原标题：机器人战“疫”：出货量翻了七八倍、临时改产口罩、“无人”成刚需　　 　　在疫情中临危受命的机器人行业，究竟有没有未来？疫情停止后，大众对于技术的思考将会发生怎样的变化？这次疫情又将怎样深远地影响着这个行业？ 　　文/张雪 韩敬娴   编辑/张丽娟 　　来源：CV智识（ID:CVAI2019） 　　在2020年开年之初的这一场无硝烟战争中，人工智能不再是高不可及的前沿理论，不再是冷冰冰的代码集成，而是在大众身边成为了疫情阻击中不可或缺的力量。 　　它们是在农村空中喊话的“硬核”无人机，是社区里协助警务巡逻的机器人，是出现在医院和公共场所里的消毒能手，也是酒店、隔离区中穿梭不止的送餐者…… 　　不可否认，这一次的疫情让人们切实感受到了机器人产业所爆发的潜能，同时可以看到，这些机器人的加入并非真正意义上的代替，而是将人们从重复性的工作中剥离而出，降低人类在疫情中的危险系数。 　　那么在疫情中临危受命的机器人行业，究竟有没有未来？疫情停止后，大众对于技术的思考将会发生怎样的变化？这次疫情又将怎样深远地影响着这个行业？ 　　配送、送药、巡逻、消毒……“无人”成刚需 　　25号夜里11点半，擎朗智能CEO李通接到了同事的电话，“说那边紧缺配送机械”。 　　1月24日晚，TR188次航班从新加坡到达杭州萧山国际机场，因为机上335名乘客中有武汉客人116名，其中219名其他乘客在杭州市委党校集中医学观察。 　　隔离区域分布在八个楼层，正处春节假期期间，工作人员本来就少，如何能够保证送饭的效率又能预防在过程中发生交叉感染呢？ 　　“我们凌晨1点半开始布置，第二天下午5点之前所有人都已经到位了。” 　　人到齐了，只是设备方面，以当时擎朗科技的仓储物流，很难保证在十几个小时之内从仓库直接发过去，“我们联系了当地的客户，客户也非常主动，用车从每个门店里拖过去。” 擎朗送餐机器人 　　早在疫情之前，无人配送已经开始落地，只是在价格和技术都没有足够成熟的状况下，机器人对于客户来说更多属于“保健品”，但这次疫情的发生，机器人取代人就成了“刚需”，成了“救命药”。 　　不只是隔离区域、医院，“这次疫情之后，有很多物业、地产、街道、机场都在联系我们”，YOGO机器人感觉到了其它行业对无人配送的需求。 　　“目前上海的一些街道和应急防疫处在跟我们接洽，他们希望更多的写字楼，实现无人化配送。春节之后，我们会再开通一些无人配送站点。” 　　病毒肆虐之下，安全成了更大生产力。 　　无人配送只是这次疫情中“无人化”的一个缩影，事实上，消毒机器人、送药机器人、远程问诊机器人、巡逻机器人，也都站到了疫情前线。 　　“我们的出货量翻了七八倍，客户在春节前就已经和我们讨论备货、订单的问题。”灵至科技总经理张克军对CV智识表示。 　　同样做清洁消毒一体机器人的高仙机器人也感觉到了需求的变化，“现在医院更加主动了，反过来找我们了解和采购，另外有些地方政府开始对医院有要求，让他们去用自动化设备做事情。” 　　2019年年初，高仙机器人就开始在医院推广消毒机器人，但“一年半到两年”的回本周期，使得当时医院“急迫性没有那么强。” 　　在高仙机器人合伙人兼CTO秦宝星看来，回本周期降到12-18个月，院方的接受程度会大大提高。 　　就在产品内部逐渐降本的过程中，疫情则从外部推动了医院对消毒机器人的需求。 　　“尽管专家预测这次疫情会影响的时间会在3-6个月，但对人的认知和习惯教育的影响会持续1-2年。”YOGO对CV智识表示。 　　一般情况下，机器人销售主要通过两种方式，一种是直销，也就是卖机器；另外一种则是租赁形式，以无人配送机器人为例，“一个餐厅租赁成本是3000元/月，再加上保险、培训费等，一个月人员的综合成本在七八千左右。” 　　