大语言模型与档案资源开发：前景、挑战与应对

数智时代背景下，人工智能技术迅猛发展，以ChatGPT为代表的大语言模型的出现加快了多个领域的数字化进程，引领众多领域的发展与创新。在生成式AI的加持下，档案资源开发面临着怎样的前景、将会迎来哪些挑战，又将如何应对这些挑战是本研究讨论的重点。本研究通过探讨大语言模型在档案资源开发过程中发挥的积极作用与存在的待解决问题，为生成式人工智能模型赋能档案资源领域研究提供创新思路。     

生成式AI及其GPT类技术应用对信息管理与传播的变革探析

生成式AI和GPT类技术应用风靡全球。一场影响全社会的知识创新正在发生,新技术革命开启,值得各行业尤其是信息管理与传播业密切关注。本文以逻辑综合方法讨论生成式AI、大语言模型、GPT对信息管理与传播的影响。指出生成式AI和GPT类技术应用正通过智能办公、自动摘要、自动综述和自动简报、机器翻译、媒体变革等对信息管理与传播产生颠覆性影响;也指出生成式AI和GPT类技术应用存在数据偏差、透明度、隐私、恶意使用等问题;提示AI进步和GPT发展正在变革信息管理与传播,正在重塑信息管理与传播,值得学界和业界高度关注。图1。表1。参考文献35。     

生成式人工智能背景下的媒体融合——基于产能的视角

媒体融合已经走过十年的历程,提高优质产能成为关键问题。发生在生成式人工智能领域的技术蝶变为产能问题的解决提供了新的契机。由于向生成式人工智能提什么样的问题或要求,以及提问水平的高低,在很大程度上决定了生成式人工智能提供的内容的质量,传统媒体专业团队驯化语言大模型并提高优质产能成为可能。传统媒体需要积极拥抱生成式人工智能技术,为之改变信息生产机制并有决心承受变革带来的各种压力,才有可能抓住这一历史机遇。     

Chat GPT启示：大语言模型时代传播学研究新问题

<正>一、引言以Chat GPT为代表的大语言模型应用成为互联网空间新生态，开放域多轮对话与生成式技术的突破带来传播研究的新变化。2023年5月14日，由北京师范大学新闻传播学院主办，清华大学新闻与传播学院新媒体研究中心、《国际新闻界》协办的“Chat GPT启示会”在京成功举办。来自清华大学、北京大学、中国人民大学、北京师范大学等知名院校的二十余名专家学者共聚京师大厦，围绕“大语言模型下信息生产与流通领域的问题”“大语言模型下伦理法规领域的问题”“大语言模型下文化领域的问题”三个议题展开了历时1天的精彩研讨。最终，会议基于平等交流的学术研讨原则，聚焦大语言模型时代的新变化提出了66个传播学研究新问题。     

传媒技术：大模型浪潮席卷下的探索与调适

大模型技术在2023年将生成式人工智能推向新的发展阶段,因此成为传媒技术领域的关键主题。尽管大模型技术在商业模式上仍有待探索,但其作为一项颠覆性创新技术对传媒产业的重构作用已然显现。本文从内容生产力、内容生产机制、内容分发效率、数字人应用、内容监管挑战五个方面梳理过去一年中大模型技术在传媒领域的应用与探索,以期为媒体对大模型技术的应用提供参考。     

生成式AI赋能智慧图书馆的融合路径探析——以扎耶德大学图书馆为例

ChatGPT、文心一言等生成式AI产品在产学研界掀起了讨论热潮,其在众多任务上表现出的优势性能将给图书馆领域带来极大的机遇,同时也颇具挑战。探索生成式AI与智慧图书馆融合路径,对智慧图书馆更好地拥抱生成式AI具有重要意义。文章采用文献调研法以及网络调查法,梳理生成式AI概况以及与智慧图书馆之间的关联,探索生成式AI赋能智慧图书馆的研究现状。并采用案例分析法,对国外首例图书馆(扎耶德大学图书馆)生成式聊天机器人实践案例进行分析,探究其应用方式、成效以及问题。最后,以上述研究内容为基础,将优势应用方式与问题解决方案相结合,提出生成式AI与智慧图书馆融合的四大路径,以期赋能智慧图书馆的建设与服务。     

