，主要表現(xiàn)在生成式人工智能突破了資源使用整合層面的能力局限，提高了個體的傳播能力，同時促進(jìn)了普通個體與精英的“能力溝”的彌合。 深度媒介化的意義在于，這樣的知識生產(chǎn)本身就意味著傳播活動的開始。“一鍵生成”的知識生產(chǎn)模式和“一鍵發(fā)布”的知識傳播模式會結(jié)合在一起，大大縮短從知識產(chǎn)生到他人接受知識的過程。在這樣的背景之下，大模型勢必會帶來一場全新的知識生產(chǎn)革命。

每個個體只要掌握了一定的提示工程技巧和能力，就可以利用大模型生成巨量知識，可以進(jìn)入知識生產(chǎn)的中心。這種新型的知識生產(chǎn)明顯是去中心化的。每個個體似乎在形式上都能夠扮演在傳統(tǒng)知識秩序中學(xué)者和專家才具有的角色。

只要具有一定的流量和粉絲，就能夠影響其他個體。學(xué)者和專家在整個知識生成秩序中的作用會不斷被稀釋，會出現(xiàn)一種“量化的平庸”現(xiàn)象。

在傳統(tǒng)的知識生成秩序中，學(xué)者和專家的知識被賦予了更多的權(quán)重，因此其知識會自動地浮現(xiàn)出來，從而引導(dǎo)社會發(fā)展的方向。然而，在一種巨量且快速生成的新知識秩序之中，學(xué)者和專家的知識如果不被賦予更多權(quán)重，那么他們生成的知識只能作為將被加權(quán)平均的基數(shù)而存在。從這一點(diǎn)來講，這種內(nèi)在媒介化同樣蘊(yùn)含了新的風(fēng)險。

在這樣一個人人都進(jìn)行知識生產(chǎn)和表達(dá)的時代，我們需要反問：這樣的表達(dá)中哪些是個體自身的內(nèi)在想法？換言之，在一個人機(jī)雜糅的知識生產(chǎn)時代，人類知識和人類的真正思考是否已經(jīng)被機(jī)器知識完全稀釋掉了？

二、知識泡沫與深度混淆：后真相時代的真正來臨

人類社會的傳統(tǒng)知識生產(chǎn)是一種較為精致的知識生產(chǎn)。這樣的創(chuàng)作過程往往需要花費(fèi)較長的時間。例如，要創(chuàng)作一首歌曲，首先就需要創(chuàng)作者到各地或者各場景中去采風(fēng)，在創(chuàng)作的過程中獲得某些靈感，并在靈感的激發(fā)下完成作品。同時，其也是在與大量人類個體的互動中誕生的。

這樣的作品要獲得社會的認(rèn)可和承認(rèn)，同樣需要經(jīng)歷一個漫長的過程，甚至可能會被不斷地再創(chuàng)作。用保羅·利科（Paul Ricoeur）的話來講，這種對原作品不斷創(chuàng)作的過程，就是解釋的過程。

由于“解釋是思想的工作，這工作在于對隱藏在表面意義中的意義加以辨讀，在于展開包含在字面意指中的意指層次”。因此，這種解釋過程甚至可能比作者的原創(chuàng)作過程更加重要。人文藝術(shù)一直被認(rèn)為是人類知識創(chuàng)造的最高水平，好的人文藝術(shù)作品可以激發(fā)人的某種情感。比如，格奧爾格·黑格爾（Georg Hegel）認(rèn)為“美就是理念的感性顯現(xiàn)”，并主張藝術(shù)之本質(zhì)是一種精神性的存在。然而，這些領(lǐng)域目前都在面臨人工智能生成物的侵蝕，如智能繪圖工具M(jìn)idjourney和Stable Diffusion可能會逐步使得人類繪畫失去意義。目前，插畫師行業(yè)已經(jīng)受到這些AIGC工具的威脅。從2023年上半年開始，一些動漫公司的插畫師就被大范圍裁員，而那些被保留下來的插畫師還被要求必須會使用Midjourney等工具。與AIGC工具相比，人類插畫師的創(chuàng)作速度實(shí)在太慢。人類插畫師要完成一幅作品，至少需要2—3天的時間，而對于Midjourney這樣的工具而言，其在10秒鐘就可以完成4幅作品的創(chuàng)作。這種一鍵生成和快速創(chuàng)造對于人類的知識生產(chǎn)而言是一種巨大的沖擊。人工智能生成工具的進(jìn)化速度也讓人越來越驚訝。在從V1到V5不到一年的進(jìn)化時間中，Midjourney實(shí)現(xiàn)了各方面能力的巨大提升。

