[摘 要] 人工智能引領(lǐng)下的科普創(chuàng)作意味著科普內(nèi)容生產(chǎn)邁入了一個全新的發(fā)展階段。本文梳理人工智能生成科普內(nèi)容的發(fā)展現(xiàn)狀與挑戰(zhàn)，從大模型預訓練、垂直領(lǐng)域模型精調(diào)、科普內(nèi)容生成的技術(shù)路徑出發(fā)，剖析人工智能生成科普內(nèi)容的底層邏輯，以及專業(yè)內(nèi)容生產(chǎn)者、職業(yè)內(nèi)容生產(chǎn)者和公眾這三類科普內(nèi)容生產(chǎn)主體在與人工智能協(xié)同創(chuàng)作科普內(nèi)容的各環(huán)節(jié)中的角色與功能?；谘芯拷Y(jié)果，本文建議為實現(xiàn)科普高質(zhì)量發(fā)展，需開展科普領(lǐng)域的“人工智能+”行動，推動人工智能與科普的深度融合，構(gòu)建人機協(xié)同、多元共創(chuàng)的智能科普創(chuàng)作新范式，為提升全民科學素質(zhì)提供智能動力。

[關(guān)鍵詞]人工智能 智能科普 底層邏輯 參與主體功能

[中圖分類號] N4；TP18 [文獻標識碼] A [ DOI ] 10.19293/j.cnki.1673-8357.2024.04.002

人工智能技術(shù)的飛速發(fā)展正在深刻影響著人們獲取知識和信息的方式。科普作為知識普及的重要形式，其內(nèi)容生產(chǎn)方式也正經(jīng)歷著巨大的變革，開始邁向“AIGC+科普”的智能科普創(chuàng)作新范式。越來越多的科普內(nèi)容生產(chǎn)者開始利用人工智能技術(shù)進行創(chuàng)作，這不僅大大提高了內(nèi)容生產(chǎn)的效率，也拓展了知識普及的傳播渠道。

然而，人工智能生成科普內(nèi)容并非簡單的“一鍵生成”，它是一個復jmxF/3/aPHXlDeRZAXzIe5mN3UNjEjmy1k8h1gAXF00=雜的系統(tǒng)工程，涉及數(shù)據(jù)采集、算法設(shè)計、內(nèi)容生成以及質(zhì)量把控等多個環(huán)節(jié)，需要學界、業(yè)界、科技工作者、科普機構(gòu)等多方主體的通力協(xié)作。本文以人工智能生成科普內(nèi)容為切入點，深入剖析這一過程背后的底層邏輯，并探討各參與主體在其中的分工與協(xié)作，以期為人工智能技術(shù)在科普領(lǐng)域的應用提供新思路，推動人工智能與科普的深度融合，使科普更加智能化、高效化和精準化，為公眾提供更優(yōu)質(zhì)的科普服務(wù)。

1人工智能生成科普內(nèi)容相關(guān)研究

以ChatGPT為代表的人工智能生成內(nèi)容工具掀起了新一輪技術(shù)浪潮，并已經(jīng)被應用到出版[1]、媒體[2]、醫(yī)療[3]、公共治理[4]等多個領(lǐng)域中，其快速發(fā)展也引發(fā)了學界和業(yè)界對其在科普應用中的廣泛討論。

隨著以生成式對抗網(wǎng)絡(luò)（Generative Adversarial Network，GAN）為代表的深度學習算法的提出、迭代更新以及人工智能語言模型的進步，實現(xiàn)了從初期的統(tǒng)計語言模型以及神經(jīng)語言模型到基于Transformer的預訓練語言模型的迭代，人工智能已發(fā)展到生成式人工智能的新階段，具備了能夠從已有數(shù)據(jù)中進行自監(jiān)督式學習并生成新的、類似的數(shù)據(jù)的能力，這也預示著人工智能生成內(nèi)容發(fā)展到了新高度。

生成式人工智能通過前期的預訓練，具備了通用領(lǐng)域創(chuàng)造力[5]，既可以通過分析大量現(xiàn)有的數(shù)據(jù)文本，快速地生成科普文章，又能夠進行多模態(tài)融合的藝術(shù)創(chuàng)作，這也是人工智能生成內(nèi)容（Artificial Intelligence Generated Content，AIGC）區(qū)別于傳統(tǒng)用戶生產(chǎn)內(nèi)容（User-Generated Content，UGC）和專業(yè)生產(chǎn)內(nèi)容（Professionally-Generated Content，PGC）的顯著特征[6]。多模態(tài)人工智能工具的整合拓展了傳統(tǒng)圖文融合的表達方式，能夠自動生成科學插圖、信息圖表乃至視頻，將復雜的科學概念可視化。生成式人工智能可以實現(xiàn)個性化、對話式的科普內(nèi)容生成，讓更多人參與科學話題的討論，彌補傳統(tǒng)科普的非交互式設(shè)置，公眾能夠及時給予反饋，從而獲得更具吸引力和個性化的體驗[7]。它降低了科學內(nèi)容生產(chǎn)的技術(shù)門檻，促進了民主化的互動式科學交流[8]。