生成式自动文摘的深度学习方法综述

自动文摘是文本挖掘的主要任务之一。相比于抽取式自动文摘,生成式自动文摘在思想上更接近人工摘要的过程,具有重要研究意义。近几年伴随着深度学习方法的发展,基于深层神经网络模型的生成式自动文摘也有了令人瞩目的发展。为了更全面地理解该类方法的思想和研究现状,本文从生成式自动文摘的任务描述入手,梳理了基于RNN (recurrent neural network,循环神经网络)的模型、基于CNN (convolutional neural network,卷积神经网络)的模型、基于RNN+CNN的模型、融合注意力机制的模型和融合强化学习的模型共五大类生成式自动文摘的深度学习方法。这类方法表明,在深层神经网络的训练下,特别是融合注意力机制和强化学习后,摘要效果得以明显提升。在生成式自动文摘研究的未来发展中,除深度学习方法本身的不断应用和改进外,还需关注如何有效实现篇章级语义理解下的摘要、面向不同文本对象特点的摘要和摘要结果自动评价等问题。此外,如何结合传统摘要研究中的成熟方法进一步提高摘要效果,也是一个很有价值的研究方向。     

生成式智能搜索结果可信度研究

以ChatGPT为代表的生成式人工智能取得突破性进展,使生成式智能搜索在运行机制和结果呈现形式上与传统搜索引擎的差异更加显著,也使得生成式智能搜索这一新型搜索工具的结果可信度面临新的挑战。本研究以SOR模型为基础,基于可信度研究的成果和想象可供性理论,从用户信息获取的视角出发,运用卡片分类法和叙事研究法,通过生成式智能搜索典型代表New Bing开展实验,旨在厘清生成式智能搜索结果可信度从刺激、机体到反应的个体心理链路,探究其形成机理与影响因素。以生成式智能搜索结果界面的信息线索为外部刺激,以用户的内在感知和信任意愿为机体,将导致的用户情绪及行为作为反应,最终形成了生成式智能搜索可信度的SOR模型。对生成式智能搜索可信度的形成机理进行分析后认为,系统的研发者可以面向用户,根据使用体验催生的搜索需求,从内容整合性、问答交互性、工具拟人性三个维度出发,优化生成式智能搜索系统。图4。表2。参考文献54。     

生成式智能出版的技术原理与流程革新

[目的/意义]探索生成式人工智能技术赋能出版业所形成的生成式智能出版的技术原理,基于分析式智能出版与生成式智能出版的范畴结构,研究生成式智能出版在内容生产、内容审校、智能印刷、智能营销四个环节的流程革新。[研究设计/方法]以ChatGPT为视角,分析了ChatGPT在生成式智能、认知智能以及通用人工智能三个方面的本体属性界定,揭示其具有的海量数据优势、强化学习算法优势和持续超强算力优势三个关键技术原理,论述了基于生成式人工智能的智能出版流程革新。[结论/发现]生成式智能出版流程革新的意涵包括从专业生产内容到人工智能生产内容,从人工编校到人机协同智能编校,基于生成式智能的按需印刷、智能印刷厂等印刷场景创新以及基于生成式智能的营销数据、能力、效率和质量变革。[创新/价值]对以ChatGPT为代表的优化对话语言模型产品进行了生成式智能、认知智能和通用人工智能阶段成果的本体界定,提出了生成式智能出版在策划、编校、印制和发行环节的新特点、新规律和新设想,一定程度拓展了数字出版、智能出版的研究范畴。     

