人機耦合體與人機雙螺旋：AIGC時代數字內容創作關系與方法重塑*

摘 要：生成式人工智能技術的飛速發展正在重塑內容創作的未來圖景。本文提出“人機耦合體”和“雙螺旋結構”的概念模型，考察新技術語境下人機關系的動態嬗變，探索人類智能與人工智能交互融合與雙向增強路徑。人機耦合體成為內容創作的最小單元這一新主體觀引發創作理論和方法的變革。新內容創作法借鑒DNA雙螺旋分子構型，以人與人工智能為兩鏈，以設計思維為主線，建構人機共情、提示清單、腦機風暴、快速原型、擬態測試和自動執行6個環節環環相扣的人機雙螺旋，為人機深度融合提供系統方法論支撐。本文通過負向互斥到高度耦合5個層次，刻畫了人機耦合程度提升的演進路徑與狀態性征，討論如何“運用雙螺旋，成為耦合體”。

關鍵詞：生成式人工智能；人機耦合體；人機雙螺旋；人機協同；內容創作

DOI： 10.3969/j.issn.2097-1869.2024.04.014 文獻標識碼：A

著錄格式：周慎，莫菲菲，張佳偉.人機耦合體與人機雙螺旋：AIGC時代數字內容創作關系與方法重塑[J].數字出版研究，2024，3（4）：121-129.

近年來，生成式人工智能（Generative Artificial Intelligence，GAI）大模型異軍突起并飛速發展，在文本、圖像、音視頻、游戲等領域展現出驚人的創造力，正在重塑內容創作及產業的未來圖景[1]。這一變革性技術與傳統的人力創作相比，具有速度快、成本低、多樣性強等顯著優勢[2]，它的興起標志著全新的人機共創時代的來臨。

人與人工智能交互（Human-AI Interaction）是一個快速發展的領域。20世紀60年代，美國計算機科學家約瑟夫·利克萊德（Joseph Licklider）提出“人機共生”（Man-Computer Symbiosis）概念，強調人與計算機構建起的共生伙伴關系是利用人類和人工智能的優勢，獲得比任何一方單獨工作都更好的結果[3]。“混合智能”（Hybrid Intelligence），則是利用機器智能在數據處理、模式識別和決策制定方面的優勢，同時借助人類智能在復雜環境感知、知識學習和推理想象等方面的能力，克服現有人工智能系統的局限性，提高系統的整體性能和可靠性[4]。盡管當前AI已初步具備獨立完成創作任務的能力，但其在語境理解、導向把控、創新引入等方面尚難以完全替代人類[5]。

本文基于人機優勢互補和動態交互邏輯，提出“人機耦合體”和“雙螺旋結構”的概念模型，以此來考察新的技術語境下人機關系的動態嬗變，探索人類智能與人工智能的交互融合與雙向增強路徑。新的人機概念模型有助于深入理解AI技術變革內涵，豐富人機協同創新的理論體系和分析框架，為面向不同情境的數字內容創作者把握發展趨勢、優化創作方法提供借鑒思路。

1 人機耦合體

2023年12月，谷歌發布名為“雙子星”（Gemini）的AI大模型。“雙子星”這一名稱恰如其分地揭示了人工智能生成內容（AI Generated Content，AIGC）時代人機關系的新圖景：人機耦合體成為內容創作的最小單元，呈現出人類智能與人工智能密不可分、互為補充，并在動態交互中實現整體智慧迸發、能力倍增的融合狀態。“雙子星”為觀照人機融合趨勢提供了絕佳注腳，從多維度審視“人機耦合體”將揭示這一概念的豐富內涵。

首先，人機耦合體反映的是一種全新的主體觀。傳統的人機二元對立思維往往強調人的主導或技術的威脅，而人機耦合體則提出一種交融共生的嶄新主體形態[6]。在這一新主體觀下，人不再是孤立的個體，AI也不是單純的工具，二者通過認知、情感、意義建構等方面的交織融合，形成了一個難分彼此的混合智能體。這種建立在主體間性上的主體觀，開啟了人機共榮的后人類主義想象[7]。

其次，人機優勢互補是實現耦合體的關鍵前提。盡管當前AI在感知、記憶、計算等方面已顯露鋒芒，但在共情、判斷、創新等方面仍難以替代人腦[8]。因此，人機協同需要揚長避短、優勢互補，在結構化知識與非結構化經驗、程式化運算與靈活思維等方面各展所長。這種互補式耦合有望實現遠超單一智能體的智能增強與能力提升。

