“生成式人工智能”(AIGC)及其哲学意蕴

从“生成式的AI”或“生成式的人工智能”(AIGC)的角度看,需要关注“自然生成”“人工智能生成”“社会生成”或“伦理生成”之间的关联和区分。人工智能具有确定性与生成性,它从一个侧面体现了being与becoming的沟通和统一。从传统意义上的人禽之辨到人机之辨,体现了重要的转换,但二者在本质上都关乎何为人的追问。人工智能所体现的理性具有非原创的意义,人所具有的理性推论能力作为人的本质,则具有原创性。相对于人而言,AI作为一种机器,归根到底还是属于“器”,只具有工具意义,不具有独立的人格,也难以获得伦理主体的地位。此外,人工智能主要表现为人的创造的一种结果,真正的原创意义上的智能只有人才具有。从这一意义上说,只有人才是原始的创造者,把人工智能看作比人更高级的动物,并不合乎事实。人工智能发展可以取代很多人的工作,这在本质上如同在近代工业的发展过程中,机器不断取代手工操作,二者情形相近,原理也一致。从更深远的意义上说,这也是人不断地走向人性化的社会、达到真正自由存在形态的一个环节或前提。科技的发展可以使我们对世界的细节、对某些方面越来越深化,但是总体上对世界的把握离不开哲学。另一方面,科学发展具有自主之性或惯性,后者需要哲学为其提供价值引导。

从知识困境到认知陷阱:生成式技术驱动型信息生态系统安全问题研究

生成式技术驱动型信息生态系统以生成式人工智能技术为核心,对整个信息环境中的知识传递与共享、认知流动与扩散过程发挥支撑和推动作用。然而,这种创新型的信息生态系统也伴随着知识安全和认知安全问题的出现。本文从知识环境和认知环境两个层面入手,对生成式技术驱动型信息生态系统的特点、优势与风险进行深入剖析,探索如何在符合人类价值观和社会伦理的前提下,充分发挥生成式人工智能的潜力,推动构建高效、安全、可持续发展的生成式技术驱动型信息生态系统。

生成式人工智能的知识产权法律因应与制度创新

生成式人工智能的复合产品结构与自主运转功能造成了知识产权法律适用的难题与挑战。在复合产品结构下,知识产权法律难题源于生成式人工智能核心要素之算法与数据的知识产权保护问题;在自主运转功能下,知识产权法律挑战则呈现为生成式人工智能衍生内容的知识产权授权与确权问题。对此,应积极推进生成式人工智能场景下的知识产权法律变革,立足生成式人工智能核心要素与衍生内容,有针对性地展开知识产权制度创新,从而实现对生成式人工智能知识产权法律问题的合理回应。

基于改进条件生成对抗网络的可控场景生成方法

可再生能源发电具有较强的随机性和波动性,为实现高效可靠的场景建模,提出一种基于改进条件生成对抗网络的可控场景生成方法。提出基于条件生成对抗网络的场景生成框架,结合Transformer的全局注意力机制以及常规卷积和深度可分离卷积的局部泛化机制,设计适用于提取可再生能源发电不同维度特征的网络结构;利用条件生成对抗网络模型建立低维气象特征隐空间和高维可再生能源发电数据之间的映射关系,提出一种可控场景生成方法,并建立随机场景生成、场景约减、极端场景生成和连续日场景生成4种生成策略。基于实际光伏、风电数据和气象数据的仿真结果表明,所提模型与方法能够有效学习可再生能源发电的随机性、时序性、波动性及空间相关性,实现对不同策略下场景的可控生成。

双目标优化与生成对抗网络结合的框架结构阻尼器布置方案智能设计方法

为实现框架结构的阻尼器智能化布置,结合减震设计原理和智能算法,采用双目标优化算法和生成对抗网络算法分别进行阻尼器竖向和水平智能布置研究,并将该方法应用到两个框架结构减震设计工程案例中。在框架结构减震设计中,采用双目标优化算法进行阻尼器竖向布置,并与逐层逼近法、工程师设计和非减震设计进行对比,结果表明,采用该优化算法得到的阻尼器竖向布置方案能有效降低层间位移角和楼层加速度,提高结构的抗震性能。在确定各楼层的阻尼器数量后,利用训练好的生成对抗网络生成模型,可快速、自动地选择和确定各楼层阻尼器的平面安装位置,生成的平面布置与工程师设计的平面布置在相似性差异度综合评价指标上小于临界值0.1,说明两者相似度较高,且有利于提高原结构的抗扭能力。将双目标优化算法与生成对抗网络相结合,不仅能满足框架结构的减震性能目标,而且可实现阻尼器布置方案的智能设计,提升减震工程设计效率。

大模型时代:知识的生成式“涌现”