例如，之前讓人工智能對人類手部進(jìn)行臨摹是較為困難的，然而在最新的版本中，這一問題得到了有效解決。在最新的V5.1版本中，Midjourney的像素大大提升，已經(jīng)完全達(dá)到能在經(jīng)濟(jì)活動中替代插畫師工作的水平。而在現(xiàn)實(shí)中，出于經(jīng)濟(jì)效率的考慮，動漫公司會毫不猶豫地裁掉人類插畫師，而選擇Midjourney這類工具。近期另一個重要的案例是“AI孫燕姿”在社交媒體中的爆火。翻唱經(jīng)典歌曲是人類音樂創(chuàng)作的一部分。如前所述，翻唱的過程實(shí)際上是讓經(jīng)典變得更加經(jīng)典的過程。然而，AI翻唱出現(xiàn)后，人類個體通過AI工具從孫燕姿的音樂中提取其音色特征，可以快速且海量地生成用AI孫燕姿翻唱的華語歌壇的諸多作品。

整體而言，人類的知識生產(chǎn)是一種慢速生產(chǎn)，在慢速生產(chǎn)過程中，人類會精心地進(jìn)行知識的挑選，使得那些高質(zhì)量的知識浮在人類社會的頂端，并將其作為人類社會前行的重要指引。

因此，每個時代都會有最具藝術(shù)創(chuàng)造力的作品。

以中國文學(xué)為例，我們可以看到楚辭、漢賦、唐詩、宋詞、元曲、明清小說等經(jīng)典作品的流傳。

一個時代所流行的作品，終會以某種經(jīng)典藝術(shù)的形式被保留下來。而這樣的藝術(shù)形式是人類社會在漫長時間中逐步發(fā)展并積淀下來的。在機(jī)器看來，人類的知識生產(chǎn)無疑是一種龜速。實(shí)際上，人類知識生產(chǎn)慢速的重要原因是要擠壓泡沫。

然而，以大模型為中心的知識生產(chǎn)卻會打破這種慢速節(jié)奏。與之類似，丹尼爾·貝爾（DanielBell）曾提到快速的視覺文化對慢速的印刷文化的沖擊，其認(rèn)為“當(dāng)代文化正在變成一種視覺文化，而不是一種印刷文化”，而“印刷媒介在理解一場辯論或思考一個形象時允許自己調(diào)整速度”，但視覺媒介“則把它們的速度強(qiáng)加給觀眾”。換言之，由于知識在較短的時間內(nèi)大量生成，就會失去泡沫擠出的時間，最終導(dǎo)致的結(jié)果便是一種深度混淆。這里的深度混淆主要表現(xiàn)為兩種：第一，正確與錯誤的混淆。ChatGPT有非常嚴(yán)重的幻覺問題，即其會一本正經(jīng)地說瞎話。

雖然GPT-4在一定程度上大大減少了幻覺的出現(xiàn)，但這一問題仍然存在。從某種意義上講，幻覺是不可能完全消除的。GPT是一種根據(jù)上文預(yù)測下文的大語言概率模型，其本質(zhì)上是通過上文的詞語來生成下文，而下文選擇哪一詞是在概率運(yùn)算的基礎(chǔ)上得到的。換言之，機(jī)器生成的基礎(chǔ)是概率，而概率就意味著各種可能性都會存在。

幻覺是小概率事件，但小概率意味著其仍然有可能產(chǎn)生。實(shí)際上，人類的知識同樣會存在錯誤和偏差，但是人類的知識生產(chǎn)存在一種自我認(rèn)同和糾偏機(jī)制。換言之，知識秩序的出現(xiàn)本身就是一種認(rèn)同的表現(xiàn)，其會通過一體化的力量來塑造這種認(rèn)同。當(dāng)然，這些認(rèn)同并不意味著錯誤的完全消除，因?yàn)檎_和錯誤是相對的。某種知識在一種語境中是正確的，但在另一語境中卻可能是錯誤的。然而，在大語言模型那里，人類價值觀的不同語境問題會被同一化，都會被轉(zhuǎn)化為概率問題，這實(shí)際上就會把人類的知識偏差或者錯誤內(nèi)嵌到機(jī)器的知識生產(chǎn)之中。

另外，數(shù)據(jù)是機(jī)器的食物。大模型之所以表現(xiàn)出如此高的智能，是因?yàn)閰?shù)數(shù)量的增加使其智能以涌現(xiàn)的方式出現(xiàn)。換言之，機(jī)器智能是“大力出奇跡”的結(jié)果，需要大量的人類知識投喂。這就會面臨人類數(shù)據(jù)被用盡的問題。

