彭兰聚焦！关于生成式人工智能的这些知识点一定要会！｜考前救命专题03

爱传播新传考研爱传播新传考研

2024-08-29

2024新传全国考研群 754845758

2024广播电视学考研群 594514955

2025新传全国考研：416887440

后台回复“答题冲刺班”，带你开启弯道超车

后台回复“真题训练营”，参与百日题海战术

后台回复“实务突击班”，走好实务第一步

之前两周大家一起学习了舆论极化和情感传播两个专题，迅速了解了关于两个专题可能的出题方向，现在是否有清晰的框架在脑海中出现呢？如果还不是很清楚，可以再复习一下哦~

前文指路：

出题结束！“舆论极化”这个专题一定要看！｜考前救命专题01

情感传播这个经典专题，学完这篇就拿分!｜考前救命专题02

本周的考前救命专题计划，我们一起来学习大佬聚焦的热点专题：生成式人工智能

生成式人工智能一经提出就成为了学界热点，在喻国明、彭兰、邓建国等大佬的引领下，也迅速成为了新传考研的热门考点，清华大学、北京师范大学、中国传媒大学、厦门大学、上海大学、四川大学等多所高校都在考查这一专题内容！

近些年，喻国明、彭兰等学界大佬仍然在就生成式人工智能这一话题进行学术探索和研究，在知网中输入生成式人工智能进行搜索，相关论文不断涌现，研究方向也在逐渐丰富化、全面化。

播播带着“生成式人工智能”的专题笔记来啦，整体框架参考如下：

壹

生成式人工智能

相关概念

生成式人工智能:人工智能技术可根据功能价值划分成分析式人工智(Analytical Artificial Intelligence)和生成式人工智能(Generative Artificial Intelligence)。

分析式人工智能主要指能够在海量数据中发现模式，完成诸如垃圾或欺骗邮件识别或算法推送TikTok视频等工作。可以说，目前传媒业广泛应用的人工智能技术大多可归类于分析式人工智能。

生成式人工智能可以通过人工智能的相关技术，自动化生成文本、图像、视频、音频等多类型内容。其生产的内容被称为人工智能生成内容 (Artificial Intelligence Generated Content, AIGC)。

AIGC：全称为 AI Generated Content，指基于生成对抗网络 GAN、大型预训练模型等人工智能技术，通过已有数据寻找规律，并通过适当的泛化能力生成相关内容的技术。从广义上看，一切运用AI技术生成的内容都可视为AIGC。

而从概念源流来说，根据监督学习的方法差异，机器学习领域具有判别式和生成式两种典型模型：判别式模型是对条件概率进行建模，根据已有数据进行分析、判断、预测，从而完成任务；生成式模型则对联合概率进行建模，学习归纳已有数据后基于历史进行内容生成。

AIGC的演进路径

辅助阶段——AI辅助内容创作：该阶段AI技术在内容生成过程中处于辅助位置，属于工具性存在,AIGC往往是基于现实世界信息的物理属性与社会属性的数字化呈现,可视作数字孪生内容。以文本生成领域为例,AIGC技术能够很好地完成具有规范模板的内容生成,例如结构性报道、智能客服等。

早在2014年美联社就推出了智能写作平台Wordsmith,用于生产财报类新闻；2016年3月阿里巴巴推出人工智能服务产品“阿里小蜜”,为消费者提供体验服务、导购、咨询和智能助手等功能；在AI技术的辅助下,AIGC实现了内容的高速量产，自然语言生成公司Automated Insights仅在2014年就产生了10亿篇新闻文章,每秒可撰写多达2000篇新闻报道。

协助阶段——AI协助内容创作：该阶段AIGC技术不再止步于辅助性工具,而是能够在大规模数据深度学习模型训练的基础上，根据输入指令生成内容并不断强化学习，从而实现初级的自主内容输出,协助人类完成各项任务。2022年底惊艳全球的Chat GPT正是这一阶段AIGC技术的典型案例。

