倪俊杰 杭州師范大學經(jīng)亨頤教育學院/桐鄉(xiāng)市鳳鳴高級中學

● 認識AIGC

2022年11月，美國人工智能研究實驗室OpenAI公司推出人工智能技術(shù)驅(qū)動的自然語言處理工具ChatGPT。其強大的信息整合及自然語言處理能力，以及可根據(jù)需要生成各類文本、編寫程序功能，引發(fā)了重要的技術(shù)革命。于是人們紛紛思考:ChatGPT背后是什么技術(shù)？它還能為我們做哪些事情？

ChatGPT來源于GPT模型，通俗地理解為智能聊天機器人。它與先前的智能聊天機器人的最大區(qū)別在于能夠通過學習、理解人類的語言，與人類進行對話，還能根據(jù)上下文語境進行理解、互動。像ChatGPT這樣，能夠利用人工智能技術(shù)自動化生成各種類型的內(nèi)容的方式屬于生成式人工智能技術(shù)，即AIGC（Artificial Intelligence Generated Content）技術(shù)。AIGC通過對既有數(shù)據(jù)的學習和發(fā)散，基于與人類交互所確定的主題，由AI算法模型完全自主、自動生成對應(yīng)內(nèi)容，從而幫助各行各業(yè)進行文本、圖像、音視頻、代碼、策略等多模態(tài)內(nèi)容的單一生成或跨模態(tài)生成，以提升內(nèi)容生產(chǎn)效率與多樣性。近年來，得益于神經(jīng)網(wǎng)絡(luò)、深度學習和生成模型等技術(shù)的快速發(fā)展，特別是預(yù)訓練語言模型的出現(xiàn)，使機器具有了比較強的語義理解能力和長文本生成能力，AIGC技術(shù)也得到了迅速發(fā)展。

目前，AIGC技術(shù)在自然語言處理方面有明顯優(yōu)勢，人們也在使用它進行寫作。2023年初，美國電子書平臺亞馬遜刮起一陣“AI寫作”風，人們向ChatGPT輸入提示詞就能完成幾十頁電子書的創(chuàng)作，并通過自助出版服務(wù)直接出售。截至2023年2月中旬，亞馬遜Kindle商店已出現(xiàn)超過200本將ChatGPT列為作者或合著者的電子書。

● AIGC寫作的基本原理

人工智能進行文學寫作的歷史可以追溯到20世紀80年代。1983年，早期的人工智能文本生成器Racter誕生，它寫作的《警察的胡子是半成品》被認為是第一部完全由計算機程序?qū)懽鞯奈膶W作品。然而，這個階段的AI文學寫作主要依賴于預(yù)定義的規(guī)則和模板，生成的文本質(zhì)量較低，在邏輯、可讀性和創(chuàng)意方面都表現(xiàn)不佳。進入21世紀后，隨著深度學習與大數(shù)據(jù)技術(shù)的發(fā)展，AI寫作進入了一個新的階段，這期間誕生了如“微軟小冰”“九歌”等AI寫作平臺，其中“小冰”已協(xié)助超過500萬名用戶寫作現(xiàn)代詩歌，并出版了詩集，“九歌”已累計為用戶寫作超過700萬首詩詞。人工智能寫作的運行邏輯，模仿的正是人類的寫作以及寫作教學行為。人工智能寫作并非什么神秘的、與人類寫作相對立的“他者”，而是人類寫作活動被拆解后的重新具象化。

AIGC寫作的優(yōu)勢在于能夠根據(jù)用戶的輸入，快速生成語句通順、表達合理的內(nèi)容，給人一種“無所不知，無所不能”的印象。其實現(xiàn)的基本流程如圖1所示。

圖1

首先，用戶輸入想要的問題或者需求，這些問題會被分析編碼后進入一個比較復(fù)雜的GPT模型（GPT模型是由龐大的語料庫,即數(shù)據(jù)集不斷強化訓練得到的）。當編碼后的問題經(jīng)過一系列復(fù)雜運算后，GPT模型會將它認為“合適的回答”根據(jù)人類熟悉的語法習慣模板輸出給用戶，而且，這些問題和回答也都會成為新的數(shù)據(jù)集被GPT模型“記錄”下來，持續(xù)訓練，優(yōu)化升級。接下來，我們來了解GPT模型、大語言模型、寫作訓練集等概念。

