生成式人工智能的风险特征及语义图像:基于网络社区讨论的计算文本分析

生成式人工智能在带来技术突破和效率提升的同时,也在公众视野内演变成了不可见的技术风险。研究立足于技术的风险语义图像视角,采用计算文本分析的方法,结合文本主题模型、词向量模型与语义共现网络,对网络社区(知乎)中的人工智能风险讨论进行分析。研究结果显示,公众对人工智能的风险感知围绕Chat GPT在信息传播中的短期风险和人工智能在人类社会中的长期风险。从风险特征维度看,公众风险感知呈现出个体化趋势,人工智能被视为一种自愿卷入的低危害风险,但在认知上引发了公众的不确定感,个体对风险类型的识别集中在国家安全风险和个体经济风险,呈现出宏观政治与微观个体利益相结合的认知框架。公众主要采取两类应对策略,分别是以知识为中心的自我学习策略和以行业发展为中心的共同应对策略,最终形成了技术调节、技术规制、生存适应、系统共振四种风险语义图像。

基于语义挖掘的快递运输货品风险评价研究

为提高快递运输的风险监测管控能力,降低因快递货品风险导致城市安全事件发生的可能性,本文基于语义挖掘方法将快递运输货品描述转化为风险的量化表征,为快递运输风险评价提供可量化的客观指标依据。基于网络大数据资源提供的法院判决书数据,将物品词条与判决结果相关联,通过隐狄利克雷分布模型挖掘物品风险主题,结合模糊均值聚类方法,实现对快递货品语义风险的量化表征与柔性划分。与传统方法中依赖检视人员查验既定违禁品清单后的主观判断方法不同,本文充分挖掘网络文本数据中的可迁移知识,并应用于种类繁多的快递运输货品,有效避免人工评价造成的漏检、错检情况。研究结果表明,本文方法具有较高的准确率与较低的误报率,获得的风险评价值不再是0或1的是非判断,有利于开展多样化、针对性的风险预警及应对措施。