第三章
生成式AI趋势下智能互联的新特点、新机制与新趋势

第一节 开启智能互联时代的里程碑

以ChatGPT为代表的生成式AIGC已成为开启智能互联时代的里程碑，日益贴合人类对通用人工智能的发展期待。ChatGPT作为生成型预训练聊天机器人，具备语言框架理解和文本生成能力，通过链接海量语料库训练大语言模型，具备高于人类平均水准的互动聊天能力，以及撰写邮件、策划案，翻译润色和编写代码等多种功能。以ChatGPT为代表的生成式AIGC并不仅是技术领域的重大突破，更是人工智能与人关系连接的重大突破，预示着智能互联时代的到来。对于人类用户而言，语言是人类发出命令/指示的易得中介，语言模型对人类语言的理解能力直接决定产品的易用程度，而计算机则通过语言模型分析人类指令，进而调用契合的自然语言处理下游任务。GPT的技术路径经历了从“微调”到“提示学习（prompt learning）”，再到“指示学习（instruct learning）”的过程， 逐渐提高计算机理解人类语言的能力，构建符合人类语言习惯的“通用语言模型”（见图3.1）。

于普罗大众而言，ChatGPT是人类身边最接近通用人工智能的产品，以大众可感知、可触达、可理解、可体验的方式推动生成式AIGC走入千家万户。2022年11月底，OpenAI公司发布ChatGPT聊天机器人。五天后，OpenAI创始人山姆·阿尔特曼（Sam Altman）宣布，ChatGPT用户规模突破100万。相较于Tiktok月活破亿的时间记录，ChatGPT仅耗时两个月，成为最快实现月活破亿的现象级产品（见图3.2）。2023年2月，微软宣布推出基于ChatGPT模型的必应（Bing）搜索引擎和Edge浏览器。以ChatGPT为代表的生成式AIGC的滥觞，反映出AI触达用户的方式已发生颠覆性改变，大模型所蕴含的超能力成功破圈，促进社会实现数字化和智能化加持下的重大启蒙。

第二节 智能互联时代的新特点

社会要素的重构

媒介技术迭代驱动社会要素重构，新技术赋能新媒介构建新连接、新标准、新尺度。 智能互联时代社会要素重构，人作为主体的关系构建经历了从外部关系“场景”构建到内部关系“价值”构造的嬗变。从PC互联到移动互联过程中，场景成为互联构造的关键。

Web 1.0时代，媒介权力集中于平台，以新浪、搜狐等为代表的网络平台，于PC端为用户提供内容服务，彰显出强烈的中心化趋势。PC互联阶段，平台与用户的关系是单向且静止的，缺乏互动性。该阶段的本质是所“见”即所得，用户被动接受平台的信息投放。

Web 2.0时代，媒介权力下放，去中心化进程开始，平台与用户之间实现信息的双向流通，该阶段的本质是所“荐”即所得。伴随社交媒体、基于位置的服务、移动通信设备的进步，移动互联时代应运而生，“场景”在新时代被赋予新的价值，进一步实现社会全要素意义上的“任何人在任何时间任何地点做任何事”。 场景的核心要素是移动设备、社交媒体、数据、传感器和定位系统， 移动互联阶段则是基于特定场景下的个性化传播，互联网平台依托移动设备等核心要素收集用户行为数据，整合用户行动轨迹、行动体征等信息，进而构建基于人类现实空间的主体外部关系“场景”。当用户离开生活场景时，定位系统识别个体空间位置发生移动，结合天气、交通状况等外部变量提醒用户，进而识别行动轨迹和行动体征预测用户行为目的，通过算法推送餐饮、娱乐信息，为用户提供外部关系层面的要素整合。

从移动互联到智能互联过程中，价值构造成为互联网新发展阶段的起点。Web 3.0时代，依托5G、人工智能技术进步，去中心化达到一定阶段，在Web 2.0的基础上，赋能微粒化个体实现价值的均衡分配与认同。该阶段的本质是所“建”即所得。智能互联阶段，用户与平台平等存在、和平共处，以ChatGPT为例的生成式AIGC无法脱离平台与用户共建的关联。ChatGPT依托海量语料库训练模型，具备海量知识与高于人类平均水平的文本生成能力。人机回圈（HITL）路径下，ChatGPT运用基于人类反馈的强化学习技术协调文本与人（常识、认知、价值）的关系，进而生成满足人类价值需要的文本内容。从Web 1.0到Web 3.0的技术迭代驱动人类从PC互联到移动互联再到智能互联，实现互联网从连接“信息”到连接“价值”的转变，实现了真正意义上的社会要素重构。