OpenAI的首席科學(xué)家伊利亞·蘇茨科弗（IlyaSutskever）在訪談中就曾談到這個問題，其認(rèn)為未來人類的數(shù)據(jù)可能會被用盡。一個新問題是，當(dāng)人類數(shù)據(jù)被用盡之后，我們將會用何種知識來訓(xùn)練機(jī)器？人類的選擇便可能是機(jī)器產(chǎn)生的知識。實(shí)際上，今天機(jī)器產(chǎn)生的知識已經(jīng)大量進(jìn)入人類的知識體系，以至于我們有時已經(jīng)很難辨認(rèn)哪些是人類的知識，哪些是機(jī)器的知識。從這個角度來講，機(jī)器生成產(chǎn)生的偏差或錯誤會以語料的方式再次進(jìn)入大模型的訓(xùn)練之中，這會導(dǎo)致一種偏差或錯誤的自我循環(huán)，最終使得人們很難辨認(rèn)正確和錯誤。

第二，高質(zhì)量和低質(zhì)量的混淆。盡管質(zhì)量高低評判的尺度非常復(fù)雜，而且在一些情況下，質(zhì)量高低也往往是一種主觀評價，但人類社會在數(shù)千年的演進(jìn)中還是形成了諸多關(guān)于質(zhì)量的評價。

如前所述，每個時代都有那個時代的經(jīng)典作品。

經(jīng)典作品實(shí)際上是在人類后期知識秩序產(chǎn)生的過程中，通過大量的人工活動被挑選出來的。今天的困難在于，在海量的知識生產(chǎn)面前，人類的挑選變得非常無力，因?yàn)閿?shù)據(jù)量過于巨大，人類無法進(jìn)行有效的挑選。在人類社會的絕大多數(shù)階段，記錄是例外，遺忘是常態(tài)。絕大多數(shù)知識并沒有被有效地記錄下來，那些被記錄下來的知識本身就已經(jīng)被遴選過。同時，在記錄的過程中，由于記錄載體是相對稀缺的，所以這一記錄過程本身也是一個信息精簡的過程。人類社會早期的文字記錄，形式都比較精簡。隨著記錄手段的不斷發(fā)展，人類記錄的知識變得越來越冗長，有意義的和無意義的信息都會被記錄下來，這給后來者的學(xué)習(xí)和信息挑選都帶來了一定的困擾。在今天短視頻和直播大行其道的背景之下，人類的高質(zhì)量選擇活動會變得更加困難。何況，未來的短視頻和直播中還會增加更多機(jī)器的身影，而人類沒有充足的時間去觀看這些內(nèi)容。

所以，在深度混淆的背景之下，人類進(jìn)入了一個知識的冗余時代。冗余的最大問題就在于其對真相的蒙蔽。伊萊·帕里澤（Eli Pariser）曾提道，“一個充斥著已知的世界也是一個無法學(xué)習(xí)新事物的世界”，人們被知識的“虛假繁榮”幻象籠罩著，以至于人類探尋真相與新知的腳步被極大地阻礙。2016年，“后真相”（posttruth）一詞曾被牛津詞典選作“年度詞匯”，其主要指客觀事實(shí)對于形塑公共輿論的影響力，不如訴諸個人的情感與信念。同時，其具有權(quán)威性與影響力倒置、客觀性“破產(chǎn)”等特征。如今，在知識泡沫和深度混淆的雙重影響之下，真正的后真相時代可能會來臨。在傳統(tǒng)的知識秩序中，人們對于真相的信念往往需要通過大量的學(xué)校教育以及主流媒體的宣傳來不斷加以確認(rèn)。然而，在今天，對于那些新媒體的原住民而言，其可能從內(nèi)心上就排斥這樣一種所謂的真相。再加上大量人工智能生成物的泡沫洗禮，這些原住民從內(nèi)心情感上似乎已經(jīng)不再愿意辨別真相?！坝袌D有真相”已經(jīng)成為過去式。譬如，近期深耕數(shù)字技術(shù)研究領(lǐng)域的心理學(xué)家蘇菲·南丁格爾（Sophie Nightingale）等人進(jìn)行了一項(xiàng)研究，其對志愿者是否能夠區(qū)分人工智能系統(tǒng)創(chuàng)建的類似于護(hù)照的頭像和真實(shí)圖像進(jìn)行了測試，實(shí)驗(yàn)結(jié)果表明，人們很難可靠地辨別人工智能合成的面孔與真實(shí)面孔之間的區(qū)別。同時，南丁格爾等人指出，基于音頻、圖像和視頻的合成（即“深度造假”），已經(jīng)使好萊塢級特效技術(shù)大眾化。換言之，如果人們認(rèn)為圖片就代表真相的話，只要人們有一個想法，Midjourney等應(yīng)用在瞬間就能生成“真相”。目前，由文字生成視頻的技術(shù)也在快速發(fā)展當(dāng)中，例如Gen-2便可以通過人們的提示生成視頻。當(dāng)然，這樣的技術(shù)目前還不完全成熟，但是按照機(jī)器迭代的速度，可能在未來1—2年，文字生成視頻的技術(shù)就會大行其道。

