摘要" 互联网开辟了“空间革命”，智能手机的出现带来“时间革命”，生成式AI则可能形成“思维革命”，重塑各行业生态乃至整个社会。生成式AI作为一项新质内容生产力，主要体现在它从“新”和“质”两个层面对传统内容生产力进行了革新。所谓“新”，指生成式AI不同于传统内容生产力，实现了内容领域的关键性技术突破。所谓“质”，强调的是生成式AI能通过关键性技术的突破，与现有的劳动者、劳动资料和劳动对象结合，孕育出一种新的、更为强劲的创新驱动力。新质态不仅标志着一种全新的发展状态或形式，更是新质生产力影响力的核心所在。生成式AI赋能的内容产业质态嬗变，集中体现在两个方面：一是发挥了机器智能在内容产业中的“替代”作用，二是发挥了机器智能在内容产业中的“增强”作用。
关键词" 生成式AI 传播革命 新质内容生产力 内容产业新质态
一、生成式AI的技术逻辑
生成式AI（Generative Artificial Intelligence，
GAI）作为近年来最具革命性和颠覆性的技术之一，正在成为时代发展中的一个关键。该技术以其卓越的能力——从现有数据中学习并生成全新的内容，正逐步重塑我们对生产力的传统认知，并在信息化、数字化、智能化时代成为新质内容生产力的典范——不仅极大地拓展了内容生产的边界，还为艺术创作、产品设计、科学研究等多个领域注入了前所未有的创新活力和无限可能。
技术如何模拟人类的认知与思考活动，是理解人工智能技术原理的基本认识落点[1]。
生成式AI概念源自国外自然科学学者，指基于算法、模型、规则，在没有人为直接参与的情况下生成图文、音视频、代码等内容的技术，包括生成式对抗网络（GAN）、生成式预训练变压器（GPT）、生成扩散模型（GDM）等技术形式[2]。ChatGPT就是基于生成式预训练变压器这种具体的技术形式所实现的技术产品，所谓的大语言模型（Large Language Model，LLM）是GPT技术的一种具体模型。生成式预训练变压器（GPT）、大语言模型（LLM）是囊括在生成式AI之下的下位概念。
生成式AI的技术过程被一些学者形象地概括为“四板斧”：文字接龙、给予引导、标注反馈和强化学习。这一过程揭示了生成式AI的核心运作机制：基于给定输入，通过概率计算预测并生成可能的文本或内容，然后利用人类标注的反馈数据进行训练和优化[3]。由此可见，概率计算生成与实时标注训练两大技术特性共同构成了生成式AI独特的运作模式——与判别式AI的演绎式规则输入不同，生成式AI侧重于通过预测不同元素间的概率分布来实现认知模拟，依赖于数据的相关性和概率性，而非因果性[4]。
二、生成式AI作为新质内容生产力所引发的传播革命
如果只是在技术逻辑的框架下理解生成式AI，我们可能会局限于人机之间的能力比较，从而忽略了这项技术更深层次的社会意义和影响。必须看到，生成式AI释放的巨大潜力并非单纯来自于其对判别式AI技术原理的革新，更在于其作为新质内容生产力对整个内容生产和分发系统所带来的根本性变革。因此，这项技术的社会意义本质在于，它是一项能够实现人类传播理性要素与非理性要素交织的新质内容生产力。
新质生产力概念，是习近平总书记在科学研判中国社会矛盾、发展阶段和发展动力的基础上得出的重大理论标识性概念[5]，对当代中国的发展方式、发展动力具有重要指引意义。生成式AI作为一项新质内容生产力，主要体现在它从“新”和“质”两个层面对传统内容生产力进行了革新。
