生成式人工智能驱动信息资源组织与生成式人工智能驱动信息资源组织与

摘 要：本研究使用质性分析工具对相关学术研究成果进行梳理，总结主要研究成果和思维逻辑，从正向度分析、双向度分析和负向度分析三个向度对研究向度进行归纳梳理，认为正向度分析包括创新信息服务内容、创新信息服务形式和服务引领社会变革等；双向度分析主要为知识平台再中心化；负向度分析包括造成规制问题、影响公众利益和造成信息风险等。据此，提出了生成式人工智能驱动信息资源组织和服务的趋利避害思维逻辑，指出了多模态信息整合、社交媒体、抗性生成网络、风险危机预警政策、个性化信息服务、迁移学习等方面的研究发展趋势。

关键词：人工智能；生成式；信息资源管理；信息组织；信息服务；质性分析；风险治理；向度

生成式人工智能作为人工智能技术的重要分支，为信息资源的整理、检索和利用提供了全新的解决方案。在信息资源组织方面，生成式人工智能能够帮助用户更便捷地获取和理解信息。在信息资源服务方面，生成式人工智能可以根据用户的需求和偏好，提供个性化的信息推荐和定制化的服务，提升了用户体验和服务质量。然而，生成式人工智能的出现也带来了一些挑战和问题，如虚假信息传播、隐私泄露和版权问题等，给信息资源服务的安全性和可信度带来了新的考验。研究生成式人工智能在信息资源组织和信息资源服务中的影响，探讨其正负两方面的作用和双向潜在问题，对于推动信息资源服务行业的发展，提升信息资源服务水平具有重要意义。通过分析生成式人工智能信息资源管理领域的研究进展并进行理性反思，对明确正反两方面的问题、探讨趋利避害策略和规划未来研究发展方向具有重要借鉴意义。

1 文献回顾

1.1 生成式人工智能相关研究

生成式人工智能是一种人工智能技术，其主要目标是通过学习和理解现有数据的分布模式，然后生成与之相似的新的信息。[1]生成式人工智能可以用于生成各种类型的数据，包括文本、图像、音频等。这种技术通常基于深度学习模型，如生成对抗网络（GAN）、变分自编码器（VAE）等。[2]在自然语言处理领域，生成式模型可以用于文本生成、对话系统、翻译等任务；在计算机视觉领域，可以用于图像生成、图像修复、图像风格转换等任务；在音频处理领域，可以用于音乐生成、语音合成等任务。[3]生成式人工智能带来了增强创造力、提高生产效率和个性化服务的积极影响。同时也造成了虚假信息传播、隐私泄露和版权问题等负面效果。

1.2 信息资源组织相关研究

生成式人工智能通过自动分类与标注、个性化推荐与检索、信息汇总与摘要、数据清洗与整理以及信息生成与创作辅助等方式，能够提升信息资源的组织和利用效率，为用户提供了更智能、个性化的信息服务体验。在信息检索方面，生成式人工智能可以通过增加任务表述内容、用户自由定制检索词等方法，提升用户的检索能力，提升检索内容的质量。[4]在信息整合方面，通过自然语言理解、语义关联和智能推荐等技术，能够从多个来源获取、理解和整合信息，为用户提供更全面、准确的信息视角，提升了信息整合的效率和质量。[5]但同时也造成了一系列问题，尤其是生成信息的权属问题。生成式人工智能能够生成各种形式的内容，但尚未有明确的法律规定这些内容的权属划分，但一般认为这些内容应当由其使用者负责，因为生成式人工智能本身并没有创造性的能力，而是根据输入的数据和算法生成新的内容。[6]

1.3 信息资源服务相关研究

生成式人工智能在信息资源服务中推动创新，通过个性化推荐、智能搜索、自动化处理、智能问答和创作辅助等方式提升了用户体验，实现了更智能、便捷的信息服务。在服务科研方面，ChatGPT等生成式人工智能展现出的类人性表达能力使得科研知识获取从检索式向生成式转变，思维运作由综合式向选择式过渡。[7]在服务产业转型方面，生成式人工智能可以帮助企业实现产品创新、个性化服务、智能生产，推动产业向数字化、智能化方向发展。[8]在服务图书馆建设方面，生成式人工智能可以帮助图书馆实现升级基础设施、建设本地数据和改进用户体验。[9]在教育服务方面，生成式人工智能正在将人类引向依赖AI辅助生存的环境中，教育的基本模式应从传承式转变为创新性，强调以意义为中心，兼顾专业训练和素质教育。[10]在服务档案开发方面，生成式人工智能为档案信息资源开发提供了新思路，通过建设纯净语料库、强化专业性训练、加强用户管控等方面的措施，可以对生成式人工智能档案产品的真实性进行维护。[11]生成式人工智能对信息资源服务的推动作用体现在个性化推荐和定制服务、智能搜索和快速检索、自动化信息处理和管理、智能问答和在线咨询以及信息生产与创作辅助等方面。通过分析用户数据、自然语言处理等技术手段，生成式人工智能可以在各个领域为用户提供更智能、个性化的信息服务。[12，13]