知識泡沫和深度混淆的最為嚴(yán)重的后果就是信任的困難。由于圖像的巨量使用，真相常常被人為地進(jìn)行操控與扭曲，并呈現(xiàn)出對事實(shí)及真相的解構(gòu)。在“深度偽造”（Deepfake）流行的背景下，人們變得無法對那些看到的東西產(chǎn)生信任，進(jìn)而誘發(fā)嚴(yán)重的社會信任危機(jī)。對于人類的知識生產(chǎn)而言，就會出現(xiàn)一種真實(shí)的“自我舉證困難”。換言之，假設(shè)一個人發(fā)布了一段關(guān)于自己的真實(shí)的視頻，那么如果他要向大家證明這段他自己拍攝的視頻是真實(shí)的，就會出現(xiàn)舉證困難，即真實(shí)的自己在“舉證自己是真實(shí)的”過程中的舉證困難。最終結(jié)果就是，既然大家都不相信人們的行為是真實(shí)的，那人們?yōu)楹芜€要表現(xiàn)出真實(shí)的行為？

三、知識秩序的打破及其對政治秩序的威脅

知識秩序和政治秩序處在某種異形同構(gòu)的關(guān)系之中。知識秩序是基礎(chǔ)，其涉及大眾的日常生活，而政治秩序是上層建筑，其涉及政治統(tǒng)治和國家治理。良好的政治秩序往往需要建立在穩(wěn)定的知識秩序基礎(chǔ)之上。例如，儒家便極為強(qiáng)調(diào)這種知識秩序與政治秩序的辯證關(guān)系?！墩撜Z》是儒家構(gòu)建政治秩序的關(guān)鍵著作，其第一篇是《學(xué)而》篇，這在一定程度上表明，儒家力圖通過知識秩序來構(gòu)建政治秩序。學(xué)習(xí)是知識秩序的基礎(chǔ)。對于學(xué)習(xí)的內(nèi)容，儒家一方面強(qiáng)調(diào)那些經(jīng)典的文本（如四書五經(jīng)），另一方面則更為強(qiáng)調(diào)對四書五經(jīng)中“仁義禮智信”等內(nèi)容的實(shí)踐。四書五經(jīng)是儒家知識秩序的象征。政治秩序的主權(quán)者往往會委托代表性學(xué)者（如朱熹等）主持某些典籍的編纂工作，以便通過這些編纂來強(qiáng)化知識秩序，從而在知識秩序中傳播孔子所強(qiáng)調(diào)的“君君臣臣父父子子”這種各方角色履行其職能的觀念。最終，知識秩序會服務(wù)于政治秩序。從另一個角度來講，傳統(tǒng)知識秩序的慢生產(chǎn)節(jié)奏與政治秩序緊密結(jié)合。政治會采用一種遴選機(jī)制，將一些符合政治統(tǒng)治的知識上升為國家意識形態(tài)。比如前述的四書五經(jīng)的編撰，或者歷史上一些大型百科書籍的編撰，都在很大程度上產(chǎn)生了一種知識大一統(tǒng)的效應(yīng)，以服務(wù)于政治秩序。從這個角度來講，以GPT技術(shù)為代表的通用大模型會對傳統(tǒng)的政治秩序形成巨大沖擊。這主要體現(xiàn)在以下兩點(diǎn)：第一，約束困境。大模型本身是以知識秩序的外生力量出現(xiàn)的。用馬克思的概念來說，其是一種異己的力量。通用大模型是以一種生產(chǎn)力工具的面貌出現(xiàn)的。在GPT技術(shù)的發(fā)展過程中，微軟是一個極為關(guān)鍵的角色。OpenAI在開發(fā)GPT的技術(shù)過程中遇到了重要的算力瓶頸。沒有強(qiáng)大算力，即便OpenAI的首席科學(xué)家蘇茨科弗對大模型有非常強(qiáng)的信念，這樣的智能涌現(xiàn)還是無法出現(xiàn)。對于微軟而言，大模型給其帶來的直接收益就是其可能會改變搜索市場的生態(tài)。在此前的國際搜索市場中，谷歌在很大程度上是一種強(qiáng)勢的壟斷性存在，微軟的必應(yīng)在其中所占的市場份額很小。然而，大模型的出現(xiàn)卻可能會改變這一格局。從目前的例證來看，微軟必應(yīng)的個人用戶在短期內(nèi)已經(jīng)有較大的增長。微軟推動GPT技術(shù)的目的很簡單，就是要改變搜索市場的格局。同時，微軟還希望通過將GPT技術(shù)全面接入Office系統(tǒng)，大大提升Office系統(tǒng)中各個組件的性能。