但同時，這種人工智能生成內(nèi)容的模式也存在一定的滯后性和科學性問題。例如ChatGPT，基于GPT-3.5的預訓練數(shù)據(jù)收集截至2021年9月，因此它無法給用戶提供最新的、實時動態(tài)的準確回答，缺乏調(diào)動互聯(lián)網(wǎng)搜索引擎實時更新數(shù)據(jù)的能力，這些局限性會導致其產(chǎn)生事實性錯誤。GPT-4通過增加插件的方式使ChatGPT能夠與開發(fā)人員定義的智能體進行交互，從而增強其檢索實時信息的功能[9]。雖然OpenAI 推出了WebGPT①，彌補了信息滯后性和缺乏實時信息源的問題，但海量的人工智能生成內(nèi)容可能加劇信息過載與污染[10]，且由于使用者的提問習慣不同、模型生成內(nèi)容的不可預測性以及訓練數(shù)據(jù)的缺乏等原因，容易出現(xiàn)“老虎機效應”[11]，即使用人工智能生成內(nèi)容就像在進行一場隨機性的概率游戲。與此同時，人工智能驅(qū)動的“超高效”內(nèi)容生產(chǎn)模式也可能加劇從業(yè)者的就業(yè)不安感?？蒲袡C構(gòu)與傳媒行業(yè)本就面臨多重壓力，人工智能的廣泛應用可能會帶來社會就業(yè)結(jié)構(gòu)的變化，產(chǎn)生兩極分化現(xiàn)象。此外，還存在知識產(chǎn)權(quán)、內(nèi)容歸因等諸多倫理與法律問題[12]。

人工智能生成內(nèi)容為科普內(nèi)容創(chuàng)作帶來了全新的想象空間，正成為學界新的研究方向。學者沙弗（Schafer）指出，面對人工智能技術(shù)的快速迭代，科學傳播研究應緊跟腳步，重點關(guān)注四個研究方向：其一，分析各利益相關(guān)方對人工智能議題的論述；其二，考察用戶與人工智能的交互過程及影響；其三，人工智能對科學傳播生態(tài)系統(tǒng)的重塑，以及可能加劇的“智能鴻溝”；其四，重新審視傳統(tǒng)傳播理論，推動跨學科的理論創(chuàng)新[13]。阿曼達·阿爾瓦雷斯（Amanda Alvarez）等學者認為生成式人工智能為科學傳播帶來新的協(xié)同效應，但是作為科學傳播的一個關(guān)鍵特征——精確性，恰恰不是生成式人工智能的強項，因此我們需要構(gòu)建科學界、人工智能工具與公眾之間的信任關(guān)系[14]。黃景山等學者指出人工智能工具可能無法更好地理解復雜的科學概念、技術(shù)術(shù)語或科學寫作的細微差別，這可能會限制這些工具的實用性，其次人類對工具的過度依賴可能會導致創(chuàng)造性和批判性思維下降[15]。

人工智能成為新的科普內(nèi)容創(chuàng)作者改變了科普內(nèi)容的生產(chǎn)流程，科普的傳統(tǒng)參與主體在整個內(nèi)容創(chuàng)作中的角色與功能也發(fā)生了轉(zhuǎn)變。本文在現(xiàn)有文獻基礎(chǔ)上，從底層邏輯與生產(chǎn)者角色功能的角度切入，深入剖析人工智能如何生成科普內(nèi)容，以及傳統(tǒng)生產(chǎn)者參與科普內(nèi)容創(chuàng)作的新范式。

2科普內(nèi)容創(chuàng)作的新范式

不同于傳統(tǒng)的人類經(jīng)驗材料驅(qū)動的科普內(nèi)容創(chuàng)作范式，人工智能生成科普內(nèi)容新范式是以算力、數(shù)據(jù)為基礎(chǔ)的數(shù)智驅(qū)動型科普創(chuàng)作范式，其最大特點是明確了人工智能在科普創(chuàng)作中的主體地位，肯定了人工智能生成科普內(nèi)容的重要價值。在該范式下科普內(nèi)容的創(chuàng)作主體及其功能發(fā)揮等多方面都有新的變化。因此，有必要重新認識科普創(chuàng)作主體的新變化，剖析人工智能生成科普內(nèi)容的底層邏輯，把握人工智能生成科普內(nèi)容的各個環(huán)節(jié)，分析人機協(xié)同生成科普內(nèi)容背景下各參與主體的新功能和新職能，探索多元主體協(xié)同共創(chuàng)科普內(nèi)容的新路徑。

2.1科普內(nèi)容創(chuàng)作主體的新變化

在科普內(nèi)容創(chuàng)作領(lǐng)域，一直以來主要存在三類創(chuàng)作主體：一是具備專業(yè)科學知識的科普內(nèi)容創(chuàng)作者；二是專職做科普，以科普作品獲取收入的職業(yè)科普工作者；三是公眾科普內(nèi)容創(chuàng)作者。分別對應生成三種類型科普內(nèi)容，即專業(yè)生產(chǎn)內(nèi)容、職業(yè)生產(chǎn)內(nèi)容（Occupationally-Generated Content，OGC）和用戶生產(chǎn)內(nèi)容。