2 研究设计

2.1 样本收集

本文在中国知网以“生成式人工智能”为关键词进行篇名检索，以“信息资源”为关键词进行全文检索，检索得出论文53篇，其中核心论文（北大核心、南大核心）41篇，研究选取的主要文献样本如表1所示。

2.2 维度与要素提取

本文选择通过使用质性分析工具进行三级编码，对编码结果进行归纳得出二级编码，根据二级编码结果概括出生成式人工智能驱动的信息资源组织与服务相关研究倾向（如表2所示）。

2.3 研究倾向分析

2.3.1 信息资源组织研究倾向分析

（1）正向度分析。在信息资源组织方面，正向度分析体现在促进信息流通（0.32%）和信息组织提质增效（0.21%）。通过自动文本生成和语音合成技术，生成式人工智能显著加速了信息的传播速度，使新闻、文章和其他内容更迅速地流通，为知识的动态和及时交流做出了贡献。同时，生成式人工智能的自动摘要、总结和智能搜索功能提高了信息组织的效率，使用户能够更熟练地筛选、检索和理解大量信息。此外，生成式人工智能通过其在信息标签、汇总和摘要方面的应用，优化了信息资源管理。它能够标注、汇总和概括信息，优化信息资源的整体管理，为各学科领域的决策和研究提供了强有力的支持。生成式人工智能技术的综合应用为加速信息流动、提升组织结构以及提高决策支持机制在学术研究中的应用带来了巨大的潜力。

（2）负向度分析。在信息资源组织方面，负向度分析主要体现在造成信息风险（0.79%）和造成技术风险（0.93%）。生成式人工智能的应用可能带来信息风险，例如虚假信息的生成和数据的过度生产。这可能削弱信息的可信度，使用户难以进行有效处理。此外，生成式人工智能还存在技术风险，包括可能危及用户隐私和安全的数据处理问题。这些风险可能导致隐私泄露和恶意攻击。深入研究这些方面的问题，对于更好地理解生成式人工智能在学术领域中的潜在挑战，并采取相应的防范措施，变得尤为重要。

2.3.2 信息资源服务研究倾向分析

（1）正向度分析。在信息资源服务方面，正向度分析体现在服务引领社会变革（0.45%）、创新信息服务形式（0.52%）、创新信息服务内容（0.69%）。首先，生成式人工智能的应用推动了个性化服务和智能决策支持的发展，从而实现了信息服务的更大定制化，并改变了社会获取信息的方式。其次，虚拟助手和智能代理的发展，结合自动文本生成和摘要等技术的运用，使用户更便捷地获取信息，提高了服务的效率。最后，对信息进行自动化标签分类和知识图谱构建，可以提升信息服务的质量和深度，帮助用户更全面地理解和利用信息资源。这些方面的学术研究为生成式人工智能在信息服务中的创新发展提供了深刻的理论基础和实践支持。

（2）双向度分析。在信息资源服务方面，双向度分析体现在知识平台再中心化（0.15%）。生成式人工智能可用于自动文本生成，通过生成解释性文件、帮助文件或其他信息，以更高效地维护和更新知识库。同时，生成式人工智能可用于实现标准化和技术一致性，确保文件、信息和知识的一致性，有利于提高知识平台的管理效能和服务水平。但是，生成式人工智能通过分析数据、生成预测性报告或识别趋势，为决策者提供全面而及时信息的同时，知识平台再中心化也可能导致数据安全和技术可行性的问题。

（3）负向度分析。在信息资源服务方面，负向度分析主要体现在影响个人利益（0.42%）、影响公众利益（0.64%）。在学术角度，生成式人工智能模型在处理大量个人数据时可能对个人隐私构成风险，可能导致隐私泄露。此外，个性化服务可能导致信息过度定制，限制对多元观点的接触，潜在地加剧信息茧房效应。在公共层面上，生成式人工智能可能受到训练数据偏见的影响，导致信息服务中的过滤和呈现带有偏见，加强社会中的刻板印象和偏见。这可能进一步加剧社会不平等，导致某些群体在信息服务中被忽视。

3 反思与展望

通过上述正向度、双向度和负向度分析，信息资源组织和服务中应用生成是人工智能应明确趋利避害的思维逻辑。

3.1 趋利思维逻辑

在信息资源组织方面，一是建立实时信息生成系统，快速产生高质量的新闻报道，并整合语音合成服务；二是在信息发布平台中集成自动摘要工具，优化搜索引擎；三是引入自动化的信息标签系统，构建知识图谱，使内容服务更加直观便利。在信息资源服务方面，一是通过生成式AI技术进行用户画像分析，实现个性化服务和智能决策支持，优化推荐系统；二是引入虚拟助手和智能代理应用，开发语音交互、自动回答问题等功能，提高信息获取的效率；三是应用自动化信息标签分类系统和知识图谱构建技术，自动为信息分类和标签化，提升信息结构化水平，为用户提供更全面的信息理解和应用支持。