再者，人機調和增強是耦合體內部的運行機理。在新主體內部，人機之間存在微妙的張力博弈。這種博弈側重于人類對大模型的“調御”，構建出一種駕馭驅動、協商妥協的動態創作關系，從而在建立互信、任務邊界、行為倫理等方面達成默契。唯有在動態博弈中不斷磨合，人機雙方才能實現最佳均衡，激發系統最大潛能，實現從表及里的人機同構共振。

此外，跨單體生長性是人機耦合體的顯著特質。得益于元學習、增量學習等前沿范式，人機耦合體可在與環境和他者的持續互動中賡續發展、持續進化。一方面，人可從與AI的互動中汲取養分，拓展認知邊界；另一方面，AI也根據人類的反饋持續優化算法，提升性能。這種雙向進化不僅發生在單個耦合體內，更將通過跨界遷移在不同系統間擴散，創造無限可能。

最后，提升人的幸福感和實現人的全面發展是人機耦合的終極旨歸。智能技術的終極意義在于造福人類[9]，它讓人從機械性、重復性中解放出來，投入更有意義的創造性勞動，將提升生產效能轉化為創新動能、發展資源，實現自我價值，其意義就不僅局限于技術層面。可以說，幸福感提升既是人機耦合的目的，更是推動其不斷進化的精神動力，是以人為本的人道技術觀的集中體現。

2 人機雙螺旋結構

在探討人機耦合體的創作方式時，本文借助DNA雙螺旋的分子構型，來闡釋人與AI交織共進、動態發展的內容創作方法。“人機雙螺旋”概念的創意靈感主要源于對人機共生時代人的生存境遇的本質洞察與人機耦合體內涵的深入思考。人與AI融合成為深度耦合的生命有機體。正如DNA雙螺旋結構象征生命的基礎，人機雙螺旋的提出則反映了一種全新的生命形態，并在智能技術時代下加速演化。另外，在DNA雙螺旋結構中，腺嘌呤（A）總是與胸腺嘧啶（T）配對，鳥嘌呤（G）總是與胞嘧啶（C）配對，形成了生命遺傳的基本規則。筆者也正是觀察到ATGC與AIGC在字母拼寫形態上的相似性，才激發出“人機雙螺旋”概念的提出靈感。

2.1 “人”與“機”的相對優勢

亞里士多德認為靈魂通過肯定和否定來把握真理的方式有5種，分別為技藝、科學知識、實踐智慧、哲學智慧、直觀智慧[10]。人類擁有獨特的情感理解，以及直觀的生活經驗帶來的文化敏感性、創造性意識、跨領域靈感整合、倫理和道德判斷等優勢[11]。人類通過生活經驗與感同身受，學習并深刻理解自己生活的文化背景，不但能夠在內容創作過程中表達出細膩、豐富的情感層次，還能夠緊密貼合個人經驗與社會文化背景，創作出能引起文化共鳴的作品；在創造性思維中，對問題的重新定義，以及新穎的觀點和創造性解決方案的提出，常常涉及靈感涌現、概念聯想和跨領域整合，這都需要人類來驅動；在處理創作中涉及的倫理和道德問題時，人類不僅能考慮到道德規范和原則，還能審視倫理背后的具體情境、利益沖突、社會公眾、個體權利等，并據此做出決策。

而AI則擁有大數據處理、高效迭代的生成、個性化內容創建、技術涌現、無疲憊感等優勢[12]。經由算法和深度生成模型等技術驅動，AI不僅能從海量文本中總結文本規律，還可以快速生成多個版本的內容供人類選擇或進一步編輯[13]，節約人類投入在文本梳理和寫作中的精力；通過接收用戶的對話記錄、交互歷史、使用偏好等個性化數據，AI可以實現個性化內容創建，滿足不同用戶的需求；經過大量數據訓練后，AI的泛化能力得到提升，能根據人類的指令做出合理的預測或決策，人類也可以從中獲取靈感；相較于在長期工作后會感到疲憊的人類而言，AI能夠持續運行，保持穩定的創作水平，為持續創作提供可能。

因此，人類智能與人工智能各自具備獨特優勢，人機協同創作應致力于發揮互補優勢，但也不應停留在單向度的任務分工上，而是探索更深層次的思維融合與方法構建[14]，以期實現人機協同從量變到質變的飛躍。

