1、28数字出版研究2023 年第 3 期 AIGC 环境下编辑出版人才的关键能力重构徐怡行，刘洪权安徽大学新闻传播学院，230601，合肥摘要：2023年，以ChatGPT为代表的生成式人工智能异军突起，其优异的内容集成、整合、分析和生产能力与正在经历跨领域融合发展的出版行业的发展需求不谋而合，并很快有了实际运用的范例。这对出版从业者作为知识密集型产业人员的关键能力构成和核心竞争力体现提出了新的挑战和要求。本文试图分析以ChatGPT为代表的人工智能生成内容在出版行业的实际运用中所呈现出的特点并与传统人工运作的流程特点相比较，分析其对出版核心内容建构、跨媒介融合和提供知识服务等发展趋势的利弊，得
2、出AIGC背景下出版从业者应当具备的能力和素质，促进人机协同，推动出版业跨越技术桎梏实现高质量发展。关键词：AIGC；编辑出版；出版人才培养；模式创新；人机协同D O l:10.3969/j.issn.2097-1869.2023.03.0 05文献标识码：A本文著录格式：徐怡行，刘洪权.AIGC环境下编辑出版人才的关键能力重构J.数字出版研究,2023,2(3):28-33.2022年11月30日，美国人工智能公司Open AI推出了以多模态模型为基础的人工智能ChatGPT，它通过自然语言对话界面收集用户需求，集成运用大型语言模型、Transformer模型生成内容并通过人类反馈强化学习的
3、形式不断扩充原始语料库并训练改进回答方式，可以完成较高水平的语段组织、数据分析、图片生成等任务。这种内容的生产方式被称作AIGC（AI Generated Content），继Web1.0时代的专业生产内容（Professional Generated Content，PGC）、Web2.0时代的用户生产内容（User Generated Content，UGC）之后成为Web3.0时代新的内容产业风口，其极高的生产效率、极简的操作门槛和极广的应用范围特点刺激着大众不断探索AIGC的使用方式和应用边界。AIGC在出版行业的运用由来已久，从2007年AIGC独立完成并出版了世界首部人工智能小说1
4、 The Road，到电子游戏出版中常使用AIGC辅助原画生成、地图渲染、NPC设计，到ChatGPT横空出世不断更新迭代到ChatGPT-4，并由人工辅助完成了 ChatGPT：AI革命这部中国首部利用ChatGPT创作的关于ChatGPT的图书。过去弱人工智能所表现出的模型功能上的单一、应用领域之间的隔阂以及自然图形、语言理解能力的有限等问题都在逐一被技术的发展所攻破。AI能力的不断提升对正处于融合发展关键期的出版行业是一个至关重要的机会，在市场调查、选题策划、内容生产与编校、出版物设计制作、用户反馈分析、社群运营方面都将起到较大的助力作用。但AIGC的使用对出版行业从业者而言是一把双刃剑
5、，这意味着在出版流程中人的主体性将有所降低，传统工作内容可被替代，工作的重点也由传统的数据分析、内容把控、运营策划向更高的维度转移。作为国家文化宣传的重要阵地，出版行业应当针对媒介融合发展背景下AIGC的特点，有预见性地对出版人才应当具备的核心能力和素质做出前瞻规划。1 A IGC 功 能 特点 及 其 与出 版 行业的接轨1.1数据分析能力助力选题策划大数据是AIGC运行的基础，作为一个自然语言处理大模型，它具有极其庞大的原始语料库。据专题：AIGC 技术赋能下的出版业与人才培养29统计，Open AI公司的ChatGPT拥有超过万亿单词的人类自然语言数据集，参数量超过1 750亿，国内由腾
6、讯公司开发的混元模型也拥有五大跨模态视频检索数据集，参数达到了万亿级别1并且其模型自身也在不断地从用户交互中爬取更多信息。这些信息将会被延伸转化为多维度向量以便于机器理解和采用。过去这种转化需要人工进行分类和标注，在信息的时效性、分析效率和扩展维度精度方面依然有一些限制。而目前，随着算法的迭代和模型的更新，ChatGPT所使用的Transformer模型基于注意力机制，将不同的单词根据权重加以区分，在语义层次、语段位置、语法逻辑的处理上更加迅速精准，所用的训练时间更少，在此基础上的结果推断和趋势预测也更加可靠2。这项技术赋能在出版物市场调查与选题策划方面的优势尤其突出。传统的选题策划过程需要编
