高書(shū)生:ChatGPT對(duì)文化元宇宙的啟示 全球速讀

高書(shū)生，中央宣傳部文化體制改革和發(fā)展辦公室原一級(jí)巡視員、副主任。2003年以來(lái)，參與文化體制改革總體文件和配套政策、文化產(chǎn)業(yè)振興規(guī)劃、文化產(chǎn)業(yè)促進(jìn)法、文化產(chǎn)業(yè)統(tǒng)計(jì)標(biāo)準(zhǔn)、金融支持文化產(chǎn)業(yè)、文化和科技融合、文化數(shù)字化和文化大數(shù)據(jù)等文件制定，發(fā)表多篇文章，出版《感悟文化改革發(fā)展》、《文化數(shù)字化：關(guān)鍵詞與路線圖》等著作。

演講內(nèi)容正文

(資料圖)

各位學(xué)界朋友，非常高興受邀參加開(kāi)幕式，今天我就文化數(shù)字化和文化元宇宙跟大家交流。

一、破題——從生產(chǎn)的角度探索文化元宇宙

首先我覺(jué)得開(kāi)幕式的主題很好，“開(kāi)啟文化元宇宙的新紀(jì)元”，我對(duì)這個(gè)主題的理解是從生產(chǎn)的角度探索文化元宇宙，這個(gè)意義非常大。因?yàn)槟壳斑@個(gè)階段我們談到“元宇宙”的時(shí)候，應(yīng)該還是在消費(fèi)層面，但今天這個(gè)標(biāo)題是從生產(chǎn)的角度，不管是過(guò)去的PGC還是UGC一直到現(xiàn)在的AIGC，都是從不同的生產(chǎn)方式來(lái)講的，這一點(diǎn)還是非常有啟發(fā)性的。國(guó)家文化數(shù)字化戰(zhàn)略就是從供給側(cè)入手的，我們叫發(fā)力供給側(cè)，激活文化資源，推動(dòng)文化生產(chǎn)體系現(xiàn)代化。

就目前來(lái)說(shuō)，在元宇宙的初級(jí)階段，主要還是從消費(fèi)層面做，也應(yīng)是數(shù)字化文化消費(fèi)的新場(chǎng)景，而且是數(shù)字化文化體驗(yàn)的一種形式。但我覺(jué)得再往前走，實(shí)際上已經(jīng)進(jìn)入到一個(gè)比較高的階段了，實(shí)現(xiàn)生產(chǎn)和消費(fèi)同一，這樣來(lái)推動(dòng)文化元宇宙的發(fā)展會(huì)更好一些，這是我對(duì)今天開(kāi)幕式主題的理解。

二、數(shù)據(jù)——數(shù)字化時(shí)代的生產(chǎn)要素

現(xiàn)在大家都已經(jīng)認(rèn)為數(shù)據(jù)是數(shù)字化時(shí)代的一個(gè)生產(chǎn)要素，但我覺(jué)得現(xiàn)在叫“要素”的多，叫“生產(chǎn)要素”的不是太多。

1、數(shù)據(jù)保真：下一步人工智能發(fā)展的充分必要條件

從目前非常火的ChatGPT談起，ChatGPT給我們的啟示有兩點(diǎn)，一個(gè)是數(shù)據(jù)如何保真，這個(gè)可能是大家非常關(guān)心的問(wèn)題?？赡苁俏夜ぷ鲘徫坏脑?，我們更多還是從管理的角度考慮問(wèn)題，所以我們?cè)谙霐?shù)據(jù)的保真可能是下一步人工智能發(fā)展一個(gè)非常重要的充分必要條件。如果說(shuō)數(shù)據(jù)不能做到保真，人工智能發(fā)展的方向可能就會(huì)出現(xiàn)一些不應(yīng)有的失誤。

從各種討論文章當(dāng)中大家也都看到了，目前ChatGPT訓(xùn)練的數(shù)據(jù)集來(lái)源大體上分為六類(lèi)，包括維基百科、書(shū)籍、期刊、互聯(lián)網(wǎng)的網(wǎng)站等等，訓(xùn)練的數(shù)據(jù)集在GPT-3里面實(shí)際上總量應(yīng)該有3000億的詞匯，有1750億的參數(shù)，這給我們的觸動(dòng)是非常大的，如果沒(méi)有這樣一個(gè)數(shù)據(jù)量訓(xùn)練的話，人工智能發(fā)展確實(shí)有很大制約。

