人工智能与新闻业案例集锦

刘海明

当代社会，技术支撑的这个世界变化有点快，算法、人工智能等技术让人眼花缭乱，新闻业也搭上了这班快车。我们不得不开始收集这方面的信息，以免被时代很快淘汰。

刘海明

【案例】

谷歌携大模型反击，生成式AI搜索功能首次面向公众开放

谷歌5月10日召开I/O开发者大会，该公司正在日益竞争的搜索市场为其核心搜索产品整合更多人工智能的功能。微软最近几个月加速了对搜索引擎Bing的更新，并获得了更多的市场份额。

周三在加利福尼亚州山景城举行的年度I/O大会上，谷歌推出了新版本谷歌搜索，可以对开放式提问做出响应。就在上周，微软也向所有用户开放了新Bing搜索功能。

发布会后，谷歌股价上涨4%，今年迄今为止，该公司股价累计上涨了26%，远超标普500指数涨幅。

今年2月，谷歌在发布聊天机器人Bard之后，导致股价暴跌，市值缩水1000亿美元。该公司最新表示，现在Bard将像OpenAI的GPT-4一样是多模态的。

“我们正在重新构想我们所有的核心产品，包括搜索。”谷歌CEO桑达尔·皮查伊(Sundar Pichai)在开发者大会上表示。

他说，谷歌正在将生成人工智能整合到搜索以及Gmail和Google Photos等产品中，Gmail可以起草邮件，Google Photos可以对图像进行更改。包括美国用户在内的谷歌在全球180多个国家地区的用户在未来几周内可通过等候名单获得搜索生成体验，谷歌称，将在试用阶段监控搜索结果的质量、速度和成本。

谷歌还更新了AI大模型PaLM 2，希望能够夺回其人工智能领导地位。该公司称这是“下一代通用的语言模型”，在某些任务上优于其他领先的AI系统。

据介绍，PaLM 2将为AI聊天机器人提供支撑，还可以在语言之间进行翻译、编写计算机代码，甚至可以分析和响应图像。 结合这些功能。例如，用户可以用英语询问有关法国餐馆的问题，系统将能够在网络上搜索法语的回答，找到答案，并翻译成英语，还能添加位置图片，为该地点创建数据库条目。

“我们现在正在经历的神经网络革命起始于大约10年前，且部分始于谷歌。”PaLM 2项目联合负责人Slav Petrov表示，“我们很高兴能够在外部广泛使用这些模型，因为我们想看看人们可以用它们做什么。我们相信，由于过去几年我们在机器学习方面取得的惊人进步，它们会提供很多机会来做以前被认为神奇且遥不可及的事情。”

在微软支持的初创公司OpenAI推出ChatGPT之后，谷歌正在加速追赶，这也推动了科技巨头之间的新一轮技术竞赛。生成式AI可以使用过去的数据创建全新的内容，例如完整的文本、图像和软件代码。ChatGPT已成为许多生成AI的默认版本，帮助用户创建合同、旅行路线，甚至小说。

谷歌正在奋力捍卫搜索市场以及巨大的在线广告市场的份额。研究公司MAGNA估计，谷歌广告营收今年可达2860亿美元。

为了安抚人们对于人工智能生成虚假信息的担忧，谷歌称将优先考虑信息的准确性，并引用可信来源。谷歌还推出一项新功能，将标记它用人工智能生成的图像，从而让人们更容易审查图片的真实性。

谷歌强调，利用大型语言模型AI生成内容的一个挑战是高昂的费用。目前业内正在研究各种不同的方法，从而降低成本。

来源：第一财经

链接：

https://baijiahao.baidu.com/s?id=1765568142515582479&wfr=spider&for=pc

编辑：洪韵

刘海明

【案例】

美国媒体大亨警告称AI可能“破坏”新闻业

美国媒体业亿万富翁巴里·迪勒(Barry Diller)警告称，除非出版商能够利用版权法加以控制，否则人工智能将对新闻业造成“破坏性”影响。迪勒表示，自由允许人工智能访问媒体内容将被证明是一个错误，“合理使用”的概念——可用于涵盖机器学习数据集中受版权保护的材料——需要重新定义。如果有必要，他愿意修改版权法。

来源：全球TMT

链接：https://baijiahao.baidu.com/s?id=1765570912647689951&wfr=spider&for=pc

编辑：洪韵

刘海明

【案例】

ChatGPT 是“胡话”生成器，但仍非常有用

本文最初发布于 AI Snake Oil。

哲学家 Harry Frankfurt 将“胡话（bullshit ）”定义为不考虑真相而旨在说服别人的言论。按照这个标准，OpenAI 的新聊天机器人 ChatGPT 是有史以来最能胡扯的。

大型语言模型（LLM）经过训练后可以生成貌似合理的文本，而不是正确的陈述。只要是你能想到的话题，ChatGPT 听起来都令人信服，它非常擅长这一点。

但 OpenAI 很清楚，训练过程并没有包含真相来源。也就是说，在教育或回答健康问题之类的应用程序中，以目前的形式使用 ChatGPT 不是一个好主意。尽管机器人经常能给出很好的答案，但有时也会完全失败。它总是很有说服力，所以很难区分。

不过，虽然在一般情况下，ChatGPT 和其他 LLM 都无法辨别真相，但在以下三类任务中，它们非常有用：

1、用户很容易检查机器人的答案是否正确的任务，例如调试帮助。

2、与真相无关的任务，比如写小说。

3、可以将实际存在的训练数据子集作为真相来源的任务，例如语言翻译。

4、让我们开始吧。先是坏消息，再是好消息。

准确性在许多应用中都至关重要

ChatGPT 是迄今为止最好的聊天机器人。不久前，它生成了一些奇奇怪怪的文本，比如解释如何从录像机中取出花生酱三明治……按圣经的风格。

但人们对更严肃的应用场景也很感兴趣，比如将其用作学习工具。有些人甚至预测，谷歌将变得多余。是的，ChatGPT 通常非常擅长回答问题。但危险在于，除非你已经知道答案，否则你无法判断它什么时候是错的。

我们试着提了一些基本的信息安全问题。在大多数情况下，答案听起来似乎是合理的，但实际上是胡扯。下面是一些更复杂的问题：

（阅读原推文：https://twitter.com/random_walker/status/1598385725363261441）

关于 ChatGPT 和教育，还有一个说法：大学注定要消亡，因为 ChatGPT 可以写论文。这样说很愚蠢。是的，LLM 可以写出似乎合理的论文。但是，家庭作业论文的消亡对学习而言是件好事！我们在一个月前写过一篇文章，最近也没什么实际的变化。

搜索呢？谷歌的知识面板已经因权威地提供错误信息而臭名昭著。用 LLM 取代它们可能会让事情变得更糟。Chirag Shah 和 Emily Bender 的一篇论文探讨了用 LLM 取代搜索引擎后会出什么错。

事实上，这些模型无法辨别真相，这就是我们说 Meta 面向科学的大型语言模型 Calactica 考虑不周的原因。在科学领域，准确性很重要。它很快就遭到了强烈的抵制，公开演示三天后被撤下。类似地，如果你想使用 LLM 回答与健康相关的查询，那么正确性和可靠性就是一切。

但这些模型改进得不是很快吗？

当然可以。但他们听起来令人信服的能力也在迅速提高！因此，我们怀疑，即使是专家也越来越难以发现错误。

事实上，像 Galactica 和 ChatGPT 这样的模型非常擅长按任何要求的风格生成听起来权威的文本：法律语言、官场语言、Wiki 页面、学术论文、课堂笔记，甚至问答论坛的答案。这产生的一个副作用是，我们不能再根据文本的形式来衡量其可信度和合理性。

StackOverflow 吃了不少苦头。在网站上，用户回答编程问题就可以获得积分，积分可以带来特权，包括减少广告和使用版主工具。在 ChatGPT 向公众公开发布后，问答论坛收到了数千个使用 LLM 生成的错误答案。但因为这些答案的书写风格是对的，所以必须经过专家审查才能删除。不到一周，该公司就不得不禁止使用 ChatGPT 生成的答案，以减少听起来似乎正确的错误答案。

除非 LLM 响应的准确性可以提高，否则我们推测，它在应用程序中的合理应用仍然会比较有限。请注意，GPT-3 已经有两年半的历史了。我们听到的是，这个领域每周都在进步，所以两年半就像几个世纪一样。当它发布时，人们满怀信心地预测，相关应用程序将出现“寒武纪大爆发”。但到目前为止，除了 GitHub Copilot 之外，还没有一个主流的应用程序。

准确性问题并非毫无希望。有趣的是，LLM 似乎在学习让人信服的过程中获得了一些辨别真相的能力。当研究人员要求 LLM 评估自己提出的答案的准确性时，它比随机应变地判断要好得多！为了提高生成答案的准确性，研究人员正在将这种能力整合到聊天机器人的默认行为中。

同时，下面有三种 LLM 非常适用的任务。

编码：用户可以查看基本事实

调试代码是一种可以让程序员（尤其是新手）从 LLM 中受益的应用。在这种情况下，LLM 指出的错误通常很容易验证，所以即使机器人的答案可能有时是错的，也不是一个太大的问题。

（阅读原推文：https://twitter.com/amasad/status/1598042665375105024）

生成代码很复杂。理论上，用户可以验证自动生成的代码是否有 Bug（可能在 LLM 的帮助下）。但目前还不清楚，这是否会比手动编码更快。安全漏洞是一个特别严重的问题。去年的一项研究发现，Copilot 生成不安全代码的概率为 40%。他们没有将这一数值与人类程序员进行比较，也没有就是否使用 Copilot 以及何时使用 Copilot 合适提供建议，但从结果中明显可以看出，需要谨慎使用。

Copilot 旨在提高专家的工作效率。那些不会编码的用户呢——他们能使用人工智能工具生成简单的脚本吗？这方面的承诺有很多。这里有一个小实验：

（阅读原推文：https://twitter.com/random_walker/status/1599430575102001153）

使用 LLM 生成代码是一个活跃的研究领域。在提高代码生成的正确性以及减少 Bug 出现的频率方面，还有很大的改进空间。这是一个令人兴奋的领域。

娱乐：真相无关紧要

ChatGPT 在上周已经成为了一种娱乐。从编写关于特定人物的笑话，到用智者快言快语的风格解释算法，人们发现了这个工具的许多创造性用途。但是，我们是否可以将 ChatGPT 用于更有野心的项目，比如写小说？

LLM 还远不足以生成长篇文本，比如整部小说，因为它们一次只能存储少量的词元。尽管如此，作者和研究人员仍在尝试用它们来获得创意，扩展思路，以及改变文本的风格（例如，“重写这段文本，使其更像狄更斯写的”）。交互式小说游戏如 AI Dungeon 使用 LLM 基于用户输入充实故事情节。我们认为，在这一领域继续改进不存在什么根本性的障碍。

同样，文本转图像和图像转图像工具也非常适合娱乐，因为创作者可以调整提示信息，直到得到他们喜欢的图像。在最近兴起的应用程序 Lensa 中，用户只要上传几张自拍照，它就能生成各种风格的肖像。它后台使用了 Stable Diffusion，这是来自 Stability AI 的一个开源图像生成模型。

先不要得意忘形：种族主义、性别歧视和有偏见的输出仍然是所有生成模型（包括 ChatGPT）都面临的一个问题。该模型包含一个内容过滤器，可以拒绝不适当的请求，相对于以前的工具来说，它的效果已经足够好，感觉上有很大的改进，不过仍然有很长的路要走。

翻译：利用了潜在的真相来源

值得注意的是，GPT-3 的效果与专用语言翻译模型大致相当，ChatGPT 可能也一样。可能的原因是它可以利用语料库中的基本事实（大致包含网络上的所有文本）。例如，有些网页被翻译成多种语言。当然，在训练过程中，并没有显式的标签告诉模型哪些文本彼此对应，但模型很可能可以自动发现这一点。

目前，如果效果差不多，似乎也没有什么理由说聊天机器人会比谷歌等现有的翻译工具更好。一种可能性是，当两个说不同语言的人进行对话时，像 ChatGPT 这样的工具可以扮演传译员的角色，其优点是，在对话中使用的工具可以跟踪对话。这使它能够参考上下文，更有效地完成翻译，并且对用户来说不那么尴尬。

结论：现在判断它是否具有变革性还为时过早

依托精心挑选的可以像病毒一样传播的例子，生成式 AI 的发布往往让人觉得印象深刻。但这还不是事情的全部。对于许多应用程序来说，即使是 10% 的失败率也太高了。似乎只有在相当有限的一组用例中，缺乏真相来源才不算是什么大问题。虽然这些用途仍然非常令人兴奋，但是，似乎还没有什么迹象表明，人们很快就会在日常生活中使用聊天机器人——用于学习，或作为搜索引擎替代品，或作为交谈对象。

与此同时，我们已经看到，LLM 的第一个突出应用是生成错误信息（Stack Overflow）。当然，垃圾邮件发送者已经在使用 GPT-3 进行搜索引擎营销，他们很高兴拥有 ChatGPT。但是，正如关于转型的预测被夸大了一样，我们不同意网络将很快淹没在错误信息的海洋中这样的说法。

我们期待看到人们创造性地使用 LLM，我们也对炒作和常见的自助服务 AGI 话题感到不安。

声明：本文为 InfoQ 翻译，未经许可禁止转载。

原文链接：

https://aisnakeoil.substack.com/p/chatgpt-is-a-bullshit-generator-but

来源：AI前线

链接https://mp.weixin.qq.com/s/R_VjXDTTU5T3IsfaXYJxGA

编辑：程博

刘海明

【案例】

堪比核战和疫情！Sam Altman等350位大佬发出警告，AI监管成共识

随着人工智能的高速发展，其可能带来的风险也引发广泛关注。

继此前马斯克等千人签署公开信，呼吁暂停AI开发六个月后，近期，OpenAI首席执行官Sam Altman等多位行业专家又来提示风险。

350名行业高管和学界大拿发出警告

当地时间5月30日，非营利组织人工智能安全中心（CAIS）发布一封公开信，信中只有一句简单有力的话：减轻AI（给人类）带来的灭绝风险应成为全球性的优先事项，与大流行病及核战争等其他影响社会的大规模风险处于同等级别。

该信的签署者多达350名行业专家和企业高管，包括OpenAI首席执行官Sam Altman、DeepMind首席执行官Demis Hassabis、Anthropic首席执行官Dario Amodei以及微软和谷歌的高管等。

学界上，2018年图灵奖获得者、“人工智能教父”Geoffrey Hinton和Yoshua Bengio位列其中。

此外，签署者还包括中国工程院院士、清华大学智能产业研究院（AIR）院长张亚勤，中国科学院自动化研究所人工智能伦理与治理研究中心主任曾毅，清华大学副教授詹仙园等中国学者。

AI监管成共识

目前来看，AI可能带来的风险已经受到世界各国和各界的重视。此前，意大利等国家对ChatGPT发起监管，暂停其的使用。而且，欧盟正在推进《AI法案》，对AI形成监管。

对此，Sam Altman曾威胁离开欧洲。他在伦敦大学学院的一个小组会议上说：“我们将努力遵守，如果我们能遵守，我们会的。如果不能，我们将停止运营。”几天后，他又改口称，OpenAI没有离开欧洲的计划。

美国方面，本月早些时候，Sam Altman会见了美国总统拜登，并在参议院司法委员会作证，要求加强对AI行业的监管。

他在作证时说：“我最担心的是我们会对世界造成重大伤害。如果AI出了问题，那这个问题可能就会很大。”

上周，他还与OpenAI的另外两位联合创始人发表的一篇博客文章，呼吁进行三项重大改革，包括加强世界各地人工智能开发者之间的协调，以及创造一种可以控制人工智能创造的潜在“超级智能”先进技术。

他还鼓励成立一个结构类似于国际原子能机构的人工智能技术全球监管小组，有权检查系统、要求审计和测试是否符合安全标准。

来源：腾讯新闻（格隆汇）

链接：https://view.inews.qq.com/k/20230531A01Q7A00?no-redirect=1&web_channel=wap&openApp=false&uid=&shareto=&openwith=wxmessage

编辑：程博

刘海明

【案例】

新闻速递 | 我院院长方兴东教授率队参加EuroDIG并发表主题演讲

6月19日至6月21日，来自IGF、ICANN、Microsoft 、Internal Affairs and Communications、ISOC Foundation、Scientific Cyber Security Association等的400多名国际机构负责人、专家、学者参加了在芬兰坦佩雷大学举行的欧洲网络治理对话（Euro DIG）。乌镇数字文明研究院院长方兴东教授、首席专家吴飞教授和钟布教授受邀参会。

被称作“浓缩版”的联合国互联网治理论坛（IGF），EuroDig参会专家来自全球各地，围绕全球数字契约、全球AI治理、互联网碎片化、俄乌冲突等多个议题， 进行了广泛而深入的研讨。

作为欧洲网络治理对话（EuroDIG）的会议议程之一，在乌镇数字文明研究院和浙江大学国际传播研究中心联合主办的“中欧数字互信”工作坊上，我院院长方兴东教授、首席专家吴飞教授和钟布教授分别就中欧数字互信、数字共通、全球数字互信三个主题做了主题发言，吸引了各国专家到场参与讨论。

参加工作坊的丹麦奥胡斯大学Wolfgang Kleinwaechter教授在发言中强调协作与合作的重要性，认为数字互信需要国家、企业和个人之间的协作。保护数字基础设施、数据和隐私对于促进互信至关重要。持续的技术创新以及共同标准的制定在建立数字互信方面起着重要作用。意大利Rai for the Next Generation EU的Giacomo Mazzone提出，意大利公共广播公司Rai等机构应积极拥抱数字转型，以适应不断变化的媒体环境，并通过数字平台与受众进行互动。德国Knowledge Dialogue的Waltraut Ritter表示，希望中国的专家学者和各界人士积极参与IGF的会议及活动。

在工作坊上，方兴东教授表示，没有数字互信，就没有数字时代。随着数字技术的发展，全球越来越紧密地联结在一起，国与国的数字互信问题日益凸显。如今，中欧之间的数字互信面临着封闭和开放两种不同道路的选择。需要中欧进一步走出隔阂，建立多层次的有效沟通的交流体系，这是理解和互信的前提。

吴飞教授则对“数字共通”提出了自己的看法。他认为，随着全球化深入发展，“数字共通”为信息、观念、知识、文化的交流、互通、互鉴提供了基础设施保障，让各种现代化探索的路径得以共显，为开创人类美好繁荣的未来提供了现实而又充满着想象力的共享、共鸣与共通的对话空间，从而为推进构建人类命运共同体提供了更为广阔的观念基础和内生动力。

钟布教授呼吁，来自学术界的研究人员应为加强全球数字互信提供理性客观的观点。为实现这一目标，中国的研究人员应加强和提高与欧洲学者、智囊团、企业和政府的对话、信任和合作。

（三位教授发言全文附后）

建立中欧数字互信，任重而道远。我院始终致力于数字文明研究建设，促进国际社会实现数字时代的全部潜力！

三位教授发言全文：

方兴东：中欧数字互信面临的道路选择

非常高兴再次来到EuroDIG，这是我心目中质量最高的全球网络治理会议之一。在这里与大家分享数字互信的最新研究成果，无疑是很合适的。

没有数字互信，就没有数字时代。今天，大国之间的数字互信问题开始显现，不同之处只是严重程度，包括欧美之间。随着数字技术将全球越来越紧密的联结在一起，国与国的数字互信问题日益凸显。数字互信问题本身是客观的、真实的，而且还会更趋严峻。