在这一阶段,AIGC拥有了更流畅、更仿真的内容生成能力以及人机互动能力，从简单辅助转为智能协助，在内容生成中的工具性地位得到提升,呈现出大数据训练、跨模态生成、高效率生产等技术特征。自2017年谷歌推出Transformer模型，人工智能进人大规模数据预训练模型时代。

自主阶段——AI自主内容创作：在该阶段,AIGC能够实现实时感知、精准认知以及自主创作,AI技术与内容生成的关系从工具性的辅助或协助，上升为以虚拟个体进行内容创作与交互,从而再次提升内容生产力。

目前AIGC技术在算法、算据与算力上都尚不能达到这一水平，需要在超大规模、超多参数量的多模态大模型以及软硬件算力方面进一步突破。

真题链接：

AIGC（名词解释，华中师范大学440，2022；名词解释，中山大学334，2023；名词解释，上海交通大学334，2023）

AI（名词解释，上大874，2020）

AI合成主播（名词解释，中国传媒大学713,2019）

播播注：关于演进路径这一部分，大家了解记忆即可，可以将每一阶段列举的案例进行总结记忆，丰富案例库。如果能够灵活应用在相关题目的答题过程当中，会成为不错的加分项。

贰

生成式人工智能代表

——Chat GPT

什么是Chat GPT？

Chat GPT：全称是Chat Generative Pre-trained Transformer，翻译为中文即“生成型预训练聊天机器人”，是由美国人工智能研究公司Open AI基于自然语言处理和深度学习技术开发的大型语言模型，于2022年11月发布。

Chat GPT具有对话聊天对话、信息检索、知识服务、AI创作等功能，是一个具备复合功能的人工智能产品，是当下最强大的人工智能生成(AIGC)产品。

与此前的人工智能相比，Chat GPT的最大特征在于它的文本生成性。此前的人工智能在很大程度上都局限于观察、分类和分析信息，而以Chat GPT为代表的生成性，人工智能则并不局限于分析现有的数据，而是具备了生成新内容的能力。

在新闻生产领域，Chat GPT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。

Chat GPT的关键特性

预训练：以人类偏好数据与强化学习技术实现人类认知机制的深度模拟

Chat GPT能够为用户带来媲美真人对话体验的关键在于：Chat GPT基于预训练使用的偏好数据与评分算法实现了对人类认知机制的深度模拟。基于人类偏好数据与强化学习技术，Chat GPT前所未有地实现了人类认知机制的深度模拟，这为后续细化关系连接、个性要素的识别与生成奠定了基础。

大模型：通过极大参数量和数据量更细粒度地连接人的需求与价值

Chat GPT拥有多达1750亿个模型参数，巨量的模型参数能够容纳海量的人类文明知识。此外，Open AI主要使用的公共爬虫数据集拥有超万亿单词的人类语言数据，使得Chat GPT拥有超越绝大部分人工智能的巨大训练模型。

极大的模型参数量能够对人的认知惯习、微妙情趣、价值追求进行匹配和表达，以实现粒度更细的连接和更高水平的价值实现。

生成性：对个性要素的结构化处理与有机呈现

生成性是将要素结构化的能力特征。Chat GPT通过持续与用户对话，不断对用户的个性化要素进行识别、学习和整合，并将输出要素进行结构化处理，以贴近用户的方式进行有机呈现，实质上完成了Chat GPT与用户之间关系的建立,是对人类交往方式的深度模拟。

用户可以在个人账号中保在入机对话记录，并基于该记录达成长期连续性对话，从而提升生成内容的匹配度，使用户感到与真人类似的对话体验。

真题链接：

智能化媒体的三个特点(简答，南开大学334，2023)

智能媒体的内涵和特征（简答，上海大学334，2023）

人工智能（名词解释，北师大745，2019；名词解释，山西大学440，2020；名词解释，西南大学629,2020；名词解释，东华大学334,2022；名词解释，南开大学718,2022）