這段時(shí)間大家都在測(cè)試，都是在試新鮮，看看新的聊天機(jī)器人水平到底有多高，在這個(gè)過(guò)程中，可能有些人已經(jīng)提出了一些問(wèn)題。第一個(gè)大家比較關(guān)心的問(wèn)題就是：互聯(lián)網(wǎng)上的數(shù)據(jù)并不都是準(zhǔn)確的，當(dāng)錯(cuò)誤的數(shù)據(jù)量足夠大的時(shí)候，就會(huì)導(dǎo)致得出的結(jié)論也是錯(cuò)誤的。有一個(gè)案例是基于GPT-3的醫(yī)療聊天機(jī)器人曾經(jīng)建議病人自殺，這可能是個(gè)案，但如果個(gè)案多的話，就成了普遍性的了，歸根結(jié)底就是數(shù)據(jù)的保真問(wèn)題。而且現(xiàn)在所有的人工智能模型的學(xué)習(xí)都是基于一些歷史數(shù)據(jù)，還有一些社會(huì)學(xué)學(xué)者也在研究，有可能這些數(shù)據(jù)當(dāng)中存在不必要的偏見(jiàn)，這種偏見(jiàn)也會(huì)導(dǎo)致社會(huì)的排斥和歧視。所以說(shuō)，扣好文化元宇宙第一?？圩臃浅Ｖ匾?，我認(rèn)為這是AIGC的充分必要條件，也是開(kāi)發(fā)人工智能非常重要的條件。

這方面，跟我們現(xiàn)在正在推動(dòng)實(shí)施的國(guó)家文化數(shù)字化戰(zhàn)略有相通的地方。也就是這些數(shù)據(jù)集到底從哪里來(lái)，不光我們國(guó)人，國(guó)外也在問(wèn)，在中文互聯(lián)網(wǎng)的數(shù)據(jù)質(zhì)量堪憂(yōu)的情況下，我們的數(shù)據(jù)到底應(yīng)該從哪里來(lái)？我們認(rèn)為應(yīng)該從中華民族積淀了五千多年的文化資源中轉(zhuǎn)化而來(lái)，這可能是我們下一步應(yīng)該重點(diǎn)考慮的。可能有人說(shuō)你這個(gè)都是理論的東西，怎么變成現(xiàn)實(shí)？

其實(shí)在國(guó)家文化數(shù)字化戰(zhàn)略當(dāng)中，已經(jīng)提出了非常明確的要求了。我國(guó)是文明古國(guó)，也是文化資源大國(guó)，這些年我們?cè)谕苿?dòng)文化數(shù)字化過(guò)程中，特別是文化資源數(shù)字化過(guò)程中，也積攢了大量的文化資源數(shù)據(jù)，這些數(shù)據(jù)大多數(shù)都集中在公共文化機(jī)構(gòu)。所以說(shuō)這次中辦國(guó)辦文件當(dāng)中明確提出公共文化機(jī)構(gòu)要向社會(huì)釋放數(shù)據(jù)，要依法向社會(huì)公眾開(kāi)放，讓大家都從這些數(shù)據(jù)當(dāng)中提取具有歷史傳承價(jià)值的中華文化元素、符號(hào)和標(biāo)識(shí)，并把它們轉(zhuǎn)化為文化生產(chǎn)要素，從而就成為文化元宇宙，以及文化創(chuàng)新和創(chuàng)造的文化素材，這在國(guó)家文化數(shù)字化戰(zhàn)略當(dāng)中是非常明確的。

具體來(lái)說(shuō)，我們現(xiàn)在數(shù)據(jù)量是非常大的，包括文化館、圖書(shū)館、美術(shù)館、博物館。我們尤其關(guān)注的一個(gè)點(diǎn)是地方志，地方志的數(shù)據(jù)也是非常珍貴的。根據(jù)中國(guó)地方志指導(dǎo)小組統(tǒng)計(jì)，到2020年，我們省、市、縣三級(jí)的地方志志書(shū)已經(jīng)完成了有5000多部，到2020年底公開(kāi)出版的已經(jīng)有4900多部，同時(shí)現(xiàn)在又增加了一些部門(mén)志、行業(yè)志和專(zhuān)題志，這個(gè)數(shù)量就更大了，有25000多部。

