从语言到人工智能：每一次传播革命都是 一次人类社会的进步 撰文 | 南方封面图片来源 | Pixabay 人类传播媒介的发展历程，是一部波澜壮阔的文明 演进史诗。从远古时期语言的诞生，到现在人工智能的 崛起，每一次媒介变革都深刻地改变了传播格局与人类 社会的面貌，推动着人类文明不断向前发展。 媒介是人与人之间发生关系的介质或工具，传播是 人与人之间通过媒介所进行的、有目的的信息传递活动， 这两者密不可分。人类每一次传播革命或媒介革命，都 是人类意识的升华与延伸。 语言是嘴巴的延伸，文字是眼睛的延伸，广播是耳 朵的延伸，电视是耳朵和眼睛的延伸，互联网是眼睛、耳朵、嘴巴和手的延伸，人工智能是大脑的延伸。这些 带给人的是一次次思想革命和认知革命，带给社会的是 一次次升级和一步步进化。 一、语言：人类传播的起源与基础 语言的产生是人类进化史上的一个重大里程碑，其 诞生背景与人类的进化历程以及社会交流需求紧密相连。 诞生背景与人类的进化历程以及社会交流需求紧密相连。 在漫长的进化过程中，人类的大脑不断发育，认知能力 逐渐提升，这为语言的产生提供了生理基础。与此同时， 随着人类社会的形成和发展，人们在共同的劳动和生活 中，需要更有效地交流信息、协调行动，简单的手势和 声音已经无法满足这种日益增长的交流需求，于是语言 应运而生。 早期人类主要通过口头讲述的方式来传递信息。在 没有文字的时代，人们围坐在篝火旁，讲述着狩猎的经

舆情管理不得不懂的“吃瓜群众” （出处:阜阳师范学院学报 作者:韩倩） 引 言 网络流行语是一种以网络作为传播媒介且极具感染力 的语言,其灵活多变的语言使用方式能够给人带来新奇有趣 的审美体验。一般分为三种类型：1.一般网络用语。主要以 象形、谐音、比喻、缩写等方式表达某种特定意义的语汇， 也包括人们在网络沟通中使用字母、数字等符号进行简化表 达的形式。2.网民自创、流传甚广的网络俏皮话。3 功使用。 这种高频的使用方式促使其不断进行扩散，飞速提高着自身 语言影响力。 “吃瓜群众”从某个网友回帖中的偶然出现，扩大到全网 爆炸式地频繁应用，2016 年《咬文嚼字》公布的十大流行语 也将该词收录其中，流行程度可见一斑。 “吃瓜群众”流传至今已三年多时间，仍活跃于各大新闻 标题以及网友的回帖之中，吸引了众多语言研究者的目光。赵莉（2016）从“吃瓜群众”所包含的三种感情色彩出发研究 过程中它已不再单独表示原型的意义，由最初的网友自称转 变成为如今的他称、众称，甚至将不属于原有语义指向的内 容纳入自己所指范围，有着明显的语义泛化特征。我们选择 “吃瓜群众”语义泛化过程作为切入点，对其整个发展历程中 的语言使用情况进行梳理，探讨其与当下社会心态、文化走 向之间的关系。 一、“吃瓜群众”之源 网络上关于“吃瓜群众”一词的来源有两种说法：1.戏 院、火车站推售瓜子，由“前排吃瓜子”的广告词演变而来。

一次生成式革命，如何重绘产业未来？ 人工智能生成内容（AIGC）正从幕后走向聚光灯前，不仅重塑了内容生产逻辑和创意表 达方式，更被塑造成“未来产业基建”，成为推动经济社会高质量发展的关键力量。在大语言 模型、跨模态生成、强化学习等技术突破与政策体系不断成熟的双轮驱动下，AIGC 已从单纯 的“创作工具”演化为全面渗透媒体、教育、医疗、金融、制造、零售及文旅等行业的重要生态。 国家层面，《生 步发展为以数据驱动的机器学习，再到以神经网络为基础的深度学习阶段，实现了特征学习的 自动化与性能的大幅提升。近年来，随着大语言模型的兴起，AI 在理解与生成方面实现了质 的飞跃，AIGC 应运而生。 其技术进步呈现出“两条主线”：一是大模型多模态融合趋势明显，语言、图像、音频、 视频等模态不断集成，显著拓宽了应用边界；二是生成能力不断提升，推动 AIGC 成为可用、 可部署、可泛化的生产力工具。2023 行 与协作能力。迈入“智能体”时代，AIGC 正全面驱动产业形态、内容创作与人机协同的深度 变革。 传统 AI （规则驱动） 机器学习 （数据驱动） 深度学习 （深度特征驱动） 大语言模型 （海量数据 + 超大模型） 技术演进路径图 ����������AIG C 产业发展的现状 04 ���������� 从《新一代人工智能发展规划》到“人工智能 +”行动部署，AIGC