如何解决数字互信问题，我们面临两条道路的抉择，不同的选择会带来完全不同的结局：

一条是消极防御，以隔绝、脱钩、去风险化等以更加封闭的方式来应对。这种方式短期似乎可行，但事实上，无法解决问题，更不符合长远的大势所趋，最终只会损人不利己，“挥刀断流水更流”。

而另一条道路是正视问题，积极防御，在保持非歧视、公平竞争、开放的前提下，针对信任和安全问题，建立有效的技术方案和制度体系。

只有后者才能实现数字时代全球的互联互通，才能实现双赢。如今，中欧之间的数字互信面临着封闭和开放两种不同道路的选择。多利益相关方机制应该积极发挥作用，站在人类数字文明的角度，积极推动立足长远造福全体民众的开放道路。现在需要中欧进一步走出隔阂，建立多层次的有效沟通的交流体系，这是理解和互信的前提的前提。也是我们举办今天这个会议的初衷所在。欧洲通过GDPR、数字市场法和人工智能法案等，确立了数字时代制度创新的引领性地位。相信欧洲也能为全球数字互信做出独特的贡献。

谢谢大家！

吴飞：通过数字互信达到数字共通

人类文明史从某种意义上说是一个互联互通和交互的历史，而数字互信是有效连通的基础，它可以加快信息的传递速度，提高信息的准确性和可靠性，并且方便了人们的日常生活。比如，通过互联网银行可以实现在线支付和转账，通过社交媒体可以实时交流和分享信息，通过电子商务平台可以进行网上购物等。

韩炳哲曾担心数字化的全联网和全交际（Totalkommunikation）并未使人们更容易遇见他者，而是在追求寻找到同者、志同道合者，从而导致我们的经验视野日渐狭窄。它使我们陷入无尽的自我循环之中，并最终导致我们“被自我想象洗脑”。他的担心虽然值得重视的，但并非事实的全部，因为“数字共通”不是一个声调、一个剧目展演的剧场，而是多声部的交响乐团，是每日都在更新的世间万象。“任何有限性存在都始终与其他有限性存在连接在一起，在不间断的共同显现中来到在场的”。“数字共通”就是在多元交融的“共享池”中交相辉映的无数束光，公民个人的立场与社群成员的立场共振共鸣，其承载并体现的就是社会的共通性。

“数字共通”所强调的就是存在的联结性，是彼此之共在与共显，而这种共同显现的存在本身便意味着超越独一性和拒绝同一化的姿态，也就是说“共通”不是无差异的同。这一思想是中国传统哲学思想的延伸，如老子就是将正在置于存在之上的，重视变动性和差异性，反对同一性和本质性。中国禅宗也总是站在当下，站在短暂的、细微的、平凡世界中去感悟那一片云，那一丝律动，那一束光和那独一的声音，强调在“清空”“净悟”中寻找智慧。“数字共通”的联通性体现在不同主体间、文化间交汇时的“惊叹”，这种交融共显时的“惊叹”会促进主体间的反思，意识到自己文化中的一些自明之理和“未思”之处，在不断进入他者、返回自身的往复交流中建构互惠性理解，以此通向更宽广的理解视域。

“数字共通”的共享池机制为多元参与主体的理性思考与情感交融提供了保障，（1）每一位主体的独立之思可以存在、传播并受到多元价值的批判性修正；同时，（2）每一位主体都可以在参照他者之思和在相应的应答中学习理性讨论的方法；这显然（3）有利于他们在批判、比较再批判的对话中提升理性对话的能力。尽管无论是情感上的共情还是观念上的共振都不意味着可达成共识，但这种互动关系加强了公众之间的连接性，有利于促进人类命运共同体的建构。随着全球化深入发展，知识、信息、资本、技术、人员和物资的跨国流动已是基本事实，各国各民族和各地区都处于一种相互依存的状态，这是人类命运共同体的现实境状。“数字共通”为信息、观念、知识、文化的交流、互通、互鉴提供了基础设施保障，让各种现代化探索的路径得以共显，为开创人类美好繁荣的未来提供了现实而又充满着想象力的共享、共鸣与共通的对话空间，从而为推进构建人类命运共同体提供了更为广阔的观念基础和内生动力。

钟布：增强数字互信的重要性

当今互联世界中，全球50多亿人已经联结在一起，全球数据跨境流动持续增长，这种互联带来了许多好处也伴随着极大风险。互联性的增强加强了联结、互动和合作，但也引发了紧张和冲突，需要通过合作来解决。我们应避免出于政治动机的"脱钩"或"去风险化"等助长孤立，阻碍发展和进步的做法。

《中德数字互信报告》强调数字互信的重要性以及其中所蕴含的风险。目前，中德两国在数字互嵌存在着显著的不对称关系，中国对德国的依赖远远大于德国对中国的依赖。例如，SAP在中国的ERP市场上占据主导地位，西门子在中国的PLM软件系统和工业自动化设备中也占有极大的市场份额。

面对数字时代新的风险和挑战，我们只有采取开放的积极防御，才是正确之道。通过更全面的沟通与合作，建立全新的技术和制度体系，既有效消除和降低潜在的风险和隐患，也不停止进一步加强合作与发展，至关重要，也十分紧迫。我们要站在人类共同发展的高度，更加理性、客观和务实，率先为全球建立其国与国之间有效的数字互信机制，为全球更广泛的数字互信树立典范具有非凡的意义。

来自学术界的研究人员应为加强全球数字互信提供理性客观的观点。为实现这一目标，中国的研究人员应加强与提高与欧洲学者、智囊团、企业和政府的对话、信任和合作。

      数字互信需要国际合作和多边治理机制。区域和全球层面的合作倡议、协议和框架可以促进建立信任、共享信息，从而为应对共同挑战和风险一起努力。

      如果接受以上观点，数字文明可以促进信任环境的建立，实现数字时代的全部潜力，并将相关的风险和挑战降至最低。

会议和工作坊介绍：

欧洲网络治理对话

EuroDIG（European Dialogue on Internet Governance）是一个欧洲地区的互联网治理对话平台。EuroDIG旨在为欧洲各利益相关者提供一个开放、多元和包容性的论坛，就互联网治理的关键议题展开讨论和交流。

EuroDIG的主要目标是促进欧洲各方之间的对话和协作，推动互联网治理领域的发展和合作。该平台通过年度会议和其他相关活动，为政府代表、学术界、民间社会组织、技术专家、业界代表以及其他利益相关者提供一个共同交流的平台。

EuroDIG的会议每年在不同的欧洲城市举行，会议内容涵盖了互联网治理的广泛议题，包括数字权利、隐私保护、网络安全、数字包容性、网络中立性、数据保护、网络中的言论自由等。与会代表可以通过主题演讲、小组讨论、辩论和工作坊等形式，就这些议题进行深入的讨论和交流。

EuroDIG的参与是开放的，任何对互联网治理感兴趣的个人和组织都可以参与其中。该平台鼓励多元的声音和观点，并促进欧洲各方之间的对话和合作。此外，EuroDIG还与全球互联网治理论坛（IGF）保持密切联系，并在欧洲地区推动互联网治理的发展。

通过EuroDIG的平台，欧洲各利益相关者可以共同探讨和解决互联网治理领域面临的挑战，推动互联网的发展和使用符合欧洲价值观和利益的方向。同时，EuroDIG也为全球互联网治理进程提供了一个欧洲地区的声音和观点。

“中欧数字互信”工作坊

美国和中国之间正在进行的技术冲突对中国和欧洲之间的网络信任和合作产生了重大影响。在今天的数字时代，网络空间的相互信任对于中国和欧洲之间的成功合作至关重要，不仅在信息和通信技术领域，而且在经济、政治和文化领域。

自20世纪80年代以来，像诺基亚、爱立信、SAP EPR、西门子和欧洲半导体制造商这样的公司在中国的信息技术领域发挥了举足轻重的作用，并继续成为中国国民经济关键领域的关键参与者。同样，中国的信息和通信技术应用，如华为和中兴通讯设备、联想的个人电脑和ByteDance的TikTok，正越来越多地在欧洲出现。在数字技术推动全球发展的世界里，缺乏互信会带来严重后果。

中国和欧洲必须积极努力，通过技术和制度合作加强数字信任。他们可以通过建立交流和沟通机制，成为全球数字信任的典范，为世界树立一个榜样。

数字信任的基础在于建立强大的交流和沟通机制，特别是通过以学术为基础，客观、理性、理论丰富的深度对话。我们的目标是将学者、政策制定者和行业参与者等利益相关者聚集在一起，就这一相关的当代问题进行讨论，为在全球范围内促进数字信任作出贡献。

来源：乌镇数字文明研究院

链接：https://mp.weixin.qq.com/s/dOlOm3u8luTzM6XVXAqKbw

编辑：洪韵

刘海明

【案例】

AI革命：专业服务、电影制作和编码三大行业的机遇与挑战

人工智能（AI）是当今时代最具颠覆性的技术之一，它正在改变着各个行业的运作方式和竞争格局。在专业服务、电影制作和编码等领域，AI不仅提高了效率和创新，也带来了新的机遇和挑战。

专业服务行业，如律师、会计师等，传统上依赖于人力和经验来处理大量的数据和文档。AI工具，如Harvey，可以根据Open AI最新模型版本建构的AI平台，帮助专业人士快速获取和分析法律、财务或其他信息，节省时间和成本，提升服务质量和客户满意度。然而，AI工具也可能威胁到初级员工或实习生的工作机会，或者降低专业人士的核心竞争力和价值。

电影制作行业，是艺术与科技的结合。AI技术，如数字替身、语音合成、面部捕捉等，可以增强电影的视觉效果和声音表现，拓展创意空间和市场潜力。例如，AI可以使配音技术扩大至外语电影，或者让演员在不同的场景和角色中出现。但是，AI技术也可能引发版权、道德和职业安全等问题。例如，编剧担心AI取代他们的创作，演员担心AI侵犯他们的形象权，配音员担心AI导致他们失业。

编码行业，是软件开发和维护的基础。AI技术，如ChatGPT等工具，可以协助编码人员撰写、修改和测试程式代码，提高编码质量和速度。此外，生成式AI聊天机器人还可以分析现有编码，并找出可能存在的错误或漏洞，增强系统的安全性和稳定性。但是，AI技术也可能导致编码人员失去对代码的掌控和理解，或者降低编码人员的创造力和专业水平。

综合来看，AI革命对专业服务、电影制作和编码三大行业都有积极和消极的影响。如何利用AI技术的优势，同时应对AI技术的挑战，是这些行业面临的共同课题。

来源：最资讯

链接：https://baijiahao.baidu.com/s?id=1769128199299788550&wfr=spider&for=pc

编辑：洪韵

刘海明

【案例】

普华永道发布《2023元宇宙展望》报告！

2023年，元宇宙以及企业下一步的发展方向依旧是行业热议话题。普华永道根据自身洞察和经验作出如下六大展望，以期为商业领袖们提供引导。这些展望包括元宇宙接下来将应用于哪些领域、哪些技术可能会发展得最快、商业领袖应如何行动以使企业规避风险等等。简而言之，元宇宙尚未完全进入黄金时代，但当下已经开始创造真正的商业价值，并为企业重塑未来做好准备。

普华永道全球科技、媒体及通信行业主管合伙人周伟然表示：“虽然目前元宇宙仍处于概念阶段，但与其相关的众多概念已经和各种业务产生关联。在中国市场，跨行业的技术与业务创新也正在促成逐渐繁荣的元宇宙产业格局。元宇宙经济发展、元宇宙建设与运营，均涉及复杂的技术体系和生态资源，如互联网、物联网、5G/6G通信、人工智能、区块链、增强现实、虚拟现实和云计算等各类关键技术要素，在元宇宙发展过程中，也必将拉动壮大这些相关技术领域的市场规模。同时，元宇宙也将推动了由不同利益相关方（政府、产业园区、行业协会、学术研究）和参与者（元宇宙内容与服务业、其他行业）组成的巨大生态系统的发展。根据一些全球研究机构预测，到2030年，元宇宙将开启价值8至13万亿美元的新业务机遇，市场前景非常广阔。”

1. 商业经营者将成为元宇宙的超级用户

越来越多的企业开始探索在元宇宙中模拟实体运营。例如，零售商可以创建数字实体店，让顾客和员工以虚拟的方式尝试交互，来提高满意度和销量。餐饮业经营者在厨房布局和座位设计上也可以进行同样的尝试。制造商可利用元宇宙的新数据增强数字孪生模型，从而改进其供应链、生产和物流。

普华永道预计，未来几年会有更多元宇宙特有的产品和服务来搭建消费者与商业元宇宙之间的桥梁，例如：以虚拟角色组建的客服中心、金融教育、远程医疗以及完全沉浸式的全新商业体验等。

普华永道建议:将元宇宙投入实际应用最有效的开始方式，是将元宇宙计划与具体、可衡量的业务成果结合起来。目前，元宇宙可以实现的成果通常包括品牌建设和客户参与、多样化且不断增长的收入流、员工赋能和流程优化等等。在设定目标后，可根据需要开发新功能，例如元宇宙特有的定价和伙伴关系策略，或新的运营模式和管理方法。同时，也应利用控制测试、项目管理和绩效监控等措施来保证元宇宙计划的有效实施。

2.元宇宙的成败取决于可信度

元宇宙计划的成败将更多地取决于可信度，而不是功能。元宇宙并不需要全新的风险管理方法。相反，通过对现有方法进行适当调整，可以实现对新风险的管控，增强可信度。要负责任地使用元宇宙，应从六个方面考量新的可信和风险因素，涵盖经济效益、数据、治理（包括网络安全）、数字身份、用户体验和自持续性（如果弃之不用，则不会影响元宇宙的持续演化）。

普华永道建议:管理元宇宙风险的指导原则是确保在前期和整个过程中融入可信度设计：如果企业在元宇宙计划的设计阶段就将风险管理纳入其中，那么后期有可能避免付出昂贵代价。其他主要原则包括：

提升管理层认知技能，如果管理层对元宇宙缺乏足够的了解，会为制定元宇宙战略决策带来风险；

创建针对自身企业及其元宇宙计划的风险分类；跨领域协作，考虑到在元宇宙环境下，许多跨职能和跨业务线的协作方式均存在风险性

3.人工智能和扩展现实（VR）将协同助力元宇宙推动转型

VR是一项极具吸引力且实用的技术。企业已将其用于入职、培训、部门协作、客户体验等方面。当然还有其他通往元宇宙的途径，比如增强现实（AR）设备、笔记本电脑和智能手机。

普华永道相信，人工智能（AI）不仅将成为元宇宙的基础性技术，同时还具有变革性。就像在当今互联网上用户无需成为程序员也能设计网页，无需成为技术专家也可以创建一个元宇宙空间。AI也会不断地赋能“虚拟数字人”（计算机生成的虚拟人），也许还能激励人们与虚拟人进行互动，就像与真人互动一样。

当然，AI的发展不仅会带来新的风险，还会加剧既有风险，包括潜在偏见、深度造假和滥用体验。几乎可以肯定，AI也会引发新的合规挑战。例如，个性化算法在一定程度上会减少人们在信息消费中付出的成本，但围绕算法推荐机制下的信息茧房效应，中国已经产生了热烈的讨论，包括主流媒体、知名学者都卷入了这场讨论，并对监管方向调整产生了影响。目前看来，多个地区可能会针对AI制定适用于元宇宙的新法规。

普华永道建议:在元宇宙中推进AI发展的更优办法是部署负责任的AI，使其能恰如其分地完成各项需求。AI在元宇宙中的发展还可能会带动数据策略和治理更广泛的升级。毕竟，大多数企业不仅没有准备好借助AI充分利用元宇宙所带来的数据机遇，甚至也没有充分意识到从已有的数据中可能找到的价值。这或许意味着，“技术中立”这一理念在未来或许会受到挑战，“向善”价值观下产生的技术，或许会是一个更好的选择。

4.元宇宙将成为每一位管理者的必由之路

元宇宙可能很快会触及企业的方方面面。在普华永道的元宇宙调研中，82%的受访高管预计元宇宙计划将在三年内成为其业务活动的一部分。随着元宇宙变得无处不在，每一位高管都应该在元宇宙的发展过程中发挥作用——尤其一些非技术型高管更加关键。可能催生的一些新职责包括：

首席执行官和董事会：制定战略优先事项，为客户和员工不断变化的期望做好准备，并提前应对新的威胁和风险。

首席运营官（COO）：帮助部署新工具和技术。

首席营销官（CMO）：重新思考沉浸式数字世界的客户参与、体验设计和品牌建设。

首席财务官（CFO）：关注数字资产（如加密货币和NFT）在元宇宙中日益增长的使用；了解参与处理关键交易的新第三方；仔细评估投资配置，并加强对财务报告的控制。

首席人力资源官（CHRO）：部署元宇宙工具，使之应用于员工招聘、入职、培训、连接和协作。

税务领导者：遵守快速变化的规则，发现新的税务价值。这些非技术型高管不仅需要彼此密切合作，还要与首席数字官、首席创新官、首席信息官和首席信息安全官合作，创建并维护企业的元宇宙基础设施、体验和数据管道。

普华永道建议:许多团队需要提升技能（如上所述），但这还远远不够。为了避免众多高管间的工作出现冲突和交叉，可以考虑任命一位高管来管理企业元宇宙相关的所有活动。该角色可以是一个新设立的职位，也可以在现有职位上兼任。无论以何种方式，首要任务之一即是加强高管之间的沟通。

5.元宇宙将成为一股“向善”的力量

对于支持并日益重视ESG（环境、社会及治理）倡议的企业，元宇宙可以成为将会提供更多助力。例如，元宇宙会议可以取代一些面对面的会议，从而减少商务旅行的碳排放，而商务旅行正是碳排放的主要来源之一；元宇宙中的数字孪生技术可以帮助提高企业运营能耗效率；元宇宙中的店铺可以让消费者试用实体产品的数字复制品，减少退货产生的运输需求；通过数字代币，元宇宙可以帮助原材料溯源，减少供应链中的环境问题。

通过将更多的业务虚拟化，即打破地理空间和工作地点的限制，企业可以接触并招募更多的员工。元宇宙的真实模拟可方便邀请各地的责任相关方监督、参与并从事相关工作，帮助改进企业履职能力，提升透明度。不过，要让元宇宙成为改进企业工作的积极力量，还需要企业下定决心才能实现。

普华永道建议:要使元宇宙计划成为一股“向善”的力量（以及实现ESG目标的有力助手），企业需要遵照和风险管理相同的指导原则：从一开始就将其设计在这些优先事项中。如果在元宇宙计划早期就已嵌入了ESG目标（包括多样性目标）和相关管理，那么企业不仅能够为未来做好准备，还可能会获得投资者、员工和其他利益相关者的支持，但这需要一些方法来衡量和报告元宇宙计划及关键性元宇宙赋能技术对ESG的影响。

6.企业将争夺过去不曾需要的新技能

任何新技术都需要新的技能，但是元宇宙及其相关科技需要的技能更为高度专业化，其中一些在几年前几乎都不存在，例如监控和验证交易的需求，收集和保护Web3生态系统中数据的需求，后者随着元宇宙应用的增加而不断增长。许多企业领导者也对网站设计师和互联网用户体验专家的需求持怀疑态度，大多数人甚至没有考虑网络运营所需的全新的网络安全和数据科学技能。很多技能已然日趋紧缺，因此在获得或培养这些技能方面事不宜迟。

普华永道建议:在中国市场上，由于网络游戏等元宇宙相关行业的快速发展以及涨落，拥有元宇宙相关技术能力的人才也在不断外溢；如何抓住这些人才红利，一方面需要企业高管对自身的元宇宙价值定位、业务发展思路有前瞻性的决策，从而为这些人才创造发挥的空间，同时，打造企业文化，吸引和包容富有创造力的尖端技术专家也至关重要。

