蔡津津

（新華社媒體融合生產(chǎn)與技術(shù)系統(tǒng)國家重點實驗室，北京 100000）

導語

隨著萬物互聯(lián)的新一代信息技術(shù)飛速發(fā)展，數(shù)字世界與現(xiàn)實世界的融合不斷加深，大規(guī)模數(shù)據(jù)與算力共同推動的人工智能技術(shù)跨越式發(fā)展，全球科研團隊都在致力于讓人工智能具備人類理解、思考、邏輯推理和輸出內(nèi)容的能力。從而大幅降低人類操作數(shù)字世界來改造現(xiàn)實世界的成本和門檻，而其中人類語言（又稱自然語言）具有歧義性、抽象性、無窮的語義組合性和持續(xù)進化性等特點，并且理解語言往往需要具有一定的知識推理和認知能力，因此自然語言處理領(lǐng)域是人工智能技術(shù)突破的關(guān)鍵難點，是制約人工智能取得更大躍升和更廣泛應用的瓶頸之一，又被譽為“人工智能皇冠上的明珠”。[1]自2022 年年底，生成式人工智能（AIGC）技術(shù)的爆發(fā)式增長已突破了這一障礙，并讓全球新聞輿論格局首先面臨顛覆式的改變。

1. ChatGPT 開啟生成式人工智能（AIGC）時代

美國OpenAI 公司從2018 年起開始專注于GPT 系列大規(guī)模生成式預訓練語言模型的技術(shù)路線，在“大規(guī)模數(shù)據(jù)+大規(guī)模算力+大規(guī)模參數(shù)=大模型”基礎(chǔ)上探索出了“基礎(chǔ)大模型+指令微調(diào)”的人工智能新范式[2]，突破了人工智能理解、處理和生成自然語言的瓶頸。基于大規(guī)模預訓練語言模型，GPT-4 的應用ChatGPT，可以通過與人類進行多輪對話的方式，識別人類意圖和隱喻、理解對話上下文、進行邏輯思考和推理、生成內(nèi)容完整清晰合理的回答、優(yōu)化內(nèi)容中的知識點和措辭風格，并可以進一步通過接口對接集成到各類應用程序中，擴展執(zhí)行多類任務，涌現(xiàn)出了不同以往的智能水平，展現(xiàn)了如下能力。

（1）具備通用知識水平，并能向不同專業(yè)領(lǐng)域擴充和掌握知識。通過增加專業(yè)領(lǐng)域的訓練數(shù)據(jù)和多個領(lǐng)域?qū)＜掖竽Ｐ椭g的配合，擴展解決多種復雜問題。

（2）具備聯(lián)想和創(chuàng)作能力。創(chuàng)造隱喻并挖掘事物之間的關(guān)聯(lián)，甚至可以理解幽默和生成段子、詩歌與小說。

（3）具備思維鏈推理能力?？梢宰孕袑⑿枰壿嬐评淼膹碗s問題拆解成步驟，逐步給出解答過程和答案。

（4）具備抽取和總結(jié)知識與主要觀點的能力?？梢詫㈤L文章中的內(nèi)容、摘要、大綱、知識點抽取生成出來。

（5）具備根據(jù)需求自動生成和檢查程序代碼的能力?？梢愿鶕?jù)設(shè)計圖和需求描述生成可以執(zhí)行的程序代碼。

微軟發(fā)表的論文稱對 GPT-4 進行了全面評測，認為“鑒于 GPT-4 能力的廣度和深度，它應該被合理視作一個通用人工智能（AGI）系統(tǒng)的早期（但仍不完整）版本”。[3]GPT-4 及其應用ChatGPT 標志著人工智能從感知理解世界進入到了生成創(chuàng)造世界的新階段。

2.高質(zhì)量訓練數(shù)據(jù)集是AIGC 的關(guān)鍵

從GPT-1 到GPT-4 的大模型進化過程中，除了算力基礎(chǔ)設(shè)施外，高質(zhì)量大規(guī)模數(shù)據(jù)集是決定大模型能力的關(guān)鍵因素，根據(jù)OpenAI 前期論文和博客介紹，ChatGPT 中數(shù)據(jù)集的規(guī)模和構(gòu)建質(zhì)量均高于以往的人工標注數(shù)據(jù)集[4]，ChatGPT 大模型采用的 Transformer架構(gòu)解碼預訓練模型的原理本質(zhì)上是通過數(shù)據(jù)集語料中字詞出現(xiàn)的概率和關(guān)聯(lián)關(guān)系來抽取特征，在已有字詞后面預測補充最有可能出現(xiàn)的字詞來實現(xiàn)語言理解和生成的，因此訓練數(shù)據(jù)集的收集、清洗和特定標注異常重要。