关系规则的重构

智联互联时代，人工智能的技术发展阶段经历从专门化人工智能到通用化人工智能的革新，ChatGPT是专门化人工智能向通用化人工智能发展的进阶形态，目前人类仍处于towards AGI阶段。AGI将重塑关系规则，以无界的形态融入人类生活实践等多个领域。专门化人工智能阶段，技术仅能满足专项功能，如图像识别技术无法识别语音，听歌识曲技术无法判断视频来源。DeepMind公司基于深度学习研发的AlphaGo成为世界上第一个击败人类职业围棋选手的人工智能机器人。这预示专门化人工智能在特定领域可能具备超越人类的心智能力。在通用化人工智能阶段，技术具备通用任务解决能力和持续自主学习能力，在认知、决策等多方面达到类人脑的智能特征。

语言文字是人类社交互动的关键中介，而ChatGPT在全世界快速扩散的关键正是其系列模型具备理解人类语言和运用人类语言的能力：接收自然语言指令，输出自然语言内容，以人类熟知的方式满足人类实践活动需求。ChatGPT是通用化人工智能的前置形态，一改以往人工智能有圈层、有限度的状态，呈现出极高的自由度和无界感，具备活动策划、提取摘要、翻译润色、撰写代码等多种功能，以春风化雨的方式融入公关、学术、翻译、程序编码等多种社会实践活动，乃至人类实践活动的边界。

ChatGPT以深度学习和基于人类反馈的强化学习增强文本的“以人为本”内涵和关系属性，提升文本表达的结构价值。ChatGPT作为生成式AIGC，通过海量数据库训练模型，其文本生成模式是以结构化的形式呈现，而非文字材料的简单堆砌，而且这种结构与人类的语义表达愈发接近。ChatGPT的文本生成是数据库投喂和人类反馈的共同产物，蕴含丰富的关系价值和“人本”内涵。一方面，ChatGPT是基于8000亿个单词的语料库（或45TB的文本数据）进行训练，包含1750亿个参数。基于大量蕴含人类思想与关系的语料库，ChatGPT突破了传统人工智能缺乏情感因素的局限，逐步学会人类的话语结构、思考模式、价值理念，整合关系与情感因素；另一方面，ChatGPT引入基于人类反馈的强化学习，利用人类偏好作为奖励信号微调模型，使得文本生成与人类价值、理念、需求相一致，使得命令驱动转换为意图驱动。 不同于传统搜索引擎的模糊检索，它结合关系变量，处理它与人的关系、与场景的关系、与价值的关系，进而提供精准检索结果。由此可见，ChatGPT的突破预示着通用化人工智能呈现“讨好型人格”倾向，以人类需求和价值为标准，逐渐具备关系认同与情感共鸣的能力。

现实场景的重构

继互联网、移动终端之后，ChatGPT成为第三次重构现实世界的革命性产品，协助人类进行思考、创作、翻译等实践活动，改变人类认知思维模式。ChatGPT重构语义世界，进而重构语义外世界，最终实现现实场景的价值重构。在2023年的世界经济论坛上，微软CEO萨蒂亚·纳德拉（Satya Nadella）认为以ChatGPT为代表的生成式AIGC将彻底改变我们的工作方式。“也许这次对于知识型工作者来说，完全等于工业革命。” 正如纳德拉而言，一场智能化工业革命正在孕育，ChatGPT正在以指数爆炸式的速度整合自然语言处理算法，重构语义世界和语义外世界的价值构成（见图3.3）。

智能革命重构语义世界，即影响语义输入世界和语义输出世界。一方面，带有明确命令的内容成为语义输入的有“效”指令；另一方面，人工智能生成文本成为语义输出的有“质”文本。ChatGPT“飞入寻常百姓家”的根本原因是人工智能与人的隔阂被打破。以往人工智能的所有权与使用权集中于科技寡头公司，如今，所有用户仅需注册账户即可使用生成式AIGC，满足个体生活、工作等实践需求。ChatGPT和基于ChatGPT的必应搜索引擎采取对话聊天的方式影响人类的语义输入方式，以富有工具指令与逻辑感的语言引导ChatGPT生成符合人类需求的文本。此类生成文本本质上属于技术人造物的造物，在可预见的未来，此类文本将充斥语义输出世界，颠覆传统UGC、OGC、PGC、MGC的语义输出源头，而AIGC凭借其高效率、多模态、高质量的内容生成特点重构语义输出世界，未来“原创作者”的概念将迎来新的定义。