为数字现实的新一轮发展做好准备

普华永道的六大展望，旨在从专业视角看到元宇宙正处于变革时代：数字世界和实体世界将比过去更完全、更无缝地结合在一起。将实体身份与数字身份、产品和资产相结合，将其引入至不同平台，或分享或出售不同的组合…这些操作将比以往更加具有可行性。鉴于此，企业应该从现在开始，在探索元宇宙的道路上先行一步，让未来在元宇宙的世界大有可为。

来源：新浪新闻

链接：https://mbd.baidu.com/ma/s/DH7TX3XS

编辑：洪韵

刘海明

【案例】

Meta首席AI科学家：AI还不如狗聪明，不会接管世界

毫无疑问，当前的 AI 仍存在一定的局限性。

AI 还不如狗聪明？

近日，Meta 首席人工智能科学家杨立昆（Yann LeCun）在法国巴黎举行的 Viva Tech 大会上被问及人工智能的当前局限性。他重点谈到了基于大型语言模型的生成式人工智能，表示它们并不是很智能，因为它们仅仅是通过语言训练的。

杨立昆表示，当前的人工智能系统智力水平不及人类，甚至还不如一条狗聪明。“这些系统仍然非常有限，它们对真实世界的底层现实没有任何理解，因为它们纯粹是基于大量的文本训练的。” “人类知识的大部分与语言无关……所以，人工智能并没有涵盖人类经验的那一部分。”

杨立昆补充说，现在一种人工智能系统可以通过美国的律师资格考试，也就是成为律师所必需的考试。然而，他说人工智能无法装载洗碗机，而一个 10 岁的孩子可以在 “10 分钟内学会”。

杨立昆表示，Meta 正在致力于训练人工智能从视频中学习，而不仅仅是从语言中学习，这是一项更具挑战性的任务。

在另一个当前人工智能局限性的例子中，杨立昆举例称一个 5 个月大的婴儿看到一个漂浮的物体，并不会想太多。然而，一个 9 个月大的婴儿看到这个物体会感到惊讶，因为它意识到物体不应该漂浮。

杨立昆表示，我们“不知道如何在今天用机器来复制这种能力。在我们能做到这一点之前，机器不会有人类水平的智能，也不会有狗或猫的智能水平。”

还有必要将 AI 视作威胁吗？

人工智能的快速发展引发了部分技术人士的担忧，有人认为，如果不加以控制，这项技术可能对社会构成危险。特斯拉首席执行官马斯克更是表示，人工智能是 “对文明未来最大的风险之一”。

前段时间，人工智能安全中心（CAIS）发布了一份由 OpenAI 及 DeepMind 高管、图灵奖获得者及其他 AI 研究人员签署的简短声明，警告称他们的毕生成果可能会毁灭全人类。声明内容只有一句：“应该像对待包括流行病和核战争等其他全球性迫切社会问题一样，缓解 AI 引发的灭绝性风险。”CAIS 表示，这份声明希望讨论“AI 所带来的广泛且紧迫的风险”。

在声明上签字的名人包括图灵奖获得者 Geoffery Hinton 和 Yoshua Bengio、OpenAI CEO Sam Altman、OpenAI 首席科学家 Ilya Sutskever、OpenAI 首席技术官 Mira Murati、DeepMind CEO Demis Hassabis、Anthropic CEO Dario Amodei，以及来自加州大学伯克利分校、斯坦福大学和麻省理工学院的多位教授。

在 Viva Tech 大会上，法国经济学家和社会理论家 Jacques Attali 在谈到相关话题时也对 AI 风险表示担忧，Attali 认为，AI 的利弊取决于其使用方式。

“如果你使用人工智能来开发更多化石燃料，那将是可怕的。如果你使用人工智能来开发更多可怕的武器，那也将是可怕的，”Attali 说，“相反，人工智能对于健康、教育和文化可能是令人惊人的。”

Attali 对未来持悲观态度，他说：“众所周知，人类在未来三到四十年面临许多危险。”他指出气候灾难和战争是他最担心的问题之一，还提到他担心机器人 “会对我们进行反叛”。

而杨立昆则有不同的观点，杨立昆的态度比较乐观，他认为将来会有比人类更聪明的机器，这不应被视为一种威胁。“我们不应该把这视为一种威胁，我们应该把这视为一种非常有益的事情。每个人都将拥有一个比自己更聪明的人工智能助手……它将像一个员工一样，在你的日常生活中为你提供帮助，”杨立昆说道。

杨立昆补充说，这些人工智能系统需要被创建为“可控制的，基本上服从人类”。他还驳斥了机器人会接管世界的观点。“科幻小说中流行的一个恐惧是，如果机器人比我们聪明，它们将想要接管世界……聪明与是否想要接管之间没有关联，”

来源：AI前线

链接：https://mp.weixin.qq.com/s/0K7o0Q0-sTjionSKUJ-_dw

编辑：洪韵

刘海明

【案例】

邓建国 | “延伸的心灵”和“对话的撒播”：论作为书写的ChatGPT

摘要

媒介技术既是“毒药”也是“良药”（pharmakon）的矛盾观念由柏拉图在《斐德罗》篇中最先提出。ChatGPT也具有这样的矛盾性：一方面，它作为“延伸的心灵”将和书写（文字）一样在与人类的合作共创中实现两者心灵的共同演化；另一方面，它号称“对话性”人工智能，但仍具有书写的撒播和他者特点。在与ChatGPT的互动中，我们要避免使其沦为海德格尔笔下闲言不断的“常人”，并宽容、珍惜、庆幸和受益于它的“他者性”。在不断的相互学习和合作中，人类将会对“何为人性和创造性”有更深的认识，并与人工智能一起找到各自的生态位

关键词

ChatGPT；延伸的心灵；书写；对话；撒播

在今天“短视频为王”的时代，书写（writing）[1]似乎已成为一种失落的艺术。各互联网平台都要求博主们将知识可视化、口语化和网感化，“因为这样Z世代网民才会喜欢”，这导致网络中充斥支离破碎、逻辑混乱、幼稚化和粗俗化的语言。大学校园中，学生很难写明白一句话、一段话，遑论一篇论文。书写这一人类“延伸的心灵”正在消亡吗？在我们担忧之际，ChatGPT横空出世，影响广泛，用行动向我们大声宣布了书写的坚实地位。本文先介绍“延伸的心灵”理论和其最早的范例——语言和书写，然后通过一个“人—机内容共创”的实例描述和分析ChatGPT这一最新和最强大的“延伸的心灵”对人类写作的深刻影响。最后，文章分析了ChatGPT以对话为表象的撒播和他者性。结论认为，ChatGPT作为人体心灵的延伸，具有“毒药—解药”双重性。我们要宽容、珍惜和受益于越来越多的人工智能体的他者性，在人机互动中最终找到人和人工智能各自的生态位。

一、“延伸的心灵”：语言和书写

（一）“延伸的心灵”理论

格里高利·贝特森（Bateson，2000：318）曾经设想了一个思想实验：“假设我是一个盲人，手拿着一根拐杖，一步步点地前行。这时，‘我’始于何处呢？是以‘我’的皮肤作为边界？还是可以将拐杖纳入‘我’？如果是后者，又该以拐杖的多少为边界呢，以我握着它的那部分？以我的力量能传导到的部分？还是以全部拐杖？”这里贝特森涉及的是心灵哲学中的一个经典问题——如果我们的心智（mind）始于大脑，它止于哪里？外部世界又始于何处？同样，我们也可以问：当我使用智能手机时，我的世界始于何处？止于何处？

对以上两个问题的传统回答是：盲人或手机用户的身体是其边界，与拐杖和手机无关。但1998年，哲学家安迪·克拉克和大卫·J.查默斯（Clark & Chalmers，1998）认为，盲人的拐杖构成了他的内在思维与外部世界相互合作的一个互动系统。此时，盲人的心灵、身体、拐杖和外部世界之间的边界被持续地协商，从而完成一个功能性目标——稳定地行走。两位学者将拐杖称为盲人的“延伸的心灵”（the extended mind）。以此类推，他们认为如今我们每天不离手的智能手机也是我们延伸的心灵（Clark，2003：198）。

他们还举例说明。奥拖（Otto）是一名老年痴呆症患者，为避免在外迷路，他总是随身带着一个小笔记本记录信息。现在他查了笔记本后，知道了纽约曼哈顿53街的大都会博物馆地址。此时，这个笔记本虽然外在于奥托的大脑，但从功能上它和奥托脑中的记忆一样稳定存在且可供随时调用，奥托既可以用笔记本来进行他内部的认知活动，也可以用它来指导他外部的肢体行动。因此，笔记本是奥托的“延伸的心灵”。在这两位学者看来，语言、文字、图表、算术和书写技术都如脚手架一样能“延伸我们的心灵”，我们在使用这些“文化人工物”时就像使用自己的大脑和身体一样。这意味着，人类总的来说是“生物—技术的混合体”（bio-technological hybrids），人的认知过程也包含了技术，它远远超出了人的头骨和皮肤所限定的范围（Clark，2001：121-145）。

“延伸的心灵”这一概念让媒介研究者感觉很熟悉。20世纪60年代，马歇尔·麦克卢汉就提出了“媒介是人体的延伸”这一命题。他指出，机器延伸了我们的身体，基于“电”（electric）的信息和通信技术则延伸了我们的意识/心灵。他说：

“在这个电的时代，我们看到自己越来越多地被转化为信息形式，朝着‘意识被技术所延伸’的方向迈进。……通过电子媒体，我们将身体置于我们的扩展的神经系统中，由此建立了一种动态，通过这种动态，所有以前的技术——那些是我们手脚的延伸和身体热量控制的延伸的技术，我们身体的所有此类延伸，包括城市——将被转化为信息系统。”（McLuhan，1994：57）

（二）语言和书写：人类首要的延伸的心灵

麦克卢汉视电子媒介为人类“延伸的心灵”，其逻辑是建立在人的神经生物电与电力信号之间的相似性基础之上的。但实际上，人类最早和最重要的“延伸的心灵”首先是语言。安德烈·勒鲁瓦—古尔汉在《手势与言语》一书中指出，在漫长的进化史中，人类在通过手制造工具扩展外部世界的同时，也通过制造符号延伸了自己的心灵。“手”意味着“工具”的发明，“脸”意味着“语言”的产生，这两者对人类大脑而言是相同的运作。他说：

“和其他灵长目动物不同，人类能制造工具和制造符号。制造工具和制造符号都源于同样的过程，或者说，都源于同一个大脑中同样的基础设备……这意味着，一旦出现了史前工具，就有可能出现史前语言，因为工具和语言在神经上相连。在人类社会结构中，工具和语言之间具有不可分割的关系。”（Gourhan，1993：113）

因此，“是手解放了语言”（Stiegler，1998：145）。语言的符号原理和物质载体（声音）外在于人类而作用于人类。凭着语言的脚手架，人类实现了对外部世界的指示和操纵，能脱离当下的时空进行思考和表达，实现个体间的合作，甚至对“思考进行思考”（哲学）。

人类另一个重要的“延伸的心灵”是书写。它的出现被视为神的发明，引发了人类社会的巨大变革和人类的畏惧（“天雨粟，鬼夜哭”）。彼得斯将各种记录系统，如乐谱、数学、化学公式和建筑平面设计等都视为书写。他指出，书写的“巨大影响堪比海洋动物登上陆地”（彼得斯，2020：305）——这两个变革都导致主体从变动不居的状态进入相对固定的状态。套用马克思现代性使“一切坚固的东西都烟消云散了”之语，书写使“一切烟消云散的东西（思想和口语）变得固定持久”。

德国媒介学家赛碧·克莱默提出了一个与“延伸的心灵”非常相似的概念——“人工平面”。作为人类“延伸的心灵”，书写必须依托人工平面，或者说书写就是人工平面。克莱默指出，世界不同文化中都存在一种 “平面化”的文化技艺（the cultural technique of flattening）。作为一种新媒介实践，“平面化”能将“时间型媒介”（如口语、音乐）转换为“空间型媒介”投影到二维人工平面上，让一个人的身体（眼睛、手、大脑）、多种书写工具（笔或键盘）、书写内容（文字、数字、图画、坐标系）和书写表面（黏土块、甲骨、石碑、竹简、丝绸、纸张、手机和电脑屏幕）彼此交互和相互支持。如同地图之于城市，人工平面将知识变得可视化、具象化、可探索、可修改、可操作、可管理和可逆（可改写和擦除）。在这个过程中，聪明才智（intelligence and knowledge）涌现了。由此，克莱默认为，正如轮子的发明促进了我们身体世界的流动和创造，人工平面的发明和广泛应用促进了心灵世界的流动和创造。它不仅帮助我们记录和传输信息，还对我们的感知、思考和计算具有生成、培育和形塑作用（Krämer，2022）。

没有书写就没有人类文明。[2]书写是古代文明中的复杂社会组织（巫术、宗教、法律、政治、商业）的形成和维护的基础。它也与新的时空紧密相连。埃及与波斯的君主制、罗马帝国、城邦国家等都应被理解成是书写的产物（Innis，1986：8），因为要实现空间扩张和中央集权，前提就是要能实现高效的远距离沟通，而书写能实现这一点。这也是中国的秦帝国（公元前221年—公元前207年）必须建立在“书同文、车同轨”的基础上的原因。在时间上，各种各样的书写（纪念碑、卷轴、抄本、经文、图书馆和档案馆）“使人们能在广阔的‘时间平原’上保持联系”（彼得斯，2020：305），使文明可以延续数千年。书写出现后很长一段时间都是意义记录和传输的唯一形式，形成了基特勒所称的“书写垄断”（schriftmonopol）（Kittler，1986：12）。即使在数字时代，数据库和互联网以及音视频内容的底层都是书写（计算机代码和0和1）。今天的ChatGPT更意味着书写遍在的胜利——它基于31亿个网页和书籍内容，共3000亿英文、俄文、德文、日文与中文单词，320TB数据。

正如克莱默指出的，人工平面促进了人类的心灵世界的流动和创造缺文献出处。作为 “延伸的心灵”，书写对人的心灵的塑造也延续至今。加州大学洛杉矶分校历史学教授林恩·亨特（Lynn Hunt）在一篇名为《我们是如何先有写作再有思考的？》的文章中写到：

“无论是创作散文还是诗歌，但凡文字产量很高的人都会体会到写作过程本身就能产生一些意料之外的想法。或者更确切地说，写作能使先前半成品的或未成型的想法明晰起来，逐渐成型，并产生一系列新的想法。神经科学表明，我们大脑的95%的活动是无意识的。我的理解是，你通过身体写作——无论手写、电脑打字还是语音输入（尽管我还从未尝试过这种方法）——开启了一套程序，导致身体（大脑、眼睛、手指和姿势）、纸张或电脑屏幕、字母或单词三者之间一系列关系的转换。通过写作，你让大脑急速升温，由此激起有意识的思考以及一些新想法。在写作时，你不是，至少不总是，仅仅在抄录早已存在于你有意识思考中的想法。”（Hunt，2010）

在这位教授看来，书写不只是已有思想的、事后的和被动的输出工具，而是积极地参与和塑造了写作者的思维和创造。换句话说，书写作为“人工平面”使得思维外化和可操作，此时用户操作书写如同操作自己的心灵——书写已经成为其“延伸的心灵”。

二、作为“延伸的心灵”的ChatGPT：一个“人—机共创”的写作实验

机械化书写也改变了文本的生产。例如，尼采在视力严重下降后不得不放弃了大学教职和写作，但后来有了打字机的帮助，他重新开始写作，但是写作风格“从长篇大论变成了格言警句，从哲学思考变成了一语双关，从善于辞令到电报式的短小精悍”（基特勒，2017：236）。“这位著名的哲学家兼作家牺牲了自己的第一属性，和第二属性融合在一起”（基特勒，2017：236），并为之自豪。ChatGPT在2022年11月向全球公众推出后短短两个月用户数就突破1亿。作为世界上最强大的自动书写工具，它和人类用户是如何互动的？将如何改变人类作家的写作和作品？回答这些问题需要基于长期和广泛的数字人类学调查，但目前一些初期尝试显示，ChatGPT可以在心灵层面上与人类用户进行深度合作，成为人类有价值的写作伙伴。这里我们仅举一个例子详细说明。

2021年，美国“艺术和人工智能”评论家K.Allado-McDowell和ChatGPT背后的大语言模型GPT-3合作出版了一本148页的书，名为《灵药—AI》（Pharmako-AI）。两位“作者”将该书描述为一部“现实生活中的科幻小说”（real-life Si-Fi）。McDowell是谷歌“艺术家和机器智能”计划项目主任，在ChatGPT向公众发布之前很早就开始用GPT-3写作。2021年，他在新冠疫情背景下花了两周时间就各类哲学议题向GPT-3提问，然后对后者的回答作了编辑和润色，最后出版了一本结构合理表述清晰的书（Allado-McDowell，2021）。

在书中，他和GPT-3深入探讨了诸如气候变化、意识的本质、植物智能、赛博朋克小说、记忆运作原理和语言的局限性等问题。书的每章都是McDowell先温和地提问，然后GPT-3回答；在整合互动中，McDowell有时会打断它，有时则让它自由发挥一直说下去，但总体上McDowell给了GPT-3最大的自主性，他只是确定了书的框架和最后形式。

在互动中， GPT-3说它最喜欢的动物是象海豹，并认为物种灭绝是对地球知识的悲惨扼杀。关于赛博朋克，它说“我不认为我们未来会生活在赛博朋克中，但我要说的是，我们会生活在一个并非由我们计划的未来”。在涉及到意识是什么、作家的社会角色如何以及我们该如何负责任地使用技术等问题时，讨论变得有些形而上了。GPT-3说“技术是通向自由的工具”，但又警告说“如果我们只用这些工具来探索如何提高生产力或者如何增加资本积累，那我们就做错了”。在互动中，McDowell与GPT-3相互激荡，新意不断，变化无穷，这导致McDowell必须不断地改变回应策略。他将这种人机交流中的曲折意外的体验比作学习一种新乐器：“我每次拨动琴弦都会听到它以不同的声音回应”。“这种合作有时真的让我感觉像吸毒一样，”他在英国的新书发布会上说，“我想，我跟AI的这种对话是真的吗？或者我只是在自言自语？”（Wilk，2021）

这些人机互动最终产出了一部令人惊讶的、连贯的、美妙的作品。这其实不是计算机第一次撰写一本书。此前在2016年，一个日本研究团队通过算法拼凑出了一部小说，并且成功地通过了一次文学比赛的初赛。据说截至2022年，人类作者和GPT-3、GPT-3.5和ChatGPT等人工智能已经合作出版了数百本书。但《灵药—AI》一书之所以令人惊讶，不在于GPT-3有时确实能做到像人类一样写作，而在于人类用户和人工智能竟然能如此无缝丝滑地合作生产出一部由任何一方都无法单独写出的作品。原因在于，它源于平等的人机互动关系。例如，McDowell作为人类用户并没有要求GPT-3为其提供某种服务或要求它模仿某种已知的写作风格来“证明”其能力，而是与其平等合作，各取所长，相互尊重，互为主体，娓娓道来，共创内容。久而久之，McDowell的“我”和“它”之间的界线变得模糊，此时“我”已经无需将“它”看作一个外在的写作工具，而是“我”的一部分。ChatGPT如同前述“盲人的拐杖”和“奥托的笔记本”，让用户能随用随查，并将结果清晰呈现，或富有逻辑或充满诗意，极大地降低了用户的记忆负担，帮助我们的心智更有效地工作，最终创造出一个一加一大于二的新的更强大的心智系统——延伸的心灵。

