引言 2022 年至今,GPT 模型、Midjourney 模型等一众生成式 AI 快速迭代,AIGC 几乎触及人类实践活动的边界,具备了完成绝大多数办公室工作的能力。面对层出不穷的技术革新,传媒业的发展定位有必要回到价值逻辑的原点,审视传播学众多基础概念所受到的巨大冲击,而“内容”就是其中之一 。不止于文本内容生成领域,图片和视频内容生成领域同样受到 AI 的强大介入。如果单从内容生产的初阶视角而言,似乎足以让人类对自身知识创造与调用的能力产生质疑。据 OpenAI 官网数据,GPT-4 在 GRE 口语测试中获得 169分(满分为 170 分),在法学院入学考试 LSAT 和美国高考 SAT 中的数学和证据性阅读与写作测试中的成绩高于 88% 的应试者。在内容的高阶运用层面,GPT-4 模型取得的优异成绩喻示着具有强大智能的生成式 AI 将通过内容的输入与输出逐步触达人类智能活动的边界。
生成式 AI 已成为开启智能互联时代的里程碑。在媒介技术发展和传播生态剧变的当下,“内容”的内涵和外延进一步延展,传统“内容”范式已不足以支撑生成式AI 浪潮下传媒业版图的扩张与角色功能的扮演。有学者曾提出“微内容”概念,认为对“微内容”的聚合与使用是网络内容生产的技术关键。在生成式 AI 浪潮下,“微内容”作为内容范式的三个价值维度(资讯传达、关系表达、媒介功能)在生成式 AI 加持下实现了智能要素的强大注入。在内容概念不断延展、内容范式持续迭代的情况下,如何把握媒介内容生产和传播生态的复杂演变成为传媒业面临的关键问题。
微内容:互联网内容生产的关键要素
互联网技术浪潮下的“微内容”,强调互联网变革内容生产、传播与消费场,通过社会化内容平台解放内容生产力,促进内容供给、表达主体、传播形式、传播渠道的极大丰富。生成式 AI 浪潮下的“微内容”强调内容的智能生成。准确把握新形势下“微内容”的概念,首先需要了解 AIGC 的“涌现行为”,知其可知与不可知;其次要正确认识 AIGC 内容,避免“chat”式类人际交流下的过度解读;最后方能明晰“微内容”的时代内涵,模糊人类要素与非人类要素的边界。
不同于以往的内容生成模式,生成式 AI 的内容生成模式以“chat”式类人际交流实现人机交互。有研究者认为这种“chat”止于“我不会对你有任何问题”,长久与之相伴的人可能会错把“智能”当“智慧”,失去拯救自我的意识,致使自我价值的消解和狂欢之后人类对机器的屈服 。
20 世纪 60 年代,MIT 计算机科学家研发出一款名为 Eliza 的聊天机器人,被设计用于心理咨询,并能以模仿真实会话方式回应用户输入。计算机科学据此提出人机交互中的伊莉莎效应,即人们阅读计算机输出的内容时往往倾向于从中解读出这些符号本身所不具备的意义,从而认为机器已经具备人类的情感、价值等属性 。从 Eliza 到 ChatGPT,这种自然的人机交互提供了高效便捷的信息服务,也引发了过度解读、自我价值消解等问题,ChatGPT 具备的“智能”并不能取代人类所特有的“智慧”。两者之间的分野在于前者是一个个具体知识“点”的功能性完成,而后者则是人类特有的认知格局及对于格局内相关要素连接整合的价值逻辑,是一种“点—线—面—结构—边界”的整体性信息加工范式。在生成式 AI 浪潮下,属于人的这种“认知理性”需要被赋予新的重视,正确认识内容的智能化水平成为人们认识“微内容”的第二步。
(三)“微内容”:模糊人类要素与非人类要素的边界