專業(yè)科普內(nèi)容創(chuàng)作主體主要是科學家、科研機構(gòu)工作者、醫(yī)生、工程師、高校教師等，他們憑借扎實的科學知識或?qū)I(yè)學識，創(chuàng)作高質(zhì)量的科普作品。但是，受限于科研工作的繁重，這類科普內(nèi)容產(chǎn)出頻次較低，難以滿足公眾日益增長的科普需求，其創(chuàng)作的科普作品在社交媒體平臺的點擊量、轉(zhuǎn)發(fā)量也較低。職業(yè)科普內(nèi)容的創(chuàng)作主體多是從事科普的媒體工作者、自媒體人、科技館工作人員等，他們基于自己的職業(yè)專長，創(chuàng)作了許多具備職業(yè)視角的科普內(nèi)容。不過，職業(yè)生產(chǎn)內(nèi)容時常局限于特定領(lǐng)域，專業(yè)性較強，覆蓋面有限。公眾科普內(nèi)容創(chuàng)作主體多是社交媒體上的普通用戶，他們用自己的方式解讀科學知識，使得科普內(nèi)容視角獨特、形式多樣、生動有趣，這類創(chuàng)作與公眾的距離最近。但是，這類科普內(nèi)容質(zhì)量良莠不齊，時常存在科學錯誤、概念混淆等問題，在一定程度上影響了科普內(nèi)容的公信力。

如今，隨著人工智能技術(shù)的飛速發(fā)展，繼PGC、OGC、UGC之后，AIGC成為一種新的科普內(nèi)容生成模式。先進的大語言模型可以學習海量的科學知識，再通過智能算法創(chuàng)作科普文章和科普視頻腳本等。在科普文章創(chuàng)作方面，人工智能可以在海量科學論文中快速提取知識要點，組織成通俗易懂的語言，再合成為結(jié)構(gòu)完整、邏輯清晰的科普文章。在科普圖片、視頻創(chuàng)作方面，人類可以先借助大語言模型生成提示詞或分鏡頭腳本，再運用多模態(tài)大模型生成科普視聽覺材料，還可以配以智能語音合成、虛擬主播等技術(shù)，制作出專業(yè)級的科普視頻。例如，第二十五屆中國科協(xié)年會上舉辦的首屆中國（合肥）國際科學藝術(shù)節(jié)上首次展出的“大科學·大媒介·大藝術(shù)——大科學裝置藝術(shù)文獻展”，參展作品采用Midjourney、Stable Diffusion等工具，是在人機融合共創(chuàng)機制下進行藝術(shù)創(chuàng)作，作品將全超導托卡馬克東方超環(huán)裝置、超級神岡探測器等大科學裝置用豐富、生動的具象化表達向大家傳遞了其中的科學信息[16]。除此之外，生成式人工智能甚至可以通過多種方式為不同學科領(lǐng)域的科學寫作作出貢獻，進行文獻綜述協(xié)助、創(chuàng)意生成、概念澄清以及協(xié)助研究等[17]。與傳統(tǒng)的人工創(chuàng)作相比，人工智能可以做到不間斷創(chuàng)作，快速產(chǎn)出大量科普內(nèi)容，極大地緩解了科普內(nèi)容供給不足的問題。

人工智能的快速發(fā)展使人機之間相互融合、相互協(xié)作，人機之間的“主客體”界限變得越來越模糊，人工智能逐漸成為一種新的重要的科普創(chuàng)作主體[18]，與人類達成一種人機協(xié)同、和諧共生的新型關(guān)系。人工智能與傳統(tǒng)的科普內(nèi)容創(chuàng)作者相互協(xié)作共創(chuàng)科普文本，相較于傳統(tǒng)的人類生產(chǎn)者生成的內(nèi)容，人機共創(chuàng)的內(nèi)容具有多元主體參與的特點，同時消磨了傳統(tǒng)文本主體相對獨立的特點，呈現(xiàn)出人機協(xié)同的新特征[19]。未來科普內(nèi)容的生產(chǎn)將呈現(xiàn)出“PGC+OGC+UGC+AIGC”的多元融合新態(tài)勢，各類創(chuàng)作主體將優(yōu)勢互補、相互協(xié)同，共同構(gòu)建起一個高效、智能、可持續(xù)的科普內(nèi)容生產(chǎn)體系。這必將極大地激發(fā)科普創(chuàng)作的活力，使得科普呈現(xiàn)出更為繁榮的新景象。

2.2人工智能生成科普內(nèi)容的底層邏輯

人工智能生成科普內(nèi)容的底層邏輯可以概括為從大語言模型預訓練到垂直領(lǐng)域模型精調(diào)再到內(nèi)容生成的過程（見圖1）。

大語言模型是人工智能生成科普內(nèi)容的基礎(chǔ)。在預訓練階段，模型接觸了海量的網(wǎng)絡(luò)文本，例如新聞、百科、電子書籍、社交媒體上的文章等。通過這些文本，模型可以學習到詞匯運用、語法結(jié)構(gòu)、語義表達等語言學知識。同時，由于大規(guī)模文本數(shù)據(jù)涵蓋了各個領(lǐng)域，模型還可以習得大量的百科知識、常識邏輯、因果關(guān)系等。大語言模型能夠做到根據(jù)上下文信息預測下一個詞語，通過這個任務(wù)，模型還可以學習到詞匯的搭配規(guī)律和上下文的語義信息。大語言模型經(jīng)過預訓練，掌握了語言和知識的基本表征，具備了一定的語義理解和邏輯推理能力。這種語言能力是科普內(nèi)容生成的基礎(chǔ)。