人工智能新闻（名词解释，北京工商大学334，2023）

叁

生成式人工智能带来的

新闻传播生态变革

开启了一个时代：智能互联时代

从PC互联到移动互联，场景成为互联构造的关键(人作为主体的外部关系的建构)；而从移动互联到智能互联,价值构造成为互联网新发展阶段上的关键(人作为主体的内部关系的建构)。

Chat GPT作为一项划时代的智能互联技术，其突破只在于：以无界的方式全面融入人类实践领城(开放性)、以深度学习的方式不断为文本的生成注入“以人为本”的关系中来，进而提开了的文本表达的结构价值(关系范畴)。

Chat GPT的本质是实现人的世界全要素的价值重构。第一步是人的语义世界的价值重构，接下来是语义以外世界的价值重构。这恰恰应和了元宇宙对于数字文明时代社会要表重构、关系规则重构、现实场景重构的要求。

对于人的又一次重大的赋能赋权

基于浏览器的网站突破了传播局限于某一个专业范畴的霸权,令更多的社会精英分享了传播的权力；基于社交平台和短视频技术的普及突破了话语表达的精英霸权，极大降低了内容生产和社会表达的“门槛”。

而Chat GPT则突破了资源使用与整合上的能力局限，使每个人至少在理论上可以以一种社会平均线之上的语义表达及资源动员能力进行社会性的内容生产和传播对话。

以Chat GPT为代表的新一代智能互联技术令普罗大众能够跨越“能力沟”的障碍，有效地按照自己的意愿、想法来激活和调动海量的外部资源，形成强大、丰富的社会表达和价值创造能力，这是又一次社会在数字化、智能化加持下的重大启蒙(社会活力的重启)。

促成传播领域的生态级变局

传播的核心逻辑进一步“算法化”：传播权力的进一步“下沉”使得普罗大众在内容创新、传播表达、及参与对话中拥有更多平等机会和权利，这与“分布式社会”的权力构造相匹配，是传播权利作为第一权利的“先行一步；构造传播的核心逻辑进一步“算法化”。

在算力、算法和大数据可以覆盖的绝大多数传播构造中，人们对于专业经验的倚重和信赖将让位于更加精准、更加全面、更加可靠和结构化的智能算法，并透过社会的深度媒介化，进而演进成为构造未来数字文明社会的“操作系统”。

传媒业从劳动密集型产业转向为技术密集型和资本密集型产业：新的“寡头独占”以头部技术统辖被智能化技术释放出来的巨大传播生产力，而这种头部技术的不断迭代升级又以巨大的资本支持为后盾。(Chat GPT的一轮完整的“预训练”所需资金为几百万到上千万美元)

AIGC的具体应用案例

AIGC＋传媒——人机协同推动媒体融合提质增效：Narrative Science创始人曾预测,到2030年,90%以上的新闻将由机器人完成。除此之外,AIGC在音频、视频模态的技术升级,也促使传媒产业走向人机协同的媒体深度融合道路,并依赖于AIGC的高产高效,为媒体融合发展提质增效。

在采编环节,借助语音识别技术对语音内容进行文字转写，能够有效压缩稿件撰写前的录音整理工作,提升新闻时效性。例如：2022年冬奥会期间,科大讯飞的智能录音笔通过跨语种的语音转写助力记者2分钟快速出稿。

在制播环节，自动生成字幕、视频拆条、任务追踪等智能化剪辑工具不仅节约了时间与人力成本,还能够最大限度挖掘内容版权价值。例如：在中华人民共和国成立七十周年国庆阅兵活动报道中,央视频使用智能剪辑平台对关键事件视频进行处理、剪辑与推送,其生成的短视频内容快速火爆网络。

在产品创新环节，近年来传媒业大量使用的虚拟主播,也离不开AIGC技术的支持，虚拟主播在新闻播报、节目主持等方面都表现不俗。例如：近期闭幕的杭州亚运会中的虚拟主播“琮琮”、虚拟主持人“谷小雨”等。

