AIGC与WEB3.0有机...合_元宇宙内容生产的新范式_郭全中.pdf

36元宇宙与传媒传媒研究AIGC与WEB3.0有机融合：元宇宙内容生产的新范式*郭全中 袁柏林【摘要】内容生产主要经历了PGC、UGC、PUGC、AIGC等阶段，参与人员、内容的数量和丰富性、AI能力等方面都取得了长足的进步，但是依然难以满足元宇宙内容生产的需要。要真正满足元宇宙对于海量优质内容的需要，需要实现AIGC的去中心化以及与Web3.0的有机融合：AIGC能够实现高效率地生成高数量和高质量内容，WEB3.0则能对海量数据进行集成并构建起全新的经济系统，基于WEB3.0的去中心化的AIGC将成为元宇宙内容生产的新范式。【关键词】AIGC WEB3.0 元宇宙 内容生产2022年10月，在Podcast.ai推出的第一集播客里，已故的苹果创始人乔布斯与美国知名播客主持人Joe Rogan进行了一场长达24分钟的采访交流，讨论了乔布斯对大学、计算机的看法以及工作状态、信仰等内容。Podcast.ai的这场“Joe Rogan interviews Steve Jobs”是一个完全由AI生成的播客音频内容，即通过乔布斯的传记并结合网络上关于他的所有录音，用Play.ht的语言模型大量训练最终完成节目。此外，2022年11月30日，OpenAI团队发布自动生成语言文本的ChatGPT模型，能够进行文本翻译、撰写文章、生成代码等，由于其操作简单、功能广泛，上线后深受网友欢迎，注册用户激增，目前用户数已经超亿，引发AI生成内容的新一轮浪潮。从中可以看出，之前只是辅助内容创作工具的AI已经演变为内容创作的主体，AIGC时代真的到来。但是当前AIGC主要由AI巨型平台主导，而未来要真正满足元宇宙去中心化的要求，还需要与WEB3.0有机融合。一、内容生产需要新范式不同的WEB时代，有不同的内容生产方式。从PGC到UGC，再到PUGC、AIGC，生产模式的参与人员、内容的数量和丰富性、AI能力等方面都在不断提升。1.PGCW E B1.0 时代的 P G C（P r o f e s s io n a l l y-generated Content），即专业生产内容或专家生产内容，由专门机构或专业人士输出内容，其生产的内容质量有一定保障，但普通大众无法参与生产，如互联网早期的以广电从业人员为主进行大*本文为北京市社会科学基金规划重点项目“首都互联网平台企业社会责任与协同治理体系研究”的阶段性成果，批准号（22XCA002）传媒研究37元宇宙与传媒众文化内容传播。PGC 模式下，主要由机构媒体进行内容生产，参与人员少，内容数量少、丰富性低，AI能力弱。2.UGC进入以参与、互动、分享为特征的WEB2.0后，Facebook、Twitter、微博、微信等为代表的社交媒体开始崛起，UGC（User Generated Content），即用户生产内容应运而生。在UGC阶段，内容生产不再是专业人员的特属，产消合一成为可能，自媒体蓬勃发展，参与人员众多，内容数量多、丰富性高、质量低，借助一些辅助工具具有一定AI能力。3.PUGC由于PGC和UGC有各自的短板，因此，近年来衍生出PUGC（Professional&User Generated Content），即专业媒体与用户联合生产的内容生产模式。在PUGC阶段，机构媒体与自媒体协同发展，参与人员众多，内容数量多、丰富性高、质量高，AI能力提升。但是现实状况反映，PUGC面临着专业生产力不足以及一些网红PUGC朝着UGC化发展，缺失PGC的优质内容把关等情况。4.AIGC在以区块链、人工智能等为基础技术支撑的WEB3.0阶段，AIGC的内容生产模式被提出，其AI能力显著提升，参与人员众多，内容数量、质量、丰富度得到极大提升，AI能力超强。但是就目前AIGC的应用情况来看，AIGC掌控在AI巨头手里，制约了元宇宙内容的生产。因此，基于元宇宙时代，需要发展出AIGC与WEB3.0融合的内容生产新范式。