在正确认识 AIGC 的可知与不可知和其智能化水平的基础上,“微内容”概念的时代特征是模糊了人类要素与非人类要素的边界。吉登斯在结构化理论中提出,结构是社会系统再生产过程中反复使用到的规则和资源,其中资源分为“权威性资源”和“配置性资源”,前者源自人类行动者活动的协调,后者出自对物质产品或物质世界各个方面的控制 。内容是整个传播生态中的重要组成部分,在内容的生产过程中存在某种规则,规范了内容从生产到传播再到反馈的流程,而资源则推动规则的顺利运行。结合吉登斯对资源的分类,互联网技术属于权威性资源,生成式 AI 属于配置性资源,互联网技术主要作用于内容的传播与关系连接,本质上是对内容传播的控制;而生成式 AI 主要作用于内容的生成模式,本质上是对内容生产的支配。与内容传播环节不同,内容生产环节是内容传播的核心环节,传统由人类要素绝对把持的生产环节首次有了非人类要素(生成式AI)的深度介入,并与人类平起平坐 。诚然,即便有非人类要素的介入,人类要素始终在内容生产环节占据主导地位,其中一个耐人寻味的事实是,用户提示工程水平的优劣直接决定内容质量的高低。
综上所述,在新形势下,“微内容”不只是人类用户所产生的任何内容或数据,而且包括人类使用生成式 AI 创作的内容。一方面,AIGC 技术下的“微内容”虽然模糊了人类要素和非人类要素的边界,但另一方面它又对人类所掌握的提示工程能力提出了更高的要求,这也直接决定了内容生成质量的优劣。从人类生产内容到“人类 +AIGC”式的内容生产,内容内涵的丰富与外延的扩展将进一步升维内容范式,促进媒介内容生产与传播生态的巨大演进。
内容范式:智能要素注入下的内容扩容、权力转型与价值逻辑
互联网技术浪潮下的内容范式(资讯传播、关系表达、媒体功能)不足以应对智能互联时代整个社会的深度媒介化进程对于“大传媒”迭代升级的需要,生成式 AI 作为智能要素变革新形势下内容范式的底层价值逻辑,我们不妨从内容扩容、权力转型与价值逻辑三个层面探讨内容范式迭代中的适应性与复杂性。
(一)内容扩容:资讯宽度的延展与工作重心的转向
(1)内容表达体系:从文字转向到图像转向再到视频转向下的多模态内容表达体系。
从内容感知的层面上说,内容表达经历了从文字到图片再到视频的升维,现在又有了生成式 AI 以非人类要素的方式加入到了内容生产环节。但无论内容以何种形式表达和传播,其本质依然是内容在传播生态下的自适应发展。文字、图片和视频都是内容表达的重要方式,当下的生成式 AI 技术对内容的智能化介入同样是循着从文本内容到图片内容再到视频内容的逻辑,从而实现资讯表达宽度的延展。目前以ChatGPT 为代表的生成式 AI 支持文本 + 图像输入,GPT-4 已经升级成为多模态的大模型,在可预见的未来,生成式 AI 将逐步进入多模态的内容生产领域,AIGC 将对内容生产产生前所未有的影响。无论内容体系如何发展,内容始终以复杂系统的方式持续着整体性的演变,对于内容的分析始终可以从信息编码、信息传输和信息解码的角度出发,巧妙运用传播的修辞与话语整饰内容,通过接力传播与圈层进入的传输策略触达用户,消减文化折扣。
需要强调的是,内容的每一次转向并不意味着旧内容的消弭,而是对新内容的凸显,其最终目的是构建多模态的内容传播表达体系。从传统意义上讲,如果说精英阶层是内容生产、传播与诠释的主角 ,那么普罗大众更多地是处于单向度的信息被动接收状态,这意味着内容收发地位的不平等。在视频转向下,话语权逐渐分散,人人都是发声筒,传播场域中的个人(用户)的主体地位崛起,掌握较高文化水平和专业技能的群体可以通过多种内容形式提升影响力,普罗大众也掌握了分享美好生活瞬间的渠道,同时可以借助生成式 AI 实现高于社会平均水平的话语表达与资源调配,其背后是生成式 AI 对数字文明社会“能力沟”差距的巨大弥合。集结了文字、图片、视频的内容表达具备跨界和无限的信息量,通过构建多模态内容传播体系,提升内容的易感知、易理解、易交互特性。通过激活微粒化个体,完成微内容、微资源的价值裂变 ,实现对所有人的赋能赋权,这是提升内容丰富性与复杂性的关键,也为把握内容的发展路径提供了抓手。
(2)未来传播的关键与工作重心的转向:直接内容生产 - 数据挖掘与生产组织协调 - 提示工程能力。
生成式 AI 介入内容生产环节,势必会推动媒介工作者工作重心的转向——从直接的内容生产到数据挖掘与生产组织协调再到提升提示工程能力。大众传播时代,专业媒介工作者生产内容(PGC)、用户生产内容(UGC)和机构生产内容(OGC)是人类要素决定内容生产;万物互联时代,机器生产内容(MGC),即“传感器”类资讯,是机器参与内容生产 。