首先，GPT-4 的基礎(chǔ)預訓練是在大量無標注、但需要質(zhì)量高、重復率少、噪聲小、知識密度高、規(guī)范化程度高的大規(guī)模數(shù)據(jù)集上進行自監(jiān)督訓練來完成的，保證大模型具備正確的語言理解和生成能力，訓練數(shù)據(jù)集包括13 萬億token（單詞或字符）的語料，涵蓋全球互聯(lián)網(wǎng)中主要以西方發(fā)達國家平臺為主的數(shù)據(jù)源，如：維基百科、電子書籍、科學期刊、reddit 社交媒體點贊數(shù)多的評論數(shù)據(jù)集、commonCrawl 網(wǎng)頁數(shù)據(jù)集等。

其次，ChatGPT 的大規(guī)模預訓練語言模型GPT-4還通過大量來自GitHub 的開源程序代碼數(shù)據(jù)集、代碼注釋數(shù)據(jù)約4.5TB，這部分面向具體問題和需求、有結(jié)構(gòu)化分解和實現(xiàn)步驟注釋的代碼數(shù)據(jù)讓GPT-4 擁有了思維鏈（COT）能力和部分邏輯推理能力。

最后，GPT-4 基礎(chǔ)預訓練模型還需經(jīng)過人工調(diào)優(yōu)以及用帶有人工標注的數(shù)據(jù)集進行有效的監(jiān)督訓練，一方面適應不同專業(yè)領(lǐng)域的問題，正確理解任務需求，生成更準確合理的內(nèi)容，一方面實現(xiàn)與人類意圖對齊，即判別人類惡意指令、按照人類指令盡可能生成無負面影響結(jié)果的內(nèi)容。這類數(shù)據(jù)集分為兩大類：一類是提示學習和指令精調(diào)數(shù)據(jù)集，主要有一系列問答對，提示指令、問題集及對應的相關(guān)內(nèi)容文本語料構(gòu)成；一類是用于進行RHLF（人類反饋強化學習）的數(shù)據(jù)集，請專家對大模型按照指令給出的答案和內(nèi)容進行打分，標注人類偏好標簽，通過獎勵模型訓練，讓算法擬合人類的期望和傾向，減少有害內(nèi)容，優(yōu)化大模型的參數(shù)策略。[5]

從上述預訓練語言模型的訓練原理可以看出，大規(guī)模數(shù)據(jù)集讓AIGC 大模型掌握了人類公開在互聯(lián)網(wǎng)上的大量知識和原創(chuàng)內(nèi)容，賦予了人工智能類人類的對話交互能力、知識體系和思考分析過程，而ChatGPT 通過這樣的自然語言入口，依托大模型快速構(gòu)建起了應用生態(tài)，一是以ChatGPT 接口能力，在教育、傳媒、商務、客服、辦公、內(nèi)容出版等領(lǐng)域成為人類進行內(nèi)容創(chuàng)作和生成的得力助手，二是類GPT-4的AIGC 大模型通過補充專業(yè)領(lǐng)域數(shù)據(jù)集和語料集，讓構(gòu)建醫(yī)療、制造、交通、法務、政務、汽車制造等產(chǎn)業(yè)端行業(yè)AI 基礎(chǔ)服務的成本和難度大大降低，加速產(chǎn)業(yè)數(shù)智化轉(zhuǎn)型和高質(zhì)量發(fā)展；三是AIGC 大模型開始提供應用程序插件功能，形成了用人類自然語言操作各類應用程序完成任務的總?cè)肟?，基于AIGC 大模型能力的進一步提升，結(jié)合應用程序插件，可以自行尋找鏈接程序接口和數(shù)據(jù)源的AI Agents（智能體）研究將成為OpenAI 的下一個研究突破的目標，AI Agents 可以根據(jù)人類一句任務指令，自行分析、分解、優(yōu)化，進化出解決任務的能力，并尋找合適的資源完成任務。[6]

