共查询到20条相似文献，搜索用时 34 毫秒
1.
生成式人工智能是一种能够自主生成内容的人工智能技术,可以应用于文本生成、图像生成等多个领域。近年来,随着预训练技术的发展和计算硬件的提升,生成式人工智能取得了突破性进展,特别是以ChatGPT为代表的生成式对话模型,取得了令人惊艳的效果,开始广泛应用于各行各业。生成式人工智能有广阔的发展前景,本文首先介绍了ChatGPT的研究进展,包括预训练语言模型、上下文学习和基于人类反馈的强化学习三个关键技术,以及ChatGPT对相关人工智能研究的影响。然后对ChatGPT及生成式人工智能在未来的应用发展进行了思考与总结,讨论了目前亟需解决的关键问题,包括更透彻的理解能力、模型轻量化、可控安全的内容生成、知识可持续学习、类脑化认知和可解释性等;希望通过本文的介绍能引起更多的研究人员关注生成式人工智能,进一步推动生成式人工智能的发展与应用。 相似文献
2.
生成式人工智能对信息内容治理构成严重挑战。现行以显著标识附随为核心的人工智能生成内容信息披露模式信息承载能力有限,忽略服务提供者以外的其他主体信息披露义务,不利于生成式人工智能安全可控发展。基于对“模型训练—内容生成—信息传播”各阶段信息披露目的与目标受众的考量,人工智能生成内容信息披露要素应包括技术性信息、权利描述信息、人工智能贡献度信息以及警示性信息。在信息披露的程序设定与配套举措上,人工智能生成内容信息披露应根据不同场景需求设置查询式与类权利管理信息式披露模式,明确使用者承担未准确披露的瑕疵责任以及传播平台负有主动标识义务,并加强参与主体间技术互操作性建设,实现人工智能生成内容披露信息的全生命周期管理目标。 相似文献
3.
[目的/意义]探索人工智能内容生成技术对开源情报工作的影响与改变。[方法/过程]以ChatGPT的形成与AIGC技术演进为研究起点,分析ChatGPT现有技术特征与技术演进趋势,从开源情报全周期视角解析该现象级应用对开源情报工作的潜在影响。[结果/结论] ChatGPT对开源情报的信息搜索、信息获取、信息处理环节具有一定提升作用。但现有技术缺陷使ChatGPT在开源情报全流程介入中仍面临数据可靠性、情报隐秘性、意识形态风险等问题与挑战。建议情报机构采取AIGC技术融合理论探索、AI生成式内容可靠性评估、智能技术体系建设等积极策略来应对本轮技术变革,更好实现开源情报价值。[局限]受限于AIGC技术领域专业化知识与ChatGPT应用下的开源情报实践不足,研究结论仅是ChatGPT对开源情报工作影响的思考与探索。 相似文献
4.
[目的/意义]随着生成式人工智能的快速发展和广泛应用,信息空间结构也随之发生深刻的变革。以往以用户生成内容(UGC)为主的信息空间开始逐渐被生成式人工智能生成内容(AIGC)所影响,生成式人工智能治理的重要性愈发凸显。文章旨在从主题视角比较AIGC与UGC,揭示两者在内容与结构特征上的差异,并为生成式人工智能治理提供创新参考。[方法/过程]收集了金融、法律、医疗和开放问答4个领域的多个在线平台上的问题和用户回答,并借助gpt-turbo-3.5模型生成每个问题的人工智能回答,最终构建了包含65260条问答数据的语料集,并采用BERTopic主题模型分别对AIGC与UGC进行主题提取,并从主题间关系、主题与文档关系以及主题与主题词关系3个角度对两者进行综合对比。[结果/结论]研究结果揭示了AIGC和UGC在主题分布、主题内文档一致性和主题词权重结构等方面的差异。通过深入了解两者之间的特征差异,能够更好地观察生成式人工智能的行为规律,并为AIGC的治理策略完善提供参考。 相似文献
5.