随着计算能力的提高和数据的爆炸性增长,生成式大模型逐渐成为知识生产的核心力量,并深刻改变了人类知识的生产方式。本文系统探讨了从古典学术到现代信息科技的知识生产历程,将传统知识生产方式归纳为个体的知识涌现。与之相对应的大模型时代,知识生产方式则可称为生成式的知识涌现,从而造就了新的知识高原。大模型时代生成式知识涌现的机理,表现为知识结构和生成逻辑两方面的转变。虽然生成式大模型在文本生成、数据分析等领域设立了一种难以超越的“基线”,但人类在创造、批判思考和情感判断上的独特能力仍然不可或缺。结合人机协同的哲学和技术探索,本文为未来知识生产的新时代提供了一个全面而深入的视角,并在此基础上勾画人机协同共创知识高峰的路径。

基于供需理论的生成式人工智能赋能情报工作范式模型构建与应用研究

[目的/意义]当前生成式人工智能的发展对社会产生了强烈冲击。为响应国家创新发展的迫切需求,如何利用生成式人工智能更好地完成情报工作,以满足用户的情报需求,已成为当前情报学领域关注的热点问题。[方法/过程]基于供需理论提出从数据供给侧(Supply)、智慧情报分析中台(Analysis)、情报需求侧(Demand)三方构建生成式人工智能赋能情报工作范式模型——SAD范式模型,深入分析生成式人工智能赋能情报工作机理,并结合国际前沿项目案例探讨生成式人工智能与情报工作的前瞻性融合发展。[结果/结论]生成式人工智能赋能情报工作范式模型SAD,可以更好地促进生成式人工智能赋能情报工作的各个环节,提高情报工作效率,为情报工作范式研究提供了新思路。

基于门控卷积生成对抗网络的西汉漆箱纹饰图案数字化修复研究

中国历史上漆器以其精美的纹饰技法闻名于世,针对古代漆器表面破损严重、纹饰信息大面积缺失的彩绘漆箱修复难题,提出了一种门控卷积生成对抗网络(GC-GAN)的古代漆箱表面图案修复方法.该方法采用门控卷积结构改进生成对抗网络模型,以提升模型对于图像中有效像素的学习能力并解决不规则大面积图像区域的高分辨率修复问题.在此基础上,首先对漆箱图案中的畸变、破损和缺失部分进行掩膜处理,然后使用GC-GAN生成掩膜区域的图案.针对漆箱纹饰图案样本数量少的问题,借助迁移学习思想,将模型在CelebA、SVHN等多种公共数据集上学习到的知识迁移到漆箱纹饰上.最终实现了“西安凤栖原西汉家族墓地”M1墓室中出土的大型木胎彩绘漆箱表面纹饰的数字化虚拟修复.

人工智能生成内容的著作权客体性思考——兼论作品判定的独创性标准选择

以基于转换器的生成式预训练模型(GPT)为代表的高阶人工智能凭借其强大的智能型内容生成机制,使得内容产品生产中的技术占比不断上升,人的直接投入占比相对下降,传统著作权法作品的独创性要求、权利人本原则等基本理论受到冲击。面对人工智能生成内容(AIGC)可作品性问题,基于自然人智力投入的创造性本质理论和闭合性作品概念显得力不从心。在过程视角下(主观标准),人工智能内容生成过程符合人类创作的思维特征;在结果视角下(客观标准),人工智能生成内容具有著作权作品的外观形式和信息消费功能,符合著作权作品的本质属性。如果人为割裂人工智能生成内容与著作权作品在产生过程和实质作用上的同质关系,强行区分人工智能生成内容和自然人创作作品的法律性质,则有悖著作权法因应技术发展调整信息消费品利益的制度旨趣,最终将导致著作权法律秩序的混乱。

用户知识问答转移行为研究:从问答社区到生成式AI

[研究目的]作为一类新兴应用,生成式AI在知识问答领域吸引了众多用户,这可能导致传统的知识问答社区用户流失,因此研究用户转移行为对提高知识问答社区用户粘性来说至关重要。[研究方法]基于PPM(推-拉-锚)模型,整合认知和情感体验因素,研究了用户的知识问答转移行为。对收集的483份有效数据采用混合方法包括结构方程模型(SEM)和模糊集定性比较分析(fsQCA)进行分析。[研究结论]研究结果发现,转移意愿受推力因素(信息过载、社区倦怠)、拉力因素(感知拟人度、感知准确度、感知可信度、沉浸体验)和锚定因素(社会影响)的综合影响。fsQCA识别出了三条导致转移意愿的主要路径。研究结果启示问答社区需降低信息过载,缓解用户的社区倦怠,从而实现用户保持和平台可持续发展。