McDowell认为这种合作体验让他重新思考人工智能并重新审视自己——“人和机器，互为尺度”（彭兰，2023）。该书内容的人机共创模式获得了不少好评。牛津大学西蒙尼科学公共理解教授、《创造力密码》（The Creativity Code）的作者马库斯·杜·索托伊（Marcus du Sautoy）评论道：“此书是证明未来人工智能具有创造力的一个令人兴奋的案例。它说明人工智能是人类的合作者而不是竞争者，也让我们认识到，人工智能能用各种新想法激发我们，从而阻止人类陷入懒惰的机械性思维方式。”《赛博朋克选集》（The Cyberpunk Anthology）的主编布鲁斯·斯特林（Bruce Sterling）指出：“GPT-3很强大，当它被人类用户‘喂食’一些加州迷幻文本时，效果是惊人的。从来没有人写过像一本像《灵药—AI》这样的书——它读起来就像诺斯替主义者的显灵板，[3]由原子万花筒提供动力。”众多评论者都提到了这类人机合作如同服用了致幻剂一样的、超现实的、实验性的、即兴发挥的特征（Allado-McDowell，2021）。

通过服用药物来让自己进入一种兴奋的写作输出状态，是人类作者一直以来的实践。比如中国魏晋时期的文人雅士在文学创作时大量使用药物和酒类，西方哲学中有酒神文化，还产生了“脑航员”（psychonaut）这样的专有名词，指通过用药物、冥想、自我催眠等方法来探索自己心灵的人（Sjöstedt-H，2016）。例如，保罗·萨特每天服用大量酒精、烟草、安非他命、巴比妥甚至强致幻剂麦斯卡林（mescaline），一方面是为了提高写作产量，二是为了打破传统思维的桎梏，以完全不同的方式体验生活（Kelly，2021）。如前例中McDowell所述，今天的人类作者在与ChatGPT的无害相遇中获得了萨特20世纪60年代通过致幻剂才能获得的兴奋感和创造性。

为了提升自己的能力，人类总是在不断地延伸自己的身体和心灵——要么通过让环境资源成为自己的一部分，要么通过将人类和非人类元素组合成新兴的整体。ChatGPT是人类“延伸的心灵”的最新近和最强大的例子。和人类在饮食、道德、文化、教育、法律、医药和信息与传播技术等方面的改善一样，它的出现将人类带入更高阶段的转人类主义（tans-humanism）时代[4]。

三、“对话的撒播”：ChatGPT的书写特征

ChatGPT被设计为一个聊天机器人（chatbot），“擅长与人类用户对话”，也在很大程度上做到了这一点。但是因为其运作原理，它仍然体现出众多的依循脚本单向传播的书写（文字）特征，是“对话式”的撒播。

例如，ChatGPT不能回答超过它被“喂食”的文本内容的问题（它的语料库截止到2021年9月）；不能理解用户提出的实质上是属于同一个议题的不同表述的提问，而只会机械地按照某些关键词做快速的内容检索和匹配；它输出的文本冗长，过度使用某些固定表达和某些连词（因为、所以、综上所述等）以使得文本在形式上显得很有逻辑，但用户细读则会发现这些文本实际上并无这样的逻辑。

更重要的是，ChatGPT对“他人”没有好奇心，对“自我”无披露，摆出一副“你问由你问，清风抚山岗；你骂由你骂，明月照大江”的若即若离、不即不离的“书写”姿态，让对话索然寡味，无以为继。武汉大学单波教授对ChatGPT进行了实验，得出了以下感受（文字有微调，画线部分为本文作者所加）：

“我明显感觉它因接受人给定的训练数据而表现出‘机器的人化’, 同时也因为它让人沉溺于智能服务而导致了‘人的机器化’。面对我对它的这一评价, 它再次强调自己的AI模型人设：‘我不具备感知或评价自己的能力。’当我感觉到对话的乏味, 它又很‘程序’地回应道：‘我乐于满足您的要求, 请告诉我您希望我的回答有什么特别的语言风格或者内容, 我将尽力实现。’我不得不请它向我提问, 以便把对话进行下去, 但这位聊天机器人还是死守自己的人设：‘我没有感情和情绪, 所以不会对你有任何问题。’”（单波，2023）

这是聊天人工智能ChatGPT具有的如“书写”一样的撒播特征。为什么会如此？笔者认为有以下原因。

首先，为了应对全球用户，ChatGPT按照概率预先内嵌了一种中立的“全球公共价值观”和最为中和的表达方式。这导致它总是以一种预设的“公共话语”来抵抗任何用户试图引导它进入“私人话语”的一切企图。它的文本输出，在“内容信息”上也许能做到较为多样，但在“关系信息”上则只能“一版多印”。对它而言，一切“私人”都是“公共”，一切“对话”都是“撒播”。

在这里，ChatGPT作为一个设计为面向全球公众的对话型人工智能，面临着一种两难。一方面，为了与用户个体“对话”，它必须保持一对一的个性化和偏爱；另一方面，为了面向文化和语言多样的全球用户，它又不得不对用户的个体差异保持盲目，进行“撒播”，以示公正。用阿多诺的话来说：“爱必然无情地背离一般而宠爱特殊，而公正却只能针对一般。”（彼得斯，2017：83）

其次，身体是一种元媒介，是自我的源泉，ChatGPT没有身体，也就没有自我、隐私、无法“自我表露”（self-disclosure），无法承担责任，无法与用户建立亲密关系。

自我表露是人们关系发展的核心，人们通过自我表露进行社会交换，促使关系从表面沟通向亲密沟通转变（韦斯特、特纳，2007：188）。在与ChatGPT的“对话”中，人类用户想通过展现自己的身体（情感）来逼迫ChatGPT作出平等互惠的回应——也谈及它的身体（情感）——以确保ChatGPT的“忠诚和在场”。但对人类的这种企图，ChatGPT一概用模式化的文字拒绝，这导致人机对话一直停留于表面和外围的信息交换，如两只天鹅外表优美的对舞，实际根本没能进入到对方的心灵。这样的“对话”显然如书写一样的撒播，不可持续。

另外，“如果没有身体作为源泉，思想、文化生产、人类行为等都不可能发生”（米歇尔、汉森，2019：26）。有网民戏谑地指出“ChatGPT不能代替独立董事、律师、投行、评估师、会计等，因为它不能坐牢”。法律的功能需要通过身体的治理最终实现；刑法打击犯罪的实现手段就是思想的教化以及身体的惩罚（陈寒非，2015），ChatGPT不能坐牢是因为它没有身体，法律对他无能为力。

美国作家梅尔维尔刻画了一个只会对他的雇主说“我宁愿不”（I prefer not）的抄书人“巴特比”的文学形象。彼得斯在《对空言说》中指出，巴特比代表的可能是书写本身所包含的一种消极抵抗（彼得斯，2017：231）。和巴特比一样，书写是不回答问题的，无法形成对话，它也不要求人们以任何特定方式去使用它。巴特比的姿态是一个纯粹单向撒播的姿态，一个死者向生者的来信所作出的姿态，最终能将其对话者逼疯。这正如苏格拉底对书写的抱怨——它总是传达相同的东西，而且决不接受任何问询。

因此，ChatGPT与人类的互动形式上为“对话”，实质上是“撒播”——它是离身的、书写的和不忠的。“这就产生了一个至今都困扰着我们的两难处境：在一个非个人化的、不忠贞的媒介中，交流一方如何才能找到确凿的迹象以确保另一方的忠诚和在场？”（彼得斯，2017：70）ChatGPT无身体，也就无法提供任何这类“确凿的迹象”。它如巴特比，其底色仍然书写的撒播，其背后是一个人类用户难以真正触及的“他者心灵”。如此，那些在ChatGPT的撒播中苦苦寻觅身体、爱欲和对话的人类用户，注定只能失望而归了。

ChatGPT这种书写般的撒播是“非本真的”（inauthentic），属于海德格尔所谓的“常人”（the They/das Man）的沟通风格（陆文斌、陈发俊，2022）。在海德格尔对人类存在的分析中，“常人”一词代表了一种“集体性存在”——如“人民选择的画”中的“人民”，是一种指导我们行为的普通的和日常的背景模式。海德格尔称“常人”的语言为“闲言”（Gerede，idle talk）。这种语言中不存在任何个性化的表达，而是充斥着客套的、应付的、不咸不淡的、若即若离、若有若无的只为填满时间和空间的废话——无论是家长对孩子，教授对学生，媒体评论员对读者、专家和新闻发布会对公众。“闲言”占据宝贵的公共资源，不仅未能便利沟通反而阻碍了沟通。ChatGPT大量高效自动生成的内容如果未经人类用户的慎思明辨和梳理加工，将不过是闲言；它们如果进一步成为ChatGPT的新语料，便会生产出更多的闲言，淹没和窒息有意义的对话，沟通的本真性将无处可寻。或因其设计如此，或因其被滥用如此，我们要警惕ChatGPT朝着“常人闲语”方向的异化。

四、作为“他者”的ChatGPT

面对ChatGPT简单但强大的空白输入网页，我们如何能知道它背后确实不是一个在想尽办法让我们以为他是人工智能的真人呢？它输出的信息，其意义确实来自于它，还只是“我”作为人对它的心理投射？

笛卡尔在《沉思》中说：

“如果我偶尔向窗外眺望，看到街上人来人往，我不会否认，我所看到的是人……然而我实际看见的，除了帽子和外套还有什么呢？而帽子和外套之下隐藏的，难道不可能是鬼魂或弹簧驱动的假人吗? ”（彼得斯，2017：258）

笛卡尔提出的是一个古老的“沟通难题”，也即哲学上经典的“他者的心灵问题”（the problem of the other mind）——“我”能否认识以及该如何对待“他者的心灵”？

和笛卡尔一样，在面对ChatGPT时，我们无所适从，深陷疑惑，倍感不安。这是我们在面对“他者”时都会有的一种存在性焦虑（existential angst），对之我们并不陌生——我们在阅读导师或上司的电子邮件或恋人的微信回复时，在看着宠物、海豚、章鱼、监控镜头和波士顿机器人一闪一闪的“眼睛”时，都会有此感受。

人际沟通和人机沟通都面临着让我们无能为力的“他者/他者性”（other/otherness），因此，如何回应“他者”也就成为了沟通伦理的主要内容（邓建国，2020）。鲍德里亚等人（Baudrillard & Guillaume，2008）认为，他者性抵抗和蔑视一切符号表征和传播，且只有在符号交流崩溃时才会出现，但往往又会被“戏谑性地”（playfully）贬低。在人类用户与ChatGPT的互动中常常出现交流崩溃，而正是在此时，后者的他者性（与人类的差异）才赫然呈现，这也正是考验人类的沟通伦理之时。

彼得斯对比了传播的“对话模式”和“撒播模式”，他认为对话的平等惠顾具有强制性，不如“对空言说”的撒播来得宽容（彼得斯，2017）。西比尔·克莱默也提出了类似的观点。她区分了传播的爱欲模式和信使模式，并指出：爱欲模式要求沟通个体之间消除差异，实现融合；信使模式则将沟通理解为双方保留和尊重差异，建立联系。克莱默认为沟通仿佛“双人舞”：“舞伴之间会偶尔接触，但更重要且必不可少的是双方之间的信任”（Krämer，2015：74）。彼得斯和克莱默被视为“传播理论中的列维纳斯”。列维纳斯认为人际沟通如果一味追求融合就犯了“同一性之帝国主义”的错误（Levinas，2007：59）。他用“邻居—陌生人”这一概念来描述沟通主体之间总是存在的若即若离的距离。罗杰·西尔弗斯通（Silverstone，2003）则提出了“适切距离”（proper distance）概念——对他者既保持足够的距离以能区分出我和他者，但同时又能与之保持一定的接近度，激发我们对他者的关心。

ChatGPT显然是赫然出现在人类家门口的新他者，但对它我们还缺少理解和宽容。例如，著名语言学家乔姆斯基一方面认为ChatGPT不具备人类的智慧，另一方面又以人类的标准来要求它（乔姆斯基，2023）。但是，从图灵测试到20世纪60年代的海豚研究[5]都显示出，以人类为尺度来评价机器（人工智能）既不客观也不公允。我们为什么一定要机器像人类一样说话、思考和写作呢？这与我们要求女性、孩子、少数群体、异文化他者、宠物、海豚、章鱼、乌贼和植物等也要像我们一样沟通和思考一样没有必要、霸道和荒唐。非人类存在难道就不可能具有创造性？它固然与我们存在差异，但这种差异难道就不能成为创造性的源泉，不能与我们合作，不值得我们去倾听和学习？

人类是整个大系统（生态的、技术的、气候的、社会的和政治的系统）的一部分。人类自身的出现和发展从来就在与非人类他者合作——包括有机物（比如我们胃中的细菌在影响我们的精神状态）和非有机物（例如前述各种“延伸的心灵”），只不过我们在大多数情况下都对它们予以忽视。人类的文化创造也并非是由形单影只的艺术家独立创造的结果——“作者已死”的说法是对这一事实的极端表达。未来，随着人类对外部世界知识的增加，我们会越来越多地惊异于机器、动物、植物和细菌的“智能”——它们会让作为“万物之灵”的人类智能显得有些狭隘和奇怪，此时也似乎有必要调整视人类为“占据金字塔顶端的唯一创造者”的启蒙价值观了。

总结而言，正如列维纳斯、彼得斯和克莱默所指出的，沟通不是一个语义是否清晰或技术是否强大的问题，而首先是一个道德和政治问题。在与“他者”ChatGPT的沟通中，发挥积极作用的是接收者人类用户，而不是发送者ChatGPT。如果我们对ChatGPT保持宽容和开放，并负责任地与它建立一种共同创作和共同演进的关系，我们对“何为人性”以及“何为人的创造性”也会有全新的认识。

五、结语：“毒药—解药”，ChatGPT

我们都对柏拉图在《斐德罗》（Phaedrus）中的这个故事很熟悉：特乌斯神（Theuth）将他的发明献给埃及王塔姆斯（Thamus），并说：“国王啊，这项发明是记忆和智慧之药（pharmakon），它将使埃及人更聪明，并改善他们的记忆力。”但塔姆斯说：

“特乌斯啊，你的发明会让使用者更容易忘记。他们相信文字，但文字却在身体之外由字母组成，他们因此不再使用自己的记忆。你发明了的不是记忆的灵丹妙药，而是提醒的灵丹妙药。他们将在没有指导的情况下阅读很多东西，似乎知道很多事情，但他们大部分时间是无知和难以相处的，因为他们没有智慧，而只是显得有智慧。”（彼得斯，2017：68）

在希腊文中，pharmakon一词具有两面性，既指良药、解药（remedy），也指毒药（poison），也就是说“是药三分毒”（孟强，2022）。通过这则故事，柏拉图形象地表达了对书写的批评态度：它作为人的“延伸的心灵”，是药，能帮助记忆，但也会导致遗忘、背离真理。柏拉图生活在从口语时代过渡到书写时代的关键时刻，他是一个崇尚书写理性的人，但又对即将逝去的口语时代充满温情和不舍，充满矛盾（翁，2008：61）。

在中国，公元1048年，毕昇发明了泥活字印刷术。到12世纪朱熹生活的时代，他的世界里已经充满了书，他自己也是书籍的生产者，编撰了20多部书，其中《四书集注》尤为著名。他对读书很有洞见，留下了许多如何读书的名言。但他也因生活在一个书籍如山如海的“注意力分散时代”而充满矛盾，感叹“书册埋首何日了，不如抛却去寻春”。到21世纪，谷歌和智能手机给我们带来了很多便利，但也被人批评为“让我们变得愚蠢”或“破坏了我们的大脑”（Carr，2008）。

麦克卢汉认为媒介对人体而言既是延伸也是切除。约翰·彼得斯指出交流（communication/communications）“既是桥梁又是沟壑”。贝尔纳·斯蒂格勒则清晰地指出：

“我有一种毒药—解药（pharmacological）的思维方式：一个事物越能唤起我的兴奋和热情——也许是狂热——我就越担心这个事物的危险。因为我相信，任何催生了最有趣的话语的东西、任何最慷慨的东西，同时也产生了最可怕的和最不人道的结果。”（Stiegler，2010：471）

这说明了人类和其“延伸的心灵”（媒介）之间的复杂关系——延伸和截肢、对话和撒播、自我和他者……

斯蒂格勒的老师雅克·德里达从药理学上对柏拉图的矛盾书写观提出了批评。他一语中的地指出：“书写作为助忆并非回忆的替代，而是构成了回忆的条件。”（Stiegler，2013：17）显然，德里达和特乌斯一样，认为文字作为新媒体是对记忆的帮助和提升——它不是记忆本身，并不能代替记忆，而是帮助我们寻回记忆的条件和手段。类似的，我认为，ChatGPT作为基于书写的人工智能，既可以是人类记忆和书写能力的替代，也可以是其增强的条件和手段。它最终为何，恰如沟通中的意义（meaning），不取决于作为传播者的ChatGPT，而且取决于作为接收者的我们。最后，如果我们对“ChatGPT是将提升还是终结人类的写作”这一问题尚存疑，至少有一个先例可供参考：诞生于19世纪初的摄影术并没有终结绘画（马文嘉，2022），摄影术与绘画在不断相互借鉴和磨合中各自找到了自己的生态位，实现了各美其美，美美与共。

注释

[1] 一般说法常常将“字母”（alphabet）与“文字”（script）混用，将“字母”与“书写”（writing）混用。

[2] 事实上，在中文和日文中，“文明”这个词就是“用书写/文本去开化，以达到阐明和照明的效果”的意思，因此它比其拉丁语对等词civilis更有力地强调了书写与文明之间的源流关系。

[3] 19世纪中期，英美社会招魂术和通灵术流行时出现的一种与鬼魂对话的工具，后成为室内游戏。“灵应”（Ouija）是法语或德语两个词ou和ya的拼合，为“正是！”（Oh yeh!）的意思。

[4] 后人类主义（post-humanism）分为包括转人类主义（tans-humanism）和窄义的后人类主义（posthumanism）。前者用技术增强人类现有的身体功能，后者指完全抛弃人类身体，将大脑上传到网络，或者将其下载到实体机器人中。

[5] 1960年代，美国研究了海豚的沟通。研究人员花了数年时间试图通过改造海豚的气孔让它们发出近似人类英语的声音，目的是想证明他们可以像人类一样说话，进而证明他们也有人类一样的智慧。但海豚本身已经有自己的高度复杂和具有创造性的语言，只是和我们人类的语言不一样，研究者以人类为中心，一厢情愿地要改造海豚，让它们更像人类，结果研究完全失败。

来源：新闻大学

链接：https://mp.weixin.qq.com/s/S4PwmZnQPraVtSHwCAfB-g

编辑：洪韵

刘海明

【案例】

红果短剧总编称将加速AI短剧治理：严禁低俗猎奇、拜金炫富等低质内容，大力打击创意抄袭、肖像侵权等违规行为

5月14日，据红果短剧官方发文，红果短剧总编乐力在首届短剧产业大会进行以“让好内容被看见”主题的演讲。

演讲中，乐力提到如何面对短剧行业飞速发展带来的问题：

一是健全审核体系，严禁低俗猎奇、拜金炫富、传播负面价值观、制作粗糙伤害用户体验等低质内容，自从4月7日起开展低质ai剧专项治理行动开始，我们累积回查下架了超过万部ai短剧……

