生成式人工智能将成为未来社会的基础设施

生成式人工智能是指基于算法、模型、规则，在没有人为直接参与的情况下生成图文、音视频、代码等内容的技术，包括生成式对抗网络（GAN）、生成式预训练变压器（GPT）、生成扩散模型（GDM）等技术形式。以ChatGPT为例，它是基于语言大模型的生成式、预训练的人工智能，其核心的技术特性是概率计算与标注训练。生成式人工智能不同于以往为人们所熟悉的判别式人工智能，它本质上是一种建立在大模型和预训练基础上，运用海量数据所生成的“文字接龙”；而所谓标注训练则是为文本“赋魂”，即以深度学习的方式不断为文本的生成注入“以人为本”的关系与情感要素，进而提升了文中表达的人本价值。Chat-GPT作为一项划时代的智能互联技术，其突破点在于以无界的方式全面融入人类实践领域（通用性），具有去边界、场景性、交互性和参与性等显著特征。

从ChatGPT3.5到ChatGPT4，再到其作为自由插件的普及化，生成式人工智能正在迅速跨越对语义世界的整合与价值输出，迅速成为对人类实践全领域、全要素整合的促进者、设计者与运维者，成为深度媒介化社会的“操作系统”。人类文明已经从曾经的人力时代、马力时代、电力时代进入了今天的算力时代，传播媒介的中介连接作用已经由过去的对资讯分享的连接发展到对人和人、任何环境的关系连接，进入了在人类实践的全领域、全环节实现价值连接的全新发展阶段。

生成式人工智能之所以能够影响人类实践的全领域，主要有两个重要的特点。第一是具有普遍影响力的技术特征。这一具有无限潜力和智力能力，并无限接近人的智力表达的工具，已经用一种通用的方式连接到人类实践的全领域，同时拥有对人类实践全要素、全环节、全部机制进行重构的价值连接力量。第二是具有便捷使用性的操作特征。以ChatGPT为例，其技术特点是GPT（Generative Pre-trained Transformer生成式预训练模型），之所以要以Chat作为定语，主要是因为这一技术的实现是需要通过多轮对话来使任何一个有提问能力的人都能提出一个复杂的问题。提问成为挖掘这一大模型智力能力、无限潜力的重要手段。即使最一流的专家有时候也很难对一个复杂概念用一句话给予明确的解释，而ChatGPT就提供了一个非常普及化、非常便捷的使用通道，因此拥有被广泛使用的意义。

生成式人工智能是一种集信息获取（信息支持）、智能服务（服务支持）、聊天机器人（情感支持）、创作工具（生产支持）等功能于一体的社会基础设施，有可能成为下一代互联网的入口，重新通过价值关联形成跟未来数字化社会总体目标相吻合的社会化建设、基础性建设。

生成式人工智能的媒介特性

在生成式人工智能出现之前，人类所面对的智能可分为机器智能与人类智能两大种。机器智能以计算—表征主义为基础，以理性、精确、可描述、可计算为智能特点，具有“向后”编织的智能力量，是面向已知领域的信息总结，在智力劳动中扮演“执行”角色，决定着战术的实现。人类智能以具身感知主义为基础，以非理性、突现、具身、直觉为智能特点，具有“向前”编织的智能力量，是面向未知领域的知识创新，在智力劳动中扮演“赋魂”角色，决定着战略的方向。

我认为，生成式人工智能是一种价值连接的媒介，它是由两种语言所支撑塑造的两种智能体系的统一，本质上是对人类智能的尊敬，在机器智能与人类智能之间架起融汇沟通的桥梁；是对智力劳动的一种划类，凸显了人类智能的核心价值，而非简单的替代或超越人类智能。

具体而言，生成式人工智能剥离了智力劳动中逻辑的、理性的、可被数据描述的、可被算法解析的部分，而把非逻辑非理性的、无法用算法解析与表达的，属于人的激情偏好和目标性的画龙点睛式的赋魂之智，交给了人类来执行和主导，这实质上是人本地位的进一步强调，而不是削弱。

而大模型的海量参数则将世界分解为颗粒度极细的单位，这便使得看似作用力极小的人的标注和训练行为，在这些细颗粒度的整合生成中，成为一种强大的方向性、奠基性的决定性推动力、建构力，作用于人类社会实践的全新生态，并由此产生生成式人工智能的巨大“涌现”现象。

如果把智能劳动分为两种基本类别的话，人类智能解决“在哪儿做”和“做什么”的战略选择与价值结构问题，而人工智能则建构在人们过往全部文明成果的基础上，在人类智能的导引下，面对未来解决“如何做”的战术性操作实现问题。这或许就是生成式人工智能作为未来人类实践领域的价值连接与整合者的基本价值原理。

