编者按
2022年11月以来，美国人工智能研究公司开发的聊天机器人，迅速成为史上增长最快的消费级应用程序，引发广泛关注。的出现成为人工智能发展的引爆点，推动各国科技创新竞争进入新赛道。技术的跨越必然带来应用场景中的深入观察，无论人工智能服务变得多聪明，适应与满足人类发展需要始终是根本指向。面向未来，多维度多视域探讨对人的生产方式、生活方式、思维方式、行为模式、价值观念以及对产业革命和学术研究等的重要影响，有助于我们正确使用和管理这种技术，进而思考人工智能的发展前景。
作为一个聊天机器人程序，目前月活跃用户已突破1亿，成为史上用户增长速度最快的消费级应用程序。它可以根据用户的提问给出回答，这个回答是根据大数据的训练总结出来的，而且具有一些人性化的表现，比如敢于质疑、主动认错、开玩笑等。当前，围绕的讨论已掀起了一股全球范围的旋风。
引发的全球关注，在短期内让更多的普通用户观察、体验到人工智能发展的新高度，也推动了行业的进一步发展。实际上，并非人工智能技术的颠覆性革命，只是人工智能技术在算法模型上的进步和应用场景上的创新。但相较于技术本身的突破，应用场景上的成功更能引发社会的变革。有人将它的出现同第一部手机、第一代操作系统相比。可能成为未来人们日常生活和工作的标配，成为迈向通用人工智能的第一步。也有人认为这是资本的炒作，“前天区块链、昨天元宇宙，今天，明天还会是什么呢？”其实引起资本的关注是好事，投资多了，必然会对技术的发展有进一步推动作用。颠覆性技术势必要经过一段时间的积累才能达到量变引起质变的效果。
仍然存在很多局限。其中最重要的是不具备记者作为新闻生产职业的主体性，无法实现自主思考，没有记者的判断能力。可以通过交互式的问答提供信息，帮助记者快速搜集、整理资料，辅助进行新闻写作，比如对新闻背景的挖掘。从这个意义上讲，扮演着工具的角色。人工智能模型也可以根据大数据快速生成一些特定类型的新闻报道，但并不能进行独立思考和分析，无法解决信息增量的问题。它能搜集并整理提炼数据库中的资料，甚至能组织逻辑，但无法提出自己的见解和思考，尤其是一些深度分析的内容。能提供精确的信息，却没有自主意识和共情能力，这也是机器与人类的根本区别。以目前的技术水平，可以运用于一般科普、新闻、广告等类型文章的写作中，但不足以取代新闻专业人士的角色；可以运用于事实性的领域，但无法产出思想和创新性的观点。在相当长的一段时间内并不会颠覆某个行业，但长远来看，可能会颠覆某些行业中不会使用AI的从业者。
人文社会科学领域的写作，除了追求事实本身，更需要的是关怀人性、体悟社会，输出观点、洞察和发现。这些是需要来自人类的“心力”求索，而非单靠“智力”就能解决的问题。在这个意义上，达到了一定的智力要求，但缺乏最重要的“心力”。
过去几年，传媒业对人工智能的关注，更多聚焦在算法上。算法给新闻分发环节带来的冲击改变了人与信息的关系。一定程度上让我们的关注点从分发转向内容生产环节，这也是新闻传播最底层的部分。
机器人写稿在内容生产领域已经有不少探索。对于一些相对程式化的题材，如财经、体育、灾难类突发报道等，能够发挥优势，按照模板快速生成一篇新闻报道。但这仍需要人工设计、填充模板，与实质上的机器人写稿尚有差距。此外，在科学传播、专业新闻写作和假新闻治理上，可以在以下几个领域有所作为。