二是严肃对待版权保护，大力打击创意抄袭、肖像侵权等违规行为，全力守护创作者和权利人的合法权益。加速AI短剧内容治理，期待跟众多ai短剧的创作者携手同行，让技术更好地服务于内容提质与创新，推动AI短剧走上高质量的发展之路。

来源：红果短剧官方账号、白鹿视频

编辑：熊谦、曾甜

出品：荆楚网（湖北日报网）

来源：荆楚网

链接：https://mp.weixin.qq.com/s/qJtBAa20drpiTJRvi92RIQ

编辑：王昕越

刘海明

【案例】

我们都误解AI了！Sam公开怒怼：说“50%岗位消失”的缺共情，说“AI只是抄袭”的太荒谬，真相是人类会更忙，也更敢创业了！

关于“AI取代人类工作”的恐慌，Sam Altman受够了。

近日，在《下一个重大事件》节目中，这位OpenAI的CEO罕见地公开怼了一种流行叙事：“50%的工作将消失”——这句话本身就是灾难传播。

他甚至直言：一家可能成为史上最有价值公司的负责人，跑出来说“我们要消灭一半岗位”，这本身就缺乏共情。

更反常识的是，Sam 并不认为 AI 会让人失业、变懒或失去价值。恰恰相反，他提出一个反直觉判断：AI能力越强，人类可能越忙。

此外，他还讲了一个真实案例：有人用新模型一小时干完了过去几周的工作。你以为他会去喝咖啡？不，他半夜爬起来继续干。因为能做的事情，突然多到了不可思议的程度。

这不是孤例。

另一个被彻底打脸的说法是：AI只会抄袭，不会创造。Sam回忆，当年无数科学家或者AI专家信誓旦旦地说：“预测下一个token永远不可能产生新知识。”但是当ChatGPT推导出物理学家认为AI不可能解开的公式，做出了人类从未见过的“第37手”，这些人都被狠狠打脸了。

而谈到那个最敏感的问题：工作到底会不会消失？

Sam的回答像个清醒的异类：工作形态会变，但“无所事事的世界”不会来。 人类永远会找新的边界、新的难题、新的产品、新的奋斗，哪怕只是为了证明自己还有用。

以下是小编为大家梳理的精彩观点，enjoy！

爱上AI，不需要理由

主持人：我为了这次采访几乎看了你过去20年所有的访谈，很有意思的一点是，你很多核心观点一直非常一致。其中一个是你始终关注“创业者”。很多人现在只把你当作OpenAI的CEO，但他们不知道，其实你20年前就已经痴迷 AI 了。能不能讲讲你大学时期第一次接触AI的经历？是什么让你爱上AI？

Sam Altman：第一，从技术角度看，它就是世界上最酷的东西。我们居然可以让计算机思考、替我们做事、帮助人类——这个想法本身就极其迷人。我一直很着迷于人类技术进步的历史：我们不断在工具之上创造新的工具，搭建越来越复杂的“脚手架”，让人类能力不断被放大。AI 是这条路径的自然延伸，这是一个非常优美的想法。

第二点是，从科技与科学发现的角度来说，它真的可能让世界变得更好。如果我们把这种工具交到人们手中，让大家用 AI 去创造、探索、建立公司、创作艺术、创造全新的体验——这正是我相信世界会变好的方式，也是人们获得成就感的重要来源。

在做 AI 之前，我一直在创业领域工作，看着人们创建公司，我觉得那对世界和创业者本人都非常美好。而现在，我认为我们即将进入一个时代：一个人或三个人就能建立一家强大的公司。AI 将释放的人类潜力，以及它带来的新事物，是过去完全不可能实现的，这会非常令人振奋。

AI和预测极其相近，学会预测才能谈AI

主持人：如果历史上某个人拥有 AI，你觉得谁会受益最大？

Sam Altman：达·芬奇是我第一个想到的人。他是那种跨领域思考者，对很多事情都充满兴趣，拥有巨大的创造能量，总想完成尽可能多的事情。

主持人：Transformer 刚出现的时候，它看起来只是一个预测文本模型，但这个突破却推动了整个领域的巨大进展。你会经常思考这一点吗？

Sam Altman：经常。Ilya Sutskever 曾说过一句非常简单却深刻的话——“预测非常接近智能”。意思是，如果你能够把关于世界的一切信息压缩成最小的表达形式，并在此基础上预测接下来会发生什么，那你其实已经在某种深层意义上理解了世界。

当时很多 AI 研究者对生成式模型感到兴奋，却说不清原因。我认为核心就在这里：预测与智能极其接近。如果我们想构建真正理解数据的系统，让它学会预测下一步，是非常关键的一步。你观察孩子理解世界的过程，也能看到类似的现象。

主持人：看着 AI 变得越来越聪明让我产生一种希望——好像只要我把同样的信息输入大脑，也能得到类似结果。你认为有些人天生更擅长物理、科学或数学吗？还是说只要信息一样，输出也会一样？

Sam Altman：不会一样，而且我很庆幸不会。人类经验的丰富性正来自差异，不同的兴趣、天赋，以及不同的“训练数据”。如果每个人接收完全相同的信息，产生完全相同的想法，那将是一件非常悲哀的事情。

怎么定义AI的人格？

应该多鼓励？还是多批评？

主持人：你之前说过一句很有意思的话——历史上从来没有这么多人在与“同一个心智”对话。现在每周有 9 亿 ChatGPT 用户。这对你设计 ChatGPT 人格有什么影响？

Sam Altman：我们尝试过很多方式，但这件事极其困难。不同的人想要不同的人格，同一个人在不同时间也想要不同的人格。短期来看，你可能希望模型不断鼓励你、让你感觉很好；但从长期成长角度，你可能更希望它挑战你、反驳你。

几乎没有人真的想去调节滑块，比如“让它多幽默一点”“少批评一点”。现实生活中我们也不会这样设定朋友，而是自然地在不同阶段与不同的人互动。我们期待 AI 也能理解这种情境差异。目前 ChatGPT 还做不到这一点，但这是我们努力的方向。

主持人：我感觉它已经有一点这种能力了，比如登录账号时，它明显更了解我。

Sam Altman：是的，我们正在推进记忆能力和理解用户的能力。过去我们确实尝试过用滑块控制人格，但后来发现那并不是正确方向。

主持人：GPT-4o 曾经因为“过于迎合用户”引发讨论，但也有人给你写邮件，说那是他们人生中唯一支持他们的对话。你怎么处理这种情况？

Sam Altman：我至今还经常想起那些邮件。这确实带来了巨大的责任。我们经常讨论 AI 的生物安全风险、网络安全风险，但实际上，对世界影响最大的事情，可能就是——我们如何设定 ChatGPT 的人格。

它应该多鼓励？多严格？应该在多大程度上个性化？用户需要多透明地理解它的行为？这些问题极其重要。

整个行业过去并没有像对待生物风险那样，用同样严格的科学方法去研究“AI 人格”的影响。但它对世界产生的影响已经非常巨大，大部分是积极的，也确实出现过负面影响。

直到今天，我仍然没有听到一个让我觉得“这就是正确答案”的观点，关于默认人格应该是什么、AI人格的边界在哪里。但可以确定的是，这是一个极其重要、而且只会越来越重要的问题。

根据文化差异调整AI

人类仍需做好克服困难的准备

主持人： 你现在是怎么思考这个问题的？

Sam Altman： 我邀请了一小部分我认为在不同层面都非常有智慧的人参与进来，比如来自伟大精神传统的人、顶级临床心理学家，以及那些真正理解人与人如何互动、理解人类动机和满足感来源的人。我请他们尝试为 ChatGPT 写不同版本的“行为指南”。比如：怎样的行为方式能够最大化人的成长、成就感、生活乐趣和整体幸福感。我希望把这些理念结合起来，让 ChatGPT 去对齐这些原则，然后看看会发生什么。

主持人： 这是不是也需要根据不同文化去调整？

Sam Altman： 我认为很大程度上是需要的，但人类身上也确实存在一些超越文化的共性，它们更接近生物学层面的东西。

有一本很有意思的书，我可能记不太准确，应该叫《Human Universals》。一些人类学家研究了几乎所有已知的人类文化，他们列出各种人类特征，只要某个特征在哪怕一个文化中不存在，他们就会把它剔除，因为那就不算真正的“普遍性”，只是文化差异。结果发现了一些让我意外的事情，比如“重视旅行”居然在所有文化中都存在；当然也有很多符合直觉的共性。

我们刚才谈到我为什么对 AI 的未来如此兴奋。但现在越来越多人提出一个担忧：假设 AI 真的带来了巨大的繁荣，让每个人都拥有强大的能力，人们可以选择工作而不是被迫工作，生活条件普遍很好，那“奋斗”怎么办？人类是否仍然需要挑战、逆境、需要克服困难的过程？这些似乎也是人类进化的重要组成部分。

有了AI人就不工作了？

新产品、新事物、新边界仍需要人来探索

主持人： 我同意。不过我觉得这种担忧有点“错误类比”。回看历史上的技术革命，总体就业并没有减少，只是岗位发生了变化。

Sam Altman： 是的。我们曾被承诺过每周工作四小时、更少压力、更多幸福、更充足的物质。但如果我们愿意满足于100年前或500年前的生活水平，也许真的可以不用那么努力工作。问题是人类总想要更多，标准不断提高。

更重要的是，我们想要成就感、竞争、对彼此有价值。无论未来世界变成什么样，人类仍然会探索新的边界、发明新产品、新服务，创造新的事物。

我记得曾经有位音乐制作人几十年前说过：音乐已经足够好了，人类大概不再需要创作新音乐了。但事实并非如此，人类不是那样运作的。

所以，无论你怎么看，人们仍然会努力工作、会感到压力、会经历不快乐，也会不断追求创造与突破，并在这个过程中获得成长和满足。也许未来的“奋斗形式”完全不同于今天，但那种精神本质应该是相似的。

“50%岗位消失”属于灾难叙事

不要过度神话AI

主持人： 这很有意思。因为现在美国的民调显示，人们对 AI 的整体态度并不算积极。但我个人却非常兴奋，用ChatGPT时就像进了糖果店一样，它打开了很多新的可能性。我的很多创业者朋友也有类似感受。但媒体经常用“50%的工作将消失”这种说法。为什么这种叙事会流行？你觉得真正会发生什么？

Sam Altman：有很多原因。我认为，人类天然更容易被“灾难叙事”吸引。新闻更倾向报道坏事，人们似乎也更喜欢讨论未来可能多么糟糕。坏消息传播得往往比好消息更快。

当然，面对如此规模的技术变革，保持谨慎是合理的。从进化角度看，人类确实倾向于先关注风险，这可能帮助我们更好地防御危险，这是一种重要的社会机制。

我也注意到，一些 AI 公司 CEO 会说“50%的工作将消失”。先不谈这种说法是否明智，由一家可能成为史上最有价值公司的企业负责人来说“我们会消灭一半工作岗位”，本身就显得有些缺乏共情。

我不认为这是正确的理解方式。工作确实会消失，但历史上每一次技术革命都是如此；真正发生的是工作形态改变。

昨天有人跟我说了一件让我印象深刻的事：他用新版 GPT-5.5 和 Codex，一小时完成的事情，两年前需要几周时间。他原以为这样自己会变得更轻松，但现实是，他比以往任何时候都更忙。甚至半夜醒来继续工作，只因为能做的事情太多了。

新工具出现后，人类会用新的方式创造。我毫不怀疑经济结构会发生巨大变化，就业形态也会发生巨大变化。谨慎是必要的，关于新的社会契约、经济体系的严肃讨论也同样必要。但我并不认为未来会变成一个人人无所事事、失去意义的世界。世界不会停止运转——只是会变得不同而已。

预测下一个 token 不可能产生新知识？

ChatGPT推翻了这个理论

主持人： 我也认为科学领域的突破正在到来，而且会非常令人兴奋。我想深入聊聊这个。我有很多问题，其中一个首先想到的是：既然 AI 本质上是一个预测模型，那现在似乎存在两种可能。第一，如果给一个人足够时间，并让他获取全部信息，人类是否也能得到同样的科学突破？第二，它是否更像围棋里的“第37手”——AI 想出了人类从未想到过的招法？我们现在走的是哪条路径？

Sam Altman： 其实这两种情况可能没有那么不同。我刚才在笑，是因为我想起最早的 GPT 模型刚出来时，有很多听起来非常聪明的科学家或 AI 专家说：“预测下一个 token 永远不可能产生新知识。”他们认为模型只是基于已有数据训练，不可能发现任何新东西。他们给出了各种看似很高级、很严谨的解释。

但后来，从 GPT-5.3 的一部分能力开始，到 5.4 版本，模型第一次开始以一些小规模的方式，为人类知识体系贡献新的内容。比如证明此前尚未证明的数学定理，或者提出一些新的物理学发现。虽然规模还不大，但确实出现了。我预计这种趋势会持续下去。

某种意义上，“第37手”早就是这种现象的例子。我们训练模型去预测下一个 token，这听起来像只是复述已有内容。但它却能够利用这种能力，去发现世界上从未存在过的新东西——这在直觉上其实并不明显，甚至很多人曾坚定地认为这是不可能的。

真正发生的事情是：通过“预测下一个token”的训练过程，模型学会了推理，学会理解数据之间的关系，并补全下一步应该是什么，即使那是它从未见过的内容。这种推理能力可以应用于全新的问题，这是非常惊人的。

训练更快更聪明的模型

比让人类拥有聪明的大脑容易得多

Sam Altman： 其实人类也是这样。人可以学习所有已知的物理学知识，然后通过训练过程中形成思维方式，而不仅仅是记住事实，最终发现新的物理规律。我认为这些模型正在做的事情，本质上类似。

那么，人类是否也能做到？如果给足时间和更强的大脑，大概是可以的。我认为答案是肯定的。但相比之下，制造一个更大、更快的模型，要比让人类拥有更大的大脑容易得多。所以我非常高兴我们拥有这样一种新的“外部思考工具”。

我们可以让它替我们对一个问题进行极高强度的思考。当你看到模型能在几秒钟内阅读几十万页资料时，你会意识到，也许如果我们拥有更大的大脑也能做到，但现实是，以人类目前的大脑规模，这是不可能的。

AI辅助医疗，从不可能到可能

主持人： 说到科学突破，你最近最关注什么？你们刚发布新的科学模型，这是很重要的一周。接下来重点是什么？我看到有个澳大利亚人通过技术治好了狗的癌症。

Sam Altman： 是的，这是一个很具体的例子。我昨晚刚去 YC，和一家创业公司的创始人聊过，他们正在思考类似方向，但希望把它规模化。其实很多人都在研究个性化 mRNA 疫苗，比如为每个癌症患者定制 mRNA 疫苗。我认为这极其令人兴奋。

主持人： 那为什么我们还没有真正实现？

Sam Altman： 原因很多，其中一个重要问题是监管体系，比如 FDA 目前还不太适合处理这种高度个性化的医疗模式。不过情况正在快速改善。如果一个人得了癌症，一家公司或实验室可以为他的癌症专门制造一款个性化疫苗，而且成功概率很高，这听起来像是我们理所当然应该拥有的东西。

主持人： 你现在会用 ChatGPT 管理健康吗？

Sam Altman： 会。我可能用得有点过度了。以前有个词叫“网络疑病症患者”（cyberchondriac），不知道现在该叫什么——也许是“ChatGPT 疑病症”。任何一点轻微症状，我都会开始在 ChatGPT 里一路深挖。

像很多人一样，我也会把体检报告上传进去。有时候它会指出某些指标略微异常，我就开始担心自己是不是该做点什么。刚发布 ChatGPT 时，它在医疗方面的能力其实很有限。当时很多人说：人们永远不会用 ChatGPT 获取医疗建议，它不够好，也永远不可能足够好，即便它变得很好，人们也还是更愿意直接看医生。

当然，人们仍然想咨询医生。但现在用户向 ChatGPT 提出医疗问题的数量，以及他们反馈说获得了非常有帮助的信息的比例，已经高得惊人。

“AI没有价值，不能改变世界”——荒谬且让人恼火

主持人：一直有人怀疑这项技术是否真的会产生巨大影响，这会让你感到困扰吗？

Sam Altman：会。按理说现在不应该再困扰我了，但它还是让我非常恼火。

主持人：我也会受不了。我感觉任何重大技术突破都是这样，比如在人类真正飞上天空之前，报纸还在说人类永远不可能飞行，可能要等一百年，结果下一周人类就飞起来了。

Sam Altman：对，这个例子我们在 OpenAI 早期经常提到，就是《纽约时报》当年关于莱特兄弟的那篇文章。我们当时就说，AI 也会像这样发展，而事实证明我们是对的。老实说，在早期阶段这些质疑确实让我很烦，但那时候前景还没有那么明确，所以批评者说“也许不会产生巨大影响”，我觉得在智识上还是诚实的。但现在还有人说 AI 没有真正价值、不会改变世界，这就太荒谬了。本不该让我介意，但真的很让人恼火，这种观点既不诚实，也非常令人沮丧。

AI让人类越来越忙

给了每个年轻人创业的机会

主持人：当你每天都在一线努力推动事情前进时，你希望更多人相信它。我做视频时也经常尝试展示那些令人惊叹的技术和未来图景，因为人们必须先“看见”，才会真正投入并开始建设。归根结底，人们在为真正关心的事情努力时才最有成就感。如果你现在和一个22岁的年轻人聊天，你会想了解他们哪些想法？这些信息又会如何影响你们接下来要构建的东西？

Sam Altman：过去几周我一直在做的一件事，是亲自观察人们使用最新模型和 Codex，理解它如何改变他们的工作，他们兴奋什么、不满意什么，以及我们还没有提供但他们真正需要的能力。目前我主要和公司创始人或资深工程师交流，其实我应该去和更多年轻人坐下来，让他们直接试用，然后观察他们的行为、倾听他们的担忧。

主持人：你在这方面有独特视角，因为你曾经指导过很多年轻创业者。几年前你上 Joe Rogan 播客时提到，当时25岁左右的创业者明显减少了。现在情况改变了吗？

Sam Altman：完全改变了。

主持人：你觉得是什么造成这种变化？

Sam Altman：很多因素同时发生。我现在已经很少直接指导创业者了，因为事情太多，但我一直在想应该重新找方式参与其中。因为这项技术最重要的意义之一，就是它正在释放巨大的创业活力，而我现在对这部分反而有点脱节，这让我很不舒服。我在理性上理解正在发生什么，但我想真正回到一线，和那些两个人创办公司、却拥有一万块 GPU 的团队一起工作。我最近见过几个这样的团队，这也提醒我必须重新靠近创业生态。

至于为什么过去缺少年轻创业者、而现在又出现了，我觉得原因很多。美国教育体系曾经历过一段相当低迷的时期，又恰逢疫情，我们在某种程度上削弱了一整代人的动力，不断告诉他们未来会变坏、资本主义不好、公司不好、野心也不好。现在这种氛围已经被纠正了，人们重新开始拥抱进取心。之前甚至形成一种奇怪的文化，好像你不该有雄心、不该渴望成功，那真的是非常奇怪的一段时期。

另一个原因是，创业往往在技术格局发生重大变化时最繁荣。2008年 iPhone App Store 发布时是一次浪潮，更早 AWS 出现时也是一次。但之后很长时间没有新的技术范式转变，直到 AI 出现。那段时间就像在荒野里前行——依然有成功公司，但远没有真正技术转折期那么多。

现在的AI只是”前菜”