3. AIGC 時代新聞輿論格局面臨的風險與挑戰(zhàn)

AIGC 大模型的特性和應用生態(tài)的發(fā)展趨勢預示著以大模型和內(nèi)容為核心驅(qū)動的新一代數(shù)字經(jīng)濟形態(tài)正在逐步形成，模型即服務成為數(shù)智化轉(zhuǎn)型的服務載體，自然語言成為人機交互的指令載體，而內(nèi)容數(shù)據(jù)本身作為大模型訓練必備的數(shù)據(jù)集及語料，又是AIGC 大模型生成的重要形態(tài)，其作用從以往的信息載體向知識載體甚至是生產(chǎn)力載體進化，內(nèi)容生產(chǎn)傳播體系與社會經(jīng)濟生活的運行正前所未有地深度融合綁定。

人工智能發(fā)展的每一個階段都會推進和影響社會意識形態(tài)或主流價值觀的塑造方式，為新聞輿論工作提供新的平臺和模式。物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、區(qū)塊鏈、算法系統(tǒng)在網(wǎng)絡空間中構(gòu)建出獨特的公共輿論體系，以網(wǎng)絡平臺為新聞輿論聚集地和擴散源，將公眾匯集成各種不同的價值群體和多元的意識形態(tài)群體[7]，其中推薦算法控制了內(nèi)容傳播的范圍和可見度；而AIGC 大模型的出現(xiàn)讓數(shù)據(jù)集和原創(chuàng)內(nèi)容成為人工智能感知現(xiàn)實世界，獲取知識的媒介、成為內(nèi)容生產(chǎn)的關(guān)鍵要素，算法和算力逐步掌握內(nèi)容生產(chǎn)和傳播的權(quán)力核心，隨著內(nèi)容驅(qū)動的數(shù)字經(jīng)濟生態(tài)不斷豐富，AIGC 大模型成為潛在的社會輿論成員，并以遠超人類個體的知識面和內(nèi)容處理生成速度掌握了輿論引導的主動權(quán)和話語權(quán)，在主流媒體新聞輿論場、新興自媒體新聞輿論場上又疊加了生成式人工智能大模型新聞輿論場，迫使當前新聞輿論工作從“生產(chǎn)端”“流通端”到“作用端”的構(gòu)建方式與運行機制發(fā)生改變。

改變的核心一方面是要把AIGC 大模型這樣的人工智能納入工作全流程來考慮，另一方面要重視內(nèi)容驅(qū)動下輿論場與社會政治、經(jīng)濟、文化、生活等方方面面的深度融合。新聞輿論工作不僅要做好主流媒體與新興自媒體間的協(xié)調(diào)聯(lián)動，還要做好與人工智能AIGC 大模型之間的協(xié)調(diào)聯(lián)動；不僅要做好面向人的新聞輿論工作，還要做好面向人工智能的新聞輿論工作。由于影響AIGC大模型能力的關(guān)鍵因素是內(nèi)容數(shù)據(jù)集，且對實際社會經(jīng)濟生活產(chǎn)生作用的中介也是內(nèi)容數(shù)據(jù)，因此面向AIGC 大模型訓練的內(nèi)容數(shù)據(jù)集和數(shù)據(jù)服務建設(shè)是新聞輿論工作必須高度重視的陣地。尤其當下美西方國家人工智能巨頭如OpenAI、Meta、Google 等陸續(xù)推出的AIGC 大模型，不斷成為各行各業(yè)人工智能應用發(fā)展的基座，會給我國主流新聞輿論格局帶來諸多風險與挑戰(zhàn)。

首先，AIGC 高仿真內(nèi)容生成導致虛假新聞泛濫：AIGC 大模型有著高度逼真的內(nèi)容生成能力，其語言邏輯通順、圖像逼真清晰，會出現(xiàn)捏造答案和偽造事實的現(xiàn)象，且生產(chǎn)和傳播速度極快，導致虛假信息泛濫。如美國媒體機構(gòu)G/O Media 在旗下的科技網(wǎng)站Gizmodo上，使用谷歌Bard 和OpenAI 的ChatGPT 編寫了一篇有關(guān)《星球大戰(zhàn)》的文章，出現(xiàn)了諸多事實錯誤；科大訊飛也因為AI 自動生成關(guān)于“涉嫌大量采集用戶隱私數(shù)據(jù)”“美國正在考慮是否將科大訊飛、美亞柏科等加入制裁名單”的假消息導致股價閃崩。