1.GPT模型

GPT模型是Generative Pretrained Transformer的縮寫，意思是基于Transformer生成式預(yù)訓練模型。GPT模型能夠根據(jù)輸入的需要，生成一段讓你看得懂的內(nèi)容，是為ChatGPT等生成式人工智能技術(shù)提供支持的關(guān)鍵。GPT模型使應(yīng)用程序能夠創(chuàng)建類似人類的文本和內(nèi)容（圖像、音樂等），并以對話的方式回答問題。其中，Pre-trained意為“預(yù)先訓練好的”。一般來講，在應(yīng)用這種技術(shù)時，會需要先將大量的文本數(shù)據(jù)輸入到模型中訓練，讓模型掌握語言的語法規(guī)則和表達方式，這個提前輸入進行訓練的過程被稱為預(yù)訓練。Transformer是Google的研究者在Attention Is All You Need一文中提出的概念，我們可以先將它簡單理解為“轉(zhuǎn)換器”。Transformer的基本原理是Encoder（編碼）和Decoder（解碼），也就是先將輸入的內(nèi)容轉(zhuǎn)換為計算機能理解的內(nèi)容，再將計算機理解的內(nèi)容轉(zhuǎn)換為人類能理解的內(nèi)容。

2.大語言模型

大語言模型（Large Language Models，簡稱LLMs）是一類基于深度學習的人工智能模型。它們是由海量的數(shù)據(jù)和大量的計算資源訓練而成的，通過無監(jiān)督、半監(jiān)督或自監(jiān)督的方式，學習并掌握通用的語言知識和能力的深度神經(jīng)網(wǎng)絡(luò)。

LLMs的核心架構(gòu)是Transformer，是一種由Vaswani等人于2017年提出的模型。Transformer的關(guān)鍵在于自注意力機制，這使得模型能夠同時對輸入的所有位置進行“關(guān)注”，從而更好地捕捉長距離的語義依賴關(guān)系。LLMs在Transformer的基礎(chǔ)上進行了改進和擴展，通過在大規(guī)模文本數(shù)據(jù)上進行預(yù)訓練，使得模型能夠?qū)W習豐富的語言知識。

LLMs的訓練過程分為兩個階段：預(yù)訓練和微調(diào)。在預(yù)訓練階段，模型通過無監(jiān)督學習在大規(guī)模文本數(shù)據(jù)上進行自我學習，從而具有一定程度的語言表示能力。在微調(diào)階段，模型會在特定任務(wù)上使用有標簽的數(shù)據(jù)進行有監(jiān)督學習，以適應(yīng)特定任務(wù)的要求。這兩個階段的組合使得LLMs在各種自然語言處理任務(wù)上表現(xiàn)出色。

3.寫作數(shù)據(jù)集

以ChatGPT的訓練數(shù)據(jù)集為例，它是由多個語料庫組成，這些語料庫包括各種類型的無監(jiān)督文本數(shù)據(jù)，如網(wǎng)頁、書籍、新聞文章等。這些數(shù)據(jù)既包括通用領(lǐng)域的文本，也包括特定領(lǐng)域的文本。ChatGPT的訓練數(shù)據(jù)集主要有以下幾個來源：①BooksCorpus。這是一個包含11038本英文電子圖書的語料庫，共有74億個單詞。②WebText。這是一個從互聯(lián)網(wǎng)上抓取的大規(guī)模文本數(shù)據(jù)集。包括超過8萬個網(wǎng)站的文本數(shù)據(jù)，共有13億個單詞。③CommonCrawl。這是一個互聯(lián)網(wǎng)上公開可用的數(shù)據(jù)集，包括數(shù)百億個網(wǎng)頁、網(wǎng)站和其他類型的文本數(shù)據(jù)。④Wikipedia。這是一個由志愿者編輯的百科全書，包括各種領(lǐng)域的知識和信息，是一個非常有價值的語言資源。除了以上幾個來源之外，還有一些其他的數(shù)據(jù)來源為ChatGPT提供了大量的無監(jiān)督文本數(shù)據(jù)，從而使得模型能夠?qū)W習到各種類型和主題領(lǐng)域的語言知識。