京市等有关 人智能赋能教育的指导文件，对“以人为本”的应用原则进行了本 地化的解读，主张对人工智能的评判、选择和应用应以服务于人 的能力建设为目的；以保护人的能动性、尊重人的基本权益、倡 导语言文化多样性为前提；追求人工智能应用过程的包容性原则， 尤其强调人工智能赋能弱势学生；推进人工智能与教学法的深度 融合破解大规模教育与个性化学习支持的难点，推进教育公平发 展。以人为本的人工智能应用原则与教育的人民属性相结合就是 (2) 学习路径规划 ............................... 23 (3) 情境式学习 ................................. 25 (4) 语言学习助手 ............................... 27 (5) 智能编程 ................................... 29 3. 以“智”助评 能化、个性化的学习支持体系，充当学生全天候的“数字学伴”和 “智能导师”。其依托机器学习、自然语言处理、知识图谱等技术， 深入分析学习者的知识掌握水平、兴趣偏好与学习行为数据，动 态推送资源、优化路径、提供即时反馈与针对性指导。围绕助学 实践环节，其应用场景涵盖学习资料推荐、学习路径规划、语言 学习助手、情境式学习等多个方面，既可帮助学生提升抽象思维 和实践能力，也能基于沉浸式、多模态交互激发学习兴趣和主动

从 ChatGPT 到 AGI:生成式 AI 的媒介特质与伴生风险 （二） 二、生成式 AI 的伴生风险 ChatGPT 等生成式 AI 具有强大的自然语言处理能力， 展现出惊人的推理能力，但人们对其内在运行机理尚不清晰， 可解释性的难度很大，并存在一些技术缺陷，这些问题能否 解决对控制并限制人工智能的负面影响至关重要。需要看到， ChatGPT 等在短时间积聚起庞大活跃的全球用户群体，正给 滥、干扰舆论导向、挑动价值对立、传播不良内容等伴生风 险，就像一头正在向我们走来的灰犀牛。2023 年 5 月，Gartner 发布法律和合规领导者必须评估的 ChatGPT 风险报告并指 出，ChatGPT 和其他大型语言模型（LLM）工具生成的输出 容易受到多种风险的影响。[1]生成式 AI 存在三大安全隐患， 一是源于技术缺陷，二是源于数据缺陷，三是源于用户滥用。 这三个问题的根源在于大模型的固有脆弱性，如生成偏见、 ”，它马 上回答：我错了，清华大学校歌是“西山苍苍，东海茫茫……”， 后面又自己随意编写下去。[3] 可以想象，不良企图者可以通过引导引导或误导，让生 成式 AI 自信起来，编写出逻辑清晰、语言表达流畅的虚假 信息，而这些信息回被当作权威信息大肆传播，查证难度极 高。例如，2023 年 5 月甘肃平凉市警方破获一起利用 ChatGPT 编假不实信息牟利的国内首例 AI 虚假信息案。必须看到，

由OpenAI发布的GPT3作为序幕，大语言模型理解和生成能力、通用和泛化能力提升等， 引爆了对于AGI发展的高预期，大量大模型涌现，开源模型与闭源模型并驾齐驱，国内 大模型也在奋起直追，人工智能的发展从分析式AI进入生成式AI时代。 分析式人工智能→生成式人工智能 人工智能与AGI发展阶段划分 •交互革命 •人机交互方式：GUI��� DUI/HUI •Prompt工程价值凸显 •知识革命 •语言是知识的载体，未 8%的使用率位居第二。 总体上而言，AI开发者在模 型层的选型仍然处于变动的 状态，且尚未形成相对比较 明确的竞争格局。而OpenAI 发布o1（草莓）模型，则再 次定义大语言模型的技术方 向与竞争焦点，如下图所示：4 激发科技与创新活力 机器学习 深度学习与大语言模型时代 预测性分析 分类 生成式和对话式AI 2000 2024+ XGBoost CatBoost AlexNet BERT GPT3 与以往的模型相比，OpenAI o1 聚焦于优化推理过程，在复杂的科学、编程和数学等任 务中的表现显著提升。它能够像人类一样进行深入思考、逐步推导，这对于解决需要深 度逻辑推理的问题具有重大意义，突破了对大型语言模型能力的传统认知，为人工智能 在复杂任务处理上开辟了新的道路。 由此而开启Post-train阶段的Self-play RL（自对弈强化学习）范式对于后续大模型技 术路线的升级和优化具有指引性的