智能新闻业:生成式人工智能成为基础设施

生成式人工智能(GenAI)作为通用智媒时代的基础设施,正在快速变革新闻业。GenAI的典型应用ChatGPT在赋能新闻业,实现新闻素材检索的海量化、内容生成的智能化、新闻推荐的显性化、新闻反馈的人性化等方面发挥着重要作用。而且,ChatGPT的数据与模型缺陷也挑战着新闻价值及其专业性。因此,虚假信息生成,损害着新闻的真实性;数据更新缓慢,延误新闻的时效性;特定领域难以深耕,缺乏新闻的专业性;偏好与偏见共存,削弱新闻的客观性;AI茧房加剧,模糊新闻的公共性。人机协同新闻将成为智能新闻业的新范式,要求新闻工作者具备提问与评估能力,形成对GenAI的有效监督闭环。“CHAT”(careful、helpful、authentic、transparent)将作为新闻伦理调适的进路,实现人与技术、社会的良性互动。

论人工智能生成内容的可版权性:以用户的独创性表达为视角

AIGC既包含来自机器的选择,也包含来自人类用户的选择。当后者满足独创性表达要求时,AIGC便足以被认定为作品。在判断用户的独创性表达时,裁判者应当关心人贡献了什么,而不是工具贡献了什么;应当关心人贡献了什么,而不是人没有贡献什么;应当关心人贡献的实质,而非纠结于其形式。在以上原则的指导下,既有的作品构成要件规则足以支持相当一部分AIGC获得作品资格。AIGC的所谓“随机性”,只是发生在用户指定范围内的“随机”,并不妨碍用户控制达到著作权法的要求。作为文本的提示词,具有转化为包括视觉表达在内的其他类型表达的可能性。若以摄影为参照系,AI与传统工具的比较不仅不能导致对作品资格的否定,反而能够凸显“工具贡献大并不意味着人的贡献不足”。著作权法的“宽进宽出”结构提示我们,将用户做出独创性表达的AIGC纳入著作权法图式是在认知层面最为经济的利益平衡分析框架。考虑到独立创作例外和版权救济手段的灵活性,承认AIGC获得作品资格的可能性并不会过度妨碍公众自由。

生成式AI视域下智慧图书馆建设的关键路径

[目的/意义]智慧图书馆已经成为当今图书馆学界和业界最热门的主题之一。智慧图书馆建设的理论研究与实践工作已经取得了初步成效,生成式AI也在蓬勃发展的同时参与到各行各业的建设中。因此有必要立足当下发展,放眼远景目标,确定生成式AI参与智慧图书馆建设的策略。[方法/过程]本文从智慧图书馆空间升级、服务打造、业务重组、人才培养、体系建设5个方面阐明了生成式AI视域下智慧图书馆建设的关键路径。[结果/结论]关键路径研究将为生成式AI引入智慧图书馆下一阶段的建设工作提供借鉴与依据。

ChatGPT等生成式人工智能技术对产业转型升级的影响

ChatGPT等生成式人工智能技术引发了社会公众的广泛讨论,其不断迭代将对产业转型与升级产生深刻影响。生成式人工智能将传统产业引向数字化、智能化的发展方向,不仅会融入制造行业最大限度地实现自动化生产管理和监督,还会对法律咨询、养老服务、教育等服务行业产生部分人力资本替代。生成式人工智能进一步技术迭代甚至会对消费零售业、金融业、文本翻译、新闻传播行业等文本整合输出类工作具有完全替代作用。在此背景下,中国既面临着产业转型升级的重大机遇,又面临着关键核心技术封锁困境、就业结构调整、人伦等挑战。

基于对抗生成的轻量化红外图像增强网络

目前,红外成像技术在医学、安保、环境监测、军事探测等方面获得了广泛应用。然而,由于低成本红外成像设备的固有缺陷及大气环境对热辐射传导的影响,导致其采集的图像亮度较暗、细节模糊、对比度低,影响后续图像语义分析及目标检测识别等任务。传统基于模型的红外图像增强方法常需利用图像先验信息,模型参数与场景相关,模型泛化能力不强;基于深度学习的红外图像增强算法有助于增强红外图像质量,但结构冗余,不利于边缘端部署。生成对抗网络(GAN)可以通过判别器和生成器两个网络的轮流对抗训练显著提升红外图像增强效果,但网络训练参数量大,边缘端部署占用资源多,运算复杂度高。本文设计了一种基于对抗生成的轻量化红外图像增强网络,通过在GAN模型的基础上增加多层次特征融合结构并设计多尺度损失函数,提升了特征提取效率并减少了网络层数,在提升图像质量的同时提高了增强效率,利于算法的边缘端部署。实验表明,本文方法在同等参数量下,通过添加多层次特征融合结构和多尺度损失函数,兼顾了图像的全局和局部特征,保证了细节信息不丢失,在提高网络性能的前提下未明显增加计算复杂度;在红外图像增强效果相当的情况下,模型参数量降低75.0%,边缘端设备推断时间降低32.07%。