同時(shí)像鄉(xiāng)鎮(zhèn)志、村志，還有過(guò)去的舊志，應(yīng)該說(shuō)這個(gè)量是非常大的。更重要的是這些年地方志的數(shù)字化已經(jīng)有了一個(gè)長(zhǎng)足的進(jìn)展，截止到2019年年底，省、市、縣三級(jí)光建成的數(shù)字方志館（數(shù)據(jù)庫(kù)）就有100多個(gè)，我估計(jì)現(xiàn)在會(huì)更多，像新華智云說(shuō)已經(jīng)有25個(gè)省、自治區(qū)和直轄市的數(shù)字方志館。我們?yōu)槭裁从玫胤街灸兀驗(yàn)榈胤街臼侵腥A民族積淀5000年文化資源的底部，如果我們把地方志做通了，可能很多東西都可以做的。

還有就是文化旅游部下面有一個(gè)中國(guó)民族民間文藝發(fā)展中心，業(yè)內(nèi)人認(rèn)為這是一個(gè)文藝長(zhǎng)城工程，大概是從“六五”時(shí)期開(kāi)始做的，花用了三十年時(shí)間，動(dòng)員了三十多萬(wàn)人的力量，最后收集到民族、民間的文藝資料是非常多的，總量應(yīng)該是在50億漢字左右，包括民歌、民間故事等等?，F(xiàn)在已經(jīng)出了很多書(shū)，也在推動(dòng)進(jìn)一步的數(shù)字化。還有一些中央新聞單位的數(shù)據(jù)量也是非常大的，例如人民日?qǐng)?bào)、新華社、中央電視臺(tái)、中央人民廣播電臺(tái)，還有國(guó)際臺(tái)。我們出版業(yè)的數(shù)據(jù)也非常多，期刊里面有知網(wǎng)、萬(wàn)方、維普等，圖書(shū)領(lǐng)域綜合性的有國(guó)家數(shù)字圖書(shū)館，還有一些專(zhuān)業(yè)專(zhuān)題性的數(shù)據(jù)庫(kù)也非常多。

同時(shí)，我們民間的數(shù)據(jù)量也非常大，為什么說(shuō)是民間的，實(shí)際上從1983年、1984年開(kāi)始，錢(qián)鐘書(shū)老先生曾經(jīng)開(kāi)辟了一項(xiàng)事業(yè)，就是對(duì)中國(guó)古典文獻(xiàn)做數(shù)字化，他在世的時(shí)候做了17年，去世以后這項(xiàng)工程又持續(xù)了二十多年，他們有個(gè)公司叫“掃葉”，現(xiàn)在積累的漢字?jǐn)?shù)總量在20億左右，其中漢字庫(kù)是目前我們看到的最全的。我們知道《康熙字典》最多是4萬(wàn)多字，現(xiàn)在據(jù)說(shuō)他們已經(jīng)達(dá)到了將近8萬(wàn)個(gè)漢字，收錄了36萬(wàn)人，比《中國(guó)人名大辭典》多出5倍，這里面有作品庫(kù)、地名庫(kù)，還有一些工具庫(kù)、圖片庫(kù)、地圖庫(kù)等等，這個(gè)量也是非常大的。包括我們中華書(shū)局也在做相應(yīng)古籍的整理，這個(gè)量也是很大的。

再看看有些地市級(jí)也在做大量的數(shù)據(jù)庫(kù)，包括陜西渭南有一個(gè)“兩河一山”文化數(shù)字記憶項(xiàng)目，他們積攢的數(shù)據(jù)庫(kù)就有十個(gè)，包括重點(diǎn)文物保護(hù)、古代的書(shū)院、民間傳說(shuō)、詩(shī)詞歌賦、歷史文化名城、名鎮(zhèn)、名村、名人數(shù)據(jù)庫(kù)、非遺數(shù)據(jù)庫(kù)、古籍目錄數(shù)據(jù)庫(kù)、傳統(tǒng)戲曲劇目劇本數(shù)據(jù)庫(kù)，還有紅色文化資源數(shù)據(jù)庫(kù)，有10個(gè)數(shù)據(jù)庫(kù)，量還是非常非常大的。所以說(shuō)，我們現(xiàn)在在推動(dòng)實(shí)施國(guó)家文化數(shù)字化戰(zhàn)略過(guò)程中的一項(xiàng)重要任務(wù)，就是關(guān)聯(lián)形成中華文化數(shù)據(jù)庫(kù)，這對(duì)整個(gè)人工智能的發(fā)展，通過(guò)人工智能創(chuàng)造生產(chǎn)更多面向大眾的文化數(shù)字內(nèi)容而言，是一個(gè)基礎(chǔ)性的工程。

