喻國明?曾嘉怡?黃沁雅

【摘要】? 以ChatGPT為代表的生成式AI預(yù)訓(xùn)練語言大模型的豐富應(yīng)用，提供了具體有效的關(guān)于智能物聯(lián)時(shí)代的想象，而在現(xiàn)實(shí)世界、實(shí)體經(jīng)濟(jì)的“產(chǎn)業(yè)數(shù)智化”過程中，新興職業(yè)提示工程師走進(jìn)了人們的視野。隨著生成式AI語言大模型越來越復(fù)雜，其回答質(zhì)量不僅取決于底層算法和訓(xùn)練數(shù)據(jù)，還取決于其接收的提示（問題表達(dá)）的有效性。以生成式AI語言大模型的訓(xùn)練與應(yīng)用為例，闡述提示工程師作為數(shù)智產(chǎn)業(yè)化、智能傳播生態(tài)格局變化過程中的重要中介變量所起到的加速器價(jià)值與作用。

【關(guān)? 鍵? 詞】大模型；數(shù)智時(shí)代；提示工程；ChatGPT；生成式AI

【作者單位】喻國明，北京師范大學(xué)新聞傳播學(xué)院；曾嘉怡，北京師范大學(xué)新聞傳播學(xué)院；黃沁雅，北京師范大學(xué)新聞傳播學(xué)院。

【中圖分類號】G253【文獻(xiàn)標(biāo)識(shí)碼】A【DOI】10.16491/j.cnki.cn45-1216/g2.2023.11.005

生成式AI（生成式人工智能）浪潮極大地改變了內(nèi)容生產(chǎn)的傳統(tǒng)范式，以ChatGPT為代表的生成式AI將進(jìn)一步實(shí)現(xiàn)人類自由度的擴(kuò)張，將人類從繁雜的機(jī)械性、重復(fù)性的智力勞動(dòng)中釋放，實(shí)現(xiàn)真正意義上微?；瘋€(gè)體的激活。依托生成式AI的文案撰寫、插畫師、虛擬數(shù)字人、營銷策劃師等新興職業(yè)大量出現(xiàn)［1］。2023年4月12日，知名公關(guān)公司藍(lán)色光標(biāo)宣布無限期停止創(chuàng)意設(shè)計(jì)、方案撰寫、文案撰寫等相關(guān)外包支出，遏制核心能力空心化趨勢，全面擁抱AIGC［2］。這不禁引人深思：AIGC具備替代人類的完全或絕大部分能力嗎？答案顯然是否定的。就現(xiàn)狀而言，在沒有專業(yè)提示工程師（Prompt Engineer）幫助的情況下，AIGC只能滿足人們一般性、非結(jié)構(gòu)性、層次單一的提問需求，難以滿足針對特定領(lǐng)域、特定人群的高層次、結(jié)構(gòu)化、復(fù)雜專業(yè)的需求。提示工程師作為一種新職業(yè)應(yīng)運(yùn)而生，其憑借專業(yè)素養(yǎng)和數(shù)智素養(yǎng)彌合了人類高層次需求與AIGC之間能力溝的“最后一公里”，協(xié)同需求者實(shí)現(xiàn)生成式AI較為深層意義上對用戶的重大賦能賦權(quán)。

一、問題提出的背景

1．應(yīng)用之殤：預(yù)訓(xùn)練語言大模型與應(yīng)用之間的溝壑

“數(shù)智時(shí)代”勾勒出數(shù)字智能世界中各生產(chǎn)要素的升維融合與結(jié)構(gòu)化的重新連接能產(chǎn)生的巨大價(jià)值增值。這里的連接指的不僅僅是生產(chǎn)要素和知識(shí)的連接，更是各領(lǐng)域技術(shù)之間有機(jī)的連接與整合，從而呈現(xiàn)一種全新的文明狀態(tài)。當(dāng)前，ChatGPT為生成式AI預(yù)訓(xùn)練語言大模型應(yīng)用提供了具體有效的關(guān)于智能物聯(lián)時(shí)代的想象，而在現(xiàn)實(shí)世界、實(shí)體經(jīng)濟(jì)的“產(chǎn)業(yè)數(shù)智化”過程中，新興職業(yè)提示工程師走進(jìn)了我們的視野。

