摘要: 本文基于扎根理论，对生成式人工智能在出版领域的应用研究与发展趋势进行综述。研究发现，生成式人工智能技术极大地推动了出版业的数字化转型和智能化升级，但同时也带来了人才培养、技术融合、法律伦理框架构建以及风险防控等方面的挑战。通过对中国知网数据库中的相关文献进行严格的检索、筛选和编码分析，本研究提炼出三个核心前沿主题：人才培养策略与教育发展、技术融合路径与出版行业转型、法律伦理框架与风险防控；基于此，文章进一步提出了三个研究机会：生成式人工智能对行业主体的影响、生成式人工智能视域下的治理与风险防控以及生成式人工智能在出版知识管理中的作用。出版行业未来需要研究借助理论深耕与实践运用双轮驱动，深挖技术价值，激活出版行业创新“引擎”，释放增长潜能。
Abstract: Based on the grounded theory, this paper reviews the applied research and development trends of Artificial Intelligence Generative Content (AIGC) in the publishing field. It founds that AIGC technology greatly promotes the digital transformation and intelligent upgrading of the publishing industry, but also brings challenges in talent cultivation, technology integration, legal and ethical framework construction, risk prevention and control. Through rigorous searching, screening and coding analysis of relevant literature in the China Knowledge Network database, this study distills three core cutting-edge themes: talent cultivation strategy and education development, technology integration path and transformation of the publishing industry, and legal and ethical frameworks and risk prevention and control; based on which, the article further proposes three research opportunities: the impact of AIGC on the main body of the industry, the governance and risk prevention and control of AIGC perspective, and the governance and risk prevention and control of AIGC. governance and risk prevention and control, and the role of AIGC in publishing knowledge management. Based on this, future research needs to be driven by both theoretical deep plowing and practical application, digging deep into the value of technology, activating the “engine” of innovation in the publishing industry, and releasing growth potential.
1. 引言