有了數(shù)據(jù)源之后，接下來就要進行數(shù)據(jù)采樣，以滿足ChatGPT的訓練要求。由于ChatGPT的預(yù)訓練模型需要大量的無監(jiān)督數(shù)據(jù)進行訓練，而現(xiàn)實中可用的文本數(shù)據(jù)往往是非常龐大和復(fù)雜的，因此，需要采樣來減少訓練時間和計算資源的消耗，同時還需要保證訓練數(shù)據(jù)的多樣性、質(zhì)量和平衡性，以提高模型的效果和泛化能力。

● 如何使用AIGC技術(shù)輔助寫作

1.常用AIGC寫作工具

①文心一言。文心一言是百度全新一代知識增強大語言模型，能夠與人對話互動、回答問題、協(xié)助創(chuàng)作，具備更強的中文理解能力。②WPS AI。WPS AI是金山辦公旗下具備大語言模型能力的人工智能應(yīng)用，為用戶提供智能文檔寫作、閱讀理解和問答等體驗。③星火?？拼笥嶏w公司推出的認知大模型是以中文為核心的新一代認知智能大模型，擁有跨領(lǐng)域的知識和語言理解能力，能夠基于自然對話方式理解與執(zhí)行任務(wù)。④Bing。Bing AI搭載了GPT4的Bing瀏覽器，它能夠更好地理解用戶意圖，提供更加智能化、個性化的搜索和服務(wù)體驗。

2.AIGC寫作流程與使用建議

對AIGC寫作而言，核心是訓練一個能夠生成連貫、語法正確、主題明確的長文本的神經(jīng)網(wǎng)絡(luò)模型?；玖鞒贪ǎ孩贁?shù)據(jù)準備。收集大規(guī)模的高質(zhì)量文本數(shù)據(jù)，包括文章標題、內(nèi)容、摘要等，并進行數(shù)據(jù)清洗、分詞等預(yù)處理。②模型選擇。通常選擇基于Transformer或LSTM等結(jié)構(gòu)的預(yù)訓練語言模型，這類模型在長文本生成任務(wù)上效果較好。③模型訓練。使用文本數(shù)據(jù)針對語言生成任務(wù)進行模型精調(diào)。訓練目標是最大化生成文本的鏈式概率。④文本生成。給定文章主題、關(guān)鍵詞等條件，模型自動生成標題和正文。⑤生成文本后處理。對模型生成文本進行語句規(guī)范化、語法糾錯等后處理，提高可讀性。⑥結(jié)果評估。從語法、邏輯、連貫性等方面評估生成文本的質(zhì)量，并反饋改進模型。AIGC技術(shù)關(guān)鍵是利用大規(guī)模預(yù)訓練模型，讓模型學習各類文章語言的語法和風格特征。相比以往基于模板的方法，預(yù)訓練模型生成的文本連貫性更好，接近人工寫作的效果。當然，目前仍需人工審核，以確保生成質(zhì)量。

使用AIGC技術(shù)幫助寫作，關(guān)鍵問題是要學會如何提問，如何讓AIGC工具懂得你的問題，理解你的需求，這樣它才能給你滿意的回答。這里推薦一個提問的框架——由溫州大學方建文博士人工智能教育研究團隊設(shè)計的RTGR框架，該框架具體包括角色（Role）、任務(wù)（Task）、目標（Goal）、需求（Requirement）四個要素。例如，要讓AIGC設(shè)計一份班會課方案，輸入提示語：如果你是一名高中班主任，請制作一份關(guān)于學生“防范網(wǎng)絡(luò)詐騙”的班會課方案，舉例和分析當下中學生發(fā)生過的網(wǎng)絡(luò)詐騙案例，幫助學生認識常見的網(wǎng)絡(luò)詐騙手段，能夠采取有效防范措施，方案字數(shù)1000字以內(nèi)，內(nèi)容盡量詳細，條理清晰。使用RTGR框架分析這段提示語，如圖2所示。