本文將以生成式AI語言大模型的訓(xùn)練與應(yīng)用為例，闡述提示工程師作為數(shù)智時(shí)代產(chǎn)業(yè)化、智能傳播生態(tài)格局變化過程中的重要變量所起到的加速作用。隨著ChatGPT等人工智能語言大模型越來越復(fù)雜，其回答質(zhì)量不僅取決于底層算法和訓(xùn)練數(shù)據(jù)，還取決于其收到的提示問題的有效性。當(dāng)用戶提出的問題越來越具有挑戰(zhàn)性，人工智能也就需要更多的提示來理解問題，從而生成更準(zhǔn)確的答案。設(shè)計(jì)良好的提示可以引出有意義和信息豐富的回答，而構(gòu)造不良的提示可能導(dǎo)致不相關(guān)或無意義的輸出。

2．小成本方案：提示學(xué)習(xí)

有研究者提出以GPT-3、PET為首的一種基于預(yù)訓(xùn)練語言大模型的新范式——提示學(xué)習(xí)（prompt learning）［3］，旨在通過添加模板的方法來避免引入額外參數(shù)，讓語言大模型可以在小樣本場景下達(dá)到理想的任務(wù)效果。目前，提示學(xué)習(xí)已經(jīng)運(yùn)用到分類、信息抽取、問答、文本生成、多模態(tài)學(xué)習(xí)等多個(gè)NLP領(lǐng)域。

提示學(xué)習(xí)是讓各種下游任務(wù)“遷就”預(yù)訓(xùn)練語言大模型，需要對下游任務(wù)進(jìn)行重構(gòu)，使其達(dá)到適配預(yù)訓(xùn)練語言大模型的效果。從本質(zhì)上看，提示工程是一門給AI語言大模型提供問題或命令的藝術(shù)，并優(yōu)化模型性能來保證達(dá)到預(yù)期的結(jié)果。比如，文本情感分類任務(wù)中，輸入“我喜歡這部電影”，希望輸出的是“正面/負(fù)面”中的一個(gè)標(biāo)簽，可以設(shè)置一個(gè)提示模板如“這部電影是___”，然后讓大模型用表示情感狀態(tài)的標(biāo)簽，將空白部分補(bǔ)全預(yù)測進(jìn)行輸出。所以，給定合適的提示模板，可以無監(jiān)督的方式訓(xùn)練單個(gè)的語言模型，完成下游的訓(xùn)練任務(wù)。

3．階段性需求：AIGC從輔助生產(chǎn)到獨(dú)立生產(chǎn)的變革

百度創(chuàng)始人李彥宏提出AIGC經(jīng)歷的三個(gè)發(fā)展階段，即輔助人類進(jìn)行內(nèi)容生產(chǎn)的助手階段、以虛實(shí)并存的虛擬人形態(tài)出現(xiàn)的協(xié)作階段和獨(dú)立完成內(nèi)容創(chuàng)作的原創(chuàng)階段［4］。目前，AIGC正處在輔助用戶進(jìn)行內(nèi)容生產(chǎn)和部分人機(jī)協(xié)作的發(fā)展階段，要徹底實(shí)現(xiàn)虛實(shí)并存的內(nèi)容生產(chǎn)乃至完全獨(dú)立的AI內(nèi)容生產(chǎn)還需要一定的磨合和調(diào)整。

要實(shí)現(xiàn)對AI語言大模型進(jìn)行融合訓(xùn)練的目標(biāo)，需要對大模型精調(diào)、提示工程、知識(shí)增強(qiáng)、檢索增強(qiáng)、人類反饋的強(qiáng)化學(xué)習(xí)（RLHF）等大模型相關(guān)新技術(shù)進(jìn)行深入探索和綜合應(yīng)用，而提示工程則可能是貫穿所有技術(shù)學(xué)習(xí)過程，具有外部激發(fā)性和內(nèi)部驅(qū)動(dòng)性的重要任務(wù)。

二、提示工程師“立身之本”：AIGC用戶深度價(jià)值實(shí)現(xiàn)的服務(wù)者

AIGC作為一種革命性的技術(shù)，要想真正發(fā)揮其社會(huì)價(jià)值，切實(shí)地服務(wù)用戶，就要主動(dòng)地尋找符合當(dāng)下用戶需求、適應(yīng)當(dāng)下用戶能力模型的切口，真正地做到社會(huì)性應(yīng)用。提示工程師承擔(dān)的正是這樣的角色：通過對用戶需求的洞察和整合，在對大型語言模型邏輯解析的基礎(chǔ)上反向調(diào)控語言模型，輸出更高效的模型能力調(diào)用方案，包括單語言模型內(nèi)的能力調(diào)用和多平臺(tái)的多維深度調(diào)用，提升用戶服務(wù)效率。