生成式人工智能(Artificial Intelligence Generative Content, AIGC)在文本生成、图像生成、代码开发等内容生产领域的卓越表现主要得益于预训练模型方面的技术创新。从2014年Ian Goodfellow等人[1]提出生成对抗网络(Generative Adversarial Networks, GAN)，以及转换器模型(Transformer)、扩散模型(Diffusion Model)的相继出现，再到谷歌和OpenAI分别发布BERT和CLIP，预训练模型从早期的单一模型逐步发展到语言文字、图形图像、音视频等多模态和跨模态模型，该跨越极大地丰富了生成式人工智能的应用广度，使融合创新成为可能，从而满足不同创作需求和应用场景。作为与内容生产息息相关的出版业，更是无法避身于这场生成式人工智能浪潮之外。尤其是在学术研究之中，学者对出版业与生成式人工智能技术的结合众说纷纭。有学者提出利用好生成式人工智能这一技术利器是出版业打破模型壁垒、实现转型升级的关键[2]；而在学术出版领域，有人将生成式人工智能工具视为一个机会，认为其可以提高学术写作的效率和质量，从而使研究人员能够分配更多时间从事更有意义的研究活动[3]，亦有人认为其可以帮助研究人员处理模拟数据，从而加快研究文章的起草过程[4]。与此同时，技术的双面性特征所带来的风险挑战也威胁着人们对其应用的信任，例如有学者提出要警惕生成式人工智能引发的著作权问题、技术伦理问题以及文化价值保护问题[5] [6]。而随着生成式人工智能技术的不断发展，其应用逐渐渗透出版行业的方方面面，学业界都在探求更好的结合方式，以最大效应放大技术的利好性，学界有关生成式人工智能在出版行业应用的相关研究更是在2023年起呈现井喷之势，且相关研究还在持续增加，因此探求当下学者在生成式人工智能视阈下，研究其与出版行业相结合的方方面面至关重要，不仅能呈现当下的研究重点与热点，提炼出应用之道，更能为往后的研究提供思路。
2. 研究设计
2.1. 研究方法
本文旨在对出版中针对生成式人工智能的前沿研究以及潜在研究机会进行调研和综述，这有助于厘清当前的研究重点和热点。当前涉及生成式人工智能在出版行业的研究呈现主题宽泛，类别多样，研究方法多样的总体局面，且相关研究仍在不断补充，持上升之势，因此，从学者的研究中窥探生成式人工智能在出版中的应用实际与问题所在，能为实际应用提供学界的研究所得，以应用在出版实际工作中，应用实际继而反哺学界的研究面向，从而形成学界业界生态良性互补。考虑到目前出版方面关于生成式人工智能的研究尚处于初级阶段，未形成系统性的研究体系，不宜使用系统文献综述的研究方法，因此本文参考王晰巍等[7]的思路，通过扎根综述法进行文献分析。
2.2. 数据检索与筛选
2.2.1. 数据检索
本研究选择中国知网这一权威的学术数据库，遵循严格的文献筛选流程，最终汇集了出版中有关生成式人工智能议题的文献作为原始资料用以编码分析，以确保所选文献的质量和相关性。鉴于本研究涉及主题词汇的多样性，我们通过寻找同义词来确保检索的全面性。如生成式人工智能作为人工智能领域的一个重要分支，目前专门以生成式人工智能为主题的文献不能全面概括所有的内容，在一些文献中，生成式人工智能可能以人工智能、生成式、ChatGPT等名义出现。
2.2.2. 数据筛选
初步检索后从中国知网数据库检索到共548篇文献。为贴合前沿研究，本研究所选样本的筛选机制设定为仅学术期刊论文且发表时间自2023年起，纳入上述条件并通过去重处理，排除了307篇重复文献，得到241篇文献进入下一阶段筛选。在该阶段筛选过程中，通过作者对摘要和关键词进行阅读，进一步排除了98篇与研究主题相关性较低且形式不贴合的文献，得到143篇文献用以全文评估，最终确定了104篇文献纳入编码分析。
2.3. 基于扎根理论的编码分析
将文献样本导入Nvivo编码软件，进行分析处理，深入分析文献研究内容。在具体操作过程中，本研究首先对104篇文献的标题、摘要、关键词及核心论述进行逐句、逐段的贴标签和初步概念化。此阶段要求研究者“悬置”个人先验观念，以完全开放的态度从原始资料中提炼初始概念。我们使用简短的、高度概括的短语来命名这些概念，力求忠实于原文意涵。在获得大量初始概念后，进入主轴编码阶段。本阶段旨在通过不断比较和分析，发现概念之间的内在联系(如因果、过程、属性、策略关系)，将意义相近的初始概念进行聚类与整合，形成更高抽象层次的“范畴”。
