理解作為新質內容生產力的生成式AI

摘要" 互聯網開辟了“空間革命”，智能手機的出現帶來“時間革命”，生成式AI則可能形成“思維革命”，重塑各行業生態乃至整個社會。生成式AI作為一項新質內容生產力，主要體現在它從“新”和“質”兩個層面對傳統內容生產力進行了革新。所謂“新”，指生成式AI不同于傳統內容生產力，實現了內容領域的關鍵性技術突破。所謂“質”，強調的是生成式AI能通過關鍵性技術的突破，與現有的勞動者、勞動資料和勞動對象結合，孕育出一種新的、更為強勁的創新驅動力。新質態不僅標志著一種全新的發展狀態或形式，更是新質生產力影響力的核心所在。生成式AI賦能的內容產業質態嬗變，集中體現在兩個方面：一是發揮了機器智能在內容產業中的“替代”作用，二是發揮了機器智能在內容產業中的“增強”作用。

關鍵詞" 生成式AI 傳播革命 新質內容生產力 內容產業新質態

一、生成式AI的技術邏輯

生成式AI（Generative Artificial Intelligence，

GAI）作為近年來最具革命性和顛覆性的技術之一，正在成為時代發展中的一個關鍵。該技術以其卓越的能力——從現有數據中學習并生成全新的內容，正逐步重塑我們對生產力的傳統認知，并在信息化、數字化、智能化時代成為新質內容生產力的典范——不僅極大地拓展了內容生產的邊界，還為藝術創作、產品設計、科學研究等多個領域注入了前所未有的創新活力和無限可能。

技術如何模擬人類的認知與思考活動，是理解人工智能技術原理的基本認識落點[1]。

生成式AI概念源自國外自然科學學者，指基于算法、模型、規則，在沒有人為直接參與的情況下生成圖文、音視頻、代碼等內容的技術，包括生成式對抗網絡（GAN）、生成式預訓練變壓器（GPT）、生成擴散模型（GDM）等技術形式[2]。ChatGPT就是基于生成式預訓練變壓器這種具體的技術形式所實現的技術產品，所謂的大語言模型（Large Language Model，LLM）是GPT技術的一種具體模型。生成式預訓練變壓器（GPT）、大語言模型（LLM）是囊括在生成式AI之下的下位概念。

生成式AI的技術過程被一些學者形象地概括為“四板斧”：文字接龍、給予引導、標注反饋和強化學習。這一過程揭示了生成式AI的核心運作機制：基于給定輸入，通過概率計算預測并生成可能的文本或內容，然后利用人類標注的反饋數據進行訓練和優化[3]。由此可見，概率計算生成與實時標注訓練兩大技術特性共同構成了生成式AI獨特的運作模式——與判別式AI的演繹式規則輸入不同，生成式AI側重于通過預測不同元素間的概率分布來實現認知模擬，依賴于數據的相關性和概率性，而非因果性[4]。

二、生成式AI作為新質內容生產力所引發的傳播革命

如果只是在技術邏輯的框架下理解生成式AI，我們可能會局限于人機之間的能力比較，從而忽略了這項技術更深層次的社會意義和影響。必須看到，生成式AI釋放的巨大潛力并非單純來自于其對判別式AI技術原理的革新，更在于其作為新質內容生產力對整個內容生產和分發系統所帶來的根本性變革。因此，這項技術的社會意義本質在于，它是一項能夠實現人類傳播理性要素與非理性要素交織的新質內容生產力。

新質生產力概念，是習近平總書記在科學研判中國社會矛盾、發展階段和發展動力的基礎上得出的重大理論標識性概念[5]，對當代中國的發展方式、發展動力具有重要指引意義。生成式AI作為一項新質內容生產力，主要體現在它從“新”和“質”兩個層面對傳統內容生產力進行了革新。