提示工程師對AIGC用戶的服務(wù)實(shí)現(xiàn)路徑主要通過模型理解和輸出兩方面的能力提升來完成。從技術(shù)角度看，像ChatGPT這樣的大型自然語言模型依靠兩個(gè)關(guān)鍵性步驟來完成內(nèi)容輸出：其一是以互聯(lián)網(wǎng)上的大型語料庫訓(xùn)練人工智能神經(jīng)元網(wǎng)絡(luò)；其二是確保人工智能生成的內(nèi)容更符合用戶預(yù)期，即要為人工智能撰寫文本提示語。這就催生了一種新的職業(yè)類型——提示工程師。提示工程師可以訓(xùn)練大型語言模型，幫助AI更好地理解需求，完成專業(yè)任務(wù)。他們需要將復(fù)雜的任務(wù)拆分成簡單的自然語言，給出指令，以獲取更準(zhǔn)確的答案，從而讓人工智能發(fā)揮最大潛力，為AI服務(wù)于企業(yè)使用提供更多便利。Lo.Leo S提出用于提示工程的CLEAR框架，其為AI語言大模型編寫有效提示語提供一種標(biāo)準(zhǔn)方法，強(qiáng)調(diào)五個(gè)基本組成部分：簡明（Concise）、邏輯（Logical）、明確（Explicit）、可適應(yīng)（Adaptive）、可反思（Reflective）［5］。這就要求提示工程工作需要持續(xù)性地關(guān)注語言表達(dá)和方法調(diào)整，在人機(jī)互動(dòng)中實(shí)現(xiàn)兩者思維的同頻和共通，這也成為衡量提示工程師貢獻(xiàn)質(zhì)量的關(guān)鍵能力模型參考。

三、提示工程的服務(wù)邏輯與技術(shù)迭代

1．基本提問場景

在對提示學(xué)習(xí)的技術(shù)實(shí)現(xiàn)展開探討之前，首先要對大型自然語言模型的提問場景進(jìn)行基本的區(qū)分，以便對特定的提問場景進(jìn)行語言訓(xùn)練和調(diào)整。在此，本文的區(qū)分標(biāo)準(zhǔn)不取決于目前以ChatGPT為主的語言大模型在實(shí)際工作學(xué)習(xí)中的應(yīng)用場景（如學(xué)術(shù)論文、商業(yè)寫作、代碼撰寫等），而是對不同需求的基本場景加以區(qū)分。

（1）基本答疑

在這一場景中，可以分為基本問答、案例輔助回答以及思維推理三種情況。在基本問答場景中，語言大模型會(huì)根據(jù)使用者的問題直接給出答案；在案例輔助場景里，很難通過文字指令描述清楚答案需求的時(shí)候，可以通過使用者給出案例提示來輔助大模型回答問題；在強(qiáng)調(diào)邏輯思維的推理提問中，需要充分發(fā)揮提示的重要作用，引導(dǎo)大模型沿著特定的思考路徑進(jìn)行推理演算。

這一場景也是最基礎(chǔ)、當(dāng)前應(yīng)用最廣的AIGC服務(wù)場景，通常以大模型和用戶之間多輪、遞進(jìn)的“聊天”形式展開，是用戶體驗(yàn)獲取最直接廣泛的接口。不同的語言大模型擅長的問題領(lǐng)域也不盡相同，提示工程師需要針對大模型進(jìn)行內(nèi)容和形式的微調(diào)。提示工程在這一場景中往往能總結(jié)出一些重要的使用技巧，如在闡述指令時(shí)優(yōu)先告知大模型“能干什么”而非告知大模型“不能干什么”，以及增加示例等。更高階的提示工程則體現(xiàn)在對大模型推理能力的調(diào)用上，如對于應(yīng)用計(jì)算的推導(dǎo)等。

（2）導(dǎo)向型內(nèi)容生成

除了回答問題，另一個(gè)重要的場景是讓大模型根據(jù)使用者的要求完成一些內(nèi)容生成任務(wù)，包括但不限于編寫代碼、撰寫腳本和創(chuàng)作故事等。提示工程在這類提問場景中的貢獻(xiàn)是提升目標(biāo)的明確性和引導(dǎo)詞的正確應(yīng)用。如在要求大模型提供一個(gè)宣傳文案時(shí)，“需要包括兩條活動(dòng)亮點(diǎn)與一條標(biāo)語”“字?jǐn)?shù)在100字以內(nèi)”之類的明確提示能夠讓AI更直接而快速地給出需要的內(nèi)容；針對代碼生成的提問場景、引導(dǎo)詞（提示）的關(guān)鍵部分，在技術(shù)實(shí)現(xiàn)路徑里將進(jìn)一步細(xì)化。