2.2 雙螺旋結構的建構

人與AI就像兩條核酸長鏈相互纏繞，每一次交匯都意味著在不同創作流程環節中發生互哺式的信息交換、認知遷移、能力互補和協同進化。本文引入設計思維來構建更加流暢、高效、富有創造力的內容創作方法，為鏈路提供了行動指南，統攝人機雙方形成創作合力。

2.2.1 設計思維

設計思維（Design Thinking）最早發源于設計行業，是一套用于解決問題、實現創新的思維方法，強調創新性、靈活性和以人為本，現被廣泛運用到各個領域中。設計思維的概念最早于1969年由美國經濟學家赫布·西蒙（Herbert Simon）在其著作《人工科學》（The Science of the Artificial）中提出，他將設計作為一種思維方式[15]。2005年，斯坦福大學設計學院D.School團隊歸納設計思維的5個階段：（1）同理心（Empathize），對用戶進行調研，理解用戶各方面需求和意圖；（2）定義（Define），明確用戶實質意圖，清晰描述用戶需求；（3）構思（Ideate），通過頭腦風暴等方法探索多元化的解決方案；（4）原型化（Prototype），快速將腦海中的解決方案可視化；（5）測試（Test），通過用戶反饋測試原型并迭代優化。設計思維強調以用戶為中心、跨領域思考和反饋改進[16]。

2.2.2 雙螺旋結構

在耦合思維與設計思維的雙重引領下，內容創作各階段的內涵被進一步改造，演變為人機共情、提示清單、腦機風暴、快速原型、擬態測試與自動執行6個階段（見圖1）。

（1）人機共情。人類智能與人工智能通過數據驅動的方式建立起相互理解、感同身受的關系。人類可以基于用戶數據，通過機器學習算法生成一批虛擬的用戶畫像，即數字角色，它們鮮活地再現了目標用戶群的典型特征。在此基礎上，人類可以對數字角色展開深入訪談和觀察，洞察用戶行為模式和情感變化，揭示行為背后的深層次原因，準確提煉用戶痛點和需求，為內容創作指明方向。例如，AI代理平臺NexusGPT目前擁有800余個具有特定技能的“代理人”（AI Agent），其涉及多個領域，能力匹及各行各業的專業人士。用戶可以向這些代理人提問，獲得來自專業視角的“共情”。

（2）提示清單。在明確需求痛點后，要將其轉化為具體、可執行的設計問題。這里可借助“提示工程”（Prompt Engineering）的思路，由人類創作者建立一套問題定義提示清單，將抽象的需求拆解為一系列具體的提示語句，引導大模型輔助進行問題定義[17]。例如，提示清單可以包含以下問題：“目標用戶的核心訴求是什么？”“關鍵痛點有哪些，如何進行量化描述？”“問題可以細分為哪些子問題？”提示清單有助于使問題定義過程規范化、流程化，提升定義的全面性和準確性，為后續方案構思提供明確的戰略指引。

（3）腦機風暴。腦機風暴是人機攜手進行集中式創意構思的過程。在這一環節，人類創意人員基于已明確的問題定義，與大模型開展廣泛、深入的互動交流，激發創意火花，通過生成多樣化想法、篩選和深化想法、設置約束條件、使用思維模型、應用最佳案例啟示、引入多角度思考、鼓勵發散及執行逆向思維等方式來進行腦機風暴。AI還可以歸類整理創意信息，實時評估創意的可行性和受眾接受度，輔助人類對創意進行權衡取舍。在腦機風暴下，創意想法被不斷補充、組合、升華，直至形成較為成熟、完整的解決方案。

（4）快速原型。AI可將腦機風暴產生的創意方案快速轉化為可視化、可感知的原型，用以評估方案的可行性和完善程度。例如，以大語言模型為轉譯器，運用Midjourney、Runway等AI工具協助生成口頭描述、配圖說明乃至演示視頻等多模態的動態原型，可以多維度、多感官地再現方案理念，提升原型的生成效率、保真度與豐富度。在快速原型基礎上進行評判、修正和深化，可以幫助設計團隊低成本、高效率地評估驗證方案，發現問題缺陷，盡早調整優化，降低決策風險。

（5）擬態測試。在創作的內容投入使用前，可以利用AI的模擬和預測能力，在虛擬環境中對其進行全方位、多場景的測試和評估。AI可以構建出各種類型的虛擬用戶，模擬真實用戶在不同場景下與產品或服務的交互過程。這種全面的用戶體驗模擬可以幫助創作團隊全方位地評估優劣。例如，虛擬人機團隊ChatDev已實現全自動軟件測試，人類只需要講明自身的想法，就可借助ChatDev來模擬評估軟件產品。大模型還可以在一定程度上替代統計軟件，對多維度數據進行關聯分析，發現隱藏的模式和趨勢，提供更加全局和深入的創作優化建議。