目前，微軟首席執(zhí)行官薩蒂亞·納德拉（SatyaNadella）已證實(shí)，Office正在與GPT-4進(jìn)行新的集成。而這些組件在人們的辦公或生活過程中都是一些非常重要的生產(chǎn)力工具。例如，在新的Office Copilot系統(tǒng)中，人們可以輕易地實(shí)現(xiàn)一鍵生成PPT。只要人們說出對PPT的某些相關(guān)要求，在幾十秒的時間之內(nèi)，一份PPT的制作便可完成。正如默里·沙納漢（Murray Shanah）在《技術(shù)奇點(diǎn)》一書中所強(qiáng)調(diào)的那樣，人工智能龐大的數(shù)據(jù)量和出色的處理速度正在越來越讓人感到驚訝。總之，大模型是作為一種提高生產(chǎn)力的經(jīng)濟(jì)力量而出現(xiàn)的，其與現(xiàn)有知識秩序本身就是不相容的。

然而，這其中悖謬的是，大模型又表現(xiàn)為一種強(qiáng)大的知識生成工具。換言之，其以經(jīng)濟(jì)力量出現(xiàn)，卻將自身納入了知識生成的秩序之中，這就會出現(xiàn)一種約束困境。作為政治秩序的代表，國家要維持基本的治理秩序，就需要對大模型的力量進(jìn)行監(jiān)管和約束。如果不約束，其最終發(fā)展很可能危及政治秩序本身。然而，如果約束過強(qiáng)，不僅大模型的生產(chǎn)效率將會受到影響，而且政府本身在脫離技術(shù)力量的快速發(fā)展之后，也難以達(dá)成較好的社會治理效果。 強(qiáng)監(jiān)管之下的大模型會受到多方面的掣肘，極有可能在國際競爭中落敗，而這種落敗無疑又會影響到經(jīng)濟(jì)秩序。

經(jīng)濟(jì)基礎(chǔ)決定上層建筑，在代表經(jīng)濟(jì)秩序的生產(chǎn)力競爭中落敗，在很多國家看來都是不能被接受的，于是就會出現(xiàn)一個“必須監(jiān)管，但又不能監(jiān)管”的約束困境。

第二，不確定性困境。大模型的另一個重要特征是生成智能。GPT中的“G”是Generative的縮寫，其中文含義是“生成的”。生成智能意味著其生成的內(nèi)容本身就是不確定的。如前所述，通用大模型的本質(zhì)是大語言的概率模型，這意味著各種可能性都會出現(xiàn)。換言之，大模型本身就是一種不確定性的工具，這就與政治秩序產(chǎn)生了一種內(nèi)在沖突。因?yàn)檎沃刃虮旧硇枰叨鹊拇_定性，不確定性就意味著某種程度的失序的可能。大模型作為人類社會生產(chǎn)力基礎(chǔ)的大趨勢是不可改變的。未來，為了推動生產(chǎn)力的不斷發(fā)展，無論是生產(chǎn)部門還是社會組織，抑或政府相關(guān)部門，都不可避免地要接入大模型，而大模型本身內(nèi)在的不確定性又可能會增加政治秩序的失序風(fēng)險。

另外，與生成智能相關(guān)的知識產(chǎn)權(quán)問題也會涉及政治秩序。目前，知識產(chǎn)權(quán)界對于生成智能往往會采取直接拒斥的做法，即認(rèn)定生成智能不具備相關(guān)的知識產(chǎn)權(quán)。 例如，馮曉青等人認(rèn)為，人工智能的生成物不能真正體現(xiàn)創(chuàng)作者的獨(dú)特性，因而無法被認(rèn)定為著作權(quán)法意義上的作品。這個做法的優(yōu)點(diǎn)是，其在很大程度上捍衛(wèi)了傳統(tǒng)的知識秩序，可以避免人工智能生成物對傳統(tǒng)知識秩序的沖擊。

然而，其也會產(chǎn)生相應(yīng)的問題，即對于目前日益發(fā)展的人工智能生成物世界，人類并沒有建立相應(yīng)的規(guī)則。由于目前對人工智能生成物僅僅是采取一種拒斥的做法，因此人類社會很難對這樣的人工智能生成物進(jìn)行保護(hù)。而一些人工智能生成物的經(jīng)典作品（例如那幅獲得了國際大獎的《太空歌劇院》畫作），也需要人類付出大量的提示工作。因而，這其中會產(chǎn)生如下問題：第一，提示詞本身是否具備某種知識產(chǎn)權(quán)？