二、AIGC内涵、技术、优势及发展现状1.AIGC的核心内涵AIGC（Artif icial Intelligence Generate Content），即人工智能生成内容。目前，学界对其还无具体的概念界定。中国信息通信研究院和京东探索研究院在近期发布的关于AIGC的白皮书中指出，由于国内学界对AIGC理解为是继PGC、UGC之后的利用人工智能技术自动生成内容的新型生产方式，在国际上对应的术语是“AI-generated Media”或“Synthetic Media”，因此，给出AIGC的概念即“AIGC既是从内容生产者视角进行分类的一类内容，又是一种内容生产方式，还是用于内容自动化生成的一类技术集合”。1基于此文，笔者认为AIGC是WEB3.0下使用AI为技术支撑的生产力跃升、生产过程去中心化、生产结果优质可体验化的内容生产模式。2.AIGC的技术支撑AIGC最典型特征即它以AI为技术支撑。AI技术的不断演变，促使了人工智能学科的建立，至今已形成较为成熟的技术体系，不断面临的技术问题，推进人们探索向前。（1）AI的诞生人工智能（Artificial Intelligence，AI）是21世纪三大尖端技术（空间技术、能源技术、人工智能）之一。人工智能的思维模式是模仿人的思维，可追溯到17世纪笛卡尔的“思维法则”，即笛卡尔首先运用数学思维规范建构了科学的方法论，但还没有形成完善的人工智能思想。1950年“人工智能之父”阿兰麦席森图灵提出了著名的“图灵测试”，并发表了一篇题为机器能思考吗？的论文，对推动人工智能的发展起到划时代作用。而“人工智能”概念首次被提出是在1956年的达特茅斯会议上，至今已有逾60年历史。现今，对于人工智能领域的研究已经形成完整学科体系，具有较多的理论研究和技术落地。（2）AI的技术架构AI技术经历了长期的发展，从初期的机械式生成到无监督式学习，再到灵活、多元、组合式生成，完成了技术的质变。其主要经历了人工神经网38元宇宙与传媒传媒研究络的浅神经网络、深度学习、生成式对抗网络和多模态大模型等技术阶段。第一，人工神经网络。国际著名神经网络研究专家Hecht Nielsen指出：人工神经网络（Artificial Neural Networks）是由人工建立的、以有向图为拓扑结构的动态系统，它通过对连续或断续的输入作状态响应而进行信息处理，2它是一种算法运算模型，通过模拟动物大脑神经网络进行非程序化的信息处理。它通过节点（即神经元）间的链接，形成神经网络的记忆，具有强大的自学功能和运算能力。因此，人工神经网络可以不依赖“专家”的头脑，而自动从已有的实验数据中总结规律，并擅长处理复杂多维的非线性问题,不但可以解决定性问题，也可解决定量的问题。3第二，深度学习。由于人工神经网络实施初期是浅神经网络，只有三层神经网络，即一个输入层、一个隐藏层和一个输出层，计算能力有限。随着对人工神经网络研究的深入，2006年Geoffrey Hinton等人提出“深度学习”（deep learning)的概念。深度学习是相较于浅神经网络而言的，具有多隐层的多层感知器是深度学习的一种结构，即其具有一个输入层、多个隐藏层和一个输出层。典型的深度学习模型有卷积神经网络、DBN（贝叶斯概率生成模型）和堆栈自编码网络模型等。4浅层神经网络依赖于人工特征提取，对用户的隐层表示难以提取，且不灵活，而由于深度学习的分层特征，使其具有更强的应用能力和表示能力，能够学习到更加抽象、更加稠密的用户的深层次表达。目前，深度学习在图像处理与识别、自然语言理解、语音识别等领域取得突破性进展，并广泛应用于各类推荐系统，如新闻推送、信息检索、位置服务、淘宝推荐等领域。5第三，生成式对抗网络。随着深度学习的研究深入，2014年Ian J.Goodfellow等人受零和博弈的启发提出了由生成器和判别器组合的生成式对抗网络(Generative Adversarial Networks)模型。