（6）自動執行。可以將AgentGPT、AutoGPT、BabyAGI等基于大語言模型的自主智能系統作為控制器，自主分析任務目標，生成子任務，并根據執行結果動態調整任務優先級和執行策略，實現連續的自我優化。具體舉例來說，這些智能系統提供插件、腳本等擴展機制，可以集成多種外部工具和數據源，支持用戶自定義系統的功能和行為偏好，以實現多領域的自動執行能力。

3 人機耦合程度與狀態

人機耦合狀態與雙螺旋結構的運用并非一蹴而就，其耦合程度的提升是一個持續優化、循序漸進的過程。在負向排斥和零度接觸狀態下，人機耦合無從談起，而隨著人對AI的認知加深、信任增強，以及AI水平和人機交互體驗的提升，人機關系將從機械復合、有限協作逐步過渡到動態耦合的理想狀態。在耦合狀態遞升的過程中，人也由于其創意被高效表達、不斷對齊、靈動增強，獲得來自更高層次需求得到滿足而帶來的幸福感。

3.1 負向的人機互斥

在負向的人機互斥狀態下，人與AI系統之間確實存在明顯的抵觸或沖突。人對AI抱有恐懼、不信任或不滿的情緒，可能源于對陌生技術不確定性的擔憂，也可能源于對AI可能取代人類工作、侵犯隱私等潛在風險的憂慮。這些負面情緒導致人們主動避免使用或故意對抗AI系統。一方面，AI系統的運作方式往往高度復雜且不透明，難以完全理解其內在邏輯。人類對智能的理解還主要停留在經驗主義階段，面對AI的全新命題時，傳統的認知范式難以實現對這一新技術的清晰而全面的把握。AI系統的設計和功能也可能與用戶的需求和期望不符，引發人機交互的習得性無助，使人產生強烈的不適感和排斥感[18]；另一方面，AI在某些領域展現出遠超人類的能力，這也動搖了根深蒂固的人類中心主義觀念。人類第一次面對一個在智力上勢均力敵、甚至更勝一籌的“他者”，由此產生被取代、被邊緣化的危機感。2023年5月，美國好萊塢約1.15萬名電影和電視編劇走上街頭罷工，要求限制使用CCse11BS9Yp3lAxwIIGMpWw==hatGPT等AIGC工具進行劇本或其他輔助創作[19]。AI模糊了主客體的邊界，對人的主體地位提出挑戰。如何超越二元對立，需要人類在哲學觀念上實anPFxocVHkh5dDxBWQDtew==現一次“范式革命”[20]。

3.2 零度的獨立運行

在零度的獨立運行狀態下，人與AI系統之間就像兩條平行線一樣獨立延展，沒有任何聯系。AI系統可能在場，但不參與任何與人相關的創作活動，或者人們根本沒有意識到智能機器的存在。在這種狀態下，人機之間沒有實質性的互動或影響，在行為和意識層面是分離的，各自運轉于不同的軌道上，相互之間缺乏有效的溝通渠道和互動機制，難以建立起心智與應用層面的聯系。這種人機割裂的狀態，很大程度上也體現出AI鴻溝的存在[21]。部分群體對AI缺乏基本的認知和應用能力，更遑論探索深層次潛力。這部分群體受限于知識、經濟、地域等因素，難以接觸和學習前沿的科技知識，也鮮有機會使用智能設備和服務輔助創作。AI技術雖然高速發展，但對他們而言仍是一個遙遠陌生的存在。這種知識和應用上的鴻溝，使AI的發展成果難以惠及全民。缺乏認知和使用能力的群體面臨被邊緣化的風險，不同程度的人機耦合狀態正在轉化為現實生活中的真實機會與財富差距。