7、辑或专门的市场调查单位多方收集资料，并分类整理分析市场发展趋势和内容出版的可行性，这个过程会受到编辑眼界、个人喜好和研究单位调查渠道、市场风潮转变等因素的影响而产生一定偏差。AIGC在庞大数据的基础上就能够弥补编辑在细分领域所了解知识的不足，尽量囊括所有可能信息渠道的信息，并结合数据实时推断文化市场的走向。这一功能对数据调查、分析能力不足的传统编辑来说无疑是一种使用门槛较低而计算效率却较高的优秀辅助工具。然而对这种功能的依赖却可能造成市场敏感度、内容敏感度以及政策敏感度的反向降低，使得出版工作陷入唯经济效益、热点流量和世俗偏好为机械导向的误区。1.2内涵理解能力赋能多模态内容生成无论是视频、图
8、片还是音乐，不同的内容形态都可以被自然语言概括出内在的含义或表达，因此文本语义理解是AIGC的前提。从循环神经网络（Recurrent Neural Networks，RNN）通过单独计算上下文单词前后关联分析语义而无法短期记忆，到自注意力机制（Self-Attention）提出通过单独分析词语权重以达到单词成句摆脱循环计算的阻碍，ChatGPT所代表的自然语言理解能力和效率正在通过模型的迭代和训练数量的增加而不断提升，这为AIGC输出多模态内容打下了坚实的基础。单一的语言理解和文本输出功能虽然应用范围很广，但对于Web3.0和出版融合发展的当下已不足够。为了适应不同群体读者的阅读需求，相同内
9、容可供出版的形式也变得多种多样，如为儿童读者设计带有趣味交互活动的绘本读物，为老年读者设计操作简单的有声读物,等等。而AIGC建立在语义理解基础上的多模态生成功能可以为此提供有力的辅助。如中文平台6pen-Art和百度旗下的文心一格能根据输入的描述关键词自主选择风格进行作画。Synthesia平台则可以依靠文本输入生成AI视频，无需演员、相机或音频设备。Google AI则在探索通过语言或乐谱的描述生成人声音乐或乐器演奏。媒介是人的延伸，这些AIGC工具一定程度上启发了出版行业从业者对于内容呈现模式的想象力，提升了自身生产多模态内容的创造力，为出版行业自身低成本地进行IP开发、产业链延伸、跨媒
10、介叙事的尝试和试错创造了捷径。1.3自主学习能力强化个性化知识服务GP T-3.5引入了一种人 类 反馈 强化 学习（Reinforcement Learning from Human Feedback，RLHF）机制。该机制能够使机器系统从环境中学习并可以做到一边计算数据输出内容，一边以最大化某种特定目标为目的改进行为方式。该方法通过引入“奖励”和“惩罚”信号，让系统自行探索环境并学习最佳行为策略。与传统的监督学习不同，该机制无需大量人工标注训练数据，而是依靠信号在人类反馈中强化学习。ChatGPT-3.5为此邀请了40名专家辅助系统训练3，以期系统表达能够更贴近人类的语言思维习惯，并敏锐捕
11、捉互联网时代不断发生的表达方式的细微变迁，进一步向“图灵测试”发起冲击。在此基础上结合用于细分领域的小模型和用于公共领域的大模型，AIGC已经能够辅助甚至代替人工向用户提供诸如闲聊互动、客服服务、心理咨询、金融指导等知识服务。Web3.0时代的出版行30数字出版研究2023 年第 3 期 业也在寻求从内容生产商向知识服务者的角色转变。随着媒介形式的多样化和知识使用场景的转变，传统读者的身份也逐渐向用户身份过渡，出版行业凭借传统的内容为王的核心思维已经不能够满足用户“可靠、可变、可利用、可分享”的知识需求。而如何利用内容优势打破瓶颈，构建优质高效的统一融媒体服务、营销矩阵对出版单位而言又是极难越