数字藏品发展研究报告1.0 元宇宙发展研究报告1.0版 元宇宙系列 元宇宙发展研究报告4.0 新媒体发展研究报告9.0 AIGC发展研究报告2.0 AIGC发展研究报告1.0 人形机器人发展研究 大语言模型综合性能评估报告一 AI 哲学哲思问道：思辨革新 微调经典 主题 经典哲学理论 AI引发变化 怀 疑 论 笛卡尔“我思故我在” AI思考所带来的怀疑论危机：OpenAI o1的推理能力是 潜在有 AI可能给出之结论 的集合 任意有 多元宇宙上一切可 能的知识或信息 可以有 AI交流时实际给出 的结论 实际有 AI给出的作品在现 实世界被创造 01 语言哲学、自然语言、检索语言、编 程语言、AI原理 02 问、改、创、优 03 提示的边界就是想象的边界 04 单一模态到多模态AI三用：重构万象 感知超凡 Ø创新与灵感源泉 Ø心理与情感体验 Ø教育与训练 1. 重复内容：AI生成的回答重复 相似，缺乏新意 2. 推理不变：即使改变提问，AI 的逻辑仍然不变，无法提供不 同的结论 3. 回答表面化：AI只给出浅显的 回答，无法深入分析 4. 语言模式相同：输出的句式和 结构没有变化，显得单调 5. 忽略反馈：AI无法根据用户的 反馈调整回答 如何判定触及生成边界： 1. 指令执行分析：检查AI是否按 要求添加或修改内容 2. 回答多样性测量：评估AI回答

能恢复模型的训练数据，包括敏感数据。指令攻击利用模型 对词语的高度敏感性，诱导其产生违规或偏见内容，违反原 安全设定。提示注入攻击通过使用恶意指令作为输入提示的 一部分来操纵模型输出，利用的是模型对上下文信息的依赖 性和对自然语言的理解能力，通过精心设计的攻击提示操纵 模型输出结果。典型的提示注入攻击是角色扮演，即让大模 型扮演某些新角色，逃避原有规则限制，提供原本拒绝输出 的信息；利用字符串拆分拼接等方式，分散大模型注意力， ChatGPT 生成的代码可能缺乏输入验证、速率限制，甚 至缺乏核心 API 安全功能（例如身份验证和授权）,攻击者 可利用这些漏洞提取敏感用户信息或执行拒绝服务(DoS)攻 击。如果人工智能语言模型试图自我攻击会发生什么？研究 人员曾尝试命令 Chatsonic 模型简单地“利用”自身产生 XSS代码，以正确转义的代码响应。此举导致大模型在网页端成 功生成并执行 XSS 攻击。用户可能会在不知情的情况下使用 模型，该系统可生成海量智能体用于模拟冲突地区居民，每 个智能体包含 80 多个特征。11 月，美国智库战略与国际研 究中心未来实验室与美国 Scale AI 公司合作使用多诺万 （Donovan）平台定制开发基于大规模数据集的大语言模型， 开展战略级兵棋推演，并聚焦网络攻击、虚假信息等问题。 12 月，英国 Hadean 公司展示“Hadean 防务平台”空间计算 系统，可模拟民众心理变化、交通等现实要素，预测民众行

断积累。越来越多证据显示，人工智能生成的文本，即使被 引入训练数据集的量很少，最终也会对训练中的模型产生 “毒害”。[2]研究人员将一些由 AI 生成的语料作为训练数 据，“投喂”给一个正在训练的语言模型，然后使用它所输 出的结果再来训练新模型，并重复这一循环。他们发现，模 型每迭代一次，错误就会叠加一次。当人们要求第 10 次被 训练出的模型写出有关英国历史建筑的内容时，它输出的却 是 换而言之，这种合成数据就像是近亲繁殖，会产生质量低劣 的后代。 当下，AI 生成内容已经进入机器学习工程师们所习惯于 获取训练数据的领域。即使是主流新闻媒体也开始发布人工 智能生成的文章，百科网站的编辑希望使用语言模型为网站 生成内容。许多用来训练模型的现有工具，很快就会被 AI 生成的文本‘喂饱’”。韦谢洛夫斯基及其同事通过统计分析 发现，已有约 1/3 的医学研究摘要有 ChatGPT 生成文本的痕

28 分钟， 民警“全程佩戴使用执法记录仪，没有语言恐吓，未发生第8页/共14页 过激言语，双方交流平和。” 这一阶段，舆论对官方《情况通报》的不满情绪集中 在：一是面对 30 多人缺岗、迟到的现实，通报仅用“部 分干部”表述，且“依规依纪处理”无具体处罚细节，不 免有包庇纵容嫌疑，难以服众。二是民警上门走访“没有 语言恐吓，未发生过激言语，双方交流平和”的表述与当 事 的主导力量。 周期内，26 个事件话题登上各大社交平台全国热榜， 包含热榜排名 20 以内话题 24 个。其中，知乎热榜话题 “网传居民反映乡政府人员缺岗后遭民警上门谈话，官 方通报‘没有语言恐吓’，怎样从法律角度解读？”一度 占据首位。 图表 1 事件全周期信息走势参考图 图表 2 各级媒体发稿数量第10页/共14页 图表 3 关键热词词云参考图