我们将“AI辅助选题策划”“智能内容校对”“个性化内容推荐”等概念聚类，形成“编辑工作流程智能化”这一范畴；将“学术不端风险前置”、“署名权争议”、“数据训练版权风险”等概念聚类，形成“学术伦理与版权风险”这一范畴。通过反复迭代与精炼，最终从158个初始概念中归纳出24个高度凝练的“开放式编码”，并进一步抽象为9个“副主题(二级编码)”(参见表1、表2)。
选择性编码旨在从已形成的范畴中识别出一个能够统领全局、具有高度概括力的“核心范畴”，并系统性地构建其与其他所有范畴之间的逻辑关系，从而形成一个完整的解释框架。
通过对9个副主题及其关系的持续比较与理论化，本研究确定“生成式人工智能驱动下的出版业系统性调适与价值重塑”为统领性核心范畴。围绕这一核心故事线，三个一级编码(核心主题)的关系得以清晰呈现。三者相互影响，共同构成了出版业面对AIGC技术浪潮的完整响应体系(见表1)。选择性编码旨在从已形成的范畴中识别出一个能够统领全局、具有高度概括力的“核心范畴”(见表3)，并系统性地构建其与其他所有范畴之间的逻辑关系，从而形成一个完整的解释框架。通过对表1中三个核心主题及其下属范畴的持续比较与理论抽绎，本研究确定“生成式人工智能驱动下的出版业系统性调适与协同演进”为统领性核心范畴。为保障编码过程的客观性与结论的可靠性，本研究进行了严格的编码者间信度检验。我们计算了初始编码的一致性系数为0.81，表明编码结果具有高度一致性。对于存在分歧的编码，编码者通过回溯原始文献、深入讨论其语境与含义，最终协商达成完全共识。文中所有范畴与结论均建立在最终共识的基础上。
Table 1. Core frontier research topics in publishing from the perspective of Artificial Intelligence Generative Content
表1. 生成式人工智能视阈下的出版核心前沿研究主题
主题(一级编码) |
副主题(二级编码) |
文献频次 |
人才培养策略与教育发展 |
学术出版与学术诚信 |
43 |
生成式人工智能与科技出版 |
生成式人工智能与教育出版 |
生成式人工智能与出版人才培养 |
技术融合路径与出版行业转型 |
生成式人工智能与阅读交互 |
31 |
生成式人工智能视域下出版业的现状与未来发展 |
法律伦理框架与风险防控 |
生成式人工智能与著作权问题 |
30 |
生成式人工智能的文化风险防范 |
生成式人工智能挑战法律伦理 |
Table 2. Primary categories formed by spindle-type encoding
表2. 主轴式编码形成的主范畴
副主题(二级编码) |
开放式编码 |
学术出版与学术诚信 |
生成式人工智能应用于我国期刊出版领域的现状、研究热点分析与趋势探究 |
生成式人工智能在学术生产和出版领域的应用及风险挑战分析 |
生成式人工智能在学术论文写作中的应用及对学术规范的影响 |
生成式人工智能对学术期刊高质量发展的影响及应对策略 |
生成式人工智能对学术出版伦理的冲击与法律治理问题 |
生成式人工智能对科技期刊署名管理带来的挑战以及应对策略 |
生成式人工智能与科技出版 |
生成式人工智能与科技出版的关系 |
生成式人工智能与教育出版 |
生成式人工智能视域下教育出版的机遇与变革 |
生成式人工智能与出版人才培养 |
学术编辑如何应对技术变革带来的挑战和机遇 |
生成式人工智能在编辑工作当中的应用、挑战与应对路径 |
生成式人工智能技术及其应用给出版学带来的问题 |
生成式人工智能赋能下的出版从业人才培养 |
生成式人工智能与阅读交互 |
生成式人工智能在阅读交互中的运用前景及潜在的问题 |
生成式人工智能视域下出版业的现状与未来发展 |
生成式人工智能在出版领域的应用、挑战及应对路径 |
生成式人工智能对出版业高质量发展的影响及应对措施 |
人工智能生成内容对出版行业的冲击及影响 |
生成式人工智能与著作权问题 |
生成式人工智能创作物的权利归属及制度应对问题 |
生成式人工智能对著作权法带来的挑战及潜在变革 |
生成式人工智能的文化风险防范 |