在大語言模型基礎(chǔ)上進行模型精調(diào)，可以得到適配于科普場景的行業(yè)大模型。因為由預訓練產(chǎn)生的是通用大語言模型，這類大模型的知識往往是廣而不精的。因此，為了生成高質(zhì)量的科普內(nèi)容，還需要在大模型的基礎(chǔ)上，針對特定科學領(lǐng)域進行精調(diào)。具體而言，大語言模型可以采用提示詞調(diào)優(yōu)、構(gòu)建領(lǐng)域知識庫、全量微調(diào)、自監(jiān)督學習等方法，進行二次訓練。通過訓練，模型可以深入理解該領(lǐng)域的基本概念、研究方法、前沿進展等，形成領(lǐng)域知識圖譜。比如，預測生命分子結(jié)構(gòu)的AI預測模型AlphaFold，可以對蛋白質(zhì)、DNA 和 RNA 等大型生物分子、小分子（也稱為配體），甚至許多藥物進行預測，升級版的AlphaFold3加入了通過擴散模型（Diffusion Model）直接預測原子3D坐標的方式搭建模型，更直觀地展示了預測結(jié)果，助力醫(yī)學領(lǐng)域的科學研究，也間接地為智能科普提供了更多語料。同時，模型還可以學習到該領(lǐng)域科普內(nèi)容的寫作風格和慣用表達，用以指導科普內(nèi)容創(chuàng)作。比如，生物醫(yī)學語言表示模型（BioBERT），一個專門用于生物醫(yī)學文獻搜索和分析優(yōu)化的BERT模型。通過專業(yè)語料投喂、二次訓練，BioBERT能夠更準確地理解醫(yī)學術(shù)語和概念，廣泛應用于疾病關(guān)聯(lián)分析、藥物發(fā)現(xiàn)等研究領(lǐng)域。行業(yè)大模型精調(diào)是人工智能發(fā)展的新趨勢，但前行的道路仍然充滿阻礙。騰訊云聯(lián)合中國信息通信研究院發(fā)布的《行業(yè)大模型標準體系及能力架構(gòu)研究報告》指出，目前行業(yè)大模型構(gòu)建面臨計算資源少、數(shù)據(jù)質(zhì)量差和投入成本高等問題[20]。

運用大模型或“大模型+小模型”進行科普內(nèi)容生成的過程可以分為選題、撰寫、優(yōu)化三個步驟。在選題環(huán)節(jié)，人類可以自主選擇或運用人工智能推薦科普選題；在撰寫環(huán)節(jié)，人類通過輸入提示詞，人工智能從知識圖譜和科學文獻中提取關(guān)鍵信息生成文章初稿；在優(yōu)化環(huán)節(jié)，人類可以獨立或驅(qū)動人工智能通過迭代優(yōu)化來提升文章的專業(yè)性、邏輯性和趣味性，最終生成高質(zhì)量的科普內(nèi)容。

從大語言模型的預訓練，到垂直領(lǐng)域模型的精調(diào)，再到科普創(chuàng)作過程的智能輔助，人工智能為科普內(nèi)容創(chuàng)作開辟了全新的路徑。

3智能科普參與主體功能分析

在人工智能生成科普內(nèi)容底層邏輯的不同環(huán)節(jié)中，各類科普內(nèi)容生產(chǎn)者可以發(fā)揮各自的新功能，與人工智能形成協(xié)同創(chuàng)作的新局面（見表1）。

3.1專業(yè)科普內(nèi)容生產(chǎn)者

專業(yè)科普內(nèi)容生產(chǎn)者具備較高的科學素質(zhì)，積累了權(quán)威的知識，可以在人工智能科普內(nèi)容生成中發(fā)揮“領(lǐng)航員”作用。

在大語言模型預訓練階段，專業(yè)科普內(nèi)容生產(chǎn)者可以貢獻高質(zhì)量的科普文章、科學論文等專業(yè)資料，豐富預訓練語料，增加模型的科學知識儲備。他們還可以參與構(gòu)建科學知識圖譜，為模型提供清晰的知識脈絡(luò)和邏輯結(jié)構(gòu)。科學家、科研工作者可以利用專業(yè)技能和知識，參與到語料的收集、數(shù)據(jù)標注分類以及數(shù)據(jù)清洗等工作中去。