3.3 低度的機械復合

在低度的機械復合狀態中，人與AI系統之間開始進行一定程度的交互與協作，但仍停留在以人的能力機械調動AI系統能力的初級階段。在此狀態下，人類主要扮演指令提供者的角色，負責在創作初期為AI設定規則和參數。一旦確定參數，AI便會按照自身預設的算法獨立完成內容創作。在這種狀態下，人與AI系統缺乏深入的交流和反饋，這使得創作過程較為剛性和單向，難以實現及時優化和動態調整。也由于交互的淺層性，人類向AI發出的指令通常較為基礎和簡單，僅能滿足明確且單一的創作需求，這就限制了人類對AI潛能的充分挖掘和利用，進而影響創新思維個性化表達的實現。人在創作過程中的參與度較低、控制感不足，這可能會導致最終作品與個人創作愿望的脫節，從而降低滿意度和成就感。雖然人在這種狀態下可以感受到因為創意內容生產效率提升而帶來的愉悅，但這主要得益于AI的技術能力及執行速度，而并非來自人在創作過程中體驗到的由于交互深度與控制力度提升而帶來的創新激發。例如，AI繪畫工具的初學者往往能夠通過簡單的提示詞命令AI生成差強人意的內容，但內容品質幾乎由AI單方面決定，缺乏人類智慧的有效參與，內容的質量難以進一步提升。

3.4 中度的有限協作

在中度的有限協作狀態中，人機雙方的能力開始呈現優勢互補、分工協同的趨勢。人類與AI各自發揮所長，將人的創造力和AI的生產力相結合，共同推進創作進程。在這種狀態下，人類主要負責構思、策劃、把控創作方向，并通過試錯和迭代不斷優化創意，確保創作始終沿預想的方向前進。AI則利用其強大的信息搜集和內容生成能力，為人類提供豐富多樣的素材與選項，拓寬創作視野，提高創作效率。與低度的機械復合相比，此階段的人機互動更為復雜和靈活，雙方在交互頻率、提示詞構建與解讀能力等方面均有顯著提升，從而提高了創作的針對性和品質。由于人類在創作過程中的參與度提高，AIGC與人的創意不斷對齊，更貼近人的期望和創作目標，人對作品的呈現擁有了更強的掌控感，創作滿意度和投入感因此提升，運用AI進行創作的熱情得以激發。然而，此時雙方各自的創新潛能尚未得到充分釋放，個性化表達的深度和廣度還有進一步拓展的空間，尚未達到高度融合的狀態。例如，在以大科學裝置為主題的生成式藝術作品創作中，作者發揮主觀能動性，運用大模型實現科學性與藝術性的平衡[22]。

3.5 高度的動態耦合

在高度的動態耦合狀態中，人與AI的互動達到了一種深度融合與雙向增強的境界。這種狀態下的人機協作不僅是分工與配合，而且是一種真正意義上的思維共振與創意共生。人類以其獨特的創造力和實踐智慧，不斷引導和優化AI的運作方向；AI能更好地理解并內化人類的創作意圖，為人類提供更加精準和多元的創意支持，深度參與人類的核心決策過程。在這種高度耦合的狀態下，人與AI的創造力得到前所未有的釋放和提升。同時，AI也成為人類自我實現的有力工具，不僅大大提高內容生產效率，更重要的是，它幫助人類將這種效率轉化為自我實現效率的提升。換言之，人類得以將更多的時間和精力投入到更高層次的創作思考和自我完善中。在人機互動的過程中，雙方建立起一種基于相互理解和信任的對話機制，實現從“無奈溝通”到“詩意交流”的躍升，并由此獲得一種特殊的幸福感。這種幸福感來自對彼此能力的認可，來自在協商中達成行動的滿足，更來自在合作中實現自我超越的喜悅。例如，游戲設計師杰森·艾倫（Jason Allen）使用AI繪圖工具Midjourney進行創作并耗時一個月反復修改關鍵詞，并借助其他修圖工具進行調整，最終從上百張作品中挑選出《太空歌劇院》，在美國科羅拉多州博覽會的美術比賽中獲得大獎[23]。

4 運用雙螺旋成為耦合體

內容創作的人機雙螺旋結構為人成為人機耦合體、提升耦合狀態提供了強大的方法論支撐。在新的內容創作法應用中，需要充分考慮以下幾個重要方面。

4.1 尚無完全匹配的智能體

在探討人機耦合的過程中必須正視一個現實，即尚不存在一個獨立于人之外的、能夠實現完全意識匹配的智能體。盡管AI技術日新月異，但在真正理解和匹配人類創意方面，仍存在顯著的局限性。AI本身并不具備內在的驅動力，其運作依賴人類的引導和驅動。也就是說，AI只能在人類設定的范圍內進行思考和創作，AIGC本質上是對人類輸入內容的一種延展和組合，而非源自內在動機的原創。“讀心”的機制在于“人同此心，心同此理”，基于人類心智的創造是一個復雜而微妙的過程，涉及知識、經驗、情感、直覺等多個維度，往往難以準確把握，且人類自身也面臨表達的困境，有時難以用語言將內心的想法完全清晰、準確地表達出來[24]。這種語言的局限性也決定了人類與AI之間存在著“表達—理解”的鴻溝，完全彌合尚需時日。此外，當前的AI模型只是一個階段性的產物，受制于當前數據與算力資源，與未來的模型相比，現有的每一個新模型都顯不足，這也意味著人機耦合將是一個協商的、動態的、長期的過程。