智能革命重构语义外世界，即通过语义世界影响与其相关的实践领域，进而重构语义外世界，最终实现现实场景的价值重构。科技与生产力的进步推动社会发展颗粒度愈发细化，基于生产和生活需要的实践领域与产业愈发多元，生成式AIGC作为人类的智能管家，通过预训练模式以最低成本预测性表示数据，以期满足人类在社交、编程、翻译、润色、创作等方面的多元需求，释放社会生产力，重构社会生产中的劳动关系与劳动分配关系，推动生产关系范式变革。此外，ChatGPT将推动商业模式与产业的转型升级，催生更多应用场景。 生成式AIGC为产业数字化和数字产业化提供抓手，助力中国经济提质增效。在无人驾驶领域，ChatGPT具备成为智能大脑的潜质，高效分析路况，合理控制车距，提高行车安全保障；在智慧城市领域，ChatGPT有望成为城市智慧中枢，通过交通摄像头等传感器数据化模拟智能城市，高效分析车流、人流数据，实时调整交通路况，构建智慧城市。未来“ChatGPT+”将催生更多应用场景，推动ChatGPT底层化，根据行业和场景需求调整产品模型，最终实现现实场景的价值重构。

第三节 智能互联时代的新机制

信息分发模式变更

人类历史上的信息分发模式经历了三种主流模式，从“媒体型分发”到“关系型分发”再到“算法型分发”。 技术路径的变轨促进信息分发模式从传统算法驱动下“信息的全域分发”到预训练模型驱动下“信息的预表与调用”。移动互联时代，信息的全域分发机制经历了从全时、全地、全员的“广撒网”式推荐到基于用户画像的精准推送。“广撒网”式推荐机制类似媒体型分发，信息分发权力集中于平台，用户处于被动接受状态，平台忽视用户个性需求、场景需求、价值需求。算法依据用户日常行为数据与浏览记录，构建用户画像，进而精准推送目标信息。算法具备超脱社交关系的资源整合能力，能够适配长尾信息与利基受众。但是算法对于大众而言仍处于“黑箱”状态，算法推送机制能否满足用户价值需求和实践需求将成为新问题。推特CEO马斯克对于推特信息推送算法提出疑问，要求工程师将其曝光优先级提升1000倍。推特公司CEO尚且不满，普通用户对于算法黑箱问题更加束手无策。

智能互联时代，ChatGPT信息分发模式的独特之处是预测性地表示与调用信息，进一步基于用户反馈生成符合用户价值需要的信息。预训练模型和基于人类反馈的强化学习一定程度上打开了算法黑箱，RLHF范式引入人类反馈因素，基于海量数据搭建预训练模型，聚合问答数据训练奖励模型，运用强化学习方式微调语言模型，形成“归纳、训练-推理、预测-调用、表示”的信息生成与分发新模式。ChatGPT对于信息的预表和调用本质上是“概率游戏”，其核心任务是对已有文本生成“合理延续”，即结合前期归纳的信息数据，推理预测后续可能出现的信息，调用信息来源生成文本，完成这场“概率游戏”。面临用户纷繁复杂的需求，ChatGPT在进行“概率游戏”时难免遇到认知边界。GPT-3以前的语言模型多采用微调（fine-tuning）方法完成特定任务。GPT-3突破性地采小样本（few shots）的任务示例简化微调过程，提高模型生产效率，降低计算成本。基于GPT-3.5的ChatGPT进一步结合人类反馈提升小样本下文本生成的准确性与效率。指令学习与人类相互协调，提升ChatGPT模型“知道知道”和“知道不知道”的能力，以及减少“不知道知道”和“不知道不知道”的限制，在面对认知边界时，借助预训练模型逐步思考，让模型回答其不知道的问题。 人类价值需求与技术路径始终存在耦合关系，面对颗粒度愈发细化的社会和自由度边界被打破的微粒化个体，技术路径持续变轨以适应用户需求，而算法型分发模式在预训练模型下实现信息的预测性表示与调用。