在垂直領(lǐng)域模型精調(diào)階段，專業(yè)科普內(nèi)容生產(chǎn)者可以參與選擇特定科學領(lǐng)域的精調(diào)數(shù)據(jù)，確保數(shù)據(jù)的科學性和準確性。他們可以從海量科學文獻中精選經(jīng)典著作、前沿論文等，幫助模型深入理解該領(lǐng)域的核心概念、研究方法、發(fā)展脈絡(luò)等。同時，信息管理的科學家、科研工作者們擁有一定的技術(shù)背景，還可以提供模型精調(diào)的技術(shù)支持，直接參與到模型的優(yōu)化工作之中。此外，專業(yè)科普內(nèi)容生產(chǎn)者還可以設(shè)計知識評估任務(wù)，檢驗模型的學習效果，找出知識掌握的薄弱環(huán)節(jié)。

在科普內(nèi)容生成階段，專業(yè)科普內(nèi)容生產(chǎn)者可以為人工智能提供選題策劃方案，把握科普內(nèi)容的總體方向?；趯W科發(fā)展趨勢的前瞻性判斷，引領(lǐng)科普話題的風向標。科學家、行業(yè)專家可以借助大語言模型將自己的科學知識進行轉(zhuǎn)換，生成更加符合用戶需求的科普內(nèi)容。同時，專業(yè)科普內(nèi)容生產(chǎn)者還可以參與人工智能生成內(nèi)容的專業(yè)性評審，發(fā)揮“把關(guān)人”的作用。他們可以從學科專家的角度審核內(nèi)容，識別其中可能存在的科學錯誤、邏輯漏洞、概念偏差等，并提供修改建議，確保內(nèi)容的科學性與準確性。

3.2職業(yè)科普內(nèi)容生產(chǎn)者

職業(yè)科普內(nèi)容生產(chǎn)者積累了豐富的行業(yè)實踐經(jīng)驗和職業(yè)知識，可以在人工智能科普內(nèi)容生成中發(fā)揮“實踐派”的作用。

在大語言模型預訓練階段，職業(yè)科普內(nèi)容生產(chǎn)者可以提供行業(yè)案例、應用技術(shù)的解讀文本等實踐素材，讓模型學習到更具備職業(yè)素養(yǎng)的語言風格和表達方式。這些基于真實職業(yè)情境的語料，可以幫助模型更好地理解和表達科學知識，使得生成的科普內(nèi)容體現(xiàn)出職業(yè)水平。

在垂直領(lǐng)域模型精調(diào)階段，職業(yè)科普內(nèi)容生產(chǎn)者可以為模型補充職業(yè)的知識圖譜，提供行業(yè)術(shù)語、工作流程、操作規(guī)范等信息，強化模型的認知。例如科技記者及其他科普門戶往往擁有多樣的信息源，也掌握著更為豐富的社會資源，可以接觸到更多科普行業(yè)的專家或者職業(yè)工作者，因此，他們也可以充當模型精調(diào)工作的“中介”，提供信息和人才資源。科普企業(yè)還可以考慮新增科普數(shù)據(jù)標注、垂直科學領(lǐng)域模型精調(diào)業(yè)務(wù)?？萍拣^工作者還可以貢獻一些工作心得，他們能更近地接觸到公眾，明確公眾所需，反映日?？破罩谐霈F(xiàn)的一些問題。

在科普內(nèi)容生成階段，職業(yè)科普內(nèi)容生產(chǎn)者對科普熱點選題更加敏感，有助于提升科普內(nèi)容的時效性和關(guān)注度?；趯π袠I(yè)發(fā)展動態(tài)的敏銳洞察，他們可以捕捉到最新的技術(shù)應用、熱點案例等，為人工智能提供選題靈感。同時，職業(yè)科普內(nèi)容生產(chǎn)者還可以參與人工智能生成內(nèi)容的可讀性評估，他們能夠以從業(yè)者的視角審閱內(nèi)容，判斷表述是否通俗易懂、邏輯是否清晰連貫、案例是否具有代表性，并提供優(yōu)化建議，增強內(nèi)容的實用價值。

3.3公眾科普內(nèi)容生產(chǎn)者

公眾科普內(nèi)容生產(chǎn)者雖然在專業(yè)知識方面不如專業(yè)人士，但他們有著豐富的好奇心和創(chuàng)造力，他們生成的科普內(nèi)容也更加貼合大部分普通受眾對科學知識的接受程度。在人工智能科普內(nèi)容生成中，公眾科普內(nèi)容生產(chǎn)者可以發(fā)揮“創(chuàng)意源”的作用。

在大語言模型預訓練階段，公眾科普內(nèi)容生產(chǎn)者可以貢獻海量的科普創(chuàng)作數(shù)據(jù)，例如科普博文、科學競賽作品等，讓模型學習到多樣化的科普表達方式。相比專業(yè)文獻，公眾原創(chuàng)的科普內(nèi)容通常更加新穎、有趣、通俗易懂，有助于模型掌握靈活多變的語言風格，激發(fā)創(chuàng)造性表達。

在垂直領(lǐng)域模型精調(diào)階段，公眾科普內(nèi)容生產(chǎn)者可以通過眾包方式，在知識的通俗表述、關(guān)鍵概念、應用場景等模型標注領(lǐng)域，幫助模型建立領(lǐng)域知識的“民間視角”。例如，針對“黑洞”這一天文學概念，普通公眾可能會聯(lián)想到“吞噬一切的漩渦”“時空的怪獸”等生動比喻，這些表達方式可以為模型生成科普內(nèi)容提供更多創(chuàng)意元素。