（3）內(nèi)容簡化、升級與拓展

內(nèi)容升級與拓展的提問場景細(xì)化到具體工作上，主要是承擔(dān)內(nèi)容改寫和信息轉(zhuǎn)換的功能。在使用者給出一段內(nèi)容并加以提示后，大模型會(huì)對其進(jìn)行翻譯、轉(zhuǎn)碼、修改、潤色等改寫工作，或是將一段代碼的具體含義和運(yùn)行目的加以解釋。這其中對大模型的提示將更注重調(diào)整其最終呈現(xiàn)的語言風(fēng)格以迎合適應(yīng)性對象，減少基礎(chǔ)的語義錯(cuò)誤并增強(qiáng)內(nèi)容可讀性。

人們往往面對大量的文字材料和夾雜其中的任務(wù)要求不知所措，甚至對關(guān)鍵性信息的提取也常常存在誤差。在這一場景里，提示工程需要達(dá)成的訓(xùn)練目的是對內(nèi)容文本的轉(zhuǎn)換程度通過提示語來把握，即“我需要你要簡單到什么程度”“我需要你歸納成幾個(gè)部分”。提示工程工作涵蓋歸納、解釋、提取等，除了需要對一段內(nèi)容的核心信息、中心內(nèi)容進(jìn)行理解性濃縮，還要將復(fù)雜專業(yè)的內(nèi)容通俗化，輸出另一種更為基礎(chǔ)的、非專業(yè)人士能接受的解釋。

2．技術(shù)實(shí)現(xiàn)路徑

（1）提示元素（ICIO）

為了探索出一個(gè)更好的AI語言大模型提示框架，筆者在查閱了包括Github在內(nèi)的大量開源平臺(tái)后，發(fā)現(xiàn)一位獨(dú)立的機(jī)器學(xué)習(xí)和NLP研究人員Elvis Saravia總結(jié)了ChatGPT Prompt的四大元素［6］，筆者將其概括為IOIC框架，并嘗試將此作為提示工程的底層架構(gòu)。Elvis Saravia認(rèn)為，一個(gè)最基本的提示語言里需包含四個(gè)元素，由一個(gè)必要元素和三個(gè)可選元素組成：必要元素Instruction（指令），即我們希望大模型執(zhí)行的具體任務(wù)；可選元素Context（背景），即上下文信息，以引導(dǎo)大模型做出更好的反應(yīng)；可選元素Input Data（數(shù)據(jù)輸入），即告知大模型需要處理的數(shù)據(jù)和文本；可選元素Output Indicator（輸出指示器），即告知大模型我們要輸出的類型或格式。

作為提示工程的底層架構(gòu)，在撰寫提示時(shí)可以根據(jù)“必要元素+任意一個(gè)或多個(gè)可選元素”的基本框架來排列組合。以上文導(dǎo)向型內(nèi)容生成的提問場景為例，可以采用“指令+背景+輸出指示器”的形式來提問：“請幫我生成一篇運(yùn)動(dòng)員的介紹+他還沒有退役而且取得過世界冠軍+請分成三段論述并控制在500字以內(nèi)”。

（2）實(shí)踐原則（TESRS）

在問答場景里，為了讓AI語言大模型回答更加準(zhǔn)確，提示工程可以從以下幾個(gè)具體實(shí)踐原則出發(fā)，根據(jù)其英文關(guān)鍵詞，本文用TESRS原則來概括。

第一，To do and Not to do（告訴大模型做什么&不能做什么）。在OpenAI提供的最佳實(shí)踐文檔里提到：與其告知大模型不能干什么，不妨告訴大模型能干什么。但在實(shí)際應(yīng)用中，當(dāng)已經(jīng)給予大模型很明確的提示點(diǎn)，之后想進(jìn)一步縮小范圍，可以適當(dāng)增加一些Not To do（不要做什么），以提高效率。比如，第一問（To do）：給我推薦一部流行的電影；第二問（Not to do）：不要日本的電影。

第二，Example（給出示例）。在某些場景下，使用者能比較簡單地向AI語言大模型描述出什么能做、什么不能做。但有些場景和需求很難通過文字指令傳遞給大模型，即使描述出來也不能很好地讓人理解。例如，給寵物起英文名，可能會(huì)夾雜著一些所謂的名字風(fēng)格，相比于用“起一個(gè)帥氣的名字”提示，此時(shí)通過增加一些例子如“起一個(gè)像超人一樣的英雄風(fēng)格的名字”，更恰當(dāng)些。