4.2 人與大模型的認知耦合程度決定人機協作的深度、廣度和效率

人對自身和大模型的理解程度決定了人機耦合的狀態和上限。明確的目標和期望是引導AI的前提，因此，人要深刻認識自己，并對自己的創作意圖有清晰的認知。此外，人需要深入理解大模型的“超級智者”“新常人”“驚奇涌現機”“造夢機器”等特性，只有全面把握了大模型的長處和局限，才能最大程度地發揮其效用。這種了解不應停留在表面，而應建立在大量實踐和測試的基礎上。反之，如果人對自身和大模型的認知存在偏差，就可能陷入兩種困境：要么是人的能力無法充分調動AI，要么是AI的泛化錯誤和平均審美干擾了人的判斷。前者導致AI的效能無法完全被發揮，后者則可能造成創作質量和方向的偏離。總之，人機協作邁向新高度以認知進入新的維度為基石，只有人與AI在認知層面實現了深度融合，才能真正開啟新的人機時代。

4.3 生成式AI領導力成為人機時代的新要求

生成式AI領導力是對人機耦合體所具備的綜合能力的新概念描述，代表了一種面向人機時代的領導模式。它要求領導者在多耦合體參與的創作活動中引導技術、結構、文化等多方位變革，以提升團隊價值，實現組織目標。具備生成式AI領導力的領導者需要對新技術持開放和適應的態度，積極擁抱AI對生產和創作方式的重塑，在組織內部促進內容創作的“數轉智改”，幫助團隊成員適應新的工作方式。這需要領導者具備敏銳的戰略思維，能夠預見技術變革的趨勢，并制定應對和利用該技術的策略。同時，領導者還需要強大的溝通和協調能力，營造一個鼓勵團隊內部溝通、信任和理解的環境，認識到人與AI是一個緊密團結的整體，調動人機團隊成員形成合力[25]，堅持以人為本的原則，包括確保AI的使用不會侵犯個人隱私、不會損害人類的尊嚴和自主性等。在知識迭代加速的時代，領導者必須保持對新技術、新趨勢的敏感度，并不斷更新自己的知識結構，保持對人機耦合的深刻理解和前瞻判斷。

4.4 進一步探索針對不同專業領域的雙螺旋結構情境實踐

人機耦合與雙螺旋結構作為基本理論與創作方法，深深植根于具體的應用情境中。不同的行業和領域都可以根據自身的特點和需求，應用和延展人機雙螺旋工作法。這種情境實踐的靈活性和適應性使人機雙螺旋的價值得以在更廣闊的空間中釋放。例如，在科學傳播領域，人機雙螺旋工作法正在幫助科研人員和傳播者創造更加準確、生動、深入淺出的科普內容，發揮人類智能與人工智能各自的優勢，平衡科學性和藝術性；又如在空間敘事中，AI打破人類設計者的固有思維定式，激發出更多元、更具創造力的設計靈感，而人類設計者則可以將自己的文化背景、價值理念和美學追求融入設計，賦予空間以人性化的關懷和藝術化的表達，AI也降低了這種表達的溝通成本。人機雙螺旋工作法可以為包括內容行業在內的千行百業注入新的活力，如教育、法律、新聞、金融、公益、醫療、制造等，在實踐中不斷優化和創新，探索人機耦合的最佳路徑。但人機雙螺旋工作法仍處于早期發展階段，尚需進一步完善，需要更多實踐的支持和檢驗。隨著越來越多實踐案例的涌現，這種工作方法將得到豐富和升華，成為智能時代創作的重要方法論。