在科普內(nèi)容生成階段，公眾科普內(nèi)容生產(chǎn)者可以通過互動反饋，為人工智能提供選題偏好、閱讀體驗等數(shù)據(jù)，協(xié)助模型優(yōu)化內(nèi)容生成策略。公眾對科普內(nèi)容的點贊、評論、分享等行為，同樣可以成為人工智能明確用戶需求、改進創(chuàng)作方案的重要參考。此外，公眾還可以參與人工智能生成內(nèi)容的趣味性評價，他們可以從內(nèi)容消費者的角度，評判內(nèi)容是否幽默風趣、通俗易懂，并提供創(chuàng)意靈感，讓科普內(nèi)容更好地走心走腦，吸引用戶眼球。

因此，在人工智能科普內(nèi)容生成的各個環(huán)節(jié)，三類傳統(tǒng)科普內(nèi)容生產(chǎn)者可以發(fā)揮各自特長，與人工智能互補協(xié)作。專業(yè)科普內(nèi)容生產(chǎn)者提供高質(zhì)量的科學知識供給，把關(guān)內(nèi)容的專業(yè)性；職業(yè)科普內(nèi)容生產(chǎn)者提供鮮活的實踐案例，強化內(nèi)容的實用性；公眾科普內(nèi)容生產(chǎn)者提供豐富的創(chuàng)意靈感，增加內(nèi)容的趣味性。通過人機協(xié)同、優(yōu)勢互補，多元主體可以攜手共建高質(zhì)量、個性化、智能化的科普內(nèi)容生態(tài)，助力全民科學素質(zhì)的提升。

4踐行科普創(chuàng)作新范式，開展科普領(lǐng)域“人工智能+”行動

當前，亟須推動人工智能在科普領(lǐng)域的應用，踐行智能科普創(chuàng)作新范式，為科普高質(zhì)量發(fā)展注入源源不斷的創(chuàng)新動能。在較全面地分析人工智能生成科普內(nèi)容的底層邏輯與參與者功能基礎(chǔ)上，本文從大模型的優(yōu)化訓練到科普人使用人工智能輔助科普創(chuàng)作，再到科普內(nèi)容生成后的把關(guān)等方面，提出大模型背景下科普領(lǐng)域數(shù)轉(zhuǎn)智改的建議。

4.1增強大模型的科普基礎(chǔ)理解力

盡管大模型通過預訓練獲得了廣泛的知識基礎(chǔ)，但科普數(shù)據(jù)提供了專門化、結(jié)構(gòu)化和適應性強的信息，這對于提升大模型服務(wù)科普的能力至關(guān)重要?？破詹粌H是知識內(nèi)容，還包括知識的組織方式和表達技巧。做大做強一個科普知識圖譜和語料庫，可以系統(tǒng)化地組織科普領(lǐng)域的概念、關(guān)系和事實；收集整理大量、高質(zhì)、多樣的科普文章、視頻講稿等內(nèi)容并形成語料庫，有針對性地進行科普維度的數(shù)據(jù)標注，為模型提供科普的語言模式和知識結(jié)構(gòu)，讓大模型具備“科普專家”的視角和技能，將大幅提升其在科普領(lǐng)域的基礎(chǔ)理解能力。

4.2開發(fā)前沿科技領(lǐng)域垂直模型

由預訓練構(gòu)建的通用大模型包含普遍的信息，但是難以給出精確的、前沿的科普內(nèi)容。開發(fā)前沿科學領(lǐng)域，特別是針對量子計算、人工智能等具有新質(zhì)生產(chǎn)力屬性的未來產(chǎn)業(yè)垂直模型，是一個極具戰(zhàn)略意義的方向。這些專門化的模型可以深入理解和處理高度專業(yè)的知識。通過系統(tǒng)收集專業(yè)資料，構(gòu)建領(lǐng)域特定的知識圖譜，不僅能加速科研進程，提升科普質(zhì)量，還能支持決策制定，推動產(chǎn)業(yè)發(fā)展。這種垂直模型有潛力成為推動前沿科技發(fā)展的關(guān)鍵力量，精調(diào)過后的行業(yè)模型與應用場景結(jié)合得更加緊密，為新質(zhì)生產(chǎn)力科普及科技成果轉(zhuǎn)化提供有力支撐。

4.3提升科普人員的智能創(chuàng)作能力

科普人才隊伍是科普工作創(chuàng)新的核心力量[21]，在智能科普時代，與人工智能系統(tǒng)協(xié)同創(chuàng)作的能力將成為科普人才的核心競爭力。當前，國內(nèi)外有許多人工智能工具可供使用，但科普人員仍存在較多不知道、不重視使用這些工具的情況，且使用水平參差不齊，因此需要從認知和操作兩個方面提升科普人員的智能創(chuàng)作能力。