所謂“新”，指生成式AI不同于傳統內容生產力，實現了內容領域的關鍵性技術突破。回顧歷史，我們可以觀察到內容產業經歷了三個不同的生產力時代，正如羅雪爾（Wilhelm Georg Friedrich Roscher）所闡述：勞動生產力時代、資本生產力時代以及科技生產力時代[6]。在勞動生產力時代，內容的創造和傳播主要依靠個體的手工勞作，依賴于民間那些“講故事的人”和“采風者”來記錄、分享；隨著印刷技術興起，內容產業進入了以資本為主的生產力時代，專業的新聞機構和企業成為產業的主導者，內容渠道等資本的積累和集中也推動了現代大眾傳播的發展；進入現代社會，科技生產力已經成為推動經濟和社會進步的主要動力，高科技和高效率的人工智能技術為內容產業帶來了新的生產力。例如，生成式AI的出現極大地促進了高質量的人機協同內容創造成為可能，該技術將內容生產與分發剝離成體力與腦力勞動兩個維度，將重復性的編輯和校對任務交給了機器，而將需要人類創造力（包括觀察能力、思維能力、想象能力等）的任務重新交還給人類，從而最大限度地發揮了人類的智慧。與傳統的以人為主的內容生產方式相比，生成式AI開啟了人機協作的新可能，也促使內容創作者從側重體力和技能的角色轉變為更加注重知識和創新導向的角色。

所謂“質”，強調的是生成式AI能通過關鍵性技術的突破，與現有的勞動者、勞動資料和勞動對象結合，孕育出一種新的、更為強勁的創新驅動力。生成式AI給內容產業帶來的創新驅動力，即在于它能夠促成以機器智能為代表的傳播理性要素和以人類智能為代表的傳播非理性要素的交織融合，推動內容業態整體演化、升級。具體來說，傳統的判別式AI依賴人類輸入簡單的線性計算模型來執行任務，它需要先從訓練數據提取解決問題的模型，再應用這一模型對新的對象進行識別，遵循從基礎模型到微觀對象的對應邏輯[7]。一旦構建了問題解決的基礎模型，便脫離了人類的直接介入，除非采用新數據重新訓練其基礎模型。因此，判別式AI主要是基于技術計算邏輯建立，只有清晰指示的理性要素能被機器捕捉并集成入模型。而生成式AI則采取不同的路徑，它在人類逐步向機器描述微觀對象特征的過程中進行自我調整，最終形成完成任務的計算模型，這是從微觀對象到基礎模型的邏輯。生成式AI的操作必須建立在與人類的持續互動、“標注”、“微調”之上，人們可以通過指令的精細化不斷影響技術模型。在這個過程中，人類關系、情感等非理性要素會在人機交互過程中被卷入計算模型中，傳統被認為無法被機器識別的、模糊的關系和情感因素都會在人類的標注反饋與機器的適應學習中被技術所內化，并表現在其生成內容中。正因如此，我們可以在ChatGPT生成的文本中感受到“情商”與“情感張力”。從該角度來說，生成式AI是一種融合了人類非理性與機器理性邏輯的新型內容生產力，它不僅拓展了人類的理性思維，也延伸了人類的情感聯系。通過概率計算的技術邏輯和用戶反饋中的人類情感邏輯，生成式AI使得所有傳播的理性與非理性要素在海量數據和強大算力的支持下自然“涌現”，實現了內容生產力從量變到質變的躍升。

三、生成式AI賦能的內容產業新質態

新質態不僅標志著一種全新的發展狀態或形式，更是新質生產力影響力的核心所在。生成式AI賦能的內容產業質態嬗變，集中體現在兩個方面：一是發揮了機器智能在內容產業中的“替代”作用；二是發揮了機器智能在內容產業中的“增強”作用。具體地說，它表現在以下幾個方面：

（一）生成式AI對內容產業的智能“替代”

當生成式AI通過與人類共享的行動者主體身份融入復雜系統中時，將以智能“替代”的方式發揮作用，替代人類智能，自主完成工作。首先是替代人類智能簡單性的內容生產思維活動——人類與生成式AI在交互之前就會擁有一套無主體、共享的原初經驗，它們共處同一系統與機制之中，當兩者身體達到一種耦合狀態時，人類與生成式AI之間的他心感知就成為可能[8]。由此數字生命、機器生命與生物生命（即人體）的對話將得到充分實現，“跨生命交往”成為可能[9]；其次是替代重復性的內容生產環節，包括模板性的內容創作、內容校對等環節——當生成式AI取代了大量低端的信息傳播和重復性的內容生產工作，職業內容生產者的生產活動也將向理性、深度、獨創的方向深入推進[10]；其三是替代既有的社會傳播秩序——生成式AI對系統中人類主體活動的“替代”意味著系統中人、機的“資源（Resource）”與“位置（Site）”均發生了改變，這也會帶來社會秩序變革，傳統精英宰制的社會治理邏輯得以被打破并邁入“常人政治”的未來新社會。