第三，Select（使用Select等引導(dǎo)詞）。在代碼生成環(huán)境里，可以通過增加一個(gè)代碼的引導(dǎo)，告知大模型已經(jīng)將條件描述完了，可以輸出代碼了。如使用Select可以提示大模型輸出SQL代碼，使用import可以提示大模型輸出Python代碼。

第四，Role（增加假設(shè)角色）。這個(gè)技巧強(qiáng)調(diào)在提示語中增加一些角色相關(guān)的內(nèi)容，讓大模型生成的內(nèi)容更符合人們的需求。例如，在改寫的提問場景可以在案例前加入一段提示語，讓大模型假設(shè)自己是一個(gè)小學(xué)老師，并且很擅長將復(fù)雜的內(nèi)容轉(zhuǎn)變成七八歲小朋友也能聽懂的話。

第五，Symbol（使用特殊符號分隔文字）。不管是信息總結(jié)還是信息提取，在輸入大段文字甚至多段文字時(shí)，可以用"""或###將指令和文本分開。根據(jù)一些開發(fā)人員的測試，當(dāng)文本有多段時(shí)，增加"""或###可提升AI反饋的準(zhǔn)確性。

3．大模型迭代反饋

傳統(tǒng)的自然語言處理技術(shù)通常需要在大量標(biāo)注數(shù)據(jù)上進(jìn)行有監(jiān)督的訓(xùn)練，以便大模型可以對特定任務(wù)或領(lǐng)域進(jìn)行準(zhǔn)確的預(yù)測或生成輸出。但如Zero-Shot Prompting、Few-Shot Prompting等自然語言處理技術(shù)，往往可以通過預(yù)先訓(xùn)練的語言大模型和一些示例或提示，來幫助大模型實(shí)現(xiàn)推理和生成輸出，即在經(jīng)過提示工程師的訓(xùn)練后，計(jì)算機(jī)模型就能根據(jù)簡單的提示或指令進(jìn)行任務(wù)處理，不需要根據(jù)特定的任務(wù)范圍和領(lǐng)域加大訓(xùn)練。如向大模型提問關(guān)于一部電影的具體情節(jié)，其不再需要就電影領(lǐng)域的相關(guān)知識(shí)提前進(jìn)行預(yù)測和訓(xùn)練即可輸出答案。

四、提示工程價(jià)值作用的關(guān)鍵性特征

1．生成性人本化

提示工程的關(guān)鍵性特征之一是對人工智能語言大模型生成性提升的全面加速，降低用戶使用門檻，提升技術(shù)服務(wù)效率。提示工程師將場景理解、話語表達(dá)的結(jié)構(gòu)以簡明扼要的形式快速輸入大模型中，力求高效地指導(dǎo)模型識(shí)別、學(xué)習(xí)和整合用戶的個(gè)性化要素并有機(jī)呈現(xiàn)，彰顯當(dāng)下人工智能語言大模型將要素結(jié)構(gòu)化的能力特征，使人工智能語言大模型更好地理解更復(fù)雜、更專業(yè)的任務(wù)指令，并以一種用戶能聽懂、愿意聽的形式輸出結(jié)果。

人工智能的優(yōu)勢在于能夠通過結(jié)構(gòu)性的、跨領(lǐng)域的、無邊界限制的知識(shí)、技術(shù)間的連接重組突破人類認(rèn)知的新邊界，最終與人類相互耦合形成“具身關(guān)系”［7］，成為人類能力的強(qiáng)大補(bǔ)充。這種狀態(tài)對AIGC的生成性提出了高要求：以一種和人類的語義表達(dá)習(xí)慣接近的結(jié)構(gòu)將海量的資料梳理整合并輸出。這就要求人工智能對文本，對與用戶、場景的關(guān)系有快速理解與高超的表達(dá)能力。而當(dāng)下的AIGC更多地以一種原始、共情、討好與知識(shí)提供的形式出現(xiàn)在傳播世界中，預(yù)訓(xùn)練語言大模型與實(shí)際的用戶應(yīng)用之間依然存在使用溝壑，用戶短期內(nèi)依然需要較大的學(xué)習(xí)成本來實(shí)現(xiàn)人工智能語言大模型的真正應(yīng)用。這實(shí)質(zhì)上就是在“教導(dǎo)”人工智能語言大模型完成用戶關(guān)系建立，從“聽懂”到“讓用戶聽懂”，在連續(xù)性對話中持續(xù)提升生成內(nèi)容和任務(wù)需求的匹配度，加速生成式AI語言大模型的生成性形成。