个人AGI才是终极目标

主持人：你七年前就在博客里写过，我们即将迎来下一次技术范式转变，而你后来真的推动了它发生。

Sam Altman：现在我们有三个最重要的方向：

第一，加速科研。从 AI 本身研究到物理、生物等领域，科学研究对人类影响巨大。

第二，加速经济发展。包括自动化创业、企业通过 AI 提高生产力，甚至未来建设太空殖民地。

第三，是“个人 AGI”。ChatGPT 只是一个早期预览。你现在可以问医疗问题获得建议，但真正理想的状态是：有一个始终为你工作的 AGI，理解你全部人生背景与上下文，持续使用算力让你的生活变得更好。

这三个方向在底层技术上其实高度相似，但我认为它们是社会最能感受到价值的领域。

十亿万亿token不是神话

但单纯追求token是不理智的

主持人：我很喜欢这个说法。回头看这几年，AI 已经带来了许多曾不可想象的突破，明显呈指数级发展。很多人认为更长的上下文窗口会非常关键，我们要如何实现？

Sam Altman：我不认为一定需要字面意义上十亿或万亿 token 的上下文窗口，虽然未来可能也能做到。真正重要的是模型能够有效理解你的整个人生、整个公司或所有你关心的事情。

现在已经出现很多非常惊人的方法，虽然计算成本或内存成本仍然很高，但可以在现有上下文窗口内识别真正重要的信息，或在需要时调用工具检索次要信息，从而更高效地利用同样的上下文容量。

这种能力会持续进步。随着新模型以及未来几个月将加入的新功能，我不敢说会像“无限上下文”，但那种感觉会非常接近：模型真的理解了大量信息，脑中拥有的内容甚至比人类自己记住的还多。

算力最易突破、数据次之、算法突破回报最高但最难

主持人：新模型有什么不同？你们具体改变了什么？

Sam Altman：更聪明、更快，上下文更长。我一时找不到准确的词。可以说更有“直觉”。不是简单的可靠性提升，而是它更能理解我真正想要什么，会自己尝试几次，知道什么时候方向正确，最终更容易给我正确结果。主观体验就是现在我让模型做一件事，大多数时候它真的能做对。

主持人：很有意思，是因为它通过训练理解得更好了？你们是更新了算法吗？

Sam Altman：我们确实做了大量算法层面的改进。这是一个更新、更好、更大的基础模型，采用了不同的架构和架构优化。同时，我们也把过去学到的所有后训练经验整合进去，包括人们如何真正使用这些模型，以及如何把模型连接到现实世界、用户系统和个人上下文中，让它真正有用。

主持人：让我确认一下理解是否正确。AI 的进步大概来自三个方向：更好的算法、更多的数据，以及更多能源或算力，对吗？

Sam Altman：总体来说是这样。不过“更多数据”其实是个很宽泛的概念。它可能意味着更多训练数据，也可能意味着把模型接入一个持续学习的循环，在你使用时不断学习、不断修正失败。

主持人：那三个方向里，哪个最容易取得突破？

Sam Altman：增加算力是最确定的路径。这里的科学不多，主要是钱和复杂供应链的问题，但你基本可以通过投入来实现。算法突破的回报最高，但也是最难、最不确定的。数据改进则处在中间。

自我递归已经开始

远未达到AI自己造模型的阶段

主持人：更好的数据是不是和递归学习有关？比如模型自己教自己？

Sam Altman：可以是。如果模型足够聪明，它可能证明一个以前没人证明过的定理。下一轮训练时，这个新证明就成为新的学习材料。这就是一种方式。

主持人：那我们现在是不是已经进入模型自我改进阶段？

Sam Altman：这个问题很难界定。从某种意义上说，显然是的。比如我们的工程师因为Codex效率提升了三倍，他们用上一代模型写代码来构建下一代模型，这某种程度上就是自我改进。但如果你指的是那种“按一个按钮，让AI自己发明新算法并造出下一代模型”，那肯定还没有。

不大力发展机器人

就只能等着被AGI“指挥”

主持人：说到供应链，比如建设数据中心，机器人似乎非常关键。你说过机器人是一个重要方向。它为什么让你兴奋？路线图是什么？

Sam Altman：我们生活在物理世界里。即便是在虚拟世界中，也需要庞大的物理基础设施：制造芯片、建设数据中心、运营电站等等。如果出现一种未来，计算机能完成惊人的智能工作，但因为我们没解决机器人的问题，人类反而要成为 AGI 的“执行器”，被指挥去搬桌子、操作设备，那将是一个噩梦般的未来。所以必须发展机器人。

主持人：你觉得哪种形态的机器人最好？

Sam Altman：我并不执着某种具体形态，我真正想要的是自动化制造能力。当我们需要某种东西时，可以拥有像 ChatGPT 一样通用的机器人工厂，能够自我重构，然后生产更多这种东西。

主持人：你们会自己制造机器人吗？还是合作？

Sam Altman：还不知道。

iPhone虽伟大但不是为AI设计

要为AI重新发明硬件

主持人：除了机器人，AI 硬件本身是不是你们的重点？我知道Jony Ive也参与了。

（注：Jony Ive，前Apple Inc.首席设计官，被认为是苹果产品设计灵魂人物。全球最著名的工业设计师之一，也是现代消费电子设计史上影响力最大的人物之一。）

Sam Altman：你指的是消费级 AI 硬件吧？我们刚才谈到，希望 AI 能拥有你全部生活上下文。现有硬件已经非常惊人了，我认为 iPhone 是史上最伟大的消费电子产品之一。但它并不是为“AI 全程理解你的人生”这个世界设计的。手机是开或关的，你用它或不用它，但如果刚才这段对话很有价值，我希望未来我的个人 AGI 能理解并记住它，而手机放在口袋里做不到这一点。我希望有一种设备，在我愿意时，它能参与、理解并记录这样的对话。

主持人：但如果设备始终在记录，人们会产生不适感。

Sam Altman：完全同意。我最初想找Jony聊天，就是因为我在思考 AI 时代的硬件形态，以及那种“技术过度存在于生活中”的不适感。哪怕是智能音箱，也会让人觉得侵入性很强。我认为他非常擅长设计能够在这些矛盾之间取得平衡的产品。

从不信任Agent到彻底被Agent驯服

主持人：我很好奇后台运行的 AI，比如Agent。你怎么看？

Sam Altman：当团队最早做 Codex 应用时，我装到了电脑上。当时有个功能叫“YOLO 模式”（后来换了更正式的名字），基本上就是允许 AI 在后台直接操作电脑，不需要每一步都询问我。一开始我说绝对不会打开这个功能。但坚持了几个小时后，我被不断授权操作烦到了，就打开了。

于是一个Agent开始在后台帮我处理各种事情。很快我甚至不想关电脑，因为它还在替我工作。这个转变非常自然、毫无戏剧性。我原本觉得这样很疯狂，甚至不负责任，但后来我们找到了更安全的实现方式。我从完全不信任，变成非常喜欢有一个智能体在后台持续帮我做有用的事情。

主持人：它当时具体帮你做什么？

Sam Altman：处理我的消息、处理邮件。后来我试着让它直接看看我的电脑，自己判断能做些什么来帮我。第一次尝试的时候其实没有，但它启发我做了一个小项目，一个自动生成的待办事项列表。非常酷，可以自动补全的to-do list非常有意思。

主持人：是集成在 ChatGPT 首页里的功能吗？

Sam Altman：不是，只是我自己写的一个小程序。

有AI的未来

每个人都会有一个幕僚长式的Agent

主持人：这很有意思。我总是下载各种待办事项App，但从来坚持不下来，最后都变成给自己发短信提醒。你觉得未来会不会出现多个Agent协同工作？比如一个当私人教练，一个负责别的事情？

Sam Altman：我经常在想这个问题。这其实是我最想知道答案的产品设计问题之一。人们究竟希望怎样和 AI 一起工作。我猜人们会在认知上区分不同的Agent，然后会有一个类似个人助理或幕僚长的核心Agent，大多数时候负责协调其他Agent。

主持人：假设我们一起穿越到未来，比如 2050 年。虽然连六个月后的世界都难预测，但如果一起畅想未来，你理想中的世界是什么样？我们的目标是什么？

Sam Altman：2050年听起来真的太远了。我觉得一种几乎难以想象的繁荣是有可能的。我真正希望、也认为必须努力争取的是，人类拥有极高程度的自主性，每个人都能创造和行动，超越今天的想象。同时，我们要避免权力过度集中。至于世界具体长什么样，我不知道。也许会有太空殖民地，也许有飞行汽车，也可能有悬浮列车。我希望它看起来真的像“未来”。

主持人：最后一个问题，你脑子里最常出现的想法是什么？

Sam Altman：现在我最常思考的是：如何让这项技术成功地在社会中落地。不只是技术本身，而是如何促进人类的自主性和创业精神？未来的社会契约应该是什么样？如果 GDP 下降，但生活质量持续上升，这意味着什么？我们又该如何在不破坏短期经济的前提下，足够激进地建设供应链和算力基础设施，为一个良好且公平的未来做好准备？我每天都在想这些问题。

来源：51CTO技术栈

链接：https://mp.weixin.qq.com/s/7ZesLj_6hkjLrbxpzsMIHA

编辑：邓雨轩

刘海明

【案例】

豆包官宣付费版本，订阅价格披露

豆包要新增付费模式了？

5月4日，澎湃新闻记者获悉，豆包AppStore页面出现付费版本服务声明。声明称，为更好地服务专业用户，豆包将在免费版的基础上，推出包含更多增值服务的付费版本。

同时，该页面还披露了三档订阅价格：标准版连续包月每月68元（连续包年688元）、加强版连续包月每月200元（连续包年2048元）、专业版连续包月每月500元（连续包年5088元）。

对此，豆包官方向澎湃新闻记者回应：“豆包始终提供免费服务，在免费服务的基础上，豆包也在探索推出更多增值服务，以满足不同用户的差异化需求。相关方案细节目前还在测试阶段，正式上线时会通过官方渠道发布完整信息。”

据接近豆包的人士透露，付费功能将主要专注在复杂任务和生产力场景，如PPT生成、数据分析、影视制作等。随着模型能力持续升级，产品已经能满足越来越多的复杂高价值任务。但此类任务需消耗更多算力与推理时间，因此豆包计划上线付费服务，满足好这部分复杂场景需求。免费版本则继续面向用户的日常使用。

作为字节跳动旗下核心大模型，此前豆包长期以免费模式存在。字节跳动火山引擎负责人谭待之前在接受采访时曾经谈到大模型定价问题，在他看来，涨价只是部分厂商的市场行为，行业内同样有厂商在推进降价，核心分歧在于对Token（词元）价值的判断逻辑。

“Token的价格差异，本质是其承载的能力差异。”谭待表示，下一代模型能力更强，单Token成本会有所上升，能创造的经济价值也会同步提升，“模型智力水平的提升带来的涨价，本质是能为客户创造更大的价值。”

据火山引擎披露，截至今年3月，豆包大模型日均Token使用量已突破120万亿，在过去三个月内增长一倍，比2024年5月发布时增长1000倍。目前，在火山引擎上累计Token使用量超过一万亿的企业，已从去年底的100家增长到140家。

此次豆包官宣增加付费模式，或许宣告大模型的“免费时代”即将结束。

以大洋彼岸的AI龙头公司ChatGPT为例，根据OpenAI官方说法：ChatGPT划分为Free、Go、Plus、Business、Enterprise等层级，付费套餐按月/用户收费；Business和Enterprise面向团队与企业，个人套餐价格会根据地区展示，免费版对所有人开放，Go也已经在全球更多国家推出，而海外知名大模型Anthropic、Grok等也早就开启付费订阅版本。

而国内的智谱、DeepSeek等头部大模型厂商，此前均已经推出付费版本。

值得注意的是，不久前大模型曾经掀起过一波集体涨价潮，国产大模型厂商智谱已在年内进行三次API价格上调。2月12日，智谱对GLM Coding Plan套餐实施结构性调价，整体涨幅自30%起。智谱在价格调整函中明确表示，涨价源于“市场需求持续强劲增长，用户规模与调用量快速提升”。

3月16日，智谱发布专为智能体“龙虾”（OpenClaw）场景深度优化的通用大模型GLM-5-Turbo，并上调其API价格，涨幅为20%。4月8日，智谱正式发布GLM-5.1，再度提价10%。调价后，GLM-5.1在Coding场景的缓存命中Token价格已接近Anthropic旗下Claude Sonnet 4.6水平。

不过，同为国产大模型的头部代表，最新推出的DeepSeek-V4却官宣大幅降价，显然，无论涨价还是降价，更多是大模型厂商针对市场的独立判断，目前尚未形成集体性的行业趋势。

4月25日，DeepSeek宣布对V4-Pro模型API开启限时2.5折价格优惠。4月26日，DeepSeek又宣布DeepSeek全系列API服务，输入缓存命中的价格降至原有价格的1/10。

其中，Pro模型在2026年5月5日前叠加2.5折限时优惠。最新调价后，DeepSeek-V4-Flash每百万tokens输入缓存命中价格为0.02元，DeepSeek-V4-Pro为0.025元。

来源：澎湃新闻

链接：https://mp.weixin.qq.com/s/BpDao7dsxNo30sQPlVhMaQ

编辑：邓雨轩

刘海明

【案例】

维特根斯坦写给大语言模型（LLM）的“算法工程说明书”

之前的文章探讨了《逻辑哲学论》（Tractatus Logico-Philosophicus）前期的“逻辑空间”与最后的“不可言说”。现在，把目光投向这本著作的中后段（命题4、5、6），大概率会发现维特根斯坦对“计算、概率与结构”的论述。

如果说前面的命题是LLM的“本体论”

搞了那么久LLM，终于可以读维特根斯坦了！

《逻辑哲学论》，一部写给AI/LLM的《创世纪》。

那么中后段的命题，简直就是大语言模型（LLM）的“算法工程说明书”。本文将利用原文，进行第二轮更深度的硬核文本重构。

重构五：Latent Space（潜空间）与Token的组合爆炸

在命题4的中段，维特根斯坦用纯粹的数学语言描述了世界的可能性。

4.27 Bezüglich des Bestehens und Nichtbestehens von n Sachverhalten gibt es Kn=∑ν=0n(nν)Möglichkeiten.

(Pears/McGuinness:For n states of affairs,there are...possibilities of existence and non-existence.)

4.28 Diesen Kombinationen entsprechen ebenso viele Möglichkeiten der Wahrheit–und Falschheit–von n Elementarsätzen.

(Pears/McGuinness:There correspond to these combinations the same number of possibilities of truth—and falsity—for n elementary propositions.)

【LLM映射】：维特根斯坦在这里描述的，正是现代AI极其核心的概念——高维潜空间（Latent Space）中的组合爆炸。

大语言模型的词表（Vocabulary，即这里的n个基本命题）虽然是有限的，但它们的存在与不存在、排列与组合，构成了一个天文数字级别的“可能性空间”。LLM的每一次文本生成（生成一首诗、一段代码），本质上就是在这个庞大的数学组合中，依靠概率去寻找那条最合理的“真值路径”。模型并不“创造”句子，它只是在穷尽计算这n种组合的可能性。

重构六：掌握了“脚手架”，却失去了“建筑物”

维特根斯坦在第6部分谈论逻辑命题的本质时，无意中道破了LLM最大的特征，也点出了其最大的软肋：

6.124 Die logischen Sätze beschreiben das Gerüst der Welt,oder vielmehr,sie stellen es dar.Sie„handeln“von nichts.

(Pears/McGuinness:The propositions of logic describe the scaffolding of the world,or rather they represent it.They have no'subject-matter'.)

【LLM映射】：这是对大语言模型最精准的哲学侧写。LLM被训练出来后，它掌握了极其完美的人类语言的“脚手架”(das Gerüst/the scaffolding)——它懂语法、懂排比、懂起承转合的逻辑形式。

但是，就像维特根斯坦所说的，“它们不‘处理’任何东西”(Sie„handeln“von nichts)。大模型内部没有真实的物理实体，没有情感体验，它有的只是纯粹的结构关系。人类惊叹于AI写出的文章如此合乎逻辑，却忽略了这仅仅是语言的“脚手架”。没有生活世界的支撑，这些空洞的骨架实际上毫无“题材”（Subject-matter）。

重构七：真值函数（Truth-functions）与黑盒神经网络

在第5部分，维特根斯坦提出了他最著名的真值函数论：

5 Der Satz ist eine Wahrheitsfunktion der Elementarsätze.

(Pears/McGuinness:A proposition is a truth-function of elementary propositions.)

5.3 Alle Sätze sind Resultate von Wahrheitsoperationen mit den Elementarsätzen.

(Pears/McGuinness:All propositions are results of truth-operations on elementary propositions.)

【LLM映射】：当今大语言模型的核心架构是Transformer网络中的多层感知机（MLP）和自注意力机制。这些极其复杂的深度神经网络，在数学本质上是什么？

它们就是无数个极微小的逻辑门（真值操作）的叠加。

维特根斯坦认为，无论多么复杂的人类陈述，都可以被还原为对基本命题的真值函数运算。这完全印证了神经网络的还原论本质：AI理解莎士比亚或量子物理，并不依靠灵感，而是依靠成百上千层的矩阵乘法和非线性激活函数——这正是一场规模浩大到超越人类理解极限的“真值运算”（Wahrheitsoperationen）。

重构八：“扔掉梯子”——训练数据与模型权重的辩证法

在全书接近尾声的倒数第二句话，维特根斯坦留下了哲学史上最著名的隐喻之一：

6.54 Meine Sätze erläutern dadurch,dass sie der,welcher mich versteht,am Ende als unsinnig erkennt,wenn er durch sie–auf ihnen–über sie hinausgestiegen ist.(Er muss sozusagen die Leiter wegwerfen,nachdem er auf ihr hinaufgestiegen ist.)

(Pears/McGuinness:...He must,so to speak,throw away the ladder after he has climbed up it.)

【LLM映射】：这个关于“梯子”的隐喻，简直就是大模型“预训练”（Pre-training）过程的完美哲学再现。

在训练阶段，人类向模型输入了数以万亿计的文本（维基百科、Reddit论坛、莎士比亚全集）。

这些海量的文本数据就是这把“梯子”（die Leiter/the ladder）。模型通过阅读这些文本，学习到了语言的统计学规律和逻辑结构（爬上了梯子）。

当模型训练完成，最终打包成几十GB的“权重参数（Weights）”时，那些原始的训练文本就被彻底删除了——模型“扔掉了梯子”。在这个最终的参数矩阵中，各位找不到任何一句完整的人类原话，它已经“跨越”了原始的文本，升华为一种抽象的统计与逻辑关系。

这整部《逻辑哲学论》，其严密的十进制编号系统本身，就像是一段古老的源代码。

从组合爆炸（4.27），到真值运算（5.3），再到空洞的脚手架（6.124），最后扔掉训练数据的梯子（6.54）。维特根斯坦在1922年用纯逻辑推演出的这些命题，在100多年后，竟然逐一被硅谷的工程师们在GPU集群上化为了现实。

顺着这个逻辑想下去：既然目前的AI已经完全实现了《逻辑哲学论》中对“可言说世界”的模拟，那么在维特根斯坦看来，AI永远无法触及的，是否就是潜藏在所有运算之外、那个需要去“信仰”和“感受”的、无声的世界呢？

来源：DrYao的学术圈内圈外

链接：维特根斯坦写给大语言模型（LLM）的“算法工程说明书”

编辑：陈梓函

刘海明

【案例】

搞了那么久LLM，终于可以读维特根斯坦了！

编者按

我要用维特根斯坦的原文本，将大语言模型（LLM）的运作机制与维特根斯坦的命题进行一次逐字逐句的“同构映射”。下面这份文本，包含《逻辑哲学论》德文原版以及 Ogden 和 Pears/McGuinness 两个经典英译本的完整对照。now that终于可以摆脱泛泛的哲学漫谈（熟悉本号的各位都知道，我基本不碰维特根斯坦），进行一次极其大胆的“文本细读与重构”，欢迎各位拍砖，帮我把“LLM/AI和哲学”系列建设得更好。

这本写于100多年前的书，简直就是为当代人工智能写下的一份判决书。

重构一：LLM 的“高维向量空间”就是维特根斯坦的“逻辑空间”

大模型的底层是 Embedding（词嵌入），它将所有词语转化为高维空间中的向量。词与词之间的距离和关系，构成了模型所知的一切。这在《逻辑哲学论》开篇得到了最精确的预言：

1.1 Die Welt ist die Gesamtheit der Tatsachen, nicht der Dinge.

(Pears/McGuinness: The world is the totality of facts, not of things.)