面向“以人为本”的生成式人工智能：挑战与路径

生成式人工智能在多个领域快速发展,随之带来的各种潜在风险引发社会各界的高度关注。为了规范生成式人工智能技术应用,实现造福人类的目的,发展“以人为本”的生成式人工智能势在必行。“以人为本”的生成式人工智能是一个社会性、技术性兼具的问题,在人机高质量协同、模型驱动数据、治理方式等方面存在挑战。发展“以人为本”的生成式人工智能,需要加强对基础理论和价值准则的研究,加强对可解释性增强技术与公平性增强技术的研究,加强对其应用与治理的研究。     

从ChatGPT到Sora——生成式AI浪潮下强化新闻专业意识的再思考

文生视频大模型Sora将生成式人工智能的应用边界从文字、图片拓展到了视频领域。通过以Sora对视频类记者的职业规范可能带来的挑战为切入点,对生成式AI浪潮下新闻专业意识进行再思考。作者认为,原有的新闻专业操作要求需要有更广阔的外延,新闻从业者不仅要律己,更要学会如何他律于机器。人机协同中新闻从业者应占据“核查者”的主体地位,明确适合生成式AI条件下的职业规范意识和评价标准,新闻传播教育应训练学生如何使用及核实AIGC。智能传播时代不仅新闻从业者,全民的媒介素养都需要提高。     

生成式人工智能与新闻传播:实务赋能、理念挑战与角色重塑北大核心

文章从生成式人工智能在新闻传播业的应用实践及其效应入手,探究其对新闻传播的业务、机制的影响,以及对新闻专业、新闻理念和记者定位的挑战。生成式人工智能已经快速运用于国际大型媒体机构,但由于其模型本身的局限和使用中的问题,它在赋能的同时却不一定能够优化新闻业。新闻本源于社会实践,目前学界业界的讨论通常限于实务应用层面,但生成式智能正在重构新闻生产流程,变革新闻工作机制,并驱动新闻的多模态转换,是否挑战了新闻观念?智能数据驱动新闻是否挑战了新闻专业的基础?用智能技术替代采写,是否挑战了新闻工作者的专业实践观、记者的角色?本文认为,生成式人工智能对新闻业的变革将超越功能层面,深入到新闻的理念和结构层面。     

生成式人工智能内容风险的一体化规制

生成式人工智能技术建立在大模型的基础之上,并且经过大规模数据集的训练后,能够生成文本、图片、音频、视频等内容。与以往的人工智能技术相比,生成式人工智能技术所生成的内容在质量、效率以及多样性等方面已经有了明显的进步。生成内容在本质上是客观世界在信息空间的映射。当前,生成内容面临着虚假性、违法性、安全性等诸多风险。因此,需要构建“数据信息、模型算法、生成内容”三位一体的规制体系,从而推动人工智能生成内容的规范应用与健康发展。     

出版业应用人工智能大语言模型：现状、挑战与未来趋势

人工智能大语言模型给出版业带来巨大改变,将进一步优化出版的内容生产和传播方式。通过梳理国内外出版业人工智能大语言模型最新应用现状,归纳在选题策划、内容创作、编辑加工、文图互生、有声阅读制作等各个环节实际应用过程中存在的问题,研究发现,大语言模型在应用中存在质量欠佳、隐形过滤、版权不清、数据窃取、人机关系颠覆等问题,需引起行业高度警惕和重视。未来,大语言模型将更加专业化、场景化、轻量化,出版业应在完善机制、打通渠道、提升意识等方面发挥合力,实现政产学研协同发展。     

类ChatGPT技术对新闻生产与传播的影响及伦理考量

类ChatGPT技术是指以ChatGPT为代表的大规模语言模型与生成式人工智能技术,这类技术从不同环节推动媒体全生产链条深度转型,重构媒体产业生态和商业模式,引发媒体领域的思考。类ChatGPT技术的应用不仅改变着新闻及信息的生产方式,同时也对传统的线性论、控制论、系统论的传播模式进行数智化升级与改造,对全链条中的传播主体、内容、渠道、用户及其反馈等方面均带来不同程度的变革,同时也引发了伦理考量。     