（二）生成式AI對內容產業的智能“增強”

當生成式AI作為智能輔助工具進入復雜系統中，它將會通過智能“增強”的方式來輔助人類行動。

首先是它對個人認知能力的增強——當生成式AI被用于輔助人類認知時，它可以通過技術賦能推動人類主體朝著創意密集型、想象密集型的智力增強主體進化。

其次是它對社會關鍵傳播節點能力的增強——隨著社會層級打破，生成式AI再次將處于不同層級的人類個體和組織拉到社會表達的同一平均線上，個體和組織將會以一種“社會公約數”的身份方式來交互與合作。

其三是它對內容產業流動性和開放性的增強——生成式AI是內容網絡中的“涌現新質”，從這一角度來看，它所帶來的某種程度上的信息偏差與規則失序本質上不再是傳統意義上的破壞性噪音，反而可能成為將內容網絡從“死寂”狀態激活為動態的新力量。它將成為解構傳統內容權力的介質和一種豐富而巨大的創新性資源，通過新的運行法則來組織信息加工、傳輸和貯存的新過程，保障內容網絡的多樣性共存。

結語

概言之，生成式AI對于傳播領域是一場革命性的重構，在這場革命中既要對其未來發展給予充分的發展空間，同時，在這種革命中，泥沙俱下也是一種常態。因此及時監測與治理也是非常關鍵和必要的。但必須意識到，面對生成式AI等新質內容生產力，簡單機械的傳統治理方式無法解決復雜系統的不確定性與復雜性，未來的治理核心在于轉微入宏，關注系統整體結構與規則的治理。特別需要指出的是，所謂復雜性范式其實就是一種包含著對于創新有容錯空間基礎之上一種規范性的治理方式。要知道，數智互聯網及其社會的媒介化進程是以創新為其基本發展條件和動力的，因此，對于創新自由度的保護成為復雜系統進化中不可或缺的必要。即：治理的范式中要有容錯空間，創新是需要一定的空間的。動輒得咎是無法創新的，過于剛性的管理可能對互聯網與平臺發展本身帶來某種難以避免的重大損害。

參考文獻：

[1]肖峰.人工智能與認識論的哲學互釋：從認知分型到演進邏輯[J].中國社會科學，2020（6）：49-71，205-206.

[2]M.Jovanovi?amp;M.Campbell.Generative Artificial Intelligence：Trends and Prospects[J].in Computer，vol.55，no.10，pp.107-112，Oct.2022.

[3]張洪忠，黃民烈，張偉男等.ChatGPT的技術邏輯、社會影響與傳播學未來[J].江西師范大學學報（哲學社會科學版），2023（2）：24-31.

[4]Tomczak，J.M.Why Deep Generative Modeling？

In Deep Generative Modeling[M].Cham：Springer International Publishing，2021：1-12.

[5]周文，許凌云.論新質生產力：內涵特征與重要著力點[J].改革，2023（10）：1-13.

[6]威廉·羅雪爾.歷史方法的國民經濟學講義大綱[M].朱紹文，譯.北京： 商務印書館，1986：15.

[7]吳偉成，周俊生，曲維光.基于統計學習模型的句法分析方法綜述[J].中文信息學報，2013（3）：9-19.

[8]陳龍，經羽倫.生成式AI的道與術及其對媒介實踐的影響[J].當代傳播，2023（4）：24-29.

[9]杜駿飛.ChatGPT：跨生命交往何以可能[J].新聞與寫作，2023（4）：1.

[10]鄭滿寧.人工智能技術下的新聞業：嬗變、轉向與應對：基于ChatGPT帶來的新思考[J].中國編輯，2023（4）：35-40.