专委会专家谈生成式人工智能对文化产业的影响
The following article is from 企业改革与发展 Author 宋洋洋 陈璐
1.点击标题下面的蓝字【伏羲云】
2.点击页面右上角“…”
3.点击“设为星标”
摘要
生成式人工智能（AIGC）的爆发式增长为文化产业转型升级带来了生产效能和场景应用的巨大变革，AIGC 的出现重塑了文化产业链的应用场景，它的高速发展也为文化产业的现代治理带来了不可控风险和发展挑战。
本文将聚焦基于文化产业链重塑场景的AIGC五大应用和基于文化产业现代治理体系的AIGC三大规范，明确AIGC时代文化产业转型升级面临的风险挑战和发展机遇，为AIGC应用提供一定理论指引，助力文化产业实现高质量发展。
以ChatGPT为代表的人工智能席卷全球，生成式人工智能（AIGC）正在推动文化数字化和智能化发展，科技创新成为引领文化产业变革的关键变量。关键技术的介入是产业转型升级的关键，在互联网向移动互联切换的时代，以数据库、服务器端等技术为核心的门户网站变革了信息交流范式，4G智能终端等技术以短视频等新型媒介带动数字内容市场扩张，但移动互联到万物互联的转换受制于核心技术，亟须关键技术引爆产业发展效能。作为新的技术奇点，AIGC有望成为畅通移动互联向万物互联转换的链接点。本文将在分析AIGC制约要素的基础上，从需求、问题两大导向出发，依托八个重点场景，探索其对文化产业思维模式、生产过程和服务体系的重塑，为AIGC的应用和发展提供理论支持。
备注：本文作者之一宋洋洋院长在2023中国文化计算大会期间受聘成为中国公共关系协会文化大数据产业委员会专家组成员。
AIGC在文化产业中的制约要素
随着深度学习和机器学习等技术的发展，文化产业的科技属性日益增强，市场端对个性化、碎片化和定制化的需求反向驱动科技创新，以内容产业为基础的AIGC开始不断波动演进，经过理论探索、模型建构、模块融合等阶段，探索出从长链式对话到“文生图频”的三阶段发展路径，进入自动化、高精度、可定制化的多模态发展领域。随着模型技术的不断演变革新，AIGC逐渐向文化产业应用场景深度渗透，为文化产业高质量发展注入了创新活力，但现有模型训练技术、重点支撑环节和实体经济链接等环节的局限性为AIGC合规发展带来挑战，成为AIGC在文化产业中的制约因素。
一方面，数据不规范，可信度低。高质量中文语料库“数据孤岛”问题严重，亟须高质量语料库支持训练；互联网语料数据规模大、获取难度低，但质量参差不齐。
另一方面，模型训练频次低，迭代弱，难以满足高精度训练需求，且大模型预训练易出现训练中断等问题，交互训练效果差。
一方面，存储困境造成内存瓶颈。小储量内存难以支撑复杂模型的数据规模；存储速度慢，无法保障文件加载速度。
另一方面，AI芯片筑起技术壁垒。当前，AI通用芯片生产技术要求高，技术壁垒短期内难以打破。
在场景应用方面，AIGC供需难以完美匹配；
在收费模式方面，我国仍停留在免费引流和低价进驻的“价格战”阶段，对客户回流模式探索较少，难以在短时间实现“大流量”向“高价值”的转换，但资本的持续性加码有望弥补AIGC技术链接实体经济的发展缝隙。
综上所述，AIGC已成为新一代人工智能技术迭代升级的关键领域，但数据前端、技术终端和变现后端等环节仍面临挑战。为深化对AIGC赋能文化产业发展的探讨，需要从内生动力和外部支撑进行系统性研究，实现理论与实践的协同演进。
需求侧牵引下的AIGC应用与技术
上文对AIGC制约要素的系统性分析，为深化AIGC 理论研究、调整实践反馈提供了支撑。文化产业链的发展已不仅仅是传统的逻辑发展和价值转换，本文将从在需求侧牵引下，探索五大AIGC应用对文化产业链场景的重塑作用。
数据质量及其规范性是新一代人工智能快速发展的重要元素。目前，AIGC已基本形成“采集—存储—运算—再解构—再组合”的数据内容生产链，但具体环节仍不完善。