大学生生成式人工智能应用现状与思考——基于浙江大学的调查

本研究随机调查了1190位浙江大学本科生,通过描述统计、差异检验及事后多重比较等方法,分析大学生生成式人工智能的使用现状及影响因素。研究表明,约七成受访者表示熟悉生成式人工智能;三分之二的大学生使用生成式人工智能的时间在2022年12月-2023年6月间,四分之一的大学生开始使用生成式人工智能的时间是2023年7-11月;五分之一大学生表示会经常使用,七成大学生表示会偶尔使用;大学生使用最多的生成式人工智能工具是ChatGPT;使用最多的技术是文本生成技术;最常用的生成式人工智能功能包括文本生成和信息搜索;约六成大学生学过生成式人工智能的知识或技能;大学生使用生成式人工智能的四大典型场景(课程学习、科研活动、日常生活以及升学求职)中,科研活动是最常用生成式人工智能场景;性别、年级、专业大类等变量会不同程度影响大学生使用生成式人工智能;希望学校开设生成式人工智能相关课程/讲座是大学生提出最多的建议。基于调研结果,本研究从高教管理部门、公司机构、高校和教师等角度,提出未来高校使用生成式人工智能的建议,以期为生成式人工智能融入高等教育教学实践提供参考。

生成式人工智能对课堂教学的挑战与应对

以ChatGPT为代表的生成式人工智能,在形式、角色、过程等方面都表现出明显的优越性,但也存在对话的被动性、知识的不确定性、伦理的争议性、信息的安全性等局限,由此加剧了人们对智能技术应用于课堂教学活动中的问题担忧,主要表现为教学主体地位的混淆、学生道德规范的模糊、课堂教学方式的单一和考核评价难度的提升。为有效应对生成式人工智能对课堂教学带来的挑战,提出通过教师、学生和技术三者之间的角色转型和关系重构创设有温度的课堂教学空间,通过有目标的教育、有意义的学习和有智慧的课堂建构有深度的课堂教学环境,通过宏观、中观和微观(国家、社会和学校)执行有力度的课堂教学制度,以推动课堂教学高质量发展。

人工智能生成内容的著作权法之辩

根据输入指令与输出内容的比例关系,可将人工智能生成内容依次分为孪生内容、伴生内容和原生内容。人工智能生成内容主要涉及三个著作权法问题。一是机器阅读的法律性质问题,法定许可说能更好地兼顾著作权专有属性与公有属性,实现权利行使与限制的动态平衡。二是生成内容的可著作权性问题,需要结合内容类型并考虑输入指令的潜在影响。同比例复制的孪生内容不属于作品,差异化表达的伴生内容属于演绎作品,创造性表现的原生内容属于原创作品。三是生成内容的著作权归属问题,除另有协议外,需要结合内容类型并考虑所有者、使用者的贡献程度。孪生内容因不属于作品,无人享有著作权;所有者、使用者对伴生内容的形成均有重大贡献,基于概括合作行为与意识,所有者、使用者共同享有著作权;只有所有者对原生内容的形成具有重大贡献,所有者单独享有著作权。

人工智能生成内容(AIGC)的作品认定困境与可版权性标准构建

以ChatGPT为代表的新一代生成式人工智能的多元化应用,助推人工智能生成内容(AIGC)新业态的井喷式发展。AIGC在外观形式上已经高度趋同于人类创作的作品,但因受限于作品创作主体的逻辑,引发了AIGC“作品”认定的制度困境。从独创性、审美意义、价值宗旨、技术逻辑这四个要素出发,对AIGC的作品认定进行综合解析,不难发现AIGC已经具备可版权性的基础条件。因此,理应加快立法步伐,重构著作权法的作品类型制度,新设AIGC“作品”法定类型,以明确AIGC的著作权法保护路径,为AIGC的出版、发行以及市场交易等版权新业态提供制度规范与支撑。

基于生成式人工智能技术的对话机器人能促进在线协作学习绩效吗?

近年来,人工智能技术迅猛发展,对教育教学产生了巨大的冲击和影响,最引人注目的是基于生成式人工智能技术的对话机器人的兴起。为进一步提高在线协作学习绩效,研究旨在检验基于生成式人工智能技术的对话机器人对在线协作学习绩效、批判性思维意识及其知识激活量和贡献度的影响。研究邀请大学生参与在线协作学习,综合采用定量和定性相结合的研究方法,深度分析对话机器人的影响。研究结果表明,基于生成式人工智能技术的对话机器人不仅在其知识激活量、贡献度方面明显优于传统媒体,而且也能够显著提升在线协作学习绩效和批判性思维意识。文章深入分析和讨论了研究结果,并提出若干启示和建议。