人工智能生成内容的文化价值保护风险及防范措施 |
生成式人工智能挑战法律伦理 |
生成式人工智能影响下的潜在权益问题 |
生成式人工智能的侵权问题、对刑法的挑战及应对策略 |
人工智能生成内容的法律保护问题 |
Table 3. Research opportunity themes in publishing under the lens of Artificial Intelligence Generative Content
表3. 生成式人工智能视阈下的出版研究机会主题
选择性编码 |
主轴性编码 |
开放式编码 |
生成式人工智能对行业主体的影响 |
生成式人工智能影响下出版流程与编辑工作的变革与发展 |
编辑工作实践的变革与挑战 |
生成式人工智能对编辑工作效率提升的机制研究 |
生成式人工智能驱动下的出版行业融合发展模式与创新实践 |
技术更新及前沿应用模式研究 |
生成式人工智能视域下出版业的转型策略 |
生成式人工智能时代出版行业人才培养策略与发展路径 |
基于新技术的编辑行业职业技能培训体系构建 |
生成式人工智能时代编辑行业人才个体成长路径研究 |
生成式人工智能视域下的治理与风险防控 |
生成式人工智能在出版领域引发的版权与法律问题 |
生成式人工智能视域下引发的公共信息治理挑战 |
生成式人工智能引发的失范风险 |
生成式人工智能引发的著作权问题与应对策略 |
生成式人工智能在出版知识管理中的作用 |
生成式人工智能对教育出版的影响与融合发展 |
对使用者的数智化影响 |
教育环境与技术的适配度 |
生成式人工智能在学术出版中的应用、影响及发展趋势 |
生成式人工智能对学术创作的影响 |
生成式人工智能在学术研究过程中的应用与挑战 |
研究人员借助生成式人工智能的自我成长策略 |
3. 结果
3.1. 编码结果呈现
通过编码分析发现了生成式人工智能视阈下的出版业前沿研究调查的3个前沿内容与3个机会方向，反映了学术界对该领域进行全面探索的迫切需求(N1 = 43，N2 = 31，N3 = 30；N为文献数量，N1为人才培养策略与教育发展文献数量，N2为技术融合路径与出版行业转型文献数量，N3为法律伦理框架与风险防控文献数量)。同时还注意到，以往研究多个主题围绕生成式人工智能在出版各环节(如编辑、学术写作、阅读交互等)的应用现状和影响展开，旨在了解该技术在行业内的实际应用情况和产生的效应。还包括对出版业高质量发展、行业转型、现状与未来发展，人才培养策略与教育发展相关主题等的研究，重点在于探讨生成式人工智能时代如何推动出版行业的发展，强调为适应新技术发展培养专业人才的重要性。法律伦理框架与风险防控、生成式人工智能的文化风险防范等主题，着重于解决新技术应用带来的法律、伦理和文化价值保护问题。从应用实践到行业发展，从人才培养到法律伦理保障，整体呈现出一个较为均衡的研究框架。
3.2. 可视化结果呈现
Figure 1. Co-occurrence map of keywords in cutting-edge research hotspots in publishing under the perspective of Artificial Intelligence Generative Content
图1. 生成式人工智能视阈下出版前沿研究热点关键词共现图谱
通过上述系统化的扎根理论分析流程，我们最终凝练出如表1、表2所示的三个核心前沿研究主题及其完整结构。此外，为从宏观计量视角对质性分析结果进行交叉验证与补充，我们利用文献计量工具绘制了关键词共现图谱，见图1。需要强调的是，图1是基于关键词频次的客观统计，而表1、表2是基于文献内容的深度质性解读，二者方法互补、结论互证，共同构成了本研究完整的方法论三角，从而更全面、立体地揭示了该领域的研究图景。由关键词共现图可以得出我国生成式人工智能视阈下的出版业前沿研究呈现出以下特征：第一，技术与法律的双重驱动。生成式人工智能技术的快速发展推动了出版行业的数字化和智能化转型。在此过程中，国内学者不仅在技术层面进行深入探索，而且在著作权法和相关制度方面也展开了广泛研究，从而不断完善出版行业的科技创新体系和法律框架，以应对新技术带来的挑战。第二，知识生产与学术出版的深度融合。