生成式人工智能为人类赋能赋权

我认为，生成式人工智能是一种人类增强，是对人类由于先天禀赋的差异和后天训练的不同所造成的种种能力方面差距的一种巨大的弥合。它突破了不同人群在资源使用与整合方面的能力差异，使人在资源调动能力和表达能力方面有更大的提升。从古到今，人类社会的政治经济文化都属于精英主导型。而生成式人工智能对人类社会的最大颠覆在于增强人类的平等性，拉平人与人之间的能力差距，打破精英和普罗大众的壁垒，为作为技术“小白”和外行的普通人实现了能力的极大增强，如论文、翻译、编程等方面。由于生成式人工智能的赋能赋权，例如在翻译能力方面，通过ChatGPT翻译出来的结果，一点都不比外语专业的人翻译出来的文字差，甚至有的时候还更好。在这种情况之下，哪怕是一个外语盲，也可以通过ChatGPT翻译出信达雅的文字，就可以跟世界上任何一个不同母语的人进行无障碍的交流。这样极大地缩短了专业人士和普罗大众之间在专业能力方面的距离。虽然这种距离未必能够完全消除，在某些重要的方面还会有差距，但是至少在基本面方面，他们的距离接近了，甚至可以到忽略不计的程度。这种人类增强消弭了人类在天赋异禀和后天训练之间所造成的差距，有助于构造起未来社会的交互关系和相应模式。

生成式人工智能的意义在于，它突破了人们在资源使用与整合上的能力局限，使每个人至少在理论上可以以一种社会平均线之上的语义表达及资源动员能力进行社会性的内容生产和传播对话。这便令普罗大众能够跨越“能力鸿沟”的障碍，有效地按照自己的意愿、想法来激活和调动海量的外部资源，形成强大、丰富的社会表达和价值创造能力——这是社会又一次在数字化、智能化加持下的重大改变，也是整个社会活力的一次巨大重启。

生成式人工智能下的教育变局

一、换轨道

“换轨道”意为社会的微粒化促成分布式社会的崛起。社会在赋权的过程中，其传播主体、营销主体以及社会运作主体，已经从过去由纯粹理性构成的集群式社会元点变为充满个性、充满不确定性的个人，并成为社会运作的基本单位。这种“元点迁移”下微粒化社会运作模式的改造、平民政治下社会沟通机制的重构、权力重心及指向都将发生革命性的改变。

对教育而言，过去我们教育的基本模式、基本指向、基本重点是“向后”的教育模式，是实现把既有的人类创造出来的知识更好地掌握的教育模式。而有了以ChatGPT为代表的生成式人工智能后，教育应该向提问的教学模式转变，教育者要培养学生提问能力、创新能力、“向前”解决问题的能力，即“换轨道”。

二、换场景

“换场景”即体验时代的到来，未来越来越多的社会体验场景和实践场景可能不是在现实的环境中完成，随着扩展现实技术的出现，人们越来越多的社会实践场景变成了虚拟现实场景。在这种虚拟现实场景中，一个最大的改变就是人们学习、了解社会、体验社会的逻辑从认知时代的“第三人称范式”向体验时代的“第一人称范式”转换，这便是教育场景的转换。

在“第三人称范式”下的教育，知识是经过专家精心制作和程序化的安排进行的某种“投喂”，而这种“投喂”我们可以利用知识的不对称、信息的不对称来左右对学生的影响；但在“第一人称范式”下的教育，曾经的教育方式被进行了巨大的解构，学习可以由学生自主选择、自主关注、自主体验、自主操作。那么在这种场景之下，影响力的模式、教育模式如何转变，是我们需要思考的问题。

三、换引擎

“换引擎”是构造传播和社会运作的核心逻辑进一步“算法化”。在算力、算法和大数据可以覆盖的绝大多数社会和传播的构造中，人们对专业经验的倚重和信赖将让位于更加实时、更加精准匹配、更加全面、更加可靠和结构化的智能算法，并透过传播的所有层面和要素的整合，成为传播和社会发展的关键引擎。

传统班级授课制的教育模式未来可能会被打破，随着教育领域的“细颗粒度化”，我们需要更多个性化的，基于数据、算法的解决方案、教育方案，因此，未来在很大程度上掌握数据、掌握算法对未来教育模式的形成是极其关键的。

四、换平台

过去我们是在媒介搭建的中介场景中形成社会意见交换、信息分享等，未来我们的社会按照元宇宙的描述就是一种虚实兼容的社会现实，人们在丰富多彩的社会现实中展示自己，进行相应的互动交流和创意创造。

我认为，游戏具有媒介所具有的全部的功能和要素，是一个被忽略了的重要的媒介，游戏或将成为承担未来传播的“升维媒介”，也将是未来社会实践、教育实践的主平台。我本人已进行了十二年的游戏教学研究，在前十年的研究中，我强调将游戏作为全要素、全功能这种全新媒介的意义和价值；而在近两年的研究中，我将研究重点转移到元宇宙概念之下对游戏的解读。我认为在未来的发展中，游戏会成为社会活动、社会实践、教育领域的基本平台，人们将会更多地在游戏的场景中去触摸、去体验、去学习，而游戏场景建设的丰富性、低成本性、想象力的多样性，也必然会成为元宇宙时代社会实践的主场景。

耶鲁大学爱德华·伍德豪斯曾对“智能试错方案”进行延伸与应用，认为要快速找到新技术的负面影响并加以控制，能够让技术更快地小规模试错，在用户反馈中找到其不足。这也正是生成式人工智能的未来发展之路——不是给新技术的发展按下暂停键，而是在小规模试错中优化迭代，让其发展更透明、更公开、更可控。因此，未来关于生成式人工智能的研究也有必要转入具体情境中，关注其试错表现并提出可用的优化迭代方案，这将对形成技术应用的直接方法论更为有益。