其突破在于：其一，相对于代价较高的需要人工添加数据标签的有监督式的深度学习，生成式对抗网络是一种无监督式学习，进一步推进了人工智能，如可方便用于无人驾驶领域；其二，生成式对抗网络能够生成更高清图像和更准确的文本，并且可以提高文本与图像的匹配程度，带来更好的视觉呈现。第四，多模态大模型。自深度学习技术兴起，即使有GAN等技术的加持，也应用于不同场景，但其大多仅仅存在于特定需求的小模型中。近年来，超级深度学习带来了多模态和大模型两个方向上的突破，深度神经网络技术将逐渐更替到超大规模、超多参数量的多模态大型神经网络，也就是说AI生成更加追求生成内容的多样性、组合性。6 在多模态方面，AI生成内容通过打造不同模态之间的对应关系可以实行不同模态之间的转换。如2021年国际顶级AI研究机构OpenAI研发的DALL-E模型中可以生成不同形状的“牛油果手扶椅”“长颈鹿乌龟”等图，2022年OpenAI结合CLIP多模态模型，发布DALL-E2，有“宇航员骑马”“画中小狗”等图，可以根据情景切换画面布局，应用范围逐渐扩大，场景也越来越多、越来越有趣。在大模型方面，2021年，北京智源人工智能研究院相继发布AI模型系统“悟道1.0”和“悟道2.0”，是我国首次研发的人工智能大模型，其中“悟道2.0”具有1.75万亿参数的模型规模，既可以根据文本生成高像素和高精度的多画风图像，也可以根据图像精准检索文字。北京智源人工智能研究院院长黄铁军表示，模型是“数据+算力+算法”结合的产物，而人工智能大模型是“大数据+大算力+大算法”结合的产物。但其背后仍存在伦理道德、法律界限的新问题，其带来的隐患会被所有下游模型继承。7这也是AI生成技术目前需要解决的问题之一。传媒研究39元宇宙与传媒3.AIGC的主要优势AIGC的AI独特技术支撑使其具备生产力的强大、生产过程的个性化以及生产结果的优质可体验等独特优势。（1）强大的生产力AI技术从浅神经网络开始就具备了自学和运算能力，这使得AI技术支撑下的内容生产模式具有强大的内容生产力。主要体现在：其一，生产的全天候。AIGC由算法产生劳动力，这就跟有限的人力形成对比。只要算法可以运行，AIGC就可以实现24小时全天候进行内容生产。其二，生产的快速性。由于AI技术强大的运算能力，可将人脑认为复杂的创作，在短时间内通过机器学习快速转化成大量数据，完成创作，实现时间和数量上的飞跃。其三，生产的自主性。AIGC的生产具有模拟人脑思维的功能且具有深度自学能力，让它不依赖于人的思维，而是独立的机器人。其四，生产的多样性。AIGC并不局限于某一领域的创作，它既涵盖了文学、管理学、传播学等人文社会学科，也被应用到生物学、科学等自然科学学科，具有明显的生产多样性。（2）个性化的生产过程与传统的UGC、PUGC生产模式类似，AIGC在生产过程中也具有个性化的特征。但不同的是，UGC与PUGC是由多主体的用户参与实现个性化生产，但UGC、PUGC的内容生产需借助互联网平台的社交媒体为载体，这就不可避免地受到平台中的群体压力、群体趋同等传播效应的影响，容易出现内容同质化现象，尤其是抖音、快手等平台经常出现一哄而上追逐当前热点的行为，因此，虽然是具有完全个性化的主体，但并不能保证内容的完全个性化。而AIGC并非追求生产过程中用户的作用，而是通过自动识别场景，抓取数据，寻找不同模态间的对应关系，实现智能的个性化，这就有效避免了同质化的现象。（3）优质可体验的生产结果不同于UGC、PUGC中由于用户内容生产水平不同导致既有优秀的内容也存在低俗的成分，AIGC由于自主和个性化的生产极大提高了生产内容的质量。其一，由于算法的不断优化，内容生产中低级的错误如语法、错别字等可以被自动检索并规避，并且在内容语义上可以模拟更高素养的人脑思维，起到比人工审核更精准的内容把关；其二，GAN等技术支持了AIGC更高清的图像，带来更好的视觉呈现。除了内容优质，另外AIGC通过构建多维数据，将平面的场景转换成立体的模型，促进了2D内容到3D内容的过渡，还可以与VR、AR技术结合带来