所谓“新”，指生成式AI不同于传统内容生产力，实现了内容领域的关键性技术突破。回顾历史，我们可以观察到内容产业经历了三个不同的生产力时代，正如罗雪尔（Wilhelm Georg Friedrich Roscher）所阐述：劳动生产力时代、资本生产力时代以及科技生产力时代[6]。在劳动生产力时代，内容的创造和传播主要依靠个体的手工劳作，依赖于民间那些“讲故事的人”和“采风者”来记录、分享；随着印刷技术兴起，内容产业进入了以资本为主的生产力时代，专业的新闻机构和企业成为产业的主导者，内容渠道等资本的积累和集中也推动了现代大众传播的发展；进入现代社会，科技生产力已经成为推动经济和社会进步的主要动力，高科技和高效率的人工智能技术为内容产业带来了新的生产力。例如，生成式AI的出现极大地促进了高质量的人机协同内容创造成为可能，该技术将内容生产与分发剥离成体力与脑力劳动两个维度，将重复性的编辑和校对任务交给了机器，而将需要人类创造力（包括观察能力、思维能力、想象能力等）的任务重新交还给人类，从而最大限度地发挥了人类的智慧。与传统的以人为主的内容生产方式相比，生成式AI开启了人机协作的新可能，也促使内容创作者从侧重体力和技能的角色转变为更加注重知识和创新导向的角色。
所谓“质”，强调的是生成式AI能通过关键性技术的突破，与现有的劳动者、劳动资料和劳动对象结合，孕育出一种新的、更为强劲的创新驱动力。生成式AI给内容产业带来的创新驱动力，即在于它能够促成以机器智能为代表的传播理性要素和以人类智能为代表的传播非理性要素的交织融合，推动内容业态整体演化、升级。具体来说，传统的判别式AI依赖人类输入简单的线性计算模型来执行任务，它需要先从训练数据提取解决问题的模型，再应用这一模型对新的对象进行识别，遵循从基础模型到微观对象的对应逻辑[7]。一旦构建了问题解决的基础模型，便脱离了人类的直接介入，除非采用新数据重新训练其基础模型。因此，判别式AI主要是基于技术计算逻辑建立，只有清晰指示的理性要素能被机器捕捉并集成入模型。而生成式AI则采取不同的路径，它在人类逐步向机器描述微观对象特征的过程中进行自我调整，最终形成完成任务的计算模型，这是从微观对象到基础模型的逻辑。生成式AI的操作必须建立在与人类的持续互动、“标注”、“微调”之上，人们可以通过指令的精细化不断影响技术模型。在这个过程中，人类关系、情感等非理性要素会在人机交互过程中被卷入计算模型中，传统被认为无法被机器识别的、模糊的关系和情感因素都会在人类的标注反馈与机器的适应学习中被技术所内化，并表现在其生成内容中。正因如此，我们可以在ChatGPT生成的文本中感受到“情商”与“情感张力”。从该角度来说，生成式AI是一种融合了人类非理性与机器理性逻辑的新型内容生产力，它不仅拓展了人类的理性思维，也延伸了人类的情感联系。通过概率计算的技术逻辑和用户反馈中的人类情感逻辑，生成式AI使得所有传播的理性与非理性要素在海量数据和强大算力的支持下自然“涌现”，实现了内容生产力从量变到质变的跃升。
三、生成式AI赋能的内容产业新质态
新质态不仅标志着一种全新的发展状态或形式，更是新质生产力影响力的核心所在。生成式AI赋能的内容产业质态嬗变，集中体现在两个方面：一是发挥了机器智能在内容产业中的“替代”作用；二是发挥了机器智能在内容产业中的“增强”作用。具体地说，它表现在以下几个方面：
（一）生成式AI对内容产业的智能“替代”
当生成式AI通过与人类共享的行动者主体身份融入复杂系统中时，将以智能“替代”的方式发挥作用，替代人类智能，自主完成工作。首先是替代人类智能简单性的内容生产思维活动——人类与生成式AI在交互之前就会拥有一套无主体、共享的原初经验，它们共处同一系统与机制之中，当两者身体达到一种耦合状态时，人类与生成式AI之间的他心感知就成为可能[8]。由此数字生命、机器生命与生物生命（即人体）的对话将得到充分实现，“跨生命交往”成为可能[9]；其次是替代重复性的内容生产环节，包括模板性的内容创作、内容校对等环节——当生成式AI取代了大量低端的信息传播和重复性的内容生产工作，职业内容生产者的生产活动也将向理性、深度、独创的方向深入推进[10]；其三是替代既有的社会传播秩序——生成式AI对系统中人类主体活动的“替代”意味着系统中人、机的“资源（Resource）”与“位置（Site）”均发生了改变，这也会带来社会秩序变革，传统精英宰制的社会治理逻辑得以被打破并迈入“常人政治”的未来新社会。