2．連接性升維

提示工程師極大地推動(dòng)人工智能的連接性提升，走向智能互聯(lián)時(shí)代。這種連接性的推動(dòng)可按中短期和長期兩個(gè)階段來討論。

在AIGC發(fā)展初期，提示工程師能夠?qū)崿F(xiàn)各個(gè)大模型功能性的深度調(diào)用，在充分理解剖析各大模型的優(yōu)劣基礎(chǔ)上按需調(diào)用，為用戶提供綜合性的AIGC需求解決方案，彌補(bǔ)AIGC技術(shù)發(fā)展初期各個(gè)獨(dú)立大模型之間的能力壁壘。在這個(gè)階段，提示工程師實(shí)現(xiàn)的是用戶和語言大模型之間以及不同模型之間的連接，是為大模型進(jìn)一步發(fā)展完善后的互聯(lián)互通搭建基礎(chǔ)能力。

當(dāng)提示工程師幫助人工智能完成對于個(gè)性要素識(shí)別、場景和關(guān)系的理解識(shí)別以及表達(dá)能力的提升后，生成式AI語言大模型能夠?qū)崿F(xiàn)海量的個(gè)性化需求定制，滿足“微價(jià)值”的實(shí)現(xiàn)，以極大滿足長尾需求和邊緣價(jià)值要素重新連接的方式給社會(huì)提供更深層次的連接可供性，為全方位智能互聯(lián)時(shí)代的到來提供更完備的連接能力基礎(chǔ)。在此基礎(chǔ)上，人與人、人與物、物與物的連接也將進(jìn)一步升維，媒介能進(jìn)一步突破信息的有限邊界，進(jìn)一步挖掘并滿足用戶沒有感知到的、潛在的、隱性的需求，使人類憑借媒介的升級迭代不斷突破現(xiàn)實(shí)世界的限制，獲得更大的發(fā)展空間。

3．語言大模型“賦魂”

技術(shù)的社會(huì)化本質(zhì)是技術(shù)邏輯與社會(huì)互構(gòu)的結(jié)果［8］。技術(shù)落地的最終呈現(xiàn)形式并不僅僅取決于技術(shù)邏輯，還有在和社會(huì)的互動(dòng)中逐漸形成并展現(xiàn)的終態(tài)。在生成式AI語言大模型訓(xùn)練中，大模型投喂的廣泛語料與提示工程師重構(gòu)工作時(shí)投喂的語料與結(jié)構(gòu)模型都會(huì)對語言大模型理解和表達(dá)方式形成重要影響。

此時(shí)，提示工程師區(qū)別于語言大模型“自投喂”訓(xùn)練模式的另一關(guān)鍵特征得以顯現(xiàn)：來自人類必要的社會(huì)補(bǔ)充。這種社會(huì)價(jià)值補(bǔ)充包括人類常識(shí)性、直覺性知識(shí)結(jié)構(gòu)的輸入，更包括預(yù)防或解決算法失靈問題的人工干預(yù)。其中，圍繞倫理界限、道德規(guī)則等建立有效的、以人為本的“防火墻”機(jī)制尤為重要。

五、提示工程難以突破的困境

1．AIGC內(nèi)容知識(shí)產(chǎn)權(quán)界定存疑，制約產(chǎn)業(yè)應(yīng)用與發(fā)展

從著作權(quán)法角度來看，AIGC生成內(nèi)容屬于重組式內(nèi)容創(chuàng)新，AIGC目前主要進(jìn)行人機(jī)協(xié)作共創(chuàng)，尚不具備真正的內(nèi)容自主創(chuàng)造能力。其不僅能夠進(jìn)行語言文字的自動(dòng)學(xué)習(xí)生成，AI多模型的圖像整合技術(shù)還能生成或修改圖像、視頻，讓人難以察覺。但AIGC引發(fā)的新型知識(shí)產(chǎn)權(quán)風(fēng)險(xiǎn)正成為知識(shí)生產(chǎn)相關(guān)行業(yè)領(lǐng)域面臨的迫切問題，尤其在教育、咨詢、藝術(shù)等行業(yè)產(chǎn)生極大的法律危機(jī)。目前我國現(xiàn)行著作權(quán)法中尚未對生成式內(nèi)容的知識(shí)產(chǎn)權(quán)進(jìn)行明確界定，這意味AIGC內(nèi)容生產(chǎn)始終游走在法律的邊緣，對內(nèi)容產(chǎn)業(yè)的合規(guī)化運(yùn)營和發(fā)展造成潛在的威脅，這也將打擊行業(yè)與AI技術(shù)融合發(fā)展的積極性和主動(dòng)性。