AIGC＋影视——技术加持拓展影视作品创作空间：AIGC技术的应用，一定程度上能够激发剧本创作活力，降低拍摄成本，提升后期制作质量，从而拓展影视作品的创作空间。

在剧本创作上,AIGC技术能够通过对海量剧本数据的分析归纳,快速生成完整故事剧本,协助编剧进行内容创作。早在2020年,一位美国学生就利用GPT-3创作剧本并制成短片《律师》,目前Open AI的Chat GPT、百度文心的ERNIE3.0等模型在文学创作领域也都获得较好反馈。

在场景创作上,AIGC技术通过合成虚拟场景,节约场景搭建成本，同时能够通过实时渲染等技术在拍摄现场实现后期成果预览,缩短后期制作时间。

例如基于现实增强技术,AIGC虚拟人物能够与真人同台互动,如湖南卫视《你好星期六》节目中主持人与嘉宾同虚拟主播小漾的实时互动，以及北京台2023年春晚中虚拟邓丽君与王心凌、韩雪同台合唱，为观众带来耳目一新的视听体验。

在后期制作上,AIGC技术应用不仅包括图像的修复与还原，还能够合成人脸从而对特定人物进行替换，可用于“数字复活”已故演员、替换劣迹演员等。

如演员保罗·沃克在拍摄《速度与激情7》期间去世，剧组采用AI换脸的方式使其“完成了”剧情拍摄,而近年来国内多位艺人失德乃至违法,为保证影视作品能够成功播出,部分剧组也会选择对劣迹演员进行AI换脸。

AIGC＋游戏——AI技术提升产业生产力，解放游戏创造力：首先,AIGC具有高效率生产的技术特征,在重复性、机械化内容生产上具有绝对优势；其次,AIGC的大模型趋势使其前期成本较高,但随着技术的成熟迭代与软硬件设备的价格下降，最终能够实现降本增效的目标；最后,AIGC在内容生成，尤其是在图像生成领域的表现已经达到人类平均水平，能够满足游戏业大量重复且琐碎的美术需求。

目前,许多游戏开发者已在使用AIGC技术进行游戏场景开发，例如美国戏剧动画《瑞克和莫蒂》的创作者Justin Roiland在2022年底发布了一款内含Midjourney生成的艺术作品的游戏，为玩家探索外星世界增添风味；2022年推出的交互内容游戏《黑客帝国:觉醒》采用该技术,在最新引擎加持下创建了包含700万实例化资产的虛拟城市。

AIGC＋电商——虚拟人货场营造沉浸式消费体验：随着各项数字技术的成熟与商业化应用，沉浸式消费成为电子商务的主流发展趋势,虚拟主播、在线3D预览、数字展览等形式也极大丰富了消费者的消费体验。而在AIGC技术的加持下,虚拟人货场将迎来更加真实、沉浸式的数字再现,从而为消费者营造沉浸式的消费体验。

首先是虚拟主播的打造填补了人力空白，能够实现24小时不间断地商品展示与介绍；其次是商品3D模型的在线展示，为用户提供全方位的商品呈现，甚至能够提供虚拟的使用场景搭建,如宜家2022年推出虚拟设计工具,让用户能够扫描自家房间或使用其虚拟展厅进行家具摆放,为消费者提供更为沉浸式的购物体验。

最后是购物场景数字化再现，通过在二维空间构建三维场景，AIGC技术能够实现虚拟购物场景的低成本、大批量构建,从而降低商家搭建3D场景的成本,并为消费者提供线上线下融合的消费体验。