從認知方面出發(fā)，科普人員需建立科學、客觀、理性的人工智能認知，樹立人機協(xié)同的思維方式；從操作方面出發(fā)，發(fā)揮人的創(chuàng)意策劃和價值引領(lǐng)作用，同時利用機器的海量信息處理和智能分析能力，實現(xiàn)優(yōu)勢互補。目前，人工智能還沒有辦法做到與人類“心意相通”，所以科普人員需要學會向人工智能提問，給出正確具體的任務(wù)指令，也要明確人機協(xié)同過程中的職責邊界和倫理規(guī)范。相關(guān)部門可通過舉辦人工智能科普能力培訓班、人機協(xié)同科普創(chuàng)新大賽、經(jīng)驗分享會等，促進優(yōu)秀人才和創(chuàng)新項目的涌現(xiàn)，營造有利于人機協(xié)同創(chuàng)新的科普生態(tài)環(huán)境。在科普人才評價體系中納入人機協(xié)同創(chuàng)新能力指標，引導科普工作者積極踐行人機協(xié)同理念。通過轉(zhuǎn)變理念、更新知識、強化實踐、優(yōu)化環(huán)境等措施，幫助科普人成長為智能時代的復合型科普人才。

4.4強化科普內(nèi)容的科學性把關(guān)

大模型的訓練過程是一個不可控且難以解釋的算法黑箱，雖然還可以經(jīng)過垂直模型精調(diào)，但仍面臨“幻覺”挑戰(zhàn)，出現(xiàn)內(nèi)容看似通順合理卻不正確、內(nèi)容主觀色彩明顯、內(nèi)容不符合使用者需求等情況?？破諆?nèi)容的科學性十分重要，加強科普內(nèi)容的把關(guān)，建立一套有效的內(nèi)容審核機制，對人工智能生成的科普內(nèi)容進行全面的人工復核，是確保智能科普健康發(fā)展的關(guān)鍵。內(nèi)容審核重點檢查科普內(nèi)容的科學性和準確性，核實引用的數(shù)據(jù)和論據(jù)是否可靠，論證的邏輯是否嚴謹，結(jié)論是否客觀公正。對于一些專業(yè)性強、社會影響大的科學話題，例如應急科普，要謹慎對待人工智能生成內(nèi)容，需經(jīng)權(quán)威專家評審后才能發(fā)布。

5結(jié)語

隨著新一輪科技革命和產(chǎn)業(yè)變革的深入發(fā)展，國家科普能力成為衡量一個國家綜合實力不可忽視的指標，是現(xiàn)代化建設(shè)的一項重要工作。人工智能正引領(lǐng)著科普創(chuàng)作和傳播的變革浪潮，智能科普的發(fā)展意味著科普邁向一個全新的發(fā)展階段。在這一變革中，科普內(nèi)容創(chuàng)作的各類主體也體現(xiàn)出新的功能和價值，這需要積極探索人機協(xié)同的科普內(nèi)容生產(chǎn)新機制，推動多元主體協(xié)同創(chuàng)作優(yōu)質(zhì)科普內(nèi)容，加快人工智能與科普場景的融合創(chuàng)新。然而，也要清醒地認識到，人工智能在促進科普智能化的同時，也可能帶來一些值得警惕的風險與挑戰(zhàn)，對此，要保持敏銳的洞察力和前瞻性思考，積極應對這些問題，最大限度地發(fā)揮人工智能的積極效用，規(guī)避其潛在風險。踐行科普創(chuàng)作新范式，開展科普領(lǐng)域“人工智能+”行動，不僅是內(nèi)容創(chuàng)作效能的倍增，更是創(chuàng)新精神、科學思維、人文情懷的多維度培育，需要科普人員以開放、包容、審慎的心態(tài)擁抱這一變革，積極塑造智能時代的科普新生態(tài)。

①OpenAI是一家總部位于美國舊金山的開放人工智能研究和部署公司，于2022年11月推出全新聊天機器人模型ChatGPT，其推出的WebGPT是對GPT-3模型微調(diào)后得出的模型，該模型通過結(jié)合搜索和信息檢索的能力，能夠提供更加準確、豐富的答案，可以像人類一樣在線搜索問題的答案，并添加引用來源，更加準確地回答開放式問題。

參考文獻

史惠斌，郭澤德.邁向智能：AIGC內(nèi)容生成模式引發(fā)的出版變革[J].數(shù)字出版研究，2023，2（2）：34-42.

Xia Y，Wang B，Wei Q. Influence and Philosophical Reflection on ChatGPT in the Media Industry[J]. Computer Sciences and Mathematics Forum. 2023，8（1）：8.

Santandreu-Calonge D，Medina-Aguerrebere P，Hultberg P，et al. Can ChatGPT Improve Communication in Hospitals？[J]. Profesional de la Información，2023，32（2）：e320219.

曾宇航，史軍.政府治理中的生成式人工智能：邏輯理路與風險規(guī)制[J].中國行政管理，2023，39（9）：90-95.

胡衛(wèi)平，張陽，呂元婧，等．人工智能創(chuàng)造力探究[J].現(xiàn)代教育技術(shù)，2024，34（1）：17-25.