生成式人工智能的应用极大地提高了知识生产的效率，与此同时，学术出版作为传递最新学术成果和前沿知识的重要渠道，也在力求与新技术相结合，学者们纷纷在生成式人工智能的视阈下探求知识创造和学术出版的新范式，以放大技术在学术出版生态圈的应用效果，加速学术发现和学术成果产出。第三，融合出版模式创新。随着技术的不断迭变，传统出版经历了几轮更新与发展，新技术不断创新着融合出版的模式，在背靠生成式人工智能的当下，出版行业正在构建一个全面的知识生产、组织、存储、分发和服务流程，以推动融合出版的全面升级，适应新需求，利用生成式人工智能优化内容创作、编辑、审核以及版权保护等环节，探索该技术在出版全流程中的潜在应用。第四，伦理和文化价值的双重考量。生成式人工智能技术在出版行业的应用日渐广泛的同时，也引发了对伦理风险和危害文化价值保护的关注。研究者们普遍关注审视看待该技术带来的文化价值挑战，探讨如何在技术应用中维护和传承文化价值。第五，教育出版的智能化协同发展，生成式人工智能技术赋能教育出版有助于创建个性化学习资源，创新教育方法和教育内容，提高教育质量和效率以及改进学习体验。
4. 结论
4.1. 研究前沿分析
4.1.1. 人才策略与教育发展
生成式人工智能展示了其超乎任一单个人类智力的能力，不禁引发人类对自我被机器所替代的忧思。但技术的发展是以人为基底，人机协作才是永恒的话题[8]。调查显示，人与机器的议题集中为两方面，一是作为使用用户对生成式人工智能的应用与态度倾向，二是如何提升人这一个体与机器的竞争力。
在学术出版领域与学术诚信这一议题上，生成式人工智能以其迅速的内容生成能力，被大力运用于学术生产之中，在学术研究中生成式人工智能能够助力研究人员整合各类资源，以加速研究进程，进行深度研究，有利于专业领域的深度探索[9]。在论文写作中，生成式人工智能已被应用在生成文本摘要、文献综述或研究大纲中[10]，助力研究者提升产出效率，除此以外，生成式人工智能可识别常见的错误，润色语法与逻辑性表达。而在给学术生产带来便利性的同时，也出现了各种问题，引发对其的冷思考，不少学者担忧生成式人工智能对传统学术出版生态的冲击，会损害学术出版的声誉以及威胁科学研究的真实性和有效性[11]。不仅会降低研究的质量与透明度，还会导致学术不端、科研伦理等问题，而关于侵权内容认定，人机共创生成物的认定至今仍无统一的规范，因此如何在保障良性学术生态系统的前提之下，合理利用人工智能工具加速科学研究与发现成为重要的议题[12]。
4.1.2. 技术融合路径与出版行业转型
出版的本质是个体或出版机构运用传播技术提供知识服务，出版业一直倾向于积极应用新兴传播技术[13]。面对技术大关，如何推动传统出版向数智化出版转型，是长期探讨的话题。
当前，生成式人工智能与出版流程的融合已从单点尝试走向系统化探索。在内容创作端，除了通用型的ChatGPT，出版机构正积极测试垂直领域模型，如人民日报社利用“人民日报创作大脑”辅助新闻写作[14]；在视觉出版领域，中信出版社等机构已采用Midjourney、Stable Diffusion等工具进行图书封面及插画的创意设计。在流程增效方面，智能选题策划系统可通过分析社交媒体热点与销售数据，为编辑提供趋势预测[15]；而AI辅助翻译与本地化工具则显著加快了引进版图书的上市速度。然而，转型并非一蹴而就，核心挑战在于如何将碎片化的工具应用，升级为以“数据驱动、人机协同”为特征的全流程智能化出版生态系统[16]。
4.1.3. 法律伦理框架与风险防控
史蒂芬·霍金说，“人工智能的成功创造可能是人类历史上最大的事件。不幸的是，如果我们不学会如何避免风险，这也可能是最后一次”[17]。在生成式人工智能与出版的结合之中，法律挑战与伦理风险问题始终贯穿其中，而当前的法律条例还不足以解决。生成式人工智能引发的法律与伦理问题已在全球范围内进入司法与监管视野。在版权领域，标志性案例不断涌现。2023年，全球最大图库Getty Images在美国对Stability AI公司提起诉讼，指控其Stable Diffusion模型在训练中非法复制并使用了数百万张版权图片。此案将直接关系到AI“训练数据权”的认定[18]。在国内，首例涉及AI生成内容著作权纠纷的“腾讯诉上海盈讯科技案”中，法院认定由AI生成、经编辑人员实质性审核与编排的财经文章构成著作权法意义上的作品。在版权领域的研究与实践中，对法律框架进行及时的更新迫在眉睫，只有适应的法律才能适应日益成熟的强人工智能技术环境。应关注文本挖掘的输入和输出两个维度，以此来对版权归属进行细致的法律调适，确保版权法能够全面覆盖人工智能生成内容的整个生命周期。同时，应当重视技术规制算法在生成式人工智能领域的应用，特别是在法律规制无法完全涵盖其潜在风险的情况下。因此，有必要对传统的版权赋权界定标准进行重新审视和重塑，以确保版权法能够灵活适应技术进步带来的新挑战。