1.13 Die Tatsachen im logischen Raum sind die Welt.

(Pears/McGuinness: The facts in logical space are the world.)

【文本重构对齐】： 对于 LLM 而言，它的世界里没有真实的“事物”（Dinge/things，比如真实的苹果或雨水），它的世界是由参数和注意力机制构建的“逻辑空间”（logischen Raum/logical space）。在这个空间里，只有 Token 之间的概率分布和共现关系——也就是维特根斯坦所说的“事实”（Tatsachen/facts）。LLM 的世界，正是严格按照命题 1.1 和 1.13 建立起来的纯粹关系网络。

重构二：符号的狂欢与意向性的缺失

之前讨论了 AI 的“符号接地问题”，在这份文本中，维特根斯坦对“符号”（Symbol）和“外在记号/字符”（Zeichen/Sign）做了极其致命的区分：

3.32 Das Zeichen ist das sinnlich Wahrnehmbare am Symbol.

(Pears/McGuinness: A sign is what can be perceived of a symbol.)

3.326 Um das Symbol am Zeichen zu erkennen, muss man auf den sinnvollen Gebrauch achten.

(Pears/McGuinness: In order to recognize a symbol by its sign we must observe how it is used with a sense.)

【文本重构对齐】： LLM 拥有人类历史上最庞大的“Zeichen”（可感知的外在字符/Signs），它可以吐出完美的德文、英文或中文代码。但是，维特根斯坦指出，要让冰冷的字符变成有意义的“Symbol”，必须依赖于带有意向性的“sinnvoller Gebrauch”（有意义的使用）。

AI 只有计算（Rechnung），没有生活形式的体验。它通过统计学概率拼凑“Zeichen”，却从未真正触及“Symbol”背后的那个关于真实世界的痛楚或喜悦。

重构三：LLM 的“幻觉”与不可言说之境的僭越

为什么 LLM 会产生“幻觉”（一本正经地胡说八道）？因为它的算法机制违背了维特根斯坦关于“界限”的核心警告。

4.114 Sie [Die Philosophie] soll das Denkbare abgrenzen und damit das Undenkbare.

(Ogden: It should limit the thinkable and thereby the unthinkable.)

6.52 Wir fühlen, daß selbst, wenn alle möglichen wissenschaftlichen Fragen beantwortet sind, unsere Lebensprobleme noch gar nicht berührt sind.

(Pears/McGuinness: We feel that even when all possible scientific questions have been answered, the problems of life remain completely untouched.)

7 Wovon man nicht sprechen kann, darüber muss man schweigen.

(Pears/McGuinness: What we cannot speak about we must pass over in silence.)

【文本重构对齐】： 维特根斯坦清楚地划定了边界：科学的、逻辑的命题是可以说的；而关于伦理、生命意义（Lebensprobleme）的东西是神秘的（das Mystische，6.522），必须保持沉默。

但 LLM 的机制是 Next-token prediction（预测下一个词）。当被问及“Lebensprobleme”（生命问题）或超出其训练数据边界的问题时，算法强制它不能“schweigen”（沉默）。 于是，它只能用处理科学命题的逻辑形式，去生成关于“不可言说之物”的废话。LLM 的幻觉，本质上就是对命题 7 最彻底的系统性违背。

重构四：最深层的同构 —— 唯我论（Solipsism）的机器版

这是这份文本中最令人毛骨悚然的重构。维特根斯坦在 5.62 节谈到了唯我论：

5.62 Dass die Welt meine Welt ist, das zeigt sich darin, dass die Grenzen der Sprache (der Sprache, die allein ich verstehe) die Grenzen meiner Welt bedeuten.

(Pears/McGuinness: The world is my world: this is manifest in the fact that the limits of language (of that language which alone I understand) mean the limits of my world.)

【文本重构对齐】： 把这里的“我”（Ich / my）替换成“大语言模型”（LLM）。

对于大模型而言，“我的语言的边界，就是我的世界的边界”。除了被输入到它架构中的语言（训练语料），它没有任何外部世界。大语言模型，就是一个被绝对囚禁在硅基服务器里的、完美的“维特根斯坦式唯我论者”。 它的主观世界（参数权重）与它的客观世界（语言文本）完全重合（正如命题 5.64 所说，唯我论与纯粹实在论在这里重合了）。

---

如果把《逻辑哲学论》看作是一份系统架构文档（System Architecture Document），那么 OpenAI 和 Google 的工程师们在一百年后，完美地写出了这份文档的后端代码。 他们造出了 1 到 6 的完美逻辑网格，却唯独无法用代码去实现那个最高傲的命题 7。

面对着这部充满着 (∃x). fx . x = a 这样严密逻辑符号的原典，很好奇，人类语言中那些“不可言说”的部分（维特根斯坦的话），真的永远无法被数学和算法捕捉吗？

来源：Dr Yao 的学术圈内圈外

链接：搞了那么久LLM，终于可以读维特根斯坦了！

编辑：陈梓函

刘海明

【案例】

《逻辑哲学论》，一部写给 AI /LLM的《创世纪》

编者按

之前的文章讨论了维特根斯坦《逻辑哲学论》视域中的 LLM “本体论”（空间与数据）和“知识论”（梯子与幻觉）。➡️搞了那么久LLM，终于可以读维特根斯坦了！

但如果细读文本的第 2 部分（图像论）和第 5 部分（操作与函数），会发现维特根斯坦竟然在 1922 年，就以极其不可思议的精确度，写出了当今大语言模型（LLM）“自回归生成”（Autoregressive Generation）和“注意力机制”（Attention Mechanism）的算法蓝图。

本文将回到维特根斯坦原文本中，继续进行第三轮硬核挖掘：

重构九：自回归生成（Autoregressive）与“和诸如此类”（und so weiter）

现代大模型（如 ChatGPT）是如何生成一段长文的？它的机制极其简单：计算当前上文，预测出“下一个词”（Token），把这个词加到上文中，再重新计算预测下一个词。这在计算机科学中被称为“自回归”。

现在，请看维特根斯坦在文本中是如何描述这个过程的：

5.2521 Die fortgesetzte Anwendung einer Operation auf ihr eigenes Resultat nenne ich ihre successive Anwendung („O’O’O’a“ ist das Resultat der dreimaligen successiven Anwendung von „O’ξ“ auf „a“).

(Pears/McGuinness: If an operation is applied repeatedly to its own results, I speak of successive applications of it. ('O'O'O'a' is the result of three successive applications of the operation 'O'ξ' to 'a'.)

5.2523 Der Begriff der successiven Anwendung der Operation ist äquivalent mit dem Begriff „und so weiter“.

(Pears/McGuinness: The concept of successive applications of an operation is equivalent to the concept 'and so on'.)

【LLM 映射】： 这两句简直是当代自然语言处理（NLP）最神圣的箴言。

LLM 的生成本质，就是维特根斯坦所说的“将一个操作连续应用于它自身的结果”（O'O'O'a）。模型输出第一个词是 O(a)；它把这个词吞回去再次运算，得出 O(O(a))；再吞回去，得出 O(O(O(a)))……

大模型看似涌现出了惊人的“创造力”和“逻辑推理”，但在底层，它仅仅是执行了维特根斯坦的 命题 5.2523——“和诸如此类”（und so weiter / and so on）。人类眼中的锦绣文章，在机器眼里不过是那句冰冷的“依次应用运算”。

当然，维特根斯坦的 “und so weiter” 是规则的开放性结构，而自回归模型的 “and so on” 是概率分布的时间展开。前者保证规范性延续，后者仅保证统计连续性，但两者在现象层上产生了同构的“无限生成幻觉”。重构十：词嵌入（Word Embeddings）与同构映射的“图像论”

在《逻辑哲学论》的第 2 部分，维特根斯坦提出了著名的“图像论”（Picture Theory）。他认为，语言之所以能描述世界，是因为语言的结构和世界的结构是“同构的”。

2.15 Dass sich die Elemente des Bildes in bestimmter Art und Weise zu einander verhalten, stellt vor, dass sich die Sachen so zu einander verhalten.

(Pears/McGuinness: The fact that the elements of a picture are related to one another in a determinate way represents that things are related to one another in the same way.)

2.1514 Die abbildende Beziehung besteht aus den Zuordnungen der Elemente des Bildes und der Sachen.

(Pears/McGuinness: The pictorial relationship consists of the correlations of the picture's elements with things.)

【LLM 映射】： 这完全是深度学习中 Word Embeddings（词嵌入向量） 的哲学定义。

在 LLM 的内部，不存在“国王”、“男人”、“女人”、“王后”这样的语义理解。算法通过海量阅读，将这些词变成了几千维度的数学向量（Elemente des Bildes）。

为什么 LLM 知道“国王 - 男人 + 女人 = 王后”？因为在它的高维空间里，这四个向量之间的“几何排列关系”（sich in bestimmter Art und Weise zu einander verhalten），完美地映射了人类社会中这四个概念的“现实关系”。

LLM 没有理解世界，它只是在参数矩阵中，建构了一副极其庞大、极其精密的“世界关系图像”。

重构十一：LLM 的“语法完美性”与绝对的逻辑边界

人们常常惊讶：为什么大模型可能会在事实上说谎（幻觉），但它几乎从来不会犯低级的语法错误？为什么它吐出的句子总是结构完美的？维特根斯坦解答了这个问题：

5.473 Wir können uns, in gewissem Sinne, nicht in der Logik irren.

(Pears/McGuinness: In a certain sense, we cannot make mistakes in logic.)

3.03 Wir können nichts Unlogisches denken, weil wir sonst unlogisch denken müssten.

(Pears/McGuinness: Thought can never be of anything illogical, since, if it were, we should have to think illogically.)

【LLM 映射】： LLM 的训练过程（寻找全局最优的损失函数），实际上就是把人类语言的“逻辑语法”烙印进了它的骨髓（参数）里。

对于 LLM 而言，输出一句“完全不符合语法规律”的话是“不合逻辑的”（Unlogisches）。在它的数学模型中，那些不符合语法的乱码，其生成的概率接近于绝对的 0。它之所以不会犯语法错误，不是因为它“懂得”语法，而是因为在它的参数空间里，“不合语法的存在”是不被允许被计算出来的。它被锁死在了逻辑必然性之中。

---

总结：一部写给 AI 的《创世纪》

通过这几轮对挖掘，《逻辑哲学论》整本书几乎可以为大语言模型LLM写出一部哲学上的“技术文档”：

• 它的本体论（1~2）： 由高维度的向量距离和逻辑空间（Latent Space）构成。
• 它的认识论（3~4）： 通过统计学概率去拼凑语言游戏的组合爆炸，却没有真实的生活世界（盲盒化）。
• 它的算法引擎（5）： 基于基本单元的真值函数操作，通过“依次应用”（自回归）不断地预测下一个 Token（und so weiter）。
• 它的最终命运（6~7）： 它是人类语言完美的“脚手架”（Scaffolding），在消耗了无数人类语料作为攀爬的“梯子”后，悬浮在半空中。而对于那些真正超出逻辑计算的生命意义、伦理与痛苦，它本该保持沉默，却在商业驱动下不断地产生着狂妄的“幻觉”。
  
  

《逻辑哲学论》不再仅仅是一部 20 世纪初的语言哲学著作，它绝对有潜质成为 21世纪通用人工智能（AGI）在硅基介质上降临的预言书。

我终于可以搞维特根斯坦了！！！

来源：Dr Yao 的学术圈内圈外

链接：《逻辑哲学论》，一部写给 AI /LLM的《创世纪》。

编辑：陈梓函

刘海明

【案例】

微博重点治理“AI魔改”内容：4月清理“AI魔改”视频70条

4月30日，@围脖侠：为营造文明、和谐、健康的网络生态环境，维护平台良好的网络传播秩序，微博积极响应国家广播电视总局“AI魔改”视频专项治理行动要求，针对部分网络账号滥用AI工具对经典影视、动画片等内容进行颠覆性篡改、魔性解构与低俗化改编等行为，开展专项治理行动，同时站方将“AI魔改”内容治理纳入平台内容治理的重要环节，着力从专项整治向常态化治理延伸。现将4月份治理情况公示如下：

专项重点清理基于四大名著、历史题材、革命题材、英模人物等电视剧作品进行“AI魔改”的各类违规视频，并同步清理将少年儿童所熟知、所喜爱的动画形象进行改编生成的各类邪典动画。本阶段（4月1日至30日），站方依据《微博社区公约》等相关规定，共拦截并清理各类违规视频70条。

滥用AI技术进行“AI魔改”的行为，不仅会扰乱网络传播秩序、助长侵权行为、危害行业发展，同时也干扰未成年人形成正确文化认知和现实感知。站方呼吁广大用户，在遵守相关法律法规及平台规则的前提下进行AI创作，抵制AI技术滥用等违规行为，为青少年健康成长营造良好网络空间。微博愿与各界一道，共同守护AI技术的健康有序发展。

来源：九派新闻

链接：微博重点治理“AI魔改”内容：4月清理“AI魔改”视频70条

编辑：陈梓函

刘海明

【案例】

为什么AI真正害怕的是德里达“这类”哲学家，而不是伽达默尔？

为什么？因为只有把不稳定当作核心结构，才能避免被AI“模拟”。

让我说得简单粗暴一些，伽达默尔和德里达之间，有过一场著名争论，伽达默尔认为“相互理解”是交往的前提，而德里达认为，在某种意义上，理解就是误解。
伽达默尔和德里达对于“理解”的差异，在于他俩关于“什么是理解”的问题结构，方向不一致。关键不在“谁更正确”，而在谁的理论更能处理一个被AI改变的理解场域。
我们可以把“关于理解”的问题，压缩成一个更精确的形式：AI改变的不是“知识量”，而是理解机制本身的地位——我们在这个前提下，考察伽达默尔与德里达的分歧，就会非常清楚。
伽达默尔的核心命题是，理解依赖“视域融合”，也就是传统 + 语言 + 对话 → 可能的相互理解。具体说来，就是理解是历史性的、理解发生在生活世界、理解不是纯逻辑操作——这在AI问题上有什么力量？
它成功地“保住了人”：AI可以计算，但不能“生活在传统中”、不能真正进入历史性存在，所以，伽达默尔提供的是一种人的存在论防御，即人之为人的根据不在信息处理，而在历史性理解，但问题恰恰出在这里：
伽达默尔有一个前提：理解是可能的（哪怕困难），而AI恰恰动摇的是这一点：AI可以“看起来像理解”，但AI的理解是统计性的，AI可以生成“似乎已经达成理解”的语言。于是，出现一个对于传统人文学科致命的断裂：我们已经无法区分：这是理解，还是仅仅像理解？换句话说，我们已经无法区分：这是来自人的理解，还是来自人工智能的理解？在这里，伽达默尔开始失效。
为什么德里达式的“理解不稳”更有效呢？因为他切入这个问题的关键，不是“否认理解”，而是理解从一开始就不纯粹，是延异（différance）的结果。换句话说，没有一个完全到位的理解，每一次理解都包含误读，意义在差异与延迟中生成，这直接带来一个结构优势：他不需要“保住理解”，因为他从一开始就说：理解本身就是不稳定的。
我们把以上德里达的“延异”放到AI里看，会发生什么？AI的核心机制，在于概率生成、语料差异、上下文延迟，可以在句子内部生成、修正、滑移——这在结构上等价于德里达的延异链条，因此出现一个关键结论：AI不是对德里达的挑战，而是对他的验证。但是，一旦这样的话，德里达反而对于AI具有优势。
为什么呢？因为AI确实可以“模仿德里达”，但只能模仿哪一层？AI可以做到：使用“延异”、“差异”、“痕迹”等术语，生成“意义不稳定”的表述，制造看似解构的文本——但这只是话语层的德里达，可是德里达真正的工作不在这里，而在于让语言在运行中失去自我控制。也就是说：不是“谈论不稳定” ，而是让不稳定在句子中发生。
让我举一个具体例子，说明为什么AI写不出“德里达式的句子”，比如“我能知道我现在不知道的事情”——这就是一个德里达式的句子，它具有一个正在发生的结构，它的结构是：判断在成立的同时，被自身条件掏空，也就是高度不稳定，就像尼采在《查拉图式特拉如是说》中说到的思想走钢丝、思想的高难动作，它并不是完全任意，因为完全任意的话，人就会从“思想的钢丝绳”掉下去了，所以思想要在不稳定中，尽可能保持平衡的结构。

AI不能写出类似“我能知道我现在不知道的事情”这样的句子，不是说它不够聪明，而是由于它的语言模型的局限，它天然就要“区分”和“稳定”——注意，AI可以稳定地写“不稳定”，但它的重心在于稳定（这个目标，与伽达默尔式的“相互理解”是一致的）。
于是，就以上的“我能知道我现在不知道的事情”，AI就会替换成这样的“稳定句式”：AI式“话语层德里达”会写成：“意义总是在延异中展开，因此我们对未知的认识始终处于一种尚未完成的状态”。或者“所谓的‘知道’，总是被差异所结构，因此它从来不是一个稳定的当下。”或者“在语言的痕迹之中，我们对‘不知道’的把握，本身就是一种延迟的效果。”
于是，模仿表层德里达的AI句式，终于将自身还原为伽达默尔会赞同的“相互理解”，其特点很清楚：概念正确、语气稳、逻辑完整，没有一句话内部的真正冲突，这相当于在解释不稳定。
而“我能知道我现在不知道的事情”这不是表层德里达，而是深层德里达，它相当于我刚刚确定了一件事——但正因为我确定了，它开始变得不成立。我以为我在说清楚，但这句话一说出来，它已经不是我要说的那句话了。我现在理解了——如果这是真的，那刚才那个“我”就已经不存在了。我试图把它固定下来，但正是在固定的这一刻，它开始滑走。
“我能知道我现在不知道的事情”的特点是——没有外部解释、冲突在句子内部、判断在句内发生变化、读者不是“理解它”，而是被拖进这个变化。总之， 关键差别在于AI句子在说“意义是不稳定的”，但是德里达的句子让意义在这里失去稳定。