我們現(xiàn)在講數(shù)據(jù)驅(qū)動(dòng)，這個(gè)數(shù)據(jù)應(yīng)該是具有文化內(nèi)涵的數(shù)據(jù)，現(xiàn)在數(shù)據(jù)量非常大，但還沒(méi)有去做標(biāo)注、標(biāo)引，那文化內(nèi)涵是體現(xiàn)不出來(lái)的。我們過(guò)去經(jīng)常說(shuō)一句話“基礎(chǔ)不牢，地動(dòng)山搖”，現(xiàn)在我們?cè)S多產(chǎn)業(yè)項(xiàng)目、在推廣的很多東西，包括互聯(lián)網(wǎng)大廠在做的一些事，總的感覺(jué)是在沙漠上蓋高樓，地基不穩(wěn)，什么事都做不大。所以為什么人家說(shuō)，ChatGPT沒(méi)有在中國(guó)產(chǎn)生，我覺(jué)得這就是因?yàn)槲覀兓A(chǔ)不牢。

2、數(shù)據(jù)標(biāo)注：把數(shù)據(jù)的采集、加工和數(shù)據(jù)服務(wù)變成一種經(jīng)常性的工作

第二個(gè)啟示，就是數(shù)據(jù)的標(biāo)注。有專(zhuān)家向ChatGPT提出：“請(qǐng)模仿杜甫寫(xiě)一首詩(shī)”，結(jié)果并不是很理想，因?yàn)槌尸F(xiàn)并不好。有的專(zhuān)家分析，在它的語(yǔ)料庫(kù)中沒(méi)有對(duì)漢語(yǔ)的韻律、字節(jié)做標(biāo)注和訓(xùn)練，這可能是非常重要的原因。我們有了數(shù)據(jù)但不去做標(biāo)注，那人工智能也發(fā)展不起來(lái)。對(duì)于數(shù)據(jù)的標(biāo)注，我們這次在國(guó)家文化數(shù)字化戰(zhàn)略當(dāng)中有了一個(gè)明確的要求，就是希望各級(jí)各類(lèi)文化機(jī)構(gòu)，要把數(shù)據(jù)的采集、加工和數(shù)據(jù)服務(wù)變成一種經(jīng)常性的工作。

數(shù)據(jù)的標(biāo)注主要是從三個(gè)方面著手，第一要對(duì)數(shù)據(jù)進(jìn)行分類(lèi)，我們現(xiàn)在按照聯(lián)合國(guó)教科文組織分的六大類(lèi)別，包括自然和文化遺產(chǎn)、表演和慶?；顒?dòng)、視覺(jué)藝術(shù)和手工藝、圖書(shū)和出版、視聽(tīng)和互動(dòng)傳媒、設(shè)計(jì)與創(chuàng)意服務(wù)六大類(lèi)別，然后在這個(gè)基礎(chǔ)上，每個(gè)類(lèi)別里都有一些專(zhuān)題的知識(shí)圖譜，我們就可以依據(jù)它來(lái)做編目。分類(lèi)和編目，實(shí)際上對(duì)數(shù)據(jù)定下坐標(biāo)了，最后我們還要對(duì)數(shù)據(jù)的特征進(jìn)行描述，即數(shù)據(jù)的標(biāo)簽化。