在这次采访过程中，不少厂商对于疫区医院的部署都是捐赠使用权的方式。 　　“说实话对一个创业公司来说，所有东西都捐赠的话，我们的压力的确比较大，并且也来不及走采购招标流程，所以我们更多采用的是免租金形式。”李通介绍。 　　疫情对于推动用户对于机器人的认知的确是一个机会点，但从长远看，任何产品的发展都需要“真”价值。在与行业内人士的交流过程中，大家也并不避讳现阶段使用过程中机器人存在的一些问题。 　　“比如说移动的跨障碍性。原有的设想都是在实验室或者疾控中心这些环境非常理想的状况下，效果的确很不错。但在现在医院的地面情况下，并不是很理想。”“医院里会有很多异性的物体，人流非常拥挤，机器人在拥挤的、变化的、不规则环境中感知能力和适应性还是要提高的。” 　　“原有的设计中，关于机器人和人的交互或者对于特殊物品的防护，其实很多都没有考虑，这就使得大家对于机器人产生了很大的期待，但事实是还是差那么一点点。”张克军表示。 　　机器人本身的产品设计之外，由于机器的部署实施需要人员到现场支持，在一些病情严重的地区，工作人员的安全受到了威胁，面临隔离的情况。秦宝星表示，下一阶段会进一步加强研发“无人远程部署，让工程师在部署阶段也不用暴露在风险之下。” 　　冲到生产一线，工业机器人解决“口罩难求”问题 　　商用机器人在这次疫情中发挥的作用的确不容小视，但在防治疫情的后方，工业机器人也在默默地发挥着自己的光和热。  　　“疫情刚刚爆发那段时间，我们看到大家买口罩的价格越来越贵，并且是越来越买不到，我看到我的几个同学群里面都说，口罩都是从国外过来，但是一到海关又很麻烦，所以我们当时就觉得口罩短缺会成为一个常态，便决定要做口罩自动化生产线这个事情。” 拓野机器人副总经理杨安明告诉CV智识。 　　随着“口罩难求”的发展态势越来越严重，一向“不爱管闲事”的工业机器人企业却反常地率先行动了起来。  　　一个事实是，用工业机器人去做工厂的自动化集成及改造是拓野机器人的强项，但对于口罩自动化生产线，拓野机器人完全是个门外汉。  　　“我们以前做的是手机的玻璃的生产线，屏幕的生产线，甚至汽车零件里面的这种生产线。但做口罩以前是没有接触过的，因为我们觉得口罩太轻工业了，而且是一个红海市场，大家竞争都很激烈，所以没有必要去在这个领域里面去做一些研发。”杨安明谈到。 　　隔行如隔山，对于拓野来讲，攻克口罩自动化生产线还是需要一些时间的。比如要了解口罩里面的结构，并且所有辅料都要找得到。  　　为了解决这个问题，拓野机器人内部分成了两个组，第一技术组就解决设计的问题，公司大概召集了十个工程师进行生产线研发和设计，第二就是专门成立了一个辅料采购组，就口罩生产的所有材料进行采购，基本上是在全国到处找到资源，找物料供应商。  　　比预想中完成得更快，从大年初六开始成立应急小组开始，仅仅两天时间，拓野机器人的工程师就完成了生产线的设计图纸，并紧锣密鼓地进行生产设备的装配和调试，在几个通宵后，拓野机器人自主设计的第一条口罩生产线便投入了使用。  　　杨安明透露，目前公司的口罩生产线已经步入了正轨，同时，公司也响应了深圳市中小企业局的号召，积极地投入了转产口罩的大军，以解决当下政府和百姓的紧迫需求，现在一条自动化口罩生产线大概能够替代20个工作人员。 　　此外，他们设计的口罩自动化生产线也将通过政府渠道输出给更多需要帮助的企业。  　　最新数据显示，从正月初六开始筹划设计到2月4日，拓野机器人的生产线已经生产了四五万只医用一次性口罩，并在2月4日晚上捐赠给了龙岗区政府。  　　