4.2. 研究机会分析
4.2.1. 生成式人工智能对行业主体的影响
生成式人工智能的兴起及与出版行业实践的逐渐结合，对出版行业主体产生了深远的影响。就编辑业务实际而言，生成式人工智能以其自动化生成内容的能力，大力赋予出版流程，贯穿了选题、编辑、复制、发行和营销的各个侧面，生成式人工智能的广泛内容资源库给出版实际工作提供新的思路，也因此变革了出版流程[19]。出版流程的变革与更新自然而然带来了编辑工作模式的改变，编辑工作实践面临着前所未有的挑战，这要求编辑人员不仅要适应新技术，积极发展自身业务，转变工作思维，利用人力与机力迸发出更大的创造性再赋能编辑工作，更要求编辑在面对强大机器能力时，抵住压力，不为机器所替代。但不置可否的是，生成式人工智能应用于出版实际上，在一定程度上提升了编辑人员的工作效率，近期有实证研究在调查了数千名出版从业者之后，得到大多数人认为在工作中使用生成式人工智能能够提高日常基础工作效率[20]。
4.2.2. 生成式人工智能视域下的治理与风险防控
当前，有关人工智能生成内容的版权防范研究占据很大比例，出版行业纷纷探求渠道和方法来有效规制版权侵权问题，但现有著作权法的条例往往难以应对生成式人工智能时代的新挑战，因此不少学者提出要适时调整法律以适用于应用实际，如有学者提出我国应坚持现行《中华人民共和国著作权法》的核心原则，以人类为著作权的主体，将作品的权益赋予机器的使用人，以提高机器创作作品的利用效率。有学者认为可以考虑将传统的静态风险评估转变为持续的风险监控，根据用户的反馈及时更新技术，来增强风险识别的准确性，进而提升管理效率。法律风险伦理管控需要行业主体和政府机构良好协作，共同规制、探求合理的体系制度设置和技术辅助[21]。日后关于规制风险的相关研究还应进一步深入探讨。出版行业亟须制定相应的治理策略和风险防控措施，加强对人工智能生成内容的监管，明确版权和法律责任，开发技术手段来识别和过滤不当内容，行业内部也应当加强合作，共同探讨和制定行业标准和最佳实践方式，以确保技术的健康、可持续发展。
4.2.3. 生成式人工智能在出版知识管理中的作用
生成式人工智能在出版知识管理中的作用日益凸显。它对教育出版和学术出版的影响尤为显著。但与此同时，它也会对使用者的数智化产生深远的影响，要求教育环境与技术之间有更高的适配度[22]。在学术出版领域，生成式人工智能的应用、影响及发展趋势引发大量关注，它不仅能够辅助学术创作，提高研究效率，还能够在学术研究过程中发挥重要作用。然而，也带来了新的挑战，如危害学术诚信和良好学术生态，参与其中的研究人员需要借助生成式人工智能来制定自我成长策略，以适应新兴技术带来的变化。生成式人工智能在学术研究过程中的应用与挑战，是当前学术界关注的焦点。探求生成式人工智能在学术出版中的进一步应用尤为关键[23]，毋庸置疑的是，生成式人工智能在学术出版中的应用不容忽视，不少大学甚至出台生成式人工智能使用方法及守则，表明了利用生成式人工智能来提升学术研究与创作的作用，但伴随而来的学术不端等伦理道德问题也值得关注，日后研究者可进一步关注生成式人工智能对学术创作的影响，在学术研究过程中的应用与挑战以及研究人员如何借助生成式人工智能进行自我成长的策略相关问题。
5. 结语
本文基于扎根理论，编码分析呈现的机会趋势为生成式人工智能对行业主体的影响、生成式人工智能视域下的治理与风险防控以及生成式人工智能在出版知识管理中的作用，这三点是当下应用实际对学术界提出的重要议题。毋庸置疑，生成式人工智能与出版行业的结合任重道远，绝非可能是昙花一现，因而学术界和业界都应竭力探索，持续关注，以学术之思赋能应用实际，推动生成式人工智能与出版业形成良性发展生态。