一方面，规模小质量低，面临“可信”挑战。
语料库是非数据化结构的关键载体，但我国语料库存在以下问题：
一是内容少。截至2023年4月末，我国移动互联网用户数达14.85亿户，但互联网中文内容仅占全球互联网内容数量的1.5%，训练数据匮乏。
二是获取难。部分高质量语料库有“数据壁”，难以公开访问。
三是颗粒粗。受语料标注方法、成本等影响，难以从“标注—检索—挖掘—分析—训练”的链条中提取有效信息。
另一方面，模型训练策略的不当易带来“AI幻觉”，即AIGC生成内容与训练数据、客观事实不一致的自信反应。
这一问题主要由以下两点引起：
一是数据不足、格式错误、标签偏见等因素的制约；
二是模型架构拟合度低， 在“共生关联”的模型训练标准下，多参数模型更容易出现信息误差和失真。
针对AIGC的跨专业、跨地域、跨模态的系统复杂性，应从内容生产链条的上中下游各环节展开分析，以包容审慎的监管政策推动AIGC高速发展。
在AIGC内容生产的上游，应分行业、分类别、分源头守护前端数据规范。
一是分行业明确数据安全性门槛， 避免对数据内容管理“一刀切”；
二是分类别搭建安全分级框架，保证数据来源合法、使用规范；
三是分源头提升语料标注颗粒精细度，保障信息提取准确度。
在AIGC内容生产的中游，应鼓励“技术赋能”打破虚假内容困境。
一是加大模型训练和拟合度等方向的针对性技术研发力度，以“大科研”保障内容真实性；
二是鼓励AIGC创作内容提升隐私保护能力，运用差分隐私等技术保护个人隐私、商业机密。
在AIGC内容生产的下游，建议采取包容审慎的三级风险管理制度。
针对低风险内容，由模型自动判断并告知使用者风险，强调自主性；
针对高风险内容，采取人工审核和专家合规评定双重保险，追求客观性；
针对不可接受内容，在政府监管框架下，全面下架该内容，明确边界性。
AIGC大模型具有分析力强、准确率高等特征，需要投入大量资源进行训练优化，科技巨头更容易实现数据积累，而中小企业则难以共享技术红利。因此，大模型底层逻辑应与小模型专业逻辑并行，共同拓展文化应用场景。
以公共数据为基础的大模型已成为文化产业发展的底座，但大模型的高门槛、高成本等特征使AIGC衍生出“马太效应”的产业发展逻辑，注定只有极少主体能集中资源、发挥规模优势，主导研发“练大模型”。中小企业应避免分散训练资源“大练模型”，减少行业泡沫和资源浪费。
大模型“马太效应”的产业表征主要有以下三点：
一是训练成本高，AIGC训练涉及多重成本的叠加，据OneFlow估算，部分大模型单次训练成本最高可达1200万美元；
二是芯片需求规模大，AI芯片是模型训练的重要执行单元，市场规模的提升推动GPU需求快速增长，日芯片需求量最高可达30382片；
三是初始算力要求高，AIGC模型所需要的计算复杂度呈指数型上涨，短时间高算力的需求为企业带来压力。
短期内，大模型的高门槛难以改变，但其技术溢出能够赋能中小型企业发展，助力小模型拓展AIGC应用场景，释放AIGC商业场景的长尾效应，引领中小型企业共享发展红利。
一方面，以“迁移学习”强化产业落地。
迁移学习可理解为机器模型在前置训练中获得的知识能够协助解决新任务，减少资源消耗。高水平的大模型是迁移学习的基础。通过微调大模型训练数据，小模型能够以大模型知识为基础，以低成本形成新认知、拓展新场景，加速AIGC应用落地。
另一方面，以“轻量资源”激活生产能量。
小模型能够借力大模型资源和平台，对大模型进行关键词再调试与再训练，形成“共生效应”，为中小型企业提供轻量化解决方案，突破小模型的传统场景拓展路径，直接对接供需两端。
随着人工智能的蓬勃发展，“机器换人”的技术性事业焦虑、工作价值挑战等问题逐渐进入社会视野，正确看待AIGC和人类在创作路径、生产效能上的关联成为人工智能时代的重要课题。