认知范式更迭

智能互联时代，人类有限的认知资源愈发珍贵，影响微粒化个体认知沟通和行为选择的因素从“非理性因素”转变为“理性逻辑”。心理学家卡尼曼（Dainel Kahneman）认为人脑具备快与慢两种决策模式：一种是基于无意识系统的“快决策”，即依赖情感、记忆和经验迅速做出的决策；另一种是基于有意识系统的“慢决策”，即调动结构化认知进行分析和判断后做出的决策。

在非理性因素驱动下，情感与情绪的作用日益凸显，后真相现象频发，用户在不采用辅助决策工具时倾向于采取以“捷思”（mental shortcuts）为代表的快决策模式。后真相时期，人类面对纷繁复杂、真假难辨的网络信息，普遍调用以情感、经验为直觉的非理性说服路径，消解长程记忆，因此短程记忆逐步占据认知机制的主导地位，形成感性至上的价值偏向，以非理性、感性、情感、经验为特征的价值观和认知决策模式深刻影响微粒化个体。

智能互联时代，以ChatGPT为代表的生成式AIGC将成为人类的智能管家，具备信息收集、信息整理、辅助认知、模拟决策等功能。生成式AIGC作为辅助决策工具，一方面可以帮助用户进行简单性、重复性决策，另一方面收集整理信息，辅助用户进行认知决策。生成式AIGC的辅助决策功能有效缓解用户认知资源有限性的矛盾，从语义沟通和认知决策两个阶段驯化用户。在语义沟通层面，ChatGPT和基于ChatGPT的必应搜索引擎采取对话聊天的方式影响人类的语义输入与机器的语义输出。ChatGPT和必应搜索引擎可以有效识别富含工具指令与逻辑感的语义指令，进而生成符合人类需要的文本。机器输出的AIGC内容具备结构清晰、用词精准、来源可信等特征，采取摘要先行，辅之并列和递进结构提升文本清晰度，统一主谓、动宾、偏正等语法结构，多角度配合案例提升文本可信度。相较于ChatGPT，必应搜索引擎增加了详细信息来源，以提升文本可信度，有效遏制后真相现象。语义输入和输出的“理性逻辑”特征将反向驯化用户，影响用户的底层认知模式。在认知决策层面，以ChatGPT为代表的生成式AIGC兴起前，AI产品以分析式AI为主，主要通过分析预测功能，辅助人们预测现象，提升决策效率，经济学家一般将其称为“预测机器”。 ChatGPT突破分析式AI的功能限制，通过数据整合生成文本信息，减轻用户认知压力，辅助用户深入分析和行为决策。生成式AIGC的诞生消弭“非理性因素”的影响，强化“理性逻辑”的价值，驱动用户认知范式革新，形成理性化、逻辑化的认知决策模式，实现从“快决策”到“慢决策”的转变。

人机关系演进

人类自诞生便不断认识自然、适应自然、改造自然，人与自然的关系不断耦合，当人类发现改造自然的能力受限时，机器应运而生，人与机器的关系在四次工业革命中经历了“机器是人的延伸”到“人是机器的延伸”再到“人机协作与互构”的演化。工业1.0到工业2.0是机械革命，运用蒸汽机和电动机延伸人体四肢，获得了以机械机器延伸人体的能力；工业3.0到工业4.0是智能信息革命，利用智能机器延伸人体大脑，获得了以智能机器延伸人体的智力。

机械革命时期，伴随人的“异化”，人机关系经历从“机器是人的延伸”到“人是机器的延伸”。蒸汽机、纺车、油轮、火车等机器延伸了人体的四肢，使得天堑变通途。《摩登时代》这部电影反映了机器化大生产下人的异化现象，卓别林扮演的工人查理为了提高生产效率不断加快工作速度，工人仿佛成为庞大机器上的一颗螺丝，人逐渐成为机器的延伸。人的异化现象并没有因为技术进步而消弭，“码农”“金融民工”等词汇投射出人的异化、劳动的异化、机器的异化。