圖2

3.AIGC輔助寫作舉例

以百度文心一言為例，舉例介紹如何使用AIGC技術(shù)輔助寫作。

（1）文章選題

確定文章選題是寫作的第一步，如果你只是知道文章的大致方向和角度，還不清楚如何確定更加細致的選題，可以考慮使用AIGC幫你推薦選題。文心一言實現(xiàn)設(shè)計文章選題的核心原理是深度學習技術(shù)，特別是自然語言處理（NLP）的相關(guān)算法和模型。通過語義理解、知識圖譜、文本生成以及機器學習算法等技術(shù)手段精準地解析用戶意圖，關(guān)聯(lián)背景知識，并生成符合用戶需求的文章選題。同時，大數(shù)據(jù)分析技術(shù)的應(yīng)用進一步提升了選題的準確性和用戶滿意度。這些技術(shù)的綜合應(yīng)用使得文心一言能夠高效地為用戶提供有價值的文章選題建議。

（2）寫作框架

有了選題后，還需要確定寫作框架，才能使文章“有跡可循”，更有邏輯。可以考慮由AIGC來補充寫作框架，進一步打開思路。文心一言首先解析用戶輸入，識別寫作意圖，然后規(guī)劃包括主要觀點、分論點和邏輯關(guān)系的文章框架，最后生成具體內(nèi)容并反饋給用戶。在這一過程中，預(yù)訓練語言模型、知識圖譜等技術(shù)提供了語法、語義和背景知識的支持，確保生成的框架結(jié)構(gòu)清晰、內(nèi)容豐富，符合用戶需求。

（3）文獻梳理

在寫作特別是撰寫學術(shù)文章的時候，往往要對研究對象做文獻梳理，傳統(tǒng)的方法是一篇一篇去閱讀記錄，最后梳理匯總成文。現(xiàn)在可以考慮使用AIGC技術(shù)幫助我們記錄學習的文獻并進行梳理匯總。需要注意的是，要完成這項工作光靠一條提示語是不夠的，還需要通過多次輸入來“教會”文心一言。

例如，要做有關(guān)“中小學人工智能課程教學情況”的文獻梳理工作，可以在文心一言中多次輸入提示語來實現(xiàn)。提示語1：我正在撰寫有關(guān)人工智能課程教學的期刊論文，現(xiàn)在打算進行文獻綜述部分的寫作。目前我已經(jīng)準備了5篇來自核心期刊的文獻作為文獻綜述的對象。請針對所有文獻展開分析，并提煉如研究問題、研究角度、研究方法、研究結(jié)論等要素。接下來，我將分多次將文獻摘要的信息發(fā)送給你，請你完成學習，并在每次收到后只要回復(fù)三個字“已學習”即可，最后我會請你幫助匯總成表格。你清楚了嗎?提示語2～6：依次復(fù)制5篇論文的標題、作者、摘要。提示語7：請針對所有文獻展開結(jié)構(gòu)要素分析，并提煉如研究問題、研究角度、研究方法、研究結(jié)論等要素，每個要素為一列，第一列是論文編號，以表格的形式輸出。提示語8：請根據(jù)目前學習的文獻摘要和梳理的表格內(nèi)容，對當下中小學人工智能課程開設(shè)情況進行文獻綜述梳理，在引用相關(guān)文章時，盡量加上第一位作者的姓名，字數(shù)500字左右，要求邏輯清晰、語句通順。