大数据时代下，以ChatGPT为代表的生成式人工智能的发展蕴含着技术革命的契机，也可能带来潜在的社会风险。通过对公众评论文本分析总结并超越文本进行理论推演，可以全面认识生成式人工智能，以提出相应的治理策略。本研究基于Reddit平台中以ChatGPT为主题的公众评论文本，结合LDA模型、情感分析、社会网络分析方法和建构的T-TOE分析模型，探讨以ChatGPT为代表的生成式人工智能技术所带来的影响和冲击。研究发现，公众对生成式人工智能关注广泛，涉及运行机制、运用领域等6个主题。不同主题下公众关注程度不同，最关注技术变革和人机互动两个主题。根据情感分析，公众总体对生成式人工智能保持乐观，特别是对其可能带来的技术变革。随后根据T-TOE分析模型，以ChatGPT为代表的生成式人工智能可以连接不同技术，但具有内生风险；能够提高组织效能，但会产生互动错位，能够实现智能交互，但会导致价值分裂。为此本研究根据研究结论从技术、组织和环境三个维度提出相应的治理策略。 相似文献
6.
近年来，人工智能（AI）在前沿科技领域取得了诸如AlphaFold2、核聚变智能控制、新冠药物设计等诸多令人瞩目成果，表明AI for Science正在成为一种新的研究范式。实现智能时代的基础科学源头创新及其下游重大技术创新，需破解2个方面的核心问题：（1）如何利用新一代AI（特别是生成式AI及大模型）的通用性和创造性推动新范式的形成；（2）如何利用AI实现对传统科学设施的赋能与改造。文章提出一种智能化科学设施的建设构想，兼顾“高度智能化的科学新设施”和“AI赋能已有科学大设施”2个层面的需求，构筑AI for Science的科学设施体系，形成科学领域大模型、生成式模拟与反演、自主智能无人实验及大规模可信科研协作等创新功能，加速重大科学发现、变革性物质合成，以及重大工程技术应用。 相似文献
7.
8.
[目的/意义]通过分析ChatGPT类生成式人工智能嵌入数字政府的技术可供性,探寻ChatGPT类生成式人工智能对数字政府建设带来的机遇与挑战,并提出应对方法。[方法/过程]基于技术可供性理论,构建以“生产—社交”可供性为主线的理论分析框架,分析ChatGPT类生成式人工智能嵌入数字政府建设的可供性。[结果/结论]ChatGPT类生成式人工智能为数字政府建设提供生产可供性与社交可供性,为深化数字政府建设提供新的机遇与技术支持。但人工智能技术本身、政府、开发者及其他行动者对技术可供性具有多重约束,限制了ChatGPT类生成式人工智能与数字政府的耦合。因此,应促进技术的完善与协作来提高技术与数字政府的适配性,通过完善数据共享机制为技术嵌入做好铺垫,并做好数据安全工作,更好地促进ChatGPT类生成式人工智能嵌入数字政府建设。 相似文献
9.
[目的/意义]当前生成式人工智能的发展对社会产生了强烈冲击。为响应国家创新发展的迫切需求,如何利用生成式人工智能更好地完成情报工作,以满足用户的情报需求,已成为当前情报学领域关注的热点问题。[方法/过程]基于供需理论提出从数据供给侧（Supply）、智慧情报分析中台（Analysis）、情报需求侧（Demand）三方构建生成式人工智能赋能情报工作范式模型——SAD范式模型,深入分析生成式人工智能赋能情报工作机理,并结合国际前沿项目案例探讨生成式人工智能与情报工作的前瞻性融合发展。[结果/结论]生成式人工智能赋能情报工作范式模型SAD,可以更好地促进生成式人工智能赋能情报工作的各个环节,提高情报工作效率,为情报工作范式研究提供了新思路。 相似文献
10.