在智能信息革命下，机器进一步替代人的体力，乃至替代人的智力。 以ChatGPT为代表的生成式AIGC证实了机器具备替代人类智力的潜力。据已知资料，基于GPT-3.5的ChatGPT拥有1750亿参数，GPT-4则是拥有超过100万亿级参数的大模型。神经网络模型的学习能力与模型的参数规模成正相关，人类大脑皮层的突触总数超过100万亿个，每一级神经元都通过突触传递电信号。GPT-4的参数规模与人脑类似，意味着其参数规模将达到与人脑神经突触同等量级，几乎具备人类思维能力。 但这并不意味着，机器将取代人，过度开发和部署人工智能将陷入“图灵陷阱”。 人工智能的发展离不开人，正是人类大量重复性的工作帮助机器实现智能。以机器学习为例，机器学习的大量数据需要人工标注，通过“监督学习”（supervised learning）方式，学习输入映射到输出的函数，依次推测新的实例。有言道：“人工智能离不开人，有多少人工就有多少智能。”

当机器逐渐成为人的替代品，普通人将愈发依赖技术控制者。人与机器的关系应该呈现协作与互构状态，只有当人工智能是增强人而非取代人时，人与机器才能和谐共生，智能互联社会才能实现有序发展。从机械化到智能化的历史发展预示，未来伴随机器学习、神经网络等技术突破，弱人工智能将实现强人工智能的跨越，以ChatGPT为代表的生成式AIGC将具备延伸人类智力、增强人类智力的能力，形成“人机协作与互构”的新关系。

第四节 智能互联时代的新趋势

激活自指能力

道家倡导的“无”是自指（self reference）的体现，也是最简单的一字悖论。成书于20世纪70年代的《哥德尔、艾舍尔、巴赫：集异璧之大成》，融合作者对逻辑学、计算机科学、心理学、认知科学等多学科的展望，其中仍有许多问题悬而未决。开篇以音乐怪圈为例，当我们进入系统（音乐旋律）中的部分层次时，会意外发现回到最初的原点，而后以绘画、哲学和遗传学中的怪圈为例，阐释自指悖论。自指包括否定性自指和肯定性自指，否定性自指通常催生自指悖论，导致图灵停机问题。数学发展至今，否定性自指具备的自我毁灭性否定了一系列研究成果。19世纪，康托尔将对角线删除法用于集合论，证明实数多于自然数；罗素通过罗素悖论否定了弗雷格将数学归结为纯逻辑的观点；哥德尔通过提出不完全性定理否定了希尔伯特提出的公理体系，也由此破解图灵停机问题。现代逻辑学家将所有逻辑悖论称为对角线悖论，包括理发师悖论、罗素悖论、哥德尔不完全性定理等。

不同于否定性自指的破坏性作用，肯定性自指发挥了建构性作用，逻辑斯蒂方程、DNA转录和自复制程序便是明证。通过引入时间和生长因素，肯定性自指能够成为描述生命发展和世界演变的底层逻辑。 沃森和克里克在物质层面发现的DNA双螺旋结构与自复制程序，冯·诺依曼从逻辑层面思考生命自复制的缘由。 虽然冯·诺依曼仅提出自复制自动机的构想，自指恰恰回应了该问题，这种自指特指肯定性自指（或建构性自指）。哲学家蒯恩创造的Quine结构使得人们可以不通过“我”等自指词语创造谈论自我的句式。例如，把“X”中的第一个字放到左引号前面，其他字放到右引号后面，并保持引号及其中的字不变，得到的句子是假的。

延伸至计算机科学领域，Quine结构下的语言技术是机器自复制的逻辑基础，机器可以通过Quine结构撰写代码实现约翰·冯·诺依曼（John von Neumann）在《自复制自动机理论》中构想的自复制自动机。据此，不难发现自复制自动机的逻辑与Quine结构逻辑构造相同，自指内蕴其中。通过改写自复制自动机程序实现机器的自我复制，摒除自指对智能伦理问题的影响，自指对构建通用人工智能起到积极作用。 人工智能技术的智能是模拟人类意识，通过神经网络模型模仿大脑的运作机制，进而模拟心智，最终实现意识的激活与进化。智能互联时代，ChatGPT向通用意识机器进化的关键是自指能力的激活， 而Quine结构赋能机器意识进化和自我觉醒。