其次，AIGC 的內(nèi)容生成機制難以解釋和追溯讓輿論溯源更困難：AIGC 大模型是通過概率模型參數(shù)逐字推測來實現(xiàn)內(nèi)容生成，算法黑盒導致難以解釋和溯源，生成內(nèi)容具有隨機性和無法復現(xiàn)的問題，缺少時效性和時序性，觀點、事實、知識的來源無法查證，使得真相與虛假雜糅同構(gòu)[8]，對于AIGC 生成的議題設(shè)置、輿論觀點、偽事實內(nèi)容和內(nèi)容侵權(quán)，若無人工審核校驗留痕，都很難進行源頭追溯和傳播追蹤。

人機對話點對點交互方式讓輿論發(fā)現(xiàn)和引導更被動：AIGC 大模型通過與人類對話的方式進行交互和內(nèi)容輸出，輿論引導和傳播從公域轉(zhuǎn)向了點對點的私域；人工智能在深度學習中對大量用戶敏感數(shù)據(jù)的交互使用，不僅使人類隱私暴露在人工智能之下，也極大地削弱了政府對數(shù)據(jù)信息的監(jiān)管能力。[9]信息傳播的高度個性化和即時性可以更深入地影響用戶的認知，在公域互聯(lián)網(wǎng)空間內(nèi)越來越難掌握到真正公眾對事件的輿情動向、意見看法、信念態(tài)度，難以有針對性地進行解讀、引導并促進輿情化解和達成共識。而AIGC大模型是否有正確的引導力完全有賴于大模型訓練和優(yōu)化所使用的數(shù)據(jù)集和人工智能訓練專家。

AIGC 的技術(shù)霸權(quán)屬性讓輿論操控更隱蔽：雖然OpenAI 創(chuàng)始人認為AIGC 人工智能可以幫助人們快速掌握知識，提升能力，讓知識資源更平等地服務于每個人。但實質(zhì)上AIGC 大模型依賴的是龐大的算力和數(shù)據(jù)集，在使用過程中又不斷地將人類原創(chuàng)內(nèi)容和智慧甚至隱私信息吸收到掌握大模型技術(shù)和服務的機構(gòu)中，占據(jù)技術(shù)創(chuàng)新優(yōu)勢的美國和西方國家以及有足夠資本支撐大規(guī)模算力和數(shù)據(jù)集生產(chǎn)高昂成本的機構(gòu)通過技術(shù)霸權(quán)成為輿論話語權(quán)的隱形壟斷者，通過收集個人信息，通過大數(shù)據(jù)進行群體畫像分析，或許會成為大模型掌控者研究和制定思想滲透策略的重要數(shù)據(jù)支撐[10]，通過AIGC 全方位影響和塑造用戶的知識領(lǐng)域、意識形態(tài)和價值判斷，進而形成認知繭房，形成輿論操控的超級中心化。

AIGC 帶有較難扭轉(zhuǎn)的價值觀和意識形態(tài)屬性讓影響輿論更為深遠：AIGC 大模型的訓練方式?jīng)Q定了人工智能不僅學會了自然語言的文法和表述方式，還抽取和學習到了知識、立場、觀點和價值判斷，AIGC 大模型帶來的不僅是信息的傳播，更需要警惕的是帶來了意識形態(tài)和價值觀的傳播，AIGC 大模型內(nèi)在價值觀一旦形成很難完全扭轉(zhuǎn)和改變，如ChatGPT 的價值觀底色根植于參與該系統(tǒng)設(shè)計研發(fā)人員的價值觀取向[11]，取決于集中體現(xiàn)美西方意識形態(tài)和價值觀判斷的書籍、百科、社群討論和網(wǎng)站。而ChatGPT 的迅速流行會使用戶產(chǎn)生依賴進而削弱批判思維的形成和接觸現(xiàn)實的機會，因此缺少自主訓練數(shù)據(jù)集的大模型廣泛應用必將對我國主流新聞輿論格局造成更大沖擊。

世界各國也都意識到了AIGC 對國家秩序、社會倫理、輿論空間的風險與影響。美國國家標準與技術(shù)研究院發(fā)布人工智能風險管理框架，美國計算機協(xié)會的全球技術(shù)政策委員會也發(fā)布了《生成式人工智能技術(shù)的開發(fā)、部署和使用原則》； 意大利個人數(shù)據(jù)保護局率先封禁了ChatGPT，法國、愛爾蘭、德國等國也躍躍欲試地考慮采取封禁措施，擔憂技術(shù)失控的情緒正在全球蔓延。[12]2023 年8 月15 日國家網(wǎng)信辦聯(lián)合六部委發(fā)布的《生成式人工智能服務管理暫行辦法》正式施行，而這些監(jiān)管規(guī)則有效落地實施，需要一個共性基礎(chǔ)條件，就是面向人工智能的可信訓練數(shù)據(jù)集和數(shù)據(jù)服務能力建設(shè)。