真题链接：

简述新媒介技术对新闻传播的影响。（简答题，中南财经政法大学440，2022）

智媒时代新闻生产新模式（简答题，华中农业大学844，2022）（简答，安徽师范大学440，2023）

论述智能传播对新闻行业的影响（论述，重庆大学440，2022）

人工智能给新闻生产模式带来的改变（简答，宁夏大学440，2022）

人工智能技术对新闻业的影响（简答题，浙江大学719，2022）

传播技术的发展和媒介形态的变革如何推动社会进步？（论述题，中国政法大学440，2022）

材料是《冠察两会》，讨论真人主播和AI主播各自的优势，讨论科技创新、技术赋权对新闻报道的意义。（案例分析，辽宁师范大学334，2023）

播播注：AIGC作为生成式人工智能在实际应用当中的生产内容，大家可以拓展了解不同的“AIGC＋”模式，在与其他领域结合过程中的优势，或许也可以迁移使用在新闻传播领域，同时，大家还要注意了解更多生成式人工智能的应用案例，形成自己的案例库。

肆

生成式人工智能

新闻应用中的风险挑战

内容风险：新闻真实性难以保障

尽管以AIGC为核心机制的生成式人工智能表现惊艳、功能强大，但其生成内容的真实性和准确性仍待强化，一旦其应用于新闻内容生产领域，极有可能成为虚假信息的“内容滋生场”和“超级传播者”，在消解新闻媒体的专业性和权威性的同时造成社会危害。

例如：2023年2月16日，浙江杭州某小区业主尝试使用Chat GPT,撰写了一篇“杭州3月1日取消限行”的不实新闻稿，该虚假新闻稿迅速登上微博热搜，引发大众热议。

技术风险：新闻创造力逐步消解

以AIGC为核心机制的生成式人工智能具有强大的数据分析能力和内容创作能力，其技术优势在为新闻生产从业人员和广大受众群体带来高效、便捷的服务的同时，也可能在一定程度上导致人的技术依赖，从而不断消解新闻创造力。

互联网公开信息显示，目前美国科技新闻网站C-net已经借助Chat GPT生成了数10篇新闻报道稿件，由于过度依赖人工智能技术，这些稿件内容漏洞百出，甚至引发了“新闻灾难”。

对新闻生产从业人员而言，以Chat GPT为代表的生成式人工智能凭借AIGC强大的技术特性，可以代替人完成简单重复性劳动，但现阶段其暂不具备新闻专业领域的推演能力。

若过分崇拜和依赖AIGC自动生成新闻内容而不进行独立思考和价值判断，那么人将变成技术的附庸，永远止步不前。

认知风险：新闻价值观出现偏差

现阶段，以AIGC为核心机制的生成式，人工智能在不良信息过滤方面还存在一定漏洞，一旦应用于新闻内容生产领域，极有可能生成偏见性信息，导致现有的新闻价值观念分崩离析。

以Chat GPT为代表的生成式人工智能之所以能够与用户实时交互，并根据用户需求生成内容产品，是因为其主要依赖于先进的深度神经网络和大规模文本训练技术。

然而，当下的互联网中充斥着海量的未经过滤、包含偏见的内容信息，当这些信息经由AIGC自动生成新闻资讯，极有可能影响大众认知，甚至造成用户偏见，与主流价值观背道而驰，导致新闻的作用和影响消失殆尽。

真题链接：

智能传播技术对新闻伦理的影响，如何应对?（论述题，华侨大学440，2022）

人工智能取代新闻工作者人力劳动的利弊（简答题，同济大学，615，2021）

智能媒体技术对新闻生产的推动和挑战。（简答题，清华大学，618，2021）

人工智能推动了社会化机器人的发展，预测社会化机器人普及过程中可能遇到的问题。（论述题，北京大学深圳学院，334，2021）

人工智能对新闻业的改变和影响、已经对新闻业的问题和挑战？（论述题，陕西师范大学334,2020）

人工智能和传媒业的状况和挑战（论述题，北师大938，2019）

伍

生成式人工智能

应用的规范管理路径

坚持正确的价值导向

以均衡化的治理思路对待多元价值观

防范以Chat GPT为代表的生成式人工智能的社会风险问题，其根本之道在于坚持正确的价值导向，使人们建立起符合时代发展要求的观念和价值取向。

首先，要坚持正确的价值导向，强化人民需求、公共价值、人类幸福、共同富裕等多元化的主流价值目标。其次，要着力培育均衡化的治理思路对待Chat GPT中的多元价值观。