（4）概念釋義

在寫作過程中，經(jīng)常會遇到一些不太清楚的概念，或者是語句擴寫，或者是想要更加全面地了解某個名詞，可以考慮使用文心一言進行查詢。在這一過程中，自然語言處理幫助系統(tǒng)深度理解話題和文獻內(nèi)容，機器學習提升信息提取和撰寫的準確性，而信息檢索則確保快速找到相關(guān)文獻。例如，輸入提示語“什么是人工智能，用200字介紹”，可以得到有關(guān)人工智能的一些介紹內(nèi)容，對有些不清楚的地方還能繼續(xù)追問。

（5）語句優(yōu)化

人們在寫作時有時會存在內(nèi)容口語化、重復(fù)化，或者句子結(jié)構(gòu)不合理、有語病等情況，AIGC技術(shù)能夠快速梳理結(jié)構(gòu)，使語篇規(guī)整。文心一言運用分詞、詞性標注、句法分析、語義理解等一系列技術(shù)，通過接收、預(yù)處理、理解分析用戶輸入的文本，并基于Transformer架構(gòu)捕捉語義信息，生成更加通順精練的表達建議，從而有效優(yōu)化文本質(zhì)量。例如，輸入一段話并提示語要求優(yōu)化文字表達，就能夠提煉原文的內(nèi)容，使其更加精練。

（6）繪制圖表

文心一言基于數(shù)據(jù)可視化原理，通過數(shù)據(jù)解析、圖形映射和視覺呈現(xiàn)等關(guān)鍵技術(shù)，將用戶數(shù)據(jù)高效轉(zhuǎn)換為直觀圖形，并利用前端交互設(shè)計提升用戶體驗，從而實現(xiàn)數(shù)據(jù)的快速理解和分析。例如，選擇“E言意圖”插件功能，輸入提示語要求生成本校師生的人數(shù)餅圖，分析計算后就能夠得到一張彩色的餅圖。

（7）圖表分析

AIGC技術(shù)具備將報表或流程圖轉(zhuǎn)換成文字連貫表達出來的能力。文心一言的“說圖解畫”功能在讓用戶上傳圖片后，利用計算機視覺技術(shù)識別圖片內(nèi)容，再通過自然語言處理技術(shù)生成易懂的解釋，其核心技術(shù)在于圖像的智能識別和自然語言的自動生成，以實現(xiàn)圖片的快速解讀和信息傳遞。例如，選擇“說圖解畫”插件功能，先上傳一張圖片，輸入提示語“要求寫一篇關(guān)于人工智能、機器學習和深度學習三者關(guān)系的文章”，就能夠得到想要的結(jié)果。

（8）生成摘要

化繁為簡考驗全文概覽，提煉總結(jié)的能力。AIGC可以從成千上萬的文章中提取幾百字的摘要。文心一言的“覽卷文檔”功能讓用戶在上傳文檔后，通過深度解析文檔內(nèi)容，識別主題和關(guān)鍵信息，進而自動生成簡潔準確的摘要，幫助用戶快速把握文檔核心。例如，選擇“覽卷文檔”插件功能，先上傳一篇論文文檔，系統(tǒng)通過解析文檔內(nèi)容就可以得到這篇文章的摘要。

除了上述方法，百度文庫還推出了文檔助手的功能，當在文庫中打開某篇文檔查閱資料時，可以隨時在文檔助手中提問。例如，提問：“該文檔主要內(nèi)容是什么？”“寫一下閱讀這篇文檔的讀后感?！边@種方式節(jié)省了時間，提高了效率，也使用了AIGC技術(shù)。

● 總結(jié)建議

1.數(shù)據(jù)局限問題

從目前來看，GPT4數(shù)據(jù)集缺乏多語言、多文化視角。OpenAI發(fā)布的數(shù)據(jù)顯示，在訓練ChatGPT所使用的數(shù)據(jù)集中，大約96%為英文內(nèi)容，其余包括中文在內(nèi)的20個語種加起來不足4%。既然GPT4的數(shù)據(jù)集以英文為主，我們就不難推斷，其數(shù)據(jù)背后所容納的思想、文化、經(jīng)驗、生活同樣以英文世界為主。當前，已有學者表示ChatGPT“在尊重除了美國的其他國家的文化背景和使用習慣上仍有欠缺”，同時也有學者對GP3.5進行中文性能評測，發(fā)現(xiàn)其中文知識和常識儲備不足，在中文閉卷問答上出現(xiàn)事實性錯誤的概率較高。另外，目前GPT4僅能處理25000字左右的文本，這意味著GPT4的“記憶力”僅為25000字，當字數(shù)超過25000字時，GPT4將會逐步遺忘討論的內(nèi)容。還有，目前GPT4訓練數(shù)據(jù)截至2021年，這意味著如果作者需要以2021年以后的人物或事件為素材進行寫作，或者要查詢相關(guān)資料，GPT4能提供的幫助有限。