白楊，白云，詹希旎，等. 人工智能生成內(nèi)容（AIGC）的技術(shù)特征與形態(tài)演進[J]. 圖書情報知識，2023，40（1）：66-74.

Biyela S，Dihal K，Gero K I，et al. Generative AI and Science Communication in the Physical Sciences[J]. Nature Reviews Physics，2024，6 （3）：162-165．

De Angelis L，Baglivo F，Arzilli G，et al. ChatGPT and the Rise of Large Language Models： the New AI-Driven Infodemic Threat in Public Health[J]. Frontiers in Public Health，2023（11）：1166120.

朱永新，楊帆. ChatGPT/生成式人工智能與教育創(chuàng)新：機遇，挑戰(zhàn)以及未來[J]. 華東師范大學學報（教育科學版），2023，41（7）：1-14.

Nerlich B. Artificial Intelligence：Education and Entertainment[EB/OL].（2023-01-06）[2024-05-28]. https：//blogs.nottingham.ac.uk/makingsciencepublic/2023/01/06/artificial-intelligence-education-and-entertainment/.

Maas P，Carey F，Chris Wheeler C，et al. To Infinity and Beyond：SHOW-1 and Showrunner Agents in Multi-Agent Simulations[EB/OL].（2023-06-24）[2024-06-20]. https：//fablestudio.github.io/showrunner-agents/.

李亞玲，覃緣琪，魏闕.人工智能生成內(nèi)容的潛在風險及治理對策[J].智能科學與技術(shù)學報，2023，5（3）：415-423.

Schafer M S. The Notorious GPT：Science Communication in the Age of Artificial Intelligence[J]. Journal of Science Communication，2023，22（2）：Y02．

Alvarez A，Caliskan A，Crockett M J，et al. Science Communication with Generative AI[J]. Nature Human Behaviour，2024，8（4）：625-627．

Huang J，Tan M. The Role of ChatGPT in Scientific Communication：Writing Better Scientific Review Articles[J]. American Journal of Cancer Research，2023 13（4）：1148-1154.

周慎，房曼琳，陳蔚浩.科技敘事的生成式變革：人類智能與人工智能的互構(gòu)與平衡[J].數(shù)字出版研究，2024，3（2）：125-132.

Nesari T M. The Emergence of ChatGPT：An Opportunity or Adversity for Scholarly Communications[J]. International Journal of Ayurveda Research，2024，5（1）：1-4.

盧衛(wèi)紅，楊新福.人工智能與人的主體性反思[J].重慶郵電大學學報（社會科學版），2023，35（2）：85-92.

周慎. 新文本間性：生成式人工智能的文本內(nèi)涵、結(jié)構(gòu)與表征[J]. 新聞記者，2023（6）：39-45．

騰訊云聯(lián)合信通院發(fā)布《行業(yè)大模型標準體系及能力架構(gòu)研究報告》[EB/OL].（2023-09-25）[2024-05-28]. https：//cloud.tencent.com/developer/article/2332984.

王唯瀅，王麗慧，王挺.加強國家科普能力建設(shè)：時代使命、基本內(nèi)涵與實踐路徑[J].科普研究，2024，19（1）：5-16.

（編輯 顏 燕 和樹美）

Analysis of the Underlying Logic and Participating Subject Functions of Artificial Intelligence-Generated Science Content

Zhou Shen1， 2 Tao Meili1 Liu Xiang3

（Department of Science and Technology Communication，

University of Science and Technology of China，Hefei 230026）1

（Anhui Key Laboratory of Science Education and Communication，School of Humanities，

University of Science and Technology of China，Hefei 230026）2

（College of Literature and Art，Southwest University of Science and Technology，Mianyang 621002）3

Abstract：The content creation in science popularization led by artificial intelligence means that science popularization content production has entered a brand new stage of development. This paper analyzes the current situation and challenges in the development of AI-Generated science popularization content，the underlying logic of AI-Generated science popularization content from the technical paths of large model pre-training，vertical domain model fine-tuning，and popular science content generation，as well as the roles and functions of the three types of science popularization content producers，namely professional content producers，occupational content producers，and the public，in the process of collaborating with AI to create science popularization content. Based on the results of the study，this paper suggests that in order to realize the high-quality development of science popularization，it is necessary to carry out the “AI +”action in the field of science popularization，promote the in-depth fusion of AI and science popularization，and build a new paradigm of human-machine collaboration and multiple co-creation of intelligent science popularization content creation，so as to provide an intelligent impetus for improving the scientific quality of all the people.

Keywords：artificial intelligence；intelligent science popularization；underlying logic；participating subject functions

CLC Numbers：N4；TP18 Document Code：A DOI：10.19293/j.cnki.1673-8357.2024.04.002

收稿日期：2024-06-08

基金項目：中國科學技術(shù)大學新文科基金“全球高層次科學傳播人才需求畫像及培養(yǎng)策略研究”（FSSF-A-230103）。

作者簡介：周慎，中國科學技術(shù)大學科技傳播系特任副研究員，研究方向：科技傳播、網(wǎng)絡(luò)與新媒體，E-mail：zhoushen@ustc.edu.cn。