2．AIGC內(nèi)容質(zhì)量尚無保證，缺乏社會(huì)化傳播基礎(chǔ)

AIGC模型的內(nèi)容生成是以網(wǎng)絡(luò)中大量的現(xiàn)有數(shù)據(jù)為基礎(chǔ)的，通過捕捉上下文內(nèi)容的邏輯結(jié)構(gòu)進(jìn)行語言重組和表達(dá)，但在此之外，AIGC本身會(huì)對許多其無法檢索到的信息及訓(xùn)練數(shù)據(jù)中不存在的內(nèi)容強(qiáng)行捏造，根據(jù)自身預(yù)設(shè)對后續(xù)詞語進(jìn)行連接擴(kuò)充，導(dǎo)致其內(nèi)容輸出在錯(cuò)誤的方向上越走越遠(yuǎn)。就像OpenAI團(tuán)隊(duì)發(fā)布自動(dòng)生成語言文本的ChatGPT在用戶的提示語下，會(huì)生成一定的虛假內(nèi)容，其隱藏在完美的邏輯和語言下，令人難以分辨。

同時(shí)，虛擬世界倫理道德的問題也是AIGC發(fā)展的重要阻礙。在與AI技術(shù)有關(guān)的內(nèi)容生產(chǎn)中，所謂的道德準(zhǔn)則、潛在的偏見或歧視性內(nèi)容以及敏感話題和潛在傷害性內(nèi)容如何處理，所屬權(quán)或?qū)θ说闹黧w性、人腦“意識(shí)”定義的沖擊等問題在數(shù)智時(shí)代將愈加凸顯。

3．AIGC數(shù)據(jù)收集無序，隱私和數(shù)據(jù)安全隱憂

AIGC生成內(nèi)容所依賴的數(shù)據(jù)可能涉及用戶隱私，為了訓(xùn)練和改進(jìn)人工智能生成內(nèi)容的算法，大量的數(shù)據(jù)通常是必需的，這些數(shù)據(jù)可以包括用戶的個(gè)人信息、文本、圖像等。同時(shí)，在人工智能生成內(nèi)容的領(lǐng)域，可能存在不同組織之間的數(shù)據(jù)共享和合作，這其中的傳輸過程如何保證數(shù)據(jù)不被泄漏或?qū)⒊蔀榱硪淮蠹夹g(shù)性問題。

六、媒介視角下的數(shù)智時(shí)代人機(jī)深度融合加速

1．提示工程師推動(dòng)人工智能媒介加速進(jìn)化

媒介進(jìn)化理論強(qiáng)調(diào)媒介對社會(huì)交流和知識(shí)傳播的影響，人在這一過程中持續(xù)發(fā)揮著主體性作用。隨著人工智能生成內(nèi)容技術(shù)的進(jìn)步，大型語言模型（如GPT-3）的出現(xiàn)可以使人工智能更好地理解自然語言，而提示工程師則利用這些語言大模型進(jìn)行訓(xùn)練，將復(fù)雜任務(wù)拆分為簡單的自然語言指令，在訓(xùn)練人工智能更準(zhǔn)確地理解人類用戶需求并提供更好答案的過程中，實(shí)現(xiàn)對人類工作生活的服務(wù)升級。智能媒介進(jìn)化帶來人類工作效率的提升和信息量邊界的擴(kuò)展，勢必會(huì)給人們帶來生活與傳播在方式、習(xí)慣以及理念上的變革［9］，達(dá)成保羅·萊文森“服務(wù)和滿足人類的需求”這一媒介進(jìn)化的終極目標(biāo)。

2．新世界的擺渡者：提示工程師將降低數(shù)智時(shí)代的“門檻”

匹配數(shù)智時(shí)代的三大入口，具身入口是個(gè)體存在感的實(shí)現(xiàn)基礎(chǔ)，空間入口與社交入口分別指涉空間存在感和社會(huì)存在感兩個(gè)維度［10］。從當(dāng)下現(xiàn)實(shí)到數(shù)智時(shí)代的虛實(shí)接口，需要AI、大數(shù)據(jù)等技術(shù)提供支撐，而提示工程師的出現(xiàn)不斷探索人工智能內(nèi)容生產(chǎn)如何更好地服務(wù)于人類需求，個(gè)人用戶在人工智能的實(shí)際應(yīng)用中獲得感、體驗(yàn)感、存在感都得到全面的升級。在未來的發(fā)展中，AIGC全方位融入數(shù)智時(shí)代入口的構(gòu)建過程，個(gè)體在技術(shù)嵌入與虛實(shí)融合下的延伸將感知到自身邊界的擴(kuò)張、身體再造下與萬物互通連接的升級。