[目的/意义]ChatGPT的出现，引领生成式AI迅速渗透至各行各业，重塑产业形态。在此背景下，情报学也将不可避免地受到极大影响。探讨生成式AI驱动下的情报学研究与实践走向，旨在为情报学更好地迎接AI变革带来的机遇与挑战提供参考。[方法/过程]首先，从研究问题、数据源、研究范式3个角度讨论生成式AI对情报学研究的影响；其次，从综合性知识服务、学术信息服务、决策情报服务与社会信息服务4个层面，深入分析生成式AI将为情报实践工作带来的变化；最后，结合ChatGPT的局限性，讨论了情报学在融合生成式AI时应考量的问题，以及情报学可做的贡献。[结果/结论]生成式AI很可能会给情报学带来巨大的冲击，但如果应对得当，就能够促进情报学的提升，创新情报服务模式。情报学应积极拥抱新一代人工智能，探索与生成式AI交叉融合的路径，但与此同时需保持客观审慎的态度。 相似文献
11.
通过对中美两国政府AI战略、科技巨头公司AI产业布局的比较研究,揭示我国在人工智能领域与美国存在的差距,分析我国AI领域缺乏战略性系统布局、AI开源技术和AI研究人才等问题,进而提出促进我国人工智能产业发展的对策建议。 相似文献
12.
近期,以ChatGPT为代表的大模型技术正开启人类社会智能化的新纪元。研究人工智能成功案例背后的技术原理,探索人工智能驱动的科学研究（AI for Science,AI4S）新范式,对促进我国科技进步、增强国家竞争力具有十分重要的意义。文章首先以数学、物理学、生物学、材料科学领域为例,简述AI4S的研究进展。其次,面向近年来最为成功的人工智能范例,分析AlphaFold和ChatGPT的基本原理和关键技术。最后,在以上分析的基础上,从算法、模型、数据、知识、人的因素等角度,总结大模型时代人工智能技术发展新趋势,探讨AI4S研究新范式。 相似文献
13.
数字经济背景下,人工智能（AI）技术的应用正在深入地影响着企业管理变革、业务边界的扩展和管理模式的改变。结合互补资产的观点和组织学习理论,本文提出了一个基于AI应用能力和AI管理能力的分析框架,强调人工智能与人类智慧结合的必要性,阐述了两种能力的功能和作用及其协同对企业效率和创新成本的影响。本文提出,企业必须具备管理AI的能力才能有效应对大数据、数字技术、AI的不断革新及技术带来的组织内部结构和外部环境变化以及风险;企业AI应用与管理能力的有效结合,有利于控制AI应用带来的成本和风险,增强企业在人工人力、协调沟通、和数据搜寻方面的效率,同时降低AI应用带来的数字基建、道德情感、数据安全、组织结构变革方面的成本,进而促进企业的组织学习、对内外部数字技术使能资源的获取和管理以及互补资产的形成,对企业创新绩效发挥正向作用。最后,本文为企业的数字化创新战略提供了新的发展思路。 相似文献
14.
人工智能（AI）技术不仅改变了人类的生产方式,也重塑了人类解决社会问题的方式。诞生于工业时代的传统社会创新理论在AI时代的解释力逐渐势微,学术界提出了重建AI时代社会创新理论的新任务。本文在比较传统社会创新与数字社会创新的基础上,提出AI社会创新的内涵,以此建构AI时代的社会创新理论。本文强调AI社会创新有助于智能识别漂浮的社会问题,推进解决方案的最优匹配,促进社会创新成果的扩散。围绕AI在社会问题与解决方案匹配过程中的作用,本文以社会问题的紧迫性和解决方案的新颖性为框架,首次提出AI自主搜索式、AI赋能生成式、AI自主修补式、AI赋能探索式四种AI社会创新模式。研究发现拓展了已有社会创新理论的内涵。 相似文献
15.