在這方面，我們國(guó)家這幾年有了長(zhǎng)足的進(jìn)展，例如百度在全國(guó)有七個(gè)已經(jīng)建成的數(shù)據(jù)標(biāo)注基地，我去看過(guò)其中一個(gè)在山西太原的基地，當(dāng)時(shí)我還沒(méi)有什么感覺(jué)，去年突然間發(fā)現(xiàn)這是一個(gè)非常非常大的產(chǎn)業(yè)。山西太原這個(gè)基地是入駐在山西的綜改示范區(qū)，到2022年的5月份，辦公面積已經(jīng)超過(guò)19000平米，有5000名數(shù)據(jù)標(biāo)注師，有53家代理商入駐，從2018年進(jìn)駐到2020年5月份，累計(jì)的產(chǎn)值已經(jīng)超過(guò)5個(gè)億，累計(jì)培育孵化了41家的數(shù)據(jù)標(biāo)注企業(yè)。

文化領(lǐng)域的里面也有，同時(shí)我也參觀了中國(guó)知網(wǎng)在太原的數(shù)據(jù)加工基地，他們是對(duì)期刊和報(bào)紙，包括一些論文做標(biāo)注，而且這個(gè)量也是非常大的。剛才我們說(shuō)太原的百度基地，每年的營(yíng)收應(yīng)該在1個(gè)億左右，中國(guó)知網(wǎng)的太原數(shù)字出版數(shù)據(jù)加工基地營(yíng)收也是在一年1個(gè)億左右，這個(gè)量也是非常大。因此我們今年就想，在全國(guó)建設(shè)國(guó)家文化大數(shù)據(jù)標(biāo)識(shí)基地，在標(biāo)注的基礎(chǔ)上再賦標(biāo)識(shí)符（ISLI碼），使具有文化內(nèi)涵的數(shù)據(jù)，真正能夠在國(guó)家文化專(zhuān)網(wǎng)互聯(lián)互通，這是一項(xiàng)基礎(chǔ)性工作。

在這兒，我想多解釋幾句，我們用的標(biāo)識(shí)是我國(guó)提案創(chuàng)建的國(guó)際標(biāo)準(zhǔn)，叫ISLI，就是國(guó)際信息和文獻(xiàn)領(lǐng)域關(guān)聯(lián)標(biāo)識(shí)符的國(guó)際標(biāo)準(zhǔn)。我們現(xiàn)在文化數(shù)字化采用的是標(biāo)識(shí)解析，這跟互聯(lián)網(wǎng)的域名解析有很大的區(qū)別。區(qū)別在哪里呢？我們的域名解析是把域名變成了IP地址，用IP尋址的方式來(lái)解析。文化數(shù)字化用標(biāo)識(shí)解析，用我們國(guó)家提案并創(chuàng)建的國(guó)際標(biāo)準(zhǔn)，為每一個(gè)數(shù)據(jù)賦標(biāo)識(shí)碼，然后我們自己有一套解析系統(tǒng)。它跟域名解析最大的區(qū)別是，我們標(biāo)注的標(biāo)識(shí)碼后面都包含兩個(gè)主要內(nèi)容，一個(gè)是數(shù)據(jù)的元數(shù)據(jù)信息，一個(gè)是數(shù)據(jù)的訪問(wèn)地址。

這樣的話，這個(gè)國(guó)際標(biāo)準(zhǔn)就發(fā)揮它的四大功能：第一就是標(biāo)識(shí)，標(biāo)識(shí)編碼由十進(jìn)制的數(shù)字和三個(gè)字段構(gòu)成的；第二用這個(gè)碼構(gòu)建數(shù)據(jù)和數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，這一點(diǎn)非常重要，這也是國(guó)際信息和文獻(xiàn)領(lǐng)域當(dāng)中唯一一個(gè)具有關(guān)聯(lián)功能的國(guó)際標(biāo)準(zhǔn)；第三就是它的解析功能；第四是鑒權(quán)功能，驗(yàn)證用戶(hù)是不是擁有訪問(wèn)系統(tǒng)的權(quán)利，也即版權(quán)的認(rèn)證，這些問(wèn)題我們?nèi)鉀Q了，在數(shù)字化時(shí)代，所有數(shù)據(jù)涉及到的版權(quán)問(wèn)題，用標(biāo)識(shí)解析就可以解決。