在创作路径层面，人类和人工智能的内容创作路径差异较大。
AIGC的创作路径，可看作是借算法对现有素材的重组和生成，是在固有素材边界内实现内容繁荣，再生价值较弱；
人类的创作路径，以个体的思想感知和生活经验为基础，借助创作工具以各种形式进行创作，为探索未知边界、创新内容范式提供了更多可能性，原创价值高。
创作路径的差异导致了人机效能的不同，二者各具优势。
一方面，AIGC能够高效处理结构化任务，适合通用型文化资产的生成，效率高、产出边界固定；
另一方面，人类拥有感知、学习、理解、交流的能力，能够处理复杂任务，适合对通用型文化资产进行审核和再修正，以及专业型文化资产的生成，相较机器生产效率较低，但创作边界无限。
因此，人工智能短期内仍是人类智能的互补品，二者应通过互补合作，突破效率瓶颈和内容边界，以比较优势实现内容创作生产的最大效用。
AIGC能够从自然语言处理、多模态交互、数字孪生等多个层面拓展内容创作技术边界，实现从“伪智慧”到“真智能”的跃迁。
在文化内容领域，“伪智慧”和“真智能”的区别主要在以下四方面：
一是在内容挖掘方面，前者是静态的、可预测的，后者是动态的，可根据输入内容和环境动态反馈，适应性强；
二是在内容展示方面，前者主要是线性、固定展示，后者深度交互能力强，能够实现供需双向的沟通和反馈；
三是在内容需求方面，前者主要满足表面单一需求，后者契合多元深度体验需求；
四是在内容服务方面，前者是标准化、模板化服务，后者能够提供个性化、定制化服务。
在AIGC“真智能”跃迁的背景下，内容产业链实现全环节智能化转型。
在内容挖掘领域，AIGC在对语料库的深度学习和分析基础上，能够系统性地识别文化现象和规律；
在内容管理领域，AIGC融合自动化逻辑和智能化技术，能够精确动态管理内容；
在内容展示领域，AIGC采用多模态交互技术，为用户提供多模态综合内容展示体验；
在内容交互领域，AIGC大模型能根据用户需求自动筛选大量信息并生成针对性内容，进行实时深度交互；
在内容服务领域，AIGC可通过对用户历史行为和偏好的分析，借助算法自动推荐与用户兴趣高度一致的内容，实现个性化智能服务。
AIGC正不断重塑内容价值的定义，推动文化内容服务价值向情绪价值进行转变。传统文化服务是功能价值导向，以服务功能为主体，工具价值较强；在功能价值之外，AIGC智能服务则提供了个性化、定制化的情绪价值。
传统文化服务以功能价值为导向。
在服务受理方面，仍以单一有限渠道为主，“信息孤岛”明显；
在服务效率方面，传统文化服务效率不够稳定；
在服务流程方面，传统文化服务多以标准化、固定化的线性流程为主，个性化需求适应性差；
在服务价值方面，多聚焦于内容的功能价值。
AIGC智能服务以情绪价值为主要导向。
在服务受理方面，其支持多模态、多样式的渠道接入，实现信息交互贯通；
在服务效率方面，可实现无差别全天候响应，智能服务效率高；
在服务流程方面，AIGC智能服务流程设计更加个性化和多样化；
在服务价值方面，不仅能够提供功能价值，还能够提供情感共鸣和交互价值。
未来，AIGC有望以较低成本高效提供千人千面的个性化服务，更贴合客户情感共鸣点，形成有效的情绪价值。
综上所述，对AIGC需求牵引的内生场景的细致探究，为推进AIGC时代文化和科技深度融合发展提供了一定借鉴。为进一步助力AIGC的迭代发展，应从问题角度出发，明确AIGC的外部支撑和发展规范。
问题导向下的AIGC治理规范
在需求侧牵引角度下，上文研究从文化产业链转型升级的实际需求出发，为文化产业链创新性发展提供了指引。为保障AIGC在宏观系统中的高效发展，本部分从问题导向出发，以文化产业现代治理体系为基础，探索文化产业发展的版权规范、社会治理和政策引导等外部驱动，助力完善AIGC的现代治理体系。