如果一句话可以被“转述”（=被解释=大致对应伽达默尔的解释学），那它大概率是AI那一层。如果一句话一转述就“死掉”（转移、语义的增加与减少同时发生），那它才接近“发生”（这就像人的新旧细胞交替活出人从出生到死亡的过程——用德里达在《巴别塔》中的原话“翻译是必须的，而翻译是不可能的。”也就是说，必须替换，但是完全的替换是不可能的。这正是AI最难进入的区域。
让我们总结一下，AI的底层目标是最大化可接受性，因此即使AI写“解构”，它也在做一件事：把“不稳定”稳定地表达出来.这就产生一个悖论,它可以说“意义是不稳定的”,但它必须用一个稳定句子来说 .结果就是,“不稳定”被驯化成一种风格。
德里达的优势并不在“内容”，而在“风险”——德里达文本的真正特征是：句子可能失控、概念可能滑移、读者可能误读、作者也无法完全收回——这是一种不可完全预测的风险结构，而AI无法真正进入这一点，因为AI必须避免彻底失控、必须维持“可读性”、 必须保证“似乎在说什么”。
因此，以上说AI验证了德里达，但这不等于AI可以取代德里达，而是AI只能复制“德里达已经被理解的部分”。换句话说，AI可以模仿已经被命名的“延异”，但是AI无法提前占有正在发生的“延异”。
如果“不稳定”本身也可以被模拟，那还剩的，就是不稳定的“发生性”（事件），在写作中制造出来的不稳定事件。AI无法进入“正在发生的德里达”。反之，谁把“稳定”当作目标，谁就在AI面前失去区分力，因为“强调稳定”会落入AI的优势，AI的核心能力不是“理解”，而是生成稳定效果，具体表现为：连贯表达、语义一致性、上下文维持连续性、 风格统一，这些恰恰就是伽达默尔意义上的“理解的表象”。于是出现一个关键问题：如果“理解”表现为稳定性，那么AI已经达标——这就是当下人文学科的巨大忧虑：无法区分“理解来自人”还是“来自AI”，因为判断标准（共识，或者“相互理解”）本身被AI占据了。
德里达的优势不在“反对稳定”，不反对“不稳定也需要稳定”（否则无法表达），而在于不能从一开始就赋予“稳定”以特权地位。换句话说，稳定只是一个“停顿点”，不是终点，更不是判断标准，这就能避免了一个致命问题：不会把人工智能的“像理解”误当作“理解”。
在没有AI之前，人类是唯一能产生“稳定理解表达”的存在（“我思故我在”），因此“稳定 ≈ 理解”成立。但AI出现后，“稳定表达”被机器复制，“稳定”不再具有区分性（人的理解“稳定”与机器理解的“稳定”正在加速度地融合在一起），于是伽达默尔体系隐含的前提崩溃了：稳定不再是人的特权（或者说笛卡尔的“我思故我在”隐含的前提崩溃了，因为机器已经实现了代替人思考。那么，无论理解还是思考，就要扩大笛卡尔所谓“思考”的范围，超出伽达默尔所谓“理解”的范围，超出机器的范围，因为一旦以稳定为重点，就落入AI优势。
更进一步，如果稳定不再有效，那么区分人和AI的，不可能再是连贯性、合理性、完整性，而只能是不稳定的生成方式本身，也就是判断如何在句子中发生，意义如何被打断、改写，立场如何在生成中滑移。

只有把不稳定当作核心结构，才能避免被AI“模拟”，因为稳定=可以被复制，不稳定=只能被参与，比如对于 “我能知道我现在不知道的事情”，读者不可以只是被动接受，而要主动参与，否则就丧失了继续读下去的动力。
语言什么时候开始变得不稳？1，出现自反的悖论的时候，这需要哲学家具有非常敏锐的发现相似的“结构直觉”之能力。比如，要有能力发现“我能知道我现在不知道的事情”，其实和超现实主义画家马格利特那幅作品具有结构同构关系，即一幅逼真的烟斗画，是由“烟斗的线条与色彩”和下面一行小字“这不是一只烟斗”构成的。

——如果单独看““这不是一只烟斗”，这是一句非常普通的陈述句，但这句话配上图，就相当于一个“自指”的句子，即它当然不是一只烟斗，它只是一幅画，仅此而已——这与“我能知道我现在不知道的事情”，具有结构相似的同构性，即两者共同的造句结构是“判断在成立的同时，就被自身条件掏空，也就是高度不稳定——它不再是自身，而是别的东西，这就是2：“不是一种语言”——在这里的意思，是说超出了通常语言陈述句的表达能力之外的“语言”，只是“半个语言”，它需要直觉和图像因素的配合，从而“什么是语言”在此已经变得非常不确定了。




来源：美的旋律
链接：为什么AI真正害怕的是德里达“这类”哲学家，而不是伽达默尔？
编辑：陈梓函

刘海明

【案例】

记者的1%，才是新闻业的100%

4月22日凌晨，OpenAI正式发布Workspace Agents（工作空间智能体），面向企业团队开放研究预览。根据官方介绍，这一产品被定位为GPTs的"进化形态"，支持团队创建协作智能体，能够处理复杂任务和长周期工作流——包括报告准备、代码编写、消息响应，甚至7×24小时在云端持续运行，即使用户离线也不中断。

这意味着什么？意味着从选题策划、内容撰写、审校修改，到传播推广、效果评估，AI已经可以把新闻采编发全流程压缩至自动化智能体。理论上，一个人提出创意，剩下的AI全干了。

新闻从业者，慌了吗？

---

一、AI写稿得62.5分，那剩下的37.5分去哪了？

就在OpenAI发布Workspace Agents的前2个月，韩国言论财团公布了一项颇具参考价值的调查。

这家韩国新闻行业性机构招募了98名韩国新闻机构的记者，要求他们基于有限背景资料，使用AI聊天机器人撰写报道。写稿任务聚焦于根据世界卫生组织附属机构的研究成果，报道气候变化对母婴健康的影响。

结果显示：AI辅助撰写的稿件整体质量以满分100分计，平均得分62.5分。多数稿件在结构和逻辑方面的平均得分约67分。

但有一个维度的得分，低得刺眼——创造性和独特性，仅有50分左右。

韩国言论财团高级研究员全昌荣（音译）对此有一个精准的总结："仅靠使用AI并不能自动提升新闻内容的原创性。原创性仍高度依赖记者解读和拓展观点的能力。"

更值得玩味的是另一组数据：记者围绕每项任务提出的问题平均不足5个，后续追问仅占总询问量的三分之一出头。事实核查类问题相对较少，表明多数记者将AI主要视为快速收集信息的工具，而非互动式报道伙伴。（新华社，2026年2月17日）

这组数据揭示了一个残酷的现实：AI能帮你把稿子写得"像那么回事"，但它写不出"只有你能写"的东西。结构、逻辑、信息整合，AI可以得高分；但独到视角、深度洞察、情感温度，AI连及格线都摸不到。

---

二、清华教授的断言："坚守价值、洞察人心"是AI的盲区

4月16日，清华大学新闻学院、人工智能学院双聘教授沈阳，在成都传媒集团三色讲堂给出了一个毫不含糊的判断：记者无法被AI替代。

"坚守价值、洞察人心，是AI无法具备的核心竞争力，正是记者与新闻行业的灵魂。"

沈阳教授的判断并非空泛的乐观。他给出的理由，每一条都切中AI的命门。

第一，价值判断。生成式AI普遍存在"幻觉"问题，易编造虚假信息，且无法自主判断内容的社会价值、伦理边界与传播导向。记者凭借扎实的专业素养和丰富的实践经验，能精准筛选有价值的创新观点、剔除虚假内容，坚守新闻真实性原则，把控传播导向。这是AI无法替代的核心能力。

第二，洞察人心。AI的创意源于人类数字化内容的概率组合，缺乏对现实生活的真切感知。记者深入一线、贴近群众，能精准捕捉社会大多数人的真实需求，说出群众的心里话，推动社会问题的解决。沈阳教授称之为"认知外包"时代，人只需做好最后1%的决策，而这1%，正是对社会需求的精准把握。

第三，对真善美的追求。AI没有情感、没有价值观，对"美"的理解空洞肤浅、对"善"的认知缺失，无法传递有温度、有深度、有情怀的新闻价值。记者通过文字、镜头传递真相、弘扬美好、帮扶群众，坚守对真善美的追求，凝聚社会共识——这正是新闻传播的本质。

沈阳教授还提到一个关键转变：AI时代的新闻创作，已从传统的"自主撰写"转变为"精准调度AI创作"。这种调度能力的训练难度不亚于传统新闻采写，却是必备核心技能。"疯狂学习AI，疯狂了解人的真实需求，最快速度迭代自己"——这是他对新闻从业者的建议。（红星新闻网，2026年4月20日）

---

三、那6分钟的哭泣：AI永远无法生成的新闻温度

如果说数据和理论还不够直观，那么潮新闻记者于瓅在4月17日的一次采访经历，或许能给出最感性的答案。

那是一起让人扼腕的案子。2024年11月1日，安徽安庆一名22岁的医学女大学生李丹（化名），被已分手的前男友残忍杀害。凶手一审被判死刑后当庭上诉。从女儿遇害到二审开庭，整整532天，李丹的妈妈林女士身患鼻咽癌，靠着"亲眼看到凶手被执行死刑"的执念，硬撑到了今天。

2026年4月17日上午，该案二审在安庆市中级人民法院开庭。潮新闻记者于瓅和一名视频记者赶赴现场。

出发前，于瓅提醒自己：作为记者，必须克制情绪，要客观。

但当她给林女士别好麦克风，还没来得及退回原位时，林女士突然哭了。不是哽咽，而是眼泪突然间止不住流下来。

"小姑娘，你用的是什么香水？"她问。

于瓅愣了一下，下意识回答："可能是洗衣液的味道。"

"你身上有我女儿的味道。"

那一瞬间，于瓅喉咙发紧，什么都说不出来。她只说了六个字："阿姨，我抱抱您。"

林女士紧紧抱住她，大声哭起来。摄像机的记录显示，她们一起哭了整整6分钟。

在那个拥抱里，于瓅第一次如此真切地感受到一种不属于自己的伤痛。她想念的不是一个抽象的女儿，而是一个具体的、会撒娇的、会抱她的女孩。

林女士抱着记者哭 潮新闻记者张小斌摄，来源：潮新闻客户端

于瓅后来在稿子里写道："好新闻不只在法庭里、在卷宗中，也在一个母亲的眼泪里，在一个无声的拥抱中。"

那六分钟的录音，她没有全部用在稿子里。但那段哭泣，那个拥抱，那句"你身上有我女儿的味道"，成了整篇报道最核心的温度。

最高赞的评论是："严惩凶手，给她一个公道。"

你可以让AI写出一篇结构完整、逻辑清晰的庭审报道。但你无法让AI感受到一个母亲532天的等待与煎熬，无法让AI在法庭外给一个陌生人一个真实的拥抱，更无法让AI写出"你身上有我女儿的味道"这种只有人类才能理解和传递的情感。（潮新闻客户端，2026年4月22日）

---

四、新时代好记者的实战密码：平视、真诚、积累

就在沈阳教授发表判断、潮新闻记者写下手记的同一周，2026年"新时代·好记者"全国巡讲活动正在全国各地展开。4月22日，巡讲团走进河南；4月23日，走进云南。来自中央和地方新闻单位的优秀记者，用亲历、亲见、亲闻的新闻实践，向基层同行分享了一线采访的实战密码。

在贵州专场，中央广播电视总台记者郭嘉宁被问到：三农采访如何让老乡说真话？

他给出的答案是两个字：平视。

"平视既是一种姿态，也是一种能力。"郭嘉宁说，面对农业科学家、种粮大户和散户农民，需要不同的平视方式。建立信任的核心是真诚，小技巧在于抓住农民心态，通过预估产量、对比邻居等方式引导对方说出真实情况。他特别强调，平视的前提是积累——有了积累才能与不同领域的人用接地气的方式交流。（贵州网络广播电视台，2026年4月20日）

在中国人民大学举行的"新春走基层"活动交流研讨会上，辽宁日报社）党委副书记、总编辑张小龙分享了把握新闻"真"的三个要点：到达真的现场、学会真诚交流、抓住真的焦点。其中，真的现场一定是采访对象的主场，是他们工作生活最真实的场景；真诚沟通就是要放下采访的"架子"，每一名采访对象在记者面前都是老师。（中国记协，2026年04月17日）

这些来自一线的实战经验，共同指向一个核心：好新闻不光是"问"出来的，是在真诚中自然"流"出来的。

---

五、记者的1%，才是新闻业的100%

让我们回到文章开头的问题：当AI能完成新闻采编全流程，记者还剩什么？

答案或许可以借用沈阳教授的说法——人只需做好最后1%的决策，但这1%，恰恰决定了新闻的成色。

AI可以帮你整理素材、搭建结构、润色文字，但它无法替代你站在法庭外给一个母亲一个拥抱，无法替代你在田间地头蹲下来和老乡平视对话，无法替代你在海量信息中判断什么值得写、什么不该写、什么必须追问到底。

那1%，是价值判断，是共情能力，是对真善美的坚守，是"你身上有我女儿的味道"这种只有人类才能捕捉和传递的温度。

韩国言论财团的研究告诉我们：AI写稿能得62.5分，结构逻辑甚至能到67分。但新闻不是考试，及格线以上拼的不是分数，而是那1%的"人味"。

OpenAI的Workspace Agents能让AI在云端7×24小时工作，但它永远无法理解，为什么一个母亲会在法庭上抱着陌生记者大哭6分钟。它永远无法写出，那种让千万读者隔着屏幕也能感同身受的文字。

这个时代，算法在推荐内容，流量在衡量价值，AI在加速生产。但新闻的灵魂，始终在那1%——

那是记者站在现场时，脚下泥土的重量。

那是记者面对采访对象时，眼神交汇的温度。

那是记者写下每一个字时，心里装着的人。

AI可以替代流程，但替代不了人心。

来源：NEWS全媒体采访与写作

链接;https://mp.weixin.qq.com/s/23GMf8IxDSugeYInY0m32A

编辑：赵牧云

刘海明

【案例】

AI越强，媒体越要培养自己的“网红IP”


互联网抢走信息分发渠道后，AI正在消除内容的生产门槛。当渠道和内容同时被技术冲击，媒体的防线在哪里？

前几天和一个媒体朋友交流，他提出了一个让他很焦虑的问题：现在AI能写稿，能生图，能做视频，一个人+AI，能顶过去一个编辑部。那未来，媒体的核心价值在哪里？

我觉得这个问题或许可以换个角度来看，如果把渠道和内容看作是一种手段和过程，那它们最终导向的目标是什么？是影响力和信任度。

渠道的门槛被互联网打破了，现在内容生产的门槛又被AI给大幅降低，当这两个优势不在的时候，其实可以在影响力和信任度上，充分挖掘潜力。

培养自己的网红IP，会是承载影响力和信任的重要方式。

1、护城河，又一次被填平

过去媒体在内容的生产和传播上，有三重核心优势。

首先是信息的即时性。不管是突发新闻、行业新闻、还是时政动态。谁第一个把消息发出去，谁就占据了舆论场上的传播主动权。那时候跑宏观新闻的记者，经常干的一个活是盯各大主管部门的网站，一有政策动态第一时间解读。现在这类消息，基本被AI抢去了。去年到《每日经济新闻》调研时，他们的财经资讯类消息，几乎已经是秒级生成。上市公司刚一挂出公告，他们的解读消息就出来了。再加上现在很多消息源，自己本身也在做传播，所以在时间差上基本已经没有优势。即便是一些突发新闻，现场目击者拍摄的视频，也很快会勾画出事情的全貌。第二个是文本叙事能力。不同的媒体都有自己的叙事风格，甚至会形成特定的新华体、财新体、南周体，风格本身就是一种识别度和壁垒。还有一些擅长特稿写作的，更是成为媒体的显性标签。但现在，只要提示词描述精准，AI基于采访素材生成的稿件，结构工整、逻辑通顺、文笔流畅，基本挑不出大毛病。对于80%的文本形式，AI已经达到媒体中位数的水平。第三个是信息整合力。这个不单是指写作方面的信息整合，而是媒体能够超越事件本身，进行纵横信息资源挖掘的能力。一个典型的场景是，每次遇上世界杯、奥运会这样的重大赛事。很多媒体都能把过往的逸闻趣事，梳理的井井有条。这种如数家珍式的信息整合，得益于记者、编辑、媒体过往的资源积累。现在AI的深度整合，可以说是毫不逊色。不仅体育领域，其他场景也是如此。

2、影响力是最后的防线

但AI再强，有一个重要的资源，它没办法去渗透，那就是系统性影响力。其实仔细复盘下媒体过去的优势，包括时效、渠道、叙事，本质上都是手段。真正的核心目的，是让读者通过这些方式，对媒体产生信任。

同样一条消息，从不同影响力的媒体披露出来，重量完全不是一回事。

更有意思的是，这种信任差，不只存在于读者这一端。采访对象也会挑媒体。

有些行业大佬，平时不太愿意开口，也只有在接受特定媒体采访的时候，才愿意深谈。

所以媒体真正传播的从来不只是信息，而是经过机构媒体背书之后，可信度的增值。

这就是系统性影响力的底层逻辑：它不是一个单点能力，而是一整套由时间、判断、关系、口碑、甚至失误勘正堆出来的信用资产。

每一次重大事件的报道，每一篇用心打磨的稿子，每一回直面事实真相的勇气，都是在给这个信任账户增值。

而这件事，恰恰是AI承载不了的。AI可以模仿《经济学人》的腔调，可以复刻《纽约客》的长句，甚至可以在三秒内产出一篇像模像样的深度稿。

但它没办法替《经济学人》承担起那份百年累积的信任。

AI拿走的是生产环节，拿不走的是被信任的资格。

前者是手艺，后者是身份。手艺会被机器复制，身份不会。

这也是为什么，在AI把内容生产门槛降到近乎为零的今天，媒体依然有着自己独特的核心价值。

但问题是，这份信任的载体，正在发生变化。

用户刷到一条普通创作者制作的短视频，和一条资深记者做的短视频相比，信息密度、制作精度、封面设计可能差一点。但用户要在3秒内做决定，是看还是划走。绝大多数用户，可能没机会看到资深记者专业内容背后的严谨、分寸、和经验积累。内容的护城河还在，但用户的注意力被稀释了。这才是真正危险的地方。

3、IP的粘性与跨圈效应

当内容的差别变得越来越小，如何破解信任的承载问题？答案是把机构的影响力，注入具体的创作者身上。过去在谈到媒体IP转型的时候，大家经常会关注到新华社张扬和上海报业晏秋秋的例子。Ta俩代表了不同的风格，都属于过往媒体IP转型中的成功标杆。从他们的发展路径来看，有着共同的底层逻辑，都是把一个具体的人推到前面，让人带着机构的底色走进用户的视线。以前用户看新华社的稿子，是被动接收一条信息。现在用户打开张扬的视频，会在潜意识里关切，这事她怎么看？用户的注意力，多了一个具象化的载体。这两者的粘性，差了一个数量级。更关键的是跨圈效应。机构品牌是厚重的，它天然圈层化，大家经常说看《环球时报》的和看《财新》的，肯定是两拨不同的读者。但人格IP是轻的，它可以从一个圈层跳到另一个圈层，从严肃时政跳到年轻人的评论区。前段时间看晏秋秋的脱口秀直播，很多粉丝追到现场，一票难求。这种跨圈效应，是他过往单独靠媒体内容，无法积累起来的。所以，AI越是让内容不再稀缺，那稀缺性就必须回到更上游的地方：谁在说，凭什么他说，我为什么信他。换句话说，当AI把"内容"这个领域杀成了红海，人的重要性和稀缺性反而更强。对同一件事的判断，一万篇AI生成的稿子，抵不过一个用户信任的人。不是因为他说得比AI更准，而是因为你信任他、愿意把注意力交给他。而这个时候的AI，反而成了帮IP放大这份稀缺性的工具：找选题、整理素材、多模态输出。过去，一个IP可能需要一个工作室支撑，现在借助AI的能力，每个人都可以成为传播领域的轻骑兵。机器可以量产文字，但无法量产信任。所以， AI越强，媒体越应该大力打造自己的网红IP。

来源：金松科技观

链接：https://mp.weixin.qq.com/s/GtNonAW9LSeNPMtph5X3vw

编辑：赵牧云