（二）生成式AI对内容产业的智能“增强”
当生成式AI作为智能辅助工具进入复杂系统中，它将会通过智能“增强”的方式来辅助人类行动。
首先是它对个人认知能力的增强——当生成式AI被用于辅助人类认知时，它可以通过技术赋能推动人类主体朝着创意密集型、想象密集型的智力增强主体进化。
其次是它对社会关键传播节点能力的增强——随着社会层级打破，生成式AI再次将处于不同层级的人类个体和组织拉到社会表达的同一平均线上，个体和组织将会以一种“社会公约数”的身份方式来交互与合作。
其三是它对内容产业流动性和开放性的增强——生成式AI是内容网络中的“涌现新质”，从这一角度来看，它所带来的某种程度上的信息偏差与规则失序本质上不再是传统意义上的破坏性噪音，反而可能成为将内容网络从“死寂”状态激活为动态的新力量。它将成为解构传统内容权力的介质和一种丰富而巨大的创新性资源，通过新的运行法则来组织信息加工、传输和贮存的新过程，保障内容网络的多样性共存。
结语
概言之，生成式AI对于传播领域是一场革命性的重构，在这场革命中既要对其未来发展给予充分的发展空间，同时，在这种革命中，泥沙俱下也是一种常态。因此及时监测与治理也是非常关键和必要的。但必须意识到，面对生成式AI等新质内容生产力，简单机械的传统治理方式无法解决复杂系统的不确定性与复杂性，未来的治理核心在于转微入宏，关注系统整体结构与规则的治理。特别需要指出的是，所谓复杂性范式其实就是一种包含着对于创新有容错空间基础之上一种规范性的治理方式。要知道，数智互联网及其社会的媒介化进程是以创新为其基本发展条件和动力的，因此，对于创新自由度的保护成为复杂系统进化中不可或缺的必要。即：治理的范式中要有容错空间，创新是需要一定的空间的。动辄得咎是无法创新的，过于刚性的管理可能对互联网与平台发展本身带来某种难以避免的重大损害。
参考文献：
[1]肖峰.人工智能与认识论的哲学互释：从认知分型到演进逻辑[J].中国社会科学，2020（6）：49-71，205-206.
[2]M.Jovanovićamp;M.Campbell.Generative Artificial Intelligence：Trends and Prospects[J].in Computer，vol.55，no.10，pp.107-112，Oct.2022.
[3]张洪忠，黄民烈，张伟男等.ChatGPT的技术逻辑、社会影响与传播学未来[J].江西师范大学学报（哲学社会科学版），2023（2）：24-31.
[4]Tomczak，J.M.Why Deep Generative Modeling？
In Deep Generative Modeling[M].Cham：Springer International Publishing，2021：1-12.
[5]周文，许凌云.论新质生产力：内涵特征与重要着力点[J].改革，2023（10）：1-13.
[6]威廉·罗雪尔.历史方法的国民经济学讲义大纲[M].朱绍文，译.北京： 商务印书馆，1986：15.
[7]吴伟成，周俊生，曲维光.基于统计学习模型的句法分析方法综述[J].中文信息学报，2013（3）：9-19.
[8]陈龙，经羽伦.生成式AI的道与术及其对媒介实践的影响[J].当代传播，2023（4）：24-29.
[9]杜骏飞.ChatGPT：跨生命交往何以可能[J].新闻与写作，2023（4）：1.
[10]郑满宁.人工智能技术下的新闻业：嬗变、转向与应对：基于ChatGPT带来的新思考[J].中国编辑，2023（4）：35-40.