因?yàn)樘崾驹~決定著生成物的質(zhì)量，而且提示詞在很大程度上也是人類知識的一種新創(chuàng)造形式。第二，機(jī)器的創(chuàng)造性是否需要得到保護(hù)？因?yàn)橹R產(chǎn)權(quán)本質(zhì)上保護(hù)的是創(chuàng)造性。例如，一些新型的外觀或者藥物的分子組合都表明了這種創(chuàng)造性。

機(jī)器在這一過程中同樣可能會產(chǎn)生類似于人的創(chuàng)造性。如果人類只是簡單地對其進(jìn)行拒斥，這實(shí)際上是人類傲慢的一種表現(xiàn)。這種拒斥產(chǎn)生的最大問題是，其并沒有為這一新世界創(chuàng)造某種秩序。第三，知識產(chǎn)權(quán)的建立不僅涉及經(jīng)濟(jì)體系，還涉及責(zé)任體系。由于目前人工智能生成物并不具備相應(yīng)的知識產(chǎn)權(quán)，因此會導(dǎo)致大量盜用情形的出現(xiàn)。對于那些花了大量時間通過提示來創(chuàng)作經(jīng)典作品的人而言，這是不公平的。另外，經(jīng)濟(jì)體系還會誕生責(zé)任體系。人們從某個作品中通過知識產(chǎn)權(quán)獲得某種經(jīng)濟(jì)利益的同時，也被要求進(jìn)入某種責(zé)任體系之中。當(dāng)某個作品產(chǎn)生相應(yīng)的負(fù)面影響時，這一作品的所有者將要承擔(dān)相應(yīng)的責(zé)任。

因此，對人工智能生成物的排斥性做法最大的問題就在于，這種拒斥權(quán)利不僅導(dǎo)致了經(jīng)濟(jì)收益無法保障，還會導(dǎo)向無責(zé)任的情況。實(shí)際上，在知識產(chǎn)權(quán)的實(shí)踐當(dāng)中，一些在相應(yīng)的判決中產(chǎn)生的處罰往往是以經(jīng)濟(jì)收益為中心的。換言之，經(jīng)濟(jì)利益的確認(rèn)在很大程度上導(dǎo)致了一種責(zé)任體系的誕生。如果我們不給予人工智能生成物以知識產(chǎn)權(quán)的認(rèn)定，那就排斥了其經(jīng)濟(jì)利益，同時也排斥了相關(guān)的責(zé)任界定，出現(xiàn)一種極化的處置方式。未來，如果人工智能生成物的知識產(chǎn)權(quán)不能被給予界定，可能會出現(xiàn)大量規(guī)模較小的侵權(quán)活動。當(dāng)然，這樣的侵權(quán)更多的是從人類知識產(chǎn)權(quán)的角度來理解的。由于法律上沒有界定，所以就沒有辦法對其進(jìn)行懲戒。另外，當(dāng)涉及的社會影響極其巨大時，其會被定義為一種惡性事件。這就會出現(xiàn)一種極化的處理方式，即極小的懲戒不存在，而只會進(jìn)行較大的惡性事件的重罰，這最終并不利于法治的發(fā)展。

四、大模型的知識大一統(tǒng)與知識帝國主義

以GPT技術(shù)為代表的大模型，可能會形成某種知識大一統(tǒng)格局。以O(shè)penAI開發(fā)的GPT技術(shù)為例，其訓(xùn)練的核心語料以英文為主，其他的語言只占到非常小的比例?，F(xiàn)有的公開資料顯示，GPT-3的預(yù)訓(xùn)練語料集主要由Common Crawl數(shù)據(jù)集、Reddit鏈接、書籍、期刊及英文維基百科數(shù)據(jù)等組成，而微調(diào)語料則主要源于GitHub上的公共代碼庫。從這個意義上講，OpenAI的GPT技術(shù)是“西方知識的孩子”。從知識基因的角度來講，其持有典型的西方價值觀特征。另外，在大模型的微調(diào)過程中，OpenAI要啟動與人類對齊的工作，問題是，這里的對齊是與誰對齊？很明顯，這樣一個與人類培養(yǎng)人才類似的對齊過程，其內(nèi)含的對齊價值觀明顯是西方價值觀。