运用法治思维和方式，

赋权多方主体协同共治

首先，在审查主体构成上，要吸纳接受多元治理主体的参与，创造多元共治的权利结构，建立多元主体共治的技术伦理审查机构，明确伦理审查机构的职责，对审查过程中发现的不符合伦理基本要求的行为采取相关措施。

其次，运用法治思维和法治方式建构平等合作的权力结构。一是应统筹规划人工智能的法律、行政法规、部门规章、技术标准等，二是政府部门应对人工智能数据市场进行实时监管，三是要强化社会和公民监督。

注重多元的互动交往，

吸纳多样性的民意需求

对Chat GPT潜在风险的治理需要政府、企业、社会组织公众等多元主体协同推进，吸纳多元利益主体，将利益相关方吸纳到规范程序之中开展平等互动，落实多方参与的包容性机制来广泛吸纳多样性的民意需求，并在尽可能充分的条件下实现科学决策，减少算法黑箱带来的决策失灵。

法律层面：可借鉴欧盟的“数据保护官”制度，设立“生成型人工智能安全委员会”专业机构部门，纠偏Chat GPT在设定平台规则的偏差，增强规则制定的包容性和公平性。

伦理层面：一方面是要坚持以人为本的观念，强调人的主观能动性，对于一味追求经济理性，隐含算法偏见和损害人类自由、平等价值理念的工具，应予以严格禁止和整治。另一方面，要建立从技术开发端到应用端的全过程伦理风险审查规则。

技术层面：重视利用算法来规制“算法偏见”“从对代码和算法结果的规制转向对代码和算法过程本身的规制”，将公平、正义、平等等价值观念转化为算法，并以算法来规制“算法偏见”。

完善数据的要素分配，

实现公平共享数字红利

对Chat GPT的治理致力于数字普惠价值的实现，消除社会成员在数字参与过程中遭遇的数字不平等待遇，构建公平公正的数据要素分配机制，促进数据要素的多元风险共治，充分保障数字弱势群体在内的所有公民都能公平地共享数字成果。

第一，要兼顾Chat GPT的多方主体的分配利益；第二，基于分级分类，促进数据的科学管控与有序利用，甄别不同群体的受益或受害程度，保障多元主体尤其是弱势群体的合法权益；第三,，在多方协同中,形成多元风险共治的数据安全格局。

真题链接：

成都媒体大脑是MGC的一种典型实践，分析智能新闻实践的伦理风险及解决措施（应用分析，南京林业大学440，2023）

简述媒体转型智库建设的原由和路径（简答，四川大学440，2023）

参考文献：

彭兰.从Chat GPT透视智能传播与人机关系的全景及前景[J].新闻大学,2023(04):1-16+119.

张微,彭兰.Chat GPT与人机交往的现实和未来[J].未来传播,2023,30(04):13-23+140-141.

彭兰.AIGC与智能时代的新生存特征[J].南京社会科学,2023(05):104-111.

彭兰,安孟瑶.智能时代的媒体与人——2022年智能传播研究综述与未来展望[J].全球传媒学刊,2023,10(01):3-18.

喻国明,苏健威.生成式人工智能浪潮下的传播革命与媒介生态——从Chat GPT到全面智能化时代的未来[J].新疆师范大学学报(哲学社会科学版),2023,44(05):81-90.

喻国明,滕文强,武迪.价值对齐:AIGC时代人机信任传播模式的构建路径[J].教育传媒研究,2023(06):66-71.

叶妮,喻国明.基于AIGC延展的创新性内容生产:场景、用户与核心要素[J].社会科学战线,2023(10):58-65.

喻国明.颠覆与机遇：AIGC浪潮下传播的“变”与“不变”[J].媒体融合新观察,2023(04):5-8.