概言之，伴隨生成式AI的崛起，生成式AI與新聞傳媒工作者，乃至未來新聞傳媒業(yè)的關(guān)系受到前所未有的關(guān)注。以ChatGPT為代表的生成式AI具備的強(qiáng)大文本生成能力究竟是造就新聞傳媒業(yè)還是顛覆新聞傳媒業(yè)？這是新聞傳媒工作者在生成式AI浪潮下不得不考慮的問題。對于傳媒組織而言，始終保持對新技術(shù)的關(guān)注，并不被其固有模式裹挾至關(guān)重要［11］。未來新聞傳媒工作者的重要角色之一就是扮演提示工程師的角色，成為自然語言和機(jī)器語言的積極中介，并通過中介機(jī)制的反饋為語言大模型“賦魂”——不斷注入人本要素。新聞傳媒工作者是客觀事實(shí)和新聞傳媒消費(fèi)者的中介，是以獨(dú)特的提示語言幫助新聞傳媒消費(fèi)者認(rèn)知和理解相關(guān)的世界。因此，新聞傳媒工作者在新形勢下的身份轉(zhuǎn)變和邏輯重構(gòu)不僅是順應(yīng)時(shí)代浪潮的選擇，也是媒介發(fā)展的必然。

｜參考文獻(xiàn)｜

［1］張智雄，曾建勛，夏翠娟，等. 回應(yīng)AIGC的信息資源管理學(xué)人思考［J］. 農(nóng)業(yè)圖書情報(bào)學(xué)報(bào)，2023（1）：4-28.

［2］科技圓桌派｜藍(lán)色光標(biāo)全面停用文案外包 GPT開搶廣告行業(yè)飯碗？［EB/OL］. ［2023-04-13］（2023-06-12）. https：//baijiahao.baidu.com/s？id=1763062951314401808&wfr=spider&for=pc.

［3］曾慧玲，李琳，呂思洋，等. 提示學(xué)習(xí)驅(qū)動(dòng)的新聞輿情風(fēng)險(xiǎn)識(shí)別方法研究［J/OL］. 計(jì)算機(jī)工程與應(yīng)用，2022：1-8. https：//kns.cnki.net/kcms2/article/abstract？v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD652m6Nu8km6WbBXXhldTwCzfngMKlwCdm4xecfv0f_aNtAkNh3rRcZN&uniplatform=NZKPT.

［4］郭全中，袁柏林. AIGC與WEB3.0有機(jī)融合：

數(shù)智時(shí)代內(nèi)容生產(chǎn)的新范式［J］. 南方傳媒研究，2023（1）：36-47.

［5］LO. LEO S. The CLEAR Path： A Framework for Enhancing Information Literacy through Prompt Engineering［J］.The Journal of academic librarianship， 2023（4）：102720.

［6］Prompting Introduction［EB/OL］.［2023-06-12］.https：//github.com/dair-ai/Prompt-Engineering-Guide/blob/main/guides/prompts-intro.md.

［7］喻國明，蘇健威. 生成式人工智能浪潮下的傳播革命與媒介生態(tài)：從ChatGPT到全面智能化時(shí)代的未來［J］. 新疆師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2023（5）：81-90.

［8］喻國明. ChatGPT浪潮下的傳播革命與媒介生態(tài)重構(gòu)［J］. 探索與爭鳴，2023（3）：9-12.

［9］郭婧一，喻國明. 數(shù)智時(shí)代新“入口”：智能網(wǎng)聯(lián)汽車作為未來媒體的新樣態(tài)［J］. 傳媒觀察，2022（6）：17-21.

［10］喻國明，趙秀麗，譚馨. 具身方式、空間方式與社交方式：數(shù)智時(shí)代的三大入口研究：基于傳播學(xué)邏輯的近期、中期和遠(yuǎn)期發(fā)展分析［J］. 新聞界，2022（9）：4-12.

［11］張建中，坎貝爾西莉亞. 面對ChatGPT，新聞?dòng)浾卟粦?yīng)該有身份危機(jī)［J］. 青年記者，2023（5）：97-98.