換言之，通用大模型是一種當(dāng)代的“巴別塔構(gòu)架”，其在很大程度上會打破語言的壁壘。盡管GPT訓(xùn)練的語料主要是英文知識，然而涌現(xiàn)的意義在于，其一旦達(dá)到某種智能突破之后，就會在不同語言任務(wù)中表現(xiàn)出極為優(yōu)異的效果。例如，在眾多網(wǎng)友的測試中，即便是對中文語義的理解，GPT系列的表現(xiàn)仍然大大優(yōu)于以中文語料訓(xùn)練為主的“文心一言”。因此，大模型的發(fā)展可能會有利于形成某種基于西方文化的知識統(tǒng)一，其可能會構(gòu)建一種新型的知識帝國，對于其他文化可能會形成壓迫和打擊效應(yīng)。在這一過程中，各類小語種會面臨極為不利的困境，并被動地承受來自英文知識的話語權(quán)力擠壓。 語言的價值在于學(xué)習(xí)和使用，然而在大模型大行其道的背景之下，英語學(xué)習(xí)可能會迎來新一輪的熱潮。

從效率的角度來講，如果未來GPT技術(shù)一直處于非常領(lǐng)先的地位，其他國家并未產(chǎn)生與之相抗衡的大模型技術(shù)，就意味著各國的使用者要獲得這樣的先進(jìn)生產(chǎn)力，將不得不借助GPT這樣的大模型。同時，基于GPT等大模型技術(shù)的發(fā)展，機(jī)器翻譯的水平會越來越高，對小語種而言，這同樣會形成巨大的遏制效果。最后可能會出現(xiàn)的一種情形便是，大模型技術(shù)與西方少數(shù)知識精英形成聯(lián)合，這種聯(lián)合為整個世界范圍內(nèi)的知識生產(chǎn)提供基礎(chǔ)構(gòu)架，再通過知識民粹主義的方式發(fā)動大眾，在大眾的提示和誘導(dǎo)之下產(chǎn)生巨量的知識生產(chǎn)，最終結(jié)果是動搖傳統(tǒng)知識秩序中的知識中產(chǎn)階級。路易·阿爾都塞（Louis Althusser）認(rèn)為，通過對人的“詢喚”（interpeller）能夠使其成為服從的主體（sujet），即“所有意識形態(tài)都通過主體這個范疇發(fā)揮功能，把具體的個人呼喚或傳喚為具體的主體”。在這一過程中，GPT將發(fā)揮路易·阿爾都塞筆下的“詢喚”功能。換言之，GPT能夠通過對個人的詢喚使其服從于“他者”，并引導(dǎo)具體的個人為西方少數(shù)精英這個主體的意識形態(tài)提供服務(wù)。這里要特別討論的是中產(chǎn)階級在大模型產(chǎn)生的新知識運(yùn)動中的可能走向和地位。人類歷史上的諸多思想家都極為重視中產(chǎn)階級的作用。例如，亞里士多德就討論過中產(chǎn)階級對于政治穩(wěn)定的特殊功能。作為社會發(fā)展的穩(wěn)定器，中產(chǎn)階級可以在很大程度上避免政治極化的出現(xiàn)。同時，中產(chǎn)也是知識生產(chǎn)的主力軍。在第三產(chǎn)業(yè)中，占據(jù)較大比例的服務(wù)業(yè)主體便是知識中產(chǎn)。這些中產(chǎn)包括編程人員、辦公室工作人員、會計(jì)師、律師、教師、醫(yī)生和心理咨詢師等。知識中產(chǎn)在人類傳統(tǒng)的知識生成秩序中發(fā)揮著重要的基座功能。絕大多數(shù)知識中產(chǎn)承擔(dān)著知識傳播和知識實(shí)踐的功能，少數(shù)的知識中產(chǎn)則會發(fā)揮知識創(chuàng)造和知識生成的作用。這里要特別提及的是，知識傳播對于知識秩序而言同樣極為重要。知識中產(chǎn)在這一過程中通過一種相對穩(wěn)定的慢傳播，會對政治秩序形成穩(wěn)定效應(yīng)。然而，大模型的發(fā)展可能會在一定程度上削弱知識中產(chǎn)的意義，甚至?xí)涂罩R中產(chǎn)的存在價值。