第一，创造科学传播的新形态。科技进步推动科学传播系统的不断升级。在科普创作、互动交流等方面，可能重塑科学传播的形态和模式，建构更加客观、高效的传播体系。科学传播注重对事实和科学原理的准确表达，这正是通过大数据训练最具优势的部分，它的理想状态就是一部数字化的可以互动的百科全书，这提供了科学传播的基础。在产品形态上，是一个互动程序，它可以根据受众需求进行深度交互，支持连续多轮对话，并在对话过程中记忆先前的对话信息，实现上下文理解。这极大地提升了用户体验，帮助受众准确地表达他们的需求，并在此基础上针对性回答这些需求。不同知识水平、不同职业身份的公众对科普内容和传播方式的诉求并不相同，为实现不同层级的精准传播提供了机会。那么，科学传播是否可以在此基础上创造出受众需求导向的，更人性化、更高效的交互产品和传播形态，是值得期待的。
第二，改变健康、法治和科学类报道的生产模式。自然科学、法律、医学是门槛较高、专业性较强的学科，与之相关的新闻内容关系着整个社会的科学素养，甚至民众的生命安全。此类新闻的采访写作对记者和编辑的要求较高，容错率低。以新冠疫情的报道为例，在疫情高发期，民众最关心的是在感染新冠后如何治疗、如何用药、如何买药等问题，来自专业领域的权威解读和指导成为必需品，同时也是稀缺品。人工智能恰恰可以在这些领域快速提供相对准确的信息，避免因为不专业而导致的事实性错误。最有用的方向就是提供准确的专业信息，并将其总结转述成通俗易懂的内容，这正是自然科学、法治、健康这些专业类新闻所急需的。因此，在健康、法治和科学类报道上，将会在一定程度上改变现有的内容生产模式。
第三，核查和辨别假新闻。的出现加剧了大众对假新闻的担忧，同时，也正因为的信息是基于大数据生成的，同样可以进行逆向核查假新闻。一条消息的来源是哪里，谁最先发出的，谁最先转发的，如何快速传播的，凭借强大的数据搜寻和识别能力，通过分析传播路径，反向推导消息的可信度，进而判断消息的真实性。此外，在涉及医学、科学、法律等知识的新闻内容上，也可以凭借大数据判断其真实性。真实是新闻的生命线。如果能在事实核查和辨别假新闻问题上往前推进一步，将给传媒行业带来更多真相和社会价值。在假新闻的治理上，法律法规、行业自律、人工核查等手段的滞后性和不可控性较强，人工智能可以发挥辨别信息的优势，为假新闻的治理开辟一条新的路径。
在普通的新闻写作上，目前人工智能与记者的要求还有很大差距。训练所用的数据截止到2021年，在信息爆炸的时代，一日间的信息差就会十分悬殊，更不用说一年。在新闻素材上，可能已经与事实相悖。因此，如果已有的数据库不是实时更新的，撰写出来的新闻稿在时效性、准确性方面会有明显不足。
在就文化、政治等议题展开提问时，的回答带有明显的文化偏向和价值观倾向。在模型建构和语义训练上，采用了中文的百科、新闻网站、论坛、博客等数据来源，但素材比例很难说是恰当的。因此，在文化多样性的可见性方面，目前难免有所偏颇。如何加强中文数据的语义理解和处理，提供给世界来自中国的声音，也是技术开发者和应用者需要共同努力的方向。
技术的发展如何改造人类，以及在多大程度上改变现有的社会关系，是传播学的重要命题。从几年前的区块链，到2022年的元宇宙，再到2023年的，新的科学和技术概念更新层出不穷，传媒产业也迎来更多的机遇和挑战。一方面，我们期待新技术给社会带来新的活力和变化，技术通过传媒领域的创新应用，为人们的生产生活带来新的可能；另一方面，我们也要保持理性，技术的快速迭代并不意味着无所不能，或完全是对人类的威胁。除了关注技术本身，传媒研究更要去探索技术的边界，思考传媒行业如何面对这样的技术革新。
开发公司的CEO Sam 在接受访谈时曾表示，强大的基础模型最终将掌握在少数公司手中，但很多领域可以用更小的模型走得更远，在强大的基础模型之上训练小模型，要比从零开始训练一个小模型更高效、更令人期待。从这个角度来看，对于一项在科技公司之间具有竞争性的技术，我们有必要夯实基础、发挥我们的制度优势，让我们的科技公司走得更好、更远。
（作者单位：清华大学新闻与传播学院）