4.進軍新聞輿論工作新陣地——可信訓練數(shù)據(jù)集及數(shù)據(jù)服務

當前我國AIGC 大模型研發(fā)風生水起，截至7 月份，已發(fā)布通用大模型和行業(yè)大模型100 余個，10 億參數(shù)規(guī)模以上的為79 個，囿于奇高的算力成本和帶有中國主流價值觀和意識形態(tài)的高質(zhì)量訓練數(shù)據(jù)語料集的缺乏，大多數(shù)中國的大模型還是在美西方開源大模型基礎(chǔ)上進一步訓練調(diào)整而來，同時西方國家的科研團隊也在抓緊進一步挖掘中文領(lǐng)域訓練數(shù)據(jù)集的富礦，如：近期Meta 的AIGC 大模型Llama 2 的合作伙伴中包括了中國AI 訓練數(shù)據(jù)提供商海天瑞聲，并共同發(fā)布了超大規(guī)模中文對話數(shù)據(jù)集DOTS-NLP-216。

黨的新聞輿論工作涉及“五個事關(guān)”，責任意義重大，中國主流新聞輿論工作者肩負著為大眾提供真實新聞信息、引導和監(jiān)督輿論的職責，承擔著發(fā)揮“輿論壓艙石、社會黏合劑、價值風向標”“構(gòu)建網(wǎng)上網(wǎng)下一體、內(nèi)宣外宣聯(lián)動的主流輿論格局”的使命。在人工智能發(fā)展帶來的風險挑戰(zhàn)和嚴峻形勢下，主流媒體新聞輿論工作者如何“探索將人工智能運用在新聞采集、生產(chǎn)、分發(fā)、接收、反饋中，用主流價值導向駕馭‘算法’，全面提高輿論引導能力”，最重要的是充分發(fā)揮主流新聞輿論工作者腳力、眼力、腦力、筆力積累，恪守新聞倫理和社會責任的專業(yè)素養(yǎng)，把握處于AI 上游通過調(diào)查研究接觸現(xiàn)實世界一手資料的優(yōu)勢地位，面向人工智能AIGC 大模型不僅要做到“守土有責”，做好“把關(guān)人”角色，更要做到“開疆擴土”，開辟面向大模型訓練的可信數(shù)據(jù)集和數(shù)據(jù)服務新陣地，提供決定大模型核心能力和價值觀的內(nèi)容供給與知識供給，搶占AIGC 時代輿論引導、思想引領(lǐng)、文化傳承、服務人民的傳播高地。

新聞輿論領(lǐng)域提供的可信訓練數(shù)據(jù)集與數(shù)據(jù)服務建設(shè)包含三層含義：一是內(nèi)容數(shù)據(jù)規(guī)范權(quán)威真實，二是內(nèi)容數(shù)據(jù)可溯源可確權(quán)，三是符合主流價值且可審核可糾偏。圍繞這三層含義需開展如下建設(shè)內(nèi)容。

首先，建立AIGC 大模型全生命周期訓練數(shù)據(jù)集：包含四大類，一是建立高質(zhì)量規(guī)范化數(shù)據(jù)集和語料集，充分覆蓋主流意識形態(tài)和價值觀的規(guī)范化表述，包括：高質(zhì)量書籍，權(quán)威解讀，標準問答，新聞事實稿件、述評和調(diào)查研究，保證大模型語言、立場、觀點和思維方式的準確性、規(guī)范化與專業(yè)性；二是建立保證事實與知識準確性的高質(zhì)量領(lǐng)域知識庫數(shù)據(jù)集，尤其涉及中國政治、社會、經(jīng)濟、文化等領(lǐng)域的權(quán)威闡述。三是建立內(nèi)容意識形態(tài)安全語料集和主流價值觀語料集，主要有涉及意識形態(tài)安全的問題與指令集，問答模板以及評價打分數(shù)據(jù)集，用于對基礎(chǔ)大模型進行價值觀與意識形態(tài)糾偏和對齊；四是建立用于保證AIGC在多場景下生成內(nèi)容的規(guī)范性評估、安全性評估和糾偏數(shù)據(jù)集，包括：大模型規(guī)范性評估、有害內(nèi)容與敏感內(nèi)容檢查評估、意識形態(tài)糾偏所需的指令集、指令模板、提示詞、打分數(shù)據(jù)集和問答對數(shù)據(jù)集。