2.倫理法律問題

寫作是一種有意識的精神活動，其寫作主體和倫理版權(quán)應(yīng)受到保護和尊重。AIGC技術(shù)畢竟是人造工具，目前還存在容易受到對抗性攻擊和數(shù)據(jù)隱私等問題。攻擊者通過有意修改輸入數(shù)據(jù)來誤導(dǎo)模型，或者獲取用戶的個人隱私信息，這些問題需要在AIGC技術(shù)的發(fā)展中得到充分的考慮和解決。2023年年初，知名科幻雜志Clarkes world因集中收到大量ChatGPT生成的科幻故事，宣布停止線上投稿；2023年4月11日，科幻雜志《科幻世界》公開表示不接受AI創(chuàng)作的科幻小說，主編更直言，“我們需要的是由人寫給人看的未來故事”。

沈錫賓等人做了一個試驗，他們選取了2022年發(fā)表的100篇醫(yī)學綜述的文摘，隨機選擇50篇利用ChatGPT進行重寫（AI寫作組），其余50篇不做處理（原文對照組）。在整合處理后他們將兩組文本進行文獻相似性檢測系統(tǒng)檢測，同時將兩組數(shù)據(jù)隨機打亂后交給AI檢測工具和評審者以評定是否為AI寫作，并比較它們在判別能力上的差異。結(jié)果發(fā)現(xiàn)上述兩組數(shù)據(jù)基于文字的相似性檢測結(jié)果顯示，AI寫作組相似性比例僅為6.19%，遠低于原文對照組的55.91%（P＜0.01）?？梢姡珹IGC技術(shù)的發(fā)展對現(xiàn)有學術(shù)不端檢測系統(tǒng)帶來了極大的挑戰(zhàn)。AIGC時代涌現(xiàn)的各種工具生成內(nèi)容新穎，邏輯清晰，甚至超過了大部分人類的水平，其剽竊行為更為隱蔽，使得有些檢測系統(tǒng)無法有效應(yīng)對。同時，面對AIGC濫用所導(dǎo)致的學術(shù)誠信問題，制訂事前預(yù)警機制迫在眉睫。

同樣，AIGC寫作的法律風險也是不可忽視的問題。除了知識產(chǎn)權(quán)保護，還有生成內(nèi)容規(guī)范、網(wǎng)絡(luò)安全和個人信息泄露等風險問題。2023年8月，國家專門出臺了《生成式人工智能服務(wù)管理暫行辦法》，指出生成式人工智能服務(wù)存在如下風險隱患：生成虛假信息，對用戶產(chǎn)生誤導(dǎo);因使用不當造成重要數(shù)據(jù)泄露;被不當利用，成為實施“網(wǎng)絡(luò)水軍”、網(wǎng)絡(luò)詐騙等網(wǎng)絡(luò)違法犯罪行為的工具；侵犯知識產(chǎn)權(quán)……，該辦法還明確了服務(wù)者的主體責任和應(yīng)承擔的法律責任。

AIGC時代已然到來，我們在享受AIGC帶來的巨大便利和優(yōu)勢的同時，也不能忽視其存在的局限性和隱憂問題。我們肯定這項技術(shù)的價值和潛力，擁抱它，將它作為良師益友，但同時我們也要保持克制，不可一味索求，要在法律和倫理范圍內(nèi)合理使用，成為技術(shù)的駕馭者而不是技術(shù)的奴隸。