大模型會變成一種普遍性的生產(chǎn)力工具。那些并未受過較好高等教育的人，都可以通過大模型來進(jìn)行巨量的知識生產(chǎn)。這將導(dǎo)致的后果之一就是知識的世俗化甚至庸俗化。而教育作為知識傳播的核心環(huán)節(jié)，也將不可避免地趨于平庸。帕克·帕爾默（Parker Palmer）認(rèn)為，知識分子在知識傳播過程中有其獨(dú)特的價值意義，但知識的大眾化生產(chǎn)對教育的崇高化產(chǎn)生沖擊的另一個副作用就是“我們最多只能達(dá)至平庸”。同時，這樣的知識生產(chǎn)可能會內(nèi)含西方的價值觀，而西方的知識精英會與資本精英和技術(shù)精英聯(lián)合起來，通過知識民粹主義的方式，不斷創(chuàng)造新的知識熱點(diǎn)。如果作為穩(wěn)定器的知識中產(chǎn)在這一過程中不斷地被邊緣化，則會最終導(dǎo)致知識生產(chǎn)秩序的極化問題。并且，這種極化最終可能會蔓延到政治領(lǐng)域，并加劇政治領(lǐng)域的極化問題。譬如，調(diào)用OpenAI的API需要支付一定的費(fèi)用，具體收費(fèi)標(biāo)準(zhǔn)則主要根據(jù)通證（token）數(shù)量而定。而近期技術(shù)專家丹尼斯·林可夫（Denys Linkov）通過測試和統(tǒng)計(jì)發(fā)現(xiàn)，向GPT-3詢問同一個問題時，某些小語種要比英語貴15.77倍。小語種除了因通證量的增加而帶來高成本問題外，還蘊(yùn)含著更長的等待時間、更少表達(dá)的提示及更有限的響應(yīng)等內(nèi)在約束。進(jìn)言之，在大模型使一切信息“通證化”的趨勢下，通證將扮演一種新型通貨的角色。由于美西方國家在API調(diào)用上相對于使用其他小語種的國家具有明顯優(yōu)勢，因此在未來極有可能出現(xiàn)一種由大模型導(dǎo)向的新美元秩序，進(jìn)而出現(xiàn)一種數(shù)字空間中的新型地緣政治格局。換言之，未來，關(guān)于大模型的競爭，很可能會演變成新型文明的競爭。

結(jié) 語

我們目前處在一種深度媒介化的過程之中，這種深度媒介化不可避免地帶來了知識泡沫和深度混淆問題。在加速主義的背景之下，正確與錯誤、高質(zhì)量與低質(zhì)量都變得越來越難以辨別。這其中蘊(yùn)含的最大風(fēng)險就是，人們會認(rèn)為沒有什么是真正值得信任的。這樣一種深度不信任的蔓延，最終會使得知識秩序的危險轉(zhuǎn)變成政治秩序的危險。西方國家很可能會利用其在大模型技術(shù)上的優(yōu)勢地位，推動一種基于語言大一統(tǒng)的知識大一統(tǒng)，這在本質(zhì)上是一種新型的知識帝國主義。要破除這種知識帝國主義，對于較大的主權(quán)國家而言，開發(fā)自己的大模型變得尤為重要，而對于那些沒有能力自己開發(fā)大模型的國家而言，則需要審慎地進(jìn)行大模型的使用。

因?yàn)檫@種使用背后反映的是一種價值觀一體化的力量。如果使用不當(dāng)，可能會使本國的弱勢文化陷入覆滅的風(fēng)險。

另外，由西方資本所推動的加速主義情形同樣是我們要反對的。因而，在一定程度上，人類社會要形成某種減速或者反加速。在這一過程當(dāng)中，形成GPT時代的新知識秩序至關(guān)重要。我們當(dāng)前面臨著一種舊世界被打破的情形，更加需要通過協(xié)商民主合力構(gòu)建新的人機(jī)秩序。如果這樣的新秩序無法在大模型被廣泛應(yīng)用之前就建立好，那么大模型很有可能會對人類社會產(chǎn)生巨大的創(chuàng)造性破壞影響。

換言之，在知識泡沫和深度混淆的背景之下，我們要形成一定的知識沉淀和鑒別機(jī)制，以對抗機(jī)器的巨量泡沫創(chuàng)造。同時，在這一過程中，民族國家和公民個體的內(nèi)在能力就會變得至關(guān)重要。知識在本質(zhì)上還是人的知識，而要實(shí)現(xiàn)自由人的知識生產(chǎn)，關(guān)鍵是要提高人的內(nèi)在知識能力。對機(jī)器的使用，不能導(dǎo)向一種基于機(jī)器的人類異化。同樣，這種內(nèi)在能力也需要擴(kuò)展到民族國家層面，民族國家需要成為抵御這種知識侵略的重要力量。在這一過程中，民族國家需要有效地調(diào)動資源，形成新的知識屏障和秩序，同時還需要在激烈的市場和知識競爭中，充分地參與到這類新型的人機(jī)共生的知識生產(chǎn)之中。各國都需要為這樣的新知識秩序的創(chuàng)立貢獻(xiàn)力量，并且應(yīng)該在這一過程中通過全球協(xié)商民主的方式來構(gòu)筑一種新型的智能文明。

（作者系華東政法大學(xué)政治學(xué)研究院院長，教授）