其次，建立相關(guān)審核打分和大模型意識形態(tài)與價值觀評價標準規(guī)范。大模型訓練數(shù)據(jù)集建設(shè)需要配套相關(guān)標準規(guī)范，包括基礎(chǔ)訓練數(shù)據(jù)清洗去重標注規(guī)范；知識庫知識框架和審核規(guī)范；指令集、指令模板、問答對、提示詞標注標準規(guī)范；指令模板和提示詞規(guī)范以及一系列人類專家反饋強化學習打分與標簽標準規(guī)范；技術(shù)倫理、有害內(nèi)容、敏感內(nèi)容的分類分級標準規(guī)范等。

建立主流大模型人工標注與專家反饋合作服務機制：形成面向大模型的常態(tài)化專家訓練合作機制和面向社會提供專家訓練服務的機制，輸出代表中國權(quán)威知識內(nèi)容和主流意識形態(tài)的專家智慧。一是組織國際關(guān)系、社會科學、新聞傳播等領(lǐng)域的學生和從業(yè)者構(gòu)成主流大模型訓練數(shù)據(jù)集標注和指令集生成團隊；二是組織各領(lǐng)域?qū)W界權(quán)威專家、智庫學者和知識內(nèi)容原創(chuàng)者形成知識庫內(nèi)容審核團隊，確保知識體系框架正確，內(nèi)容表述準確完整；三是組織新聞輿論和傳播領(lǐng)域資深專家、智庫學者形成大模型人類反饋強化學習的AI 導師團隊，構(gòu)建人類反饋強化學習數(shù)據(jù)集，開展大模型意識形態(tài)審核和評估；四是逐步依托主流大模型提供合成數(shù)據(jù)生成服務，通過主流大模型本身大規(guī)模生成主流意識形態(tài)訓練數(shù)據(jù)集，有效彌補領(lǐng)域數(shù)據(jù)量不足的問題，提升數(shù)據(jù)集生產(chǎn)和標注效率。

建立動態(tài)追蹤和審核大模型意識形態(tài)安全服務：形成面向國內(nèi)外大模型的意識形態(tài)安全動態(tài)追蹤和審核機制，為即將推出服務和已經(jīng)開展服務的AIGC 大模型提供上線前內(nèi)容安全審核評估服務、上線后內(nèi)容安全追蹤服務，動態(tài)收集各類內(nèi)容安全事件、安全問題、不斷豐富補充主流大模型所需的評估審核數(shù)據(jù)集，同時有針對性地豐富完善大模型意識形態(tài)安全糾偏訓練數(shù)據(jù)，為大模型的各類商業(yè)應用提供內(nèi)容安全修正和優(yōu)化服務。

建立適應AIGC 大模型的數(shù)據(jù)安全、內(nèi)容追溯和事實核查機制：AIGC 大模型訓練數(shù)據(jù)集涉及數(shù)據(jù)源、內(nèi)容原創(chuàng)者、使用者等多方利益，也存在數(shù)據(jù)安全、隱私保護和數(shù)據(jù)真實性問題，需要面向安全可信、隱私保護、版權(quán)追溯的需求創(chuàng)新訓練數(shù)據(jù)集生產(chǎn)和服務的技術(shù)手段、平臺工具、加工流程和標準規(guī)范，支持多方安全計算和聯(lián)邦計算方式，支持安全可控可追溯可確權(quán)的人工智能模型訓練需求；形成主流新聞輿論工作者在AIGC 大模型研發(fā)、服務、融合應用各環(huán)節(jié)做好內(nèi)容安全和事實核查把關(guān)人的機制。

結(jié)語

新一代人工智能發(fā)展趨勢下，我國新聞輿論工作必須將人工智能作為新的輿論主體納入新聞輿論工作流程再造中來，深刻認識人工智能時代新聞輿論工作中“四力”核心競爭力的重要意義，并將其轉(zhuǎn)化為面向大模型的訓練數(shù)據(jù)集和內(nèi)容供給，快速占領(lǐng)AIGC 上游新高地，深度融合到社會經(jīng)濟運行場景中，一方面充分運用AIGC 技術(shù)延伸主流新聞輿論工作效能，推動多元話語體系互動融合，構(gòu)建新型輿情態(tài)勢感知、應對、引導模式；另一方面為AIGC技術(shù)倫理約束與技術(shù)監(jiān)管落地提供強有力的內(nèi)容、機制和服務保證。