一个明确的AIGC版权归属将对内容生成、分发和使用等环节起到规范和约束作用，保障创作者和使用者的利益。当前，针对AIGC生成内容的“可版权性”仍未形成确定性观点和看法，其版权归属分类主要有以下三种主流观点：
一是肯定性观点，认为人工智能生成作品只要满足独创性要求，便具有可版权性，例如美国泰勒博士创造的人工智能机器在南非获得专利授权；
二是有条件的肯定，即在内容创作过程中，人类投入了智力活动，人工智能起到辅助作用，则内容可受到版权保护，例如美国《黎明的曙光》一案缩小版权注册范围，仅涵盖作者在写作本书时所形成的“作者创作的文字和对人工智能生成的作品的选择、协调和安排”，而由Midjourney 生成的图像则不受版权保护；
三是否定性观点，坚持只有人类的创作成果才能作为作品受版权保护，人工智能生成内容不受版权保护， 例如美国《天堂最近的入口》一案认定其作品不构成版权作品。AIGC 版权归属在理论上尚无定论，在实践中判决各异。
在前述有条件的肯定立场基础上，AIGC应具有可版权性，本文提出基于三层逻辑验证的文化版权规范：
一是人类给机器的指令是否构成封闭性，即输入指令要保证原创性和封闭性，而不采用已有的简单指令集；
二是对机器生成的内容是否做修正，即输入指令之后，生成的内容是否作进一步调整修正；
三是人类应拥有最终成果的创造性控制，即人类对作品的生成逻辑、技术框架等具有最终的决策和控制权。
生成式人工智能模仿人类的“强拟人化”特征使得AIGC内容安全面临以下新挑战：
第一，AIGC可在有限时间内生成大量引导性内容，加剧了信息博弈和对立竞争的强度；
第二，AIGC的多模态交互使得违规内容形态类型多变，不良信息鉴别审核难度加剧；
第三，AIGC对于复合型专业知识的再生产形成了高专业性壁垒，提高了内容真伪性判断的审核门槛。
因此，AIGC的内容治理需要关注数据反向溯源、模型算法审查、机器过滤审核等关键技术环节，从多个维度协同衡量AIGC在多元场景边界当中的风险和挑战。
AIGC的自我更迭衍生出数据安全、伦理冲击等各种风险，但传统文化产业治理体系无法对其进行有效监管。对AIGC进行全面严格的监管，又可能制约其应用前景。因此，对AIGC的监管需要考虑创新发展与风险规避的适度平衡。
现阶段，AIGC大模型对传统监管框架提出了挑战。
首先，其应用范围正逐渐由细分领域向通用场景拓展，监管对象分散，难以实现聚焦化监管；
其次，技术发展有不可控性，技术应用风险及不确定性上升，预测和监管难度上升；
最后，人工智能技术迭代的周期越来越短，监管及时性难以保障。
因此，针对AIGC的监管策略应秉持包容审慎并行的理念。2023年8月15日，全球首部AIGC领域的监管法规《生成式人工智能服务管理暂行办法》（以下简称《暂行办法》）正式施行。《暂行办法》规定：国家坚持发展和安全并重、促进创新和依法治理相结合的原则，采取有效措施鼓励生成式人工智能创新发展，对生成式人工智能服务实行包容审慎和分类分级监管。我国这部法规的出台明确了AIGC监管的基本原则，但AIGC监管法规的完善和落实还需要进一步探索。
未来，AIGC时代文化产业的转型升级不仅需要加速探索技术创新等内生环节，也应推出现代化的治理监管体系，为实现AIGC的快速发展贡献重要力量，共促数字时代文化产业实现高质量发展。
作者：
宋洋洋，中国人民大学创意产业技术研究院副院长，在2023中国文化计算大会期间受聘成为中国公共关系协会文化大数据产业委员会专家组成员。
陈璐，中国人民大学创意产业技术研究院助理研究员。
文章原标题：生成式人工智能 在文化产业的场景应用与产业规范
本文刊登于《企业改革与发展》杂志2023年第12期。
来源：“企业改革与发展”公众号
END
星标【伏羲云】，不错过每一篇精彩。
体验中华文化数字化成果，请下载伏羲云客户端👇