4.5 創作模式和支持系統需要更新和重構

人機耦合和雙螺旋結構將帶來創作模式的更新迭代，以及整個創作支持系統的重構和升級。人機耦合體代表了一種全新的主體觀，人機雙螺旋結構是內容創作的新方法，需要新的創作模式與新的支持系統與之相適應。其中，新的創作模式需要在確認人的價值、承認技術賦能及尊重創意發生規律的多重狀態下建構起來；而新的支持系統則需要從能力培養、群件優化、生態構建等多個維度，為人機協同提供全方位的支持和賦能。在能力培養方面，支持系統需要幫助創作者樹立新的主體觀，掌握新的創作法，提升人機耦合態；在群件優化方面，支持系統需要對現有的創作軟件和平臺進行升級改造，使其更好地適應人機協同的新流程和新需求，包括優化人機交互界面等，只有軟硬件系統與人機耦合的創作模式形成協同，才能真正釋放人機協作的巨大潛力；在生態構建方面，支持系統還需要營造一個開放、包容的創作生態，鼓勵不同領域、不同背景的創作者積極參與人機協同的實踐和探索，加速人機耦合體的發展和成熟，促進各領域智慧的交流和碰撞。

5 結語

“人機耦合體”概念的影響遠超技術層面，映照出人類社會的發展走向，需要從主體更新、優勢互補、調和增強、持續進化、幸福提升等多重維度來橫向理解，也需要從負向的人機互斥、零度的獨立運行、低度的機械復合、中度的有限協作、高度的動態耦合來縱向把握。在內容創作中，成為人機耦合體意味著運用人機雙螺旋的方法論，開展人機共情、提示清單、腦機風暴、快速原型、擬態測試和自動執行的創作活動。

人機耦合體在加速知識創造與傳播的同時，也必須正視潛藏的風險：AI大模型可能在未經許可的情況下利用數據，觸發侵權爭議[26]；傳統知識驗證機制在人機協同創作的內容面前顯得力不從心[27]；技術的發展可能會使抄襲行為更隱蔽，并加劇知識過載，現有檢測技術難以精準辨識。此外，以生成式AI為代表的深度合成技術也為深度偽造提供了便利，易導致虛假信息的滋生和催生犯罪行為[28]。在生成式AI蓬勃發展的今日，如何引導技術向善，使其向有利于人類社會進步的方向發展，也是一個重要的時代命題。

展望未來，隨著腦機接口、類腦智能等前沿技術的突破，人機交互將更加自然、順暢，感知互通將更加智能、靈動，也將拓展人機耦合的內涵與外延。但在生成式AI語境下，還須充分認識到尚不存在一個獨立于人之外的、完全“讀心”的智能體，因此人與AI大模型的認知耦合程度直接影響著人機協作的深度、廣度和效率，人需要發揮生成式AI領導力，在專業領域開展雙螺旋結構的情境實踐，同時社會環境也需要為此提供強有力的支持系統，以實現和諧人機共生共榮的美好愿景。

作者簡介

周慎，男，博士，中國科學技術大學人文與社會科學學院科技傳播系特任副研究員。研究方向：網絡與新媒體、科技傳播。

莫菲菲，女，中國科學技術大學人文與社會科學學院碩士研究生。研究方向：網絡與新媒體。

張佳偉，本文通信作者，男，中國科學技術大學人文與社會科學學院碩士研究生。研究方向：網絡與新媒體。E-mail：zjw123@mail.ustc.edu.cn。

參考文獻

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

井婷婷，張浩，李方南.從ChatGPT看人機耦合的趨勢[J].傳媒，2023（10）：29-31.

LICKLIDER J C R. Man-computer symbiosis[J]. IRE Transactions on Human Factors in Electronics， 1960（1）： 4-11.

KAMAR E. Directions in hybrid intelligence： Complementing AI systems with human intelligence[C]// International Joint Conference on Artificial Intelligence， 2016： 4070-4073.

王鵬濤.AIGC出版背景下知識生產合規化困境與調適[J].編輯之友，2024（3）1TSlJ+QUqSE/2Y37fppxTg==：14-22.

孔舒越.人機耦合：算法作為“義肢”、“分身”與“他者”：基于技術認知理論的多案例解讀[J].新聞大學，2024（1）：78-90，121-122.

呂尚彬，李康躍.隱線域定及至超線域定：人機融合傳播之主體邏輯及其演進與重構[J].現代傳播（中國傳媒大學學報），2024，46（2）：1-10.

彭蘭.從ChatGPT透視智能傳播與人機關系的全景及前景[J].新聞大學，2023（4）：1-16，119.

王衛華，楊俊.人工智能發展之人學價值的經濟哲學反思[J].西安財經大學學報，2022，35（3）：54-64.