生 成 式 AI 浪 潮 下, 人 工 智 能 生 成 内 容(AIGC)是 AI 大模型生成内容。传统媒介工作者从事的直接内容生产很难成为其功能实现和价值发挥的立足点,也无法应对技术革新带来的传播生态剧变。海量传感器资讯对人类生产内容的冲击迫使人类提升对数据资源的掌控和对数据价值的挖掘,提高社会内容生产的组织和协调能力。生成式 AI 进一步变革内容生产格局,对人类的提示工程能力提出了新的要求。ChatGPT 等生成式 AI 的爆火,作为互补性职业的提示工程师(Prompt Engineer)进入社会各界的视线,Scale AI 创始人认为 AI 大模型可以被视为一种新型计算机,而提示工程师就是给它编程的程序员通过合适的提示词挖掘出 AI 的最大潜力。未来传播的关键在于人人都将直接或间接地成为提示工程师的角色,提示工程能力成为微粒化个体的核心技能,提示工程能力的高低直接决定 AIGC 内容产出的质量优劣。
Web3.0 时代,生成式 AI 对内容进行再赋能,驱动平权结构的涌现,人类要素与非人类要素逐渐占据平等地位。DAO(去中心化自驱组织)作为一种统摄性范式促进社会再组织 ,传播权力转向用户创造、用户所有、用户参与分配,实现真正意义上的用户崛起。ChatGPT 等新一代智能互联技术赋能普罗大众跨越能力沟的障碍,同步提升内容的关系赋权能力,以此形成强大的社会表达与价值创造能力。传播权力的进一步下沉促使传播生态与分布式社会的权力构造相适应。Web3.0 描绘的平权结构是复杂传播生态系统中涌现的新结构,绝对意义上的平均蕴含乌托邦性质,在平权的背后可能会隐藏集权控制和垄断现象 。囿于政治、经济、文化等多主体的限制,Web3.0 环境下平权结构的发展必然不是一帆风顺,而是螺旋式上升的路径。生成式 AI 是对于人和内容的又一次重大赋能赋权,推动社会实现数字化、智能化加持下的重大启蒙,在此过程中平权结构涌现。正如莱文森所说,媒介进化不是一条直线,而是类似生物体适应自然环境的过程,在试错的过程中进化。生成式 AI 的再赋能是传播生态复杂自适应演变的助力,人工智能对个体的激活和对内容的赋权将进一步为传播生态的演进注入强大的内驱力。
高效发挥新一代内容的价值,需要掌握人工智能和算法的应用能力与数据的价值挖掘能力。生成式 AI 作为下一代互联网的连接中枢,赋能社会实现移动互联到智能互联的转变 。以 ChatGPT 为代表的生成式 AI 作为智能主体,通过聚合网络节点信息,对每个节点推送不同内容,作为中央枢纽,生成式 AI 可以进一步缩短内容传播层级,促进传播生态降本增效。当前的智能算法通过匹配用户特征、环境特征、内容特征实现内容与人的连接,即场景洞察。在此基础上,未来的生成式 AI 需要进一步挖掘用户所处的场景价值,快速寻找符合用户需求的内容,也就是说,基于场景要素构建“人 - 内容 -物”的价值连接是把握传播生态系统复杂自适应演进的关键。
操作路径:媒介内容生产与传播生态的协同演进
生成式 AI 的技术逻辑下,内容不断丰富,内容概念持续延展,内容范式不断迭代,我们应该从媒介内容生产和传播生态的协同演进出发,来把握生成式 AI 带来的生态级变局。霍兰提出用回声模型(ECHO)来研究媒介内容生产与传播生态的演进机制,首先是内容自适应行为的多样性与随机性;其次是内容与传播生态的交流,接受外部刺激,按照某种规则选择应对方式;最后是依据适应度指标,接受和评价系统发展结果。ECHO 模型构建了一个“活”的系统,它为我们理解生命样态的智能(人类智能和人工智能)提供了一个新的视角:即通过内容与传播生态之间的协同演进,导致内容的行为和结构发生自适应转变,进而推动传播生态向更高层次迭代。该理论借鉴生物进化机制,从非最优解的选择出发,在发展进化过程中逐步进化,将进化过程类比求解过程,进而实现新时代、新技术、新趋势下的传播生态适应性演变,从而回应生成式人工智能崛起所带来的媒介内容生产范式及内容生态的变革。