以大语言模型为代表的人工智能技术在文博领域的前沿实践及挑战

2023年,由OpenAI公司发布的Chat+GPT引发广泛关注,大语言模型逐渐进入文博从业人员的视野。专家学者对大语言模型在文化遗产、博物馆等领域的应用进行了多次假设,也有一些艺术家和机构迈出了使用此类技术进行展览策划、观众分析、艺术创作等工作的第一步。大语言模型虽然在文化与博物馆领域已进行了诸多前沿实践,似乎也具有广泛的应用前景,然而,当前阶段在利用其进行数据分析、内容生成等工作时,仍然需要大量人工干预与监督。     

追溯科学融合的历史轨迹：AIGC赋能交叉科学测度研究

[目的/意义]生成式大语言模型改变自然语言处理研究的范式,推动人工智能赋能社会科学研究的新潮流,为从文本深层语义特征角度量化计算人文社会科学学科的交叉与融合提供新思路。[方法/过程]使用ChatGPT模型对人文社会科学学术文献进行学科判别,基于小样本学习识别模型预测结果中的学科名知识实体,从期刊知识分散分布视角衡量多学科候选分类问题,将判别结果与文献所属期刊对应学科作比较分析,提出跨学科丰富度、跨学科密切度、主体度等指标结合跨学科度的跨学科性量化研究。[结果/结论]围绕AIGC赋能交叉科学测度研究,从学科归属问题的判断、生成式模型答案集中学科名的抽取、多学科候选问题的赋权、交叉科学内容性度量指标等几方面提出一套研究框架方法,实现从内容角度充分利用AIGC赋能社会科学研究,为进一步探索各社会科学研究的内在逻辑提供借鉴和参考。     

智慧图书馆生成式人工智能应用场景及其法律问题

[目的/意义]生成式人工智能在智慧图书馆服务中应用具有较大的潜力和优势,能促进智慧图书馆提供更高效智能的服务。但是,人工智能生成内容法律地位和责任归属的不明确等所带来的法律问题也不容忽视。[方法/过程]文章回顾了生成式人工智能与AIGC的概念;分析了生成式人工智能在智慧图书馆中的虚拟咨询、学科知识服务、中小微企业专题推送、阅读推广以及信息素养教育与培训等主要应用场景;讨论了生成式人工智能在智慧图书馆主要服务场景中AIGC的准确性引发的责任、用户隐私权、著作权归属与相关规则失效以及算法歧视等法律问题及应对之策。[结果/结论]深入剖析这些法律问题背后的内在逻辑,从法学理论层面寻求系统的解决方案,需要在后续研究中进一步探索。     

以大语言模型构建智慧图书馆：框架和未来

本文旨在探讨大语言模型时代,图书馆应当如何借助相关技术向更智慧的服务模式发展。本文设计了适用于智慧图书馆的大语言模型系统架构,分析当前图书馆行业在大语言模型时代面临的问题,剖析大语言模型在图书馆的不同服务场景中的应用特点,并借助相关案例来论证其对图书馆的价值和可行性。通过提出图书馆在面对大语言模型引发的信息变革时如何进行有效转型的建议,旨在推动图书馆业务服务水平的提升,促进图书馆知识服务的创新与迭代,并积极探索大语言模型在图书馆领域的应用可能。     

ChatGPT将如何重塑新闻业

以机器学习、自然语言、语音处理、虚拟现实等为代表的智能技术正在颠覆传统的传播格局,传播权力即将发生颠覆性改变。生成式人工智能ChatGPT的大型语言模型在一定程度上改变了媒介环境,使媒介融合更加纵深和多元,但智能算法存在一定限制和偏见,同时会带来隐私侵犯和影响数据安全的风险。尽管我国智能媒体发展仍处于起步阶段,但拥有自己的优势和亮点。媒体要掌控驱动整体业务发展的全局性数据,实现智能算法在媒体行业中的良性应用。