孕育可对话社会

以ChatGPT为代表的生成式AIGC以对话机器人的形式内嵌，“ChatGPT+”范式则赋能社会要素调整与社会结构重塑，孕育可对话社会。可对话社会是由“ChatGPT+”范式激活的新型形态，是数字沟通发展到新阶段的产物，以生成式AIGC为中介实现个体、产业、社会等全要素的调用与转型，由此成为驱动社会生成、社会发展的底层逻辑。ChatGPT作为一种自创生系统，激活可对话个体，孕育可对话社会，通过实现个体、技术机器、社会的深度融合，呈现复杂社会系统的“共创生”状态。 “ChatGPT+”范式提升了可对话社会和可对话个体的数字沟通力，以ChatGPT为媒介实现感知、连接、耦合、转换等社会功能，促进个体与个体、个体与社会的智能互联。

在智能互联时代，以ChatGPT为代表的生成式AIGC赋能大众跨越“能力沟”，降低内容生产与社会表达的门槛，突破社会资源调用与整合的能力局限，孕育出可对话个体，即结合AI生成文本实现超越社会平均水平的社会性内容生产与传播对话。可对话个体是传播权力深度下沉的必然结果，构成可对话社会的基本要素。可对话社会的孕育与可对话个体的激活离不开以ChatGPT为代表的生成式AIGC，而智能互联时代的“新三驾马车”（算法、算力、数据）驱动人工智能发展与社会的转型升级。

在算法层面，构造传播的核心逻辑进一步算法化，以进一步影响可对话社会与可对话个体。推送精准、内容全面、可信可靠的智能算法将取代人们对传统专业经验的倚重与信赖。基于RLHF范式，可对话个体与算法相互驯化，提升社会智能化水平，进而构成未来数字文明社会的网络入口与操作系统。 算法以无形之手融入社会生产与实践领域，变更信息分发模式，实现信息的预测性表示与调用，更迭可对话个体的认知范式。

在算力层面，生成式AIGC的计算基础设施包含高性能计算机硬件、分布式计算框架、存储设备和通信设备等。传统摩尔定律意指处理器性能大约每两年翻一倍，价格降一半。如今，拥有GPU和TPU加速器的高性能计算机大量铺设，用于AI训练的算力每6个月翻一番，形成新摩尔效应。 已知数据显示，以GPT-3为代表的大模型内含1750亿个参数，其算力高达3650 PFLOPS-days，训练成本约140万美元；自2020年5月GPT-3模型发布以来，与GPT-3性能相当的模型训练和推理成本已下降超80%。美国科技研究机构集邦咨询认为，训练GPT-3.5模型需要的GPU芯片数量高达2万枚，未来GPT大模型商业化所需的GPU芯片数量或将超过3万枚。OpenAI的CEO认为未来100年基于芯片算力的技术进步将远超传统技术进步。用于AI的芯片突破传统摩尔定律的限制，创造出新摩尔速度，而可对话社会在硬件的加速堆叠下促进社会要素的重组与社会智能化水平的进一步提升。

数据层面，可对话社会的发展与完善需要大量数据支撑，来自Common Crawl的大量语料是ChatGPT模型训练的基础。面对人类纷繁复杂的命令指示，预训练数据集的去重与多样性是提升系统智能化水平的关键：一方面，去重有助于提升模型泛化能力，即通过聊天对话形式回答用户多样化的问题；另一方面，数据的领域多样性、格式多样性和语言多样性赋能ChatGPT满足所有人处于任何时间、任何地点的所有需求。从数据产业链角度看，数据采集、数据存储、数据加工、数据流通、数据分析和数据应用均对技术和资本提出新要求。数据质量与数据多样性将成为可对话社会生成和发展的基石。

驱动生成式AIGC发展的“三驾马车”进一步提升人类社会对技术和资本的需求。以传媒业为例，生成式AIGC将驱动传媒业从劳动密集型产业逐步转变为技术密集型和资本密集型产业。智能互联时代，“ChatGPT+”范式赋能智能媒体提升信息采集、编辑、分发等流程的效率。 基于大语言模型的生成式AIGC将成为未来传播的基础设施，占领未来传播的技术高地。智能互联时代，“ChatGPT+个人”构成可对话个体，具备调用社会平均水准之上的语义表达与沟通能力；“ChatGPT+社会”构成可对话社会。推而广之，技术与资本的迫切需求必然推动社会的产业转型，最终实现智能互联时代“新三驾马车”下的社会要素调整与社会结构重塑。