這樣就達(dá)到了三個(gè)目的：第一是數(shù)據(jù)的互聯(lián)互通，因?yàn)樗械刂泛驮獢?shù)據(jù)；第二是數(shù)據(jù)的分布式存儲(chǔ)，現(xiàn)在的文化機(jī)構(gòu)最大的問(wèn)題是擔(dān)心自己的數(shù)據(jù)被別人盜取，所以我們一方面先用了國(guó)家文化專(zhuān)網(wǎng)，跟互聯(lián)網(wǎng)是物理隔離的，同時(shí)我們也采用了標(biāo)識(shí)解析，可以實(shí)現(xiàn)物理分布、邏輯關(guān)聯(lián)，即誰(shuí)的數(shù)據(jù)還是在誰(shuí)的服務(wù)器里，或者數(shù)據(jù)中心里面，但是由于它可以互聯(lián)互通，別人知道你有數(shù)據(jù)，然后可以進(jìn)行交易，通過(guò)授權(quán)使用用這個(gè)數(shù)據(jù)來(lái)做加工；最后一個(gè)是數(shù)據(jù)的確權(quán)，每個(gè)數(shù)據(jù)都有唯一的身份證，而且是伴隨著這個(gè)數(shù)據(jù)的全生命周期，從采集、加工、生產(chǎn)、交易到最后數(shù)據(jù)的呈現(xiàn)全過(guò)程，以及它和其它的數(shù)據(jù)融為一體之后所產(chǎn)生的新的文化數(shù)字內(nèi)容，這個(gè)過(guò)程中每個(gè)數(shù)據(jù)都可溯源，這是標(biāo)識(shí)解析解決的非常重要的問(wèn)題。

最后我想這樣一個(gè)標(biāo)識(shí)解析，對(duì)于文化元宇宙下一步的發(fā)展很有啟發(fā)意義。我們認(rèn)為文化元宇宙的核心要素就是三個(gè)：第一是數(shù)字身份，第二是數(shù)字貨幣，第三是數(shù)字資產(chǎn)。在這個(gè)過(guò)程中，如果把電視機(jī)作為元宇宙的入口，把電視機(jī)的機(jī)頂盒變成元宇宙的發(fā)射器，用剛才說(shuō)的國(guó)際標(biāo)準(zhǔn)的標(biāo)識(shí)符作為數(shù)字身份，而且國(guó)際注冊(cè)機(jī)構(gòu)已經(jīng)授權(quán)中國(guó)公共關(guān)系協(xié)會(huì)文化大數(shù)據(jù)委員會(huì)作為中國(guó)區(qū)的注冊(cè)機(jī)構(gòu)，ISLI的DRA扮演元宇宙“戶(hù)籍警”的角色。

數(shù)據(jù)身份認(rèn)定之后，給個(gè)人機(jī)構(gòu)以及對(duì)數(shù)據(jù)和內(nèi)容都可以做標(biāo)識(shí)，那整個(gè)元宇宙發(fā)展的“底座”就有了，不會(huì)像過(guò)去那樣先發(fā)展后治理的模式。在這個(gè)基礎(chǔ)上，我們就可以發(fā)展一種主權(quán)鏈。在中辦國(guó)辦文件里面明確提出推動(dòng)標(biāo)識(shí)解析與區(qū)塊鏈、大數(shù)據(jù)等技術(shù)融合發(fā)展，在這個(gè)基礎(chǔ)上依托我國(guó)主導(dǎo)的國(guó)際標(biāo)準(zhǔn)，它的手段就是依托國(guó)家文化大數(shù)據(jù)標(biāo)識(shí)注冊(cè)中心，實(shí)現(xiàn)這個(gè)標(biāo)識(shí)解析體系和當(dāng)下在發(fā)展的各種聯(lián)盟鏈對(duì)接。用這樣一套系統(tǒng)，給各個(gè)基于區(qū)塊鏈的聯(lián)盟鏈做背書(shū)，也就是說(shuō)我們可以扮演一種公鏈的角色，從而推動(dòng)整個(gè)區(qū)塊鏈技術(shù)向前一步。

最后我建議我們?cè)谘芯窟^(guò)程中，對(duì)文化元宇宙還是要考慮它的治理成本，千萬(wàn)不能再重蹈互聯(lián)網(wǎng)“先發(fā)展、后治理”的覆轍，成本太高了。

?

責(zé)任編輯：李楠

關(guān)鍵詞： 人工智能 國(guó)際標(biāo)準(zhǔn) 文化資源