3.2 避害思维逻辑

在信息资源组织方面，一是要强化信息验证机制和建立监管审核体系，确保生成的信息经过真实性和可信度的严格检验；二是要加强用户隐私保护，防范潜在的安全漏洞，如通过用户教育和培训和建立用户参与机制等，形成共同维护信息质量的机制；三是制定明确的法规框架和遵循行业标准，规范生成式AI的应用，确保合规性和社会责任。在信息资源服务方面，一是强调隐私保护与透明度，确保生成式AI在处理用户数据时符合法规，降低隐私泄露风险；二是信息呈现多元化，打破信息茧房效应，引入多元的推荐算法，使用户能够接触到更广泛的观点和信息，同时建立用户参与和反馈机制，优化系统，确保信息呈现更为多元和公正；三是减少偏见和不平等性，强调多样化训练数据，定期审查并调整系统，以防范社会不平等问题的发生。

3.3 研究发展趋势分析

未来生成式人工智能在信息资源组织和服务中的研究将涵盖多个关键方向。首先，研究将聚焦于多模态信息整合，致力于深度融合文本、图像、音频等多种信息形式，以实现更为全面和精准的信息理解与呈现。其次，个性化服务将成为研究的焦点，包括先进的用户画像建模、实时个性化推荐算法和更好理解用户上下文的技术，以更有效地满足用户个性化的信息需求。社交媒体信息处理也将受到关注，包括情感分析、事件检测和虚假信息识别等方面的研究，以提升对社交媒体信息的组织和服务能力。对抗性生成网络（Generative Adversarial Networks，GANs）等技术的应用将引起重要关注，尽管需要加强对抗性检测和防御机制以应对潜在的滥用和虚假信息的传播。此外，研究将趋向伦理和社会影响，关注生成式AI可能引发的偏见、隐私风险和社会不平等问题，以制定相应的政策和准则。可解释性与透明度的研究将成为一个重要方向，以提高用户对信息服务结果的信任，并满足对AI决策透明度的需求。持续学习和迁移学习也是未来的研究焦点，以使生成式AI具备不断适应新信息的能力。

4 结语

本文通过分析生成式人工智能在信息资源组织和信息资源服务中的正向积极作用、双向潜在问题和负向消极作用，给出趋利避害的思维逻辑，指出了未来的研究趋势。但是，在宏观层面的研究指导，本文所做工作有一定的局限性，将在该领域继续深入探讨。

参考文献：

[1]王若佳，范科鸣，刘智锋等.生成式人工智能环境下用户信息检索式行为研究[J/OL].数据分析与知识发现：1-15.

[2]尹良鑫.论生成式人工智能档案产品的真实性维护[J].档案与建设，2023（12）：39-42.

[3]钱彦，梅影.从理念到实践：生成式人工智能在智慧图书馆中的应用探索[J].图书馆研究与工作，2023（12）：27-34.

[4]郑世林，陶然，杨文博.ChatGPT等生成式人工智能技术对产业转型升级的影响[J/OL].产业经济评论：1-21.

[5]张文祥，沈天健，孙熙遥.从失序到再序：生成式人工智能下的信息秩序变局与治理[J].新闻界，2023（10）：41-51.

[6]徐沛雷.生成式人工智能背景下的全球创新网络治理[J].信息系统工程，2023（10）：75-78.

[7]刘玮.ChatGPT类生成式人工智能嵌入数字政府建设：可供、限制与优化：基于技术可供性视角[J].情报理论与实践，2023，46（10）：69-76.

[8]朱禹，陈关泽，陆泳溶等.生成式人工智能治理行动框架：基于AIGC事故报道文本的内容分析[J].图书情报知识，2023，40（04）：41-51.

[9]刘永谋，王春丽.积极应对生成式人工智能对文科教育的挑战[J].南京社会科学，2023（06）：119-128.

[10]王尚飞.生成式人工智能创作物的权属基础与保护制度构建[J].武汉交通职业学院学报，2023，25（02）：31-39+64.

[11]游俊哲.ChatGPT类生成式人工智能在科研场景中的应用风险与控制措施[J].情报理论与实践，2023，46（06）：24-32.

[12]张亚影.红色叙事情境下生成式知识组织与服务的逻辑理路和实践进路[J].档案管理，2023（06）：81-83.

[13]许剑颖，冯桂珍.ChatGPT赋能档案服务：技术特征、应用场景与实现路径[J].山西档案，2023（06）：111-120.

（作者单位：濮阳职业技术学院 张瑞娟，硕士，图书馆员 来稿日期：2024-02-20）