构建负责任AI

智能互联时代，人工智能的模型安全是亟须关注的问题。人工智能是基于大量人工和大数据的智能，数据质量直接影响训练模型质量。生成式AIGC的社会化落地，本质上是技术逻辑与社会选择的耦合，选择高质量、多样化的语料库与构建训练模型的价值逻辑，使得人工智能内含“以人为本”的核心思想。人工智能并不是万能的，当面临算力不足、算法无解和数据缺失的领域应当提前设置应急预案；当人工智能跨越“阿西莫夫机器人三定律”等人机伦理界限时， “以人为本”标尺下的公平建模和构建负责任的人工智能将成为解决算法失灵和干预算法脱轨的有效手段。

“以人为本”标尺下的公平建模需要结合种族、性别、国籍、年龄、健康等多种因素，以避免数据算法交互过程中的行为偏差、表示偏差、内容偏差、连接偏差，解决历史偏差、群体偏差、时间偏差，实现忽略敏感属性。机会均等的公平建模，通过统计办法、个体办法和因果办法衡量公平体系，在建模过程中确保模型的公平内核。面对人工智能伦理、算法歧视、算法正确性等人工智能安全问题，提升算法可解释性，进而构建负责任的AI，这成为人工智能发展的必然选择。人工智能对于大众而言是使用工具，人们并不了解算法的工作原理，黑箱算法缺乏透明性和可解释性，难以分析和验证，因此可解释性人工智能（XAI）愈发珍贵。算法的可解释性指人工智能从“黑箱”变成“白箱”，换言之，当人们需要了解一件事情时，能获取足够的可以被理解的信息。提升人工智能可解释性需要从模型建立的前中后期着手：建模前的可解释性分析、构建本身具备可解释性的模型、针对模型进行可解释性评估。可解释性人工智能的发展有效解决算法脱轨、算法失灵现象，实现“以人为本”标尺下的公平建模。

基于图像的技术往往缺乏公平性和“以人为本”的内核，当人们使用Google搜索人类图像时，有色人种经常感觉被忽视和误导。针对算法反映的人种不公平现象，Google与哈佛大学教授埃利斯·蒙克（Ellis Monk）合作推出蒙克肤色（MST）量表，将MST量表内嵌入Google产品，改善图像搜索和谷歌照片过滤器中的肤色表现，构建负责任的人工智能。也有研究者结合ChatGPT对“政治指南针测试”（political compass）62个陈述/主张的反馈，分析ChatGPT的政治、经济、社会、文化价值及政治取态。研究发现，ChatGPT在西方政治光谱里属于经济左翼和政治左翼，即美国人口中的自由派（liberals）。 ChatGPT具备一定的政治倾向，这离不开AI深度学习和模型训练方式，尤其是语料库的倾向以直接或间接的方式影响生成式AIGC的学习与训练。智能互联时代，建立“以人为本”标尺下的公平模型和构建负责任的人工智能将进一步推动人工智能的可续发展。

小结

以ChatGPT为代表的生成式AIGC开启了智能互联时代，从PC互联到移动互联再到智能互联，价值构造成为互联网新发展阶段的关键。ChatGPT赋予大众跨越“能力沟”的限制，使其可以调用高于社会平均水平的语义表达进行社会沟通，实现传播权力的进一步下沉。“ChatGPT+”范式促进社会全要素的价值重构，孕育智能互联时代的新特点、新机制和新趋势。

智能互联时代的新特点：从Web 1.0到Web 3.0的技术迭代驱动主体外部关系“场景”构建到主体内部关系“价值”构造；从专门化人工智能到通用化人工智能的无界融入与“以人为本”关系要素的注入；智能革命下从语义世界到语义外世界的价值重构。

智能互联时代的新机制：从“信息的全域分发”到“信息的预表与调用”；从“非理性因素”到“理性逻辑”对微粒化个体的驯化；避免图灵陷阱，从“机器是人的延伸”到“人是机器的延伸”再到“人机协作与互构”。

智能互联时代的新趋势：Quine结构赋能机器意识进化与自我觉醒；“新三驾马车”赋能社会要素调整与社会结构重塑；算法脱轨的干预机制与“以人为本”标尺下的公平建模。

智能互联时代的新特点、新机制、新趋势将进一步提升人类社会的智能化水平，为人类智能生存提供指引。 Ii+nGWCMyUukSDjKW8YG0VfdRBwY5eD//t8vpMNH3RLXYtEVv1IRdsTax2E3KGdA