高秉江.亞里士多德論靈魂求真的五種形式[J].哲學研究，2009（10）：70-75.

高華，陳紅兵.論人工智能與人類智能之差異[J].東北大學學報（社會科學版），2021，23（2）：15-20，126.

CHOWDHURY M， SADEK A W. Advantages and limitations of artificial intelligence[J]. Transportation Research Circular， 2012（11）： 6-8.

ZHANG C， ZHANG C， ZHENG S， et al. A complete survey on generative AI （AIGC）： Is ChatGPT from GPT-4 to GPT-5 all you need？[EB/OL].（2023-03-21）[2024-08-21]. https：//arxiv.org/pdf/2303.11717.pdf.

郭超，魯越，王曉，等.人機物CPSS智能融合的平行創作架構與關鍵技術研究[J].智能科學與技術學報，2022，4（3）：344-354.

SIMON H. The sciences of the artificial[M].Cambridge MA： MIT Press，1969：12.

李彥，劉紅圍，李夢蝶，等.設計思維研究綜述[J].機械工程學報，2017，53（15）：1-20.

LO L S. The art and science of prompt engineering： A new literacy in the information age[J]. Internet Reference Services Quarterly， 2023， 27（4）： 203-210.

楊曉楠，房浩楠，李建國，等.智能制造中的人—信息—物理系統協同的人因工程[J].中國機械工程，2023，34（14）：1710-1722，1740.

澎湃新聞. 罷工中的好萊塢：萬余編劇拒絕給AI打工，為加薪而戰[EB/OL].（2023-05-04）[2024-08-21]. https：//baijiahao.baidu.com/s？id=1764954034058056392&wfr=spider&for=pc.

王建磊，曹卉萌.ChatGPT的傳播特質、邏輯、范式[J].深圳大學學報（人文社會科學版），2023，40（2）：144-152.

陳剛.生成式人工智能驅動下的傳播變革與發展研究：以ChatGPT為例[J].學術界，2024（6）：62-69.

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與平衡[J].數字出版研究，2024，3（2）：125-132.

樂艷娜，詹遠航.當AI開始畫畫[J].環球，2022（19）：55-57.

紀秀生.關于人類語言局限性問題的思考[J].吉林大學社會科學學報，2003（1）：23-28.

MAHMUD B， Hong G， FONG B， et al. A study of human-AI symbiosis for creative work： Recent developments and future directions in deep learning[J]. ACM Transactions on Multimedia Computing Communications and Applications，2022（20）： 1-21.

匡文波，王天嬌.新一代人工智能ChatGPT傳播特點研究[J].重慶理工大學學報（社會科學），2023，37（6）：8-16.

劉智鋒，吳亞平，王繼民.人工智能生成內容技術對知識生產與傳播的影響[J].情報雜志，2023，42（7）：123-130.

張凌寒.深度合成治理的邏輯更新與體系迭代：ChatGPT等生成型人工智能治理的中國路徑[J].法律科學（西北政法大學學報），2023，41（3）：38-51.

Human-AI Coupling and Double Helix： Reshaping Digital Content Creation Relations and Methods in AIGC Era

ZHOU Shen， MO Feifei， ZHANG Jiawei

School of Humanities and Social Sciences， University of Science and Technology of China， 230026， Hefei， China

Abstract： Rapid development_{2vI7m18yIISmTXHcsriPXwiZ6Oc8Ej24KeF7sSVn2D8=} of generative artificial intelligence （AI） technology is reshaping the future of content creation. This study proposed the conceptual models of “human-AI coupling” and “double helix structure” to examine dynamic evolution of human-AI relationship in new technological context， and to explore the interactive integration and bidirectional enhancement paths of human intelligence and artificial intelligence. The new subjective view that human-AI coupling becomes the smallest content creation unit triggers an important change in creation theories and methods. The new content creation method draws on the molecular configuration of the DNA double helix， takes human and AI as two chains， and takes design thinking as the main line， to construct the interlocking human-AI double helix of human-AI empathy， prompt lists， brain-AI storm， rapid prototypes， mimicry tests， and automatic execution， which provides systematic methodology support for the deep integration of human and AI. This study also portrayed the evolution path and state characteristics of human-AI coupling through 5 levels from negative exclusion to high coupling， and discussed the important points of applying the double helix to become a coupling body.

Keywords： Generative artificial intelligence; Human-AI coupling; Human-AI double helix; Human-machine cooperation; Content creation