人工智能技术快速发展为社会各领域带来便利的同时,也向当前的法律制度提出了挑战。人工智能生成的内容在表现形式上与人类创作的作品极为相似,是否以法定作品形式适用现有著作权对其进行保护引起了学界的争议。本文介绍了人工智能生成内容与作品的独创性标准的差异,并探讨了对人工智能技术中因劳动投入产生的效用价值的邻接权保护路径。 相似文献
16.
[目的/意义]随着数字智能技术的应用拓展,面向用户的智能交互、多模态信息融合和数字空间活动的延伸,对数字信息资源组织、面向交互认知的描述和深层次服务的开展提出了新的要求。如何有效解决数字智能背景下信息交互与服务的深层次发展问题成为亟待探讨的议题。[方法/过程]文章在分析数字智能环境形成及其对信息交互与服务影响的基础上,研究面向用户的智能交互与体验设计,以及基于智能交互的生成式人工智能的发展与安全保障。[结果/结论]在面向用户的信息服务组织中,应立足于数字智能环境的形成及其影响,寻求与智能环境相适应的服务组织模式和数字智能驱动下的服务组织方式。数字服务中以用户为中心的智能交互,在于充分理解用户的意图,融合用户视觉、听觉等交互通道,为智能化服务开展提供支持。同时针对快速发展的生成式人工智能,既要应对其带来的安全威胁,也要正确合理地确保生成式人工智能安全落地,保障生成式人工智能系统的安全。 相似文献
17.
人工智能（AI）发展存在自由主义与有限主义两种进路。AI发展的自由主义进路遵循类人AI理念,追求技术至上,面临着加重资源消耗、引发归责困境、激发AI恐惧等典型问题。应转向AI发展的有限主义进路,遵循有益AI理念,坚持科技以人为本,对AI进行审时度势的动态控制。具体来说,应通过有限设计构建有益AI,着重坚持防意识化的技术设计、贯彻去道德化的伦理设计、警惕短期片面的制度设计。 相似文献
18.
符号主义和联结主义是AI研究的两种主要进路,它们常常被视为对立不相容的两种方法论,但它们其实共同拥有着深刻的哲学思维根基。符号派在哲学上注重理性的演绎,而联结派在哲学上则注重经验的收集;在人工智能的运行中,理性离不开经验、经验也离不开理性,因此二者并非完全不相容。近年来神经符号进路的呼声在AI研究中也频繁出现,因此有必要对这两种研究进路以及它们的历史转换做出一番考察。一方面有利于重新审视当下技术思潮对AI研究的影响,另一方面也有利于从哲学和技术层面重新挖掘AI研究的学科基点,这都有利于AI和哲学的共同发展。 相似文献
19.
《科学与管理》2015,(4):55-62
1965年12月,休伯特·德雷福斯以兰德公司顾问的身份,发表了编号为P-3244的《人工智能与炼金术》的研究报告,对兰德公司本身主导的人工智能(以下简称AI)研究提出了重大理论挑战,1972年德雷福斯以该报告为基础出版了《计算机不能做什么——人工智能的极限》,该书与1966年美国国家科学院的ALPAC报告,1973年英国科学研究理事会的Light Hill报告一起,标志着AI发展历史上的第一次冬天,即使经历了上世纪80年代由于专家系统兴起的AI再次繁荣,以及90年代初AI的第二次冬天,AI的研究纲领已经变化甚多,但德雷福斯仍然坚持其基本观点,对隐含在AI研究纲领中的关于人类认知和问题解决能力的深层假设,从现象学和海德格尔哲学为核心的大陆哲学立场出发,始终进行批判性地思考和分析,无论AI科学家共同体对其观点是否认同,德雷福斯这些深刻的哲学思考,客观上推动了从AI研究早期基于知识主义、符号主义强纲领的盲目乐观,到目前对实现人类级别智能的智能机器建造的审慎态度,以及更加丰富的研究进路的转变。 相似文献