12、过的关卡，过度向知识服务、社群运营、媒介营销等方面倾斜资源反而会弱化PGC模式生产效率和质量，造成本末倒置。AIGC的多模态内容整合输出、人格化表达形式、不断更新的自主学习特点，使其成为出版行业能够以较低成本加以利用的重要资源。2出版文化产业属性与AIGC机械理性的冲突出版物是以精神属性为核心的文化产品，这就意味着其中所蕴含的价值并非只有科学客观和绝对理性，人文关怀、感性价值和创意灵光也是优秀出版物价值构成中极为重要的部分，也是过去编辑在进行出版工作时格外强调的部分，而AIGC在此领域内的表现目前还无法与人类思维产物完全一致。2.1数据分析导向下创意性缺失问题的发生出版物市场由面向更广大群众的
13、大众出版物和面向细分领域的专业出版以及用作学习培养领域的教育出版等构成，各领域之下又根据具体内容的不同进行垂直细分。由于出版行业对内容质量的严格要求注定了出版行业必须以PGC模式为主，或者使用UGC、AIGC模式生产内容并进行严格的官方审查编辑，以保证出版物的内容质量和相对长久的市场生命力。这就意味着出版行业对内容时效性的要求较弱，但对内容的优质性、代表性和创新性等要求较强。但AIGC模式生产内容的基础是大数据、精准计算，各领域的内容市场在一定的时间跨度内所产生的信息趋势必然具有一定相似性，这就使得AIGC进行选题策划时极易出现内核相似或实例表现同质化的情况，既不可能脱离信息桎梏在某一领域内独
14、树一帜，也很难通过创造性决策或创意性改编引领下一阶段的内容发展潮流。同质化的选题策划或内容生产在一定程度上削弱了出版物个体的市场竞争力，破坏了出版产业追求的高质量精细化布局，导致资源浪费，甚至会阻碍文化发展的自然趋势。除了内容层面的同质化，AIGC在产业链创意性延伸方面也体现出一定的局限性。在出版行业开展IP转化如火如荼的当下，如何创新IP的表现形式以弥补或延伸其在文本内容上呈现出的空白点，如何合理分配IP应用场景优化用户体验或进行个性化销售和服务都是需要结合不同IP自身特色和其不同特点的用户群体进行创新性探索的问题。从创新价值链角度来看，这涉及了创新思想产生环节、创新思想物化环节和创新产品价
15、值化环节。然而根据学者结合中国20112021年30个省区市的数据发现，ChatGPT-AIGC只有对创新产品价值化环节，也就是产品推广和销售的作用是正向显著的4。这说明现阶段AIGC依然无法在出版行业最核心的价值领域，也就是创新内容生产和丰富内容呈现方面进行相对高效的赋能。对编辑而言这正是老生常谈的，也是最无法被机械所替代的创新能力的价值所在。2.2原始数据复杂来源基础下版权问题的出现AIGC不断扩大的语料库和数据来源、不断增加的训练集和逐渐丰富的内容生成模态正在驱使着这种内容生产模式面向更广阔的公共领域进行知识服务。反观出版业，单一领域内的出版物反而对知识的广度需求较为有限，对内容的正确性
16、、可靠性，或者单一视角下内容切口的深度有更严苛的要求。目前几个通用的AIGC模型源数据库准确性尚不可知，AIGC是否能够准确地从与用户的交互中提取准确信息也具有不确定性。根据用户反馈，AI生成的内容有时是披着“严密逻辑外衣”或“专业词语堆砌”的胡说八道。这种经过逻辑化、人性化处理的错误信息隐蔽性较强，对于使用AI辅助的内容生产工作而言则增添了编辑检查纠错的压力。而专题：AIGC 技术赋能下的出版业与人才培养31AI在视觉内容生成领域，争论也时有发生，有些艺术从业者体验后认为AIGC模式下生成的视觉作品是元素的简单拼合，会产生如光影变化、人物关节刻画、透视角度等诸多问题，缺乏艺术性，没有图层的叠加直接生成整体也不利于后续图片的修改和应用。AIGC模式在版权方面也存在一定问题。出版业对编辑的版权意识，和在工作中对于侵权问题的敏感度从过去就已有较高的要求。国家互联网信息办公室于2020年3月1日起施行的 网络信息内容生态治理规定 第十二条指出：网络信息内容服务平台采用个性化算法推荐技术推送信息的，应当设置符合本规定第十条、第十一条规定要求的推荐模型，建立健全人工干预和用户自主选择机制。这对于