对于中小企业来讲，长期的捐赠也会承担着不小的成本压力，谈及这个问题，杨安明称，现在深圳市政府已经有了一些相关政策。  　　据CV智识了解，除了拓野机器人外，银河科技、翼菲自动化等企业也在积极地做口罩自动化设备的研发。  　　翼菲自动化总经理张赛告诉CV智识，“很巧的是，我们在年前正好接了韩国口罩厂的自动化包装的订单，并且在年前完成了交付，所以在口罩生产这个领域，我们还是有经验的。”  翼菲口罩生产线 　　不同于拓野机器人目前只生产一次性医用口罩，在N95口罩方面，翼菲自动化也有相应的解决方案，值得一提的是，口罩自动化生产线不光会种类不同而有差异，一个一包和多个一包对生产线的要求也不一样。  　　张赛还表示，“目前的口罩生产主要是通过专用的口罩生产机来进行的，不同的口罩类型使用不同的设备。而在口罩生产出来之后的包装环节，往往是人工来进行的。”  　　在这次疫情之中，很多口罩生产厂的员工由于种种原因无法按时到岗，其实是制约口罩厂产能的重要因素。工业机器人在后道包装领域可以起到非常好的作用，如果大批量使用的话，应该可以保障口罩厂的产能，现在很多口罩厂也在寻求进行后道包装端的自动化改造。  　　据他观察，工业机器人一直在关系到疫情的生产企业中发挥着作用，保障产能，减少人工。  　　“在防治疫情的前线，翼菲自动化也希望能够出一份力”，张赛称，“在本周初，我们已经对外公布，将在疫情期间免费给口罩生产商提供自动化包装设备。”  　　自从这个消息公布以后，翼菲自动化接到了很多口罩生产企业的咨询与需求。 　　尽管由于疫情管控、交通阻断、供应链开工有限等原因，翼菲自动化自己产能也没有完全恢复，但他们已经跟当地政府申请了提前开工，并安排相关人员加班加点的赶制口罩自动包装设备。第一批10余套设备可以在一周内完工并发到客户工厂。  　　“即使我们企业自身也受到了疫情的巨大影响，我们还是会尽全力协助其他企业打赢这场与病毒的战。”张赛说。 　　还有一个有意思的现象是，在CV联系工业机器人企业采访的过程中，有几家企业曾称，自动化设备在口罩生产中的作用微乎其微，自己公司也并没有深入参与中。  　　如此看来，口罩自动化生产虽然看似简单，但是真正能够改造这个行业的人还是少数。  　　另一个事实是，虽然这些参与到口罩生产线改造的工业机器人厂商正在解决部分地区口罩短缺的问题，但是对于医疗一线所需的防护服和护目镜等产品，受访企业都没有涉及到。  　　不同于商用机器人在疫情区应用，并可获得市场认可，进而增加订单。工业机器人厂商则面临着按时交付的难题。  　　不少业内人士包括工业机器人公司管理层对CV智识表示，工业机器人公司现在并不缺少订单，主要担心的是交付的问题。由于环境的影响不能按时返工，会导致整个生产受到一定的影响。  　　另一方面，疫情对全行业都是个重大打击，企业无法开工，配套无法供给，客户的订单无法实施，交通受阻，也无法方便的出差去接触客户，同时租金、人工还都要支出，很多现金储备不足的企业可能会面临生死的考验。即使复工之后，交通、防疫等原因也会使得供应链的运转效率低下，影响产品交付。 　　未来：长期利好、医疗成落地热点 　　凡事都有两面性，一场突发的疫情，既加速了“机器换人”的发展，也暴露了行业发展问题。 　　关键是疫情过后，机器人行业能否经受更多用户更长期的检验？ 　　“这种担忧是有的。但是好在，机器人从协助人到替代人这个大的趋势一直存在，这次疫情的发生只是把原来我们认为一两年之后才出现的需求点提前了，这属于正当的高峰时间，疫情过去之后，行业有所回落也正常，但整个大的趋势一定是随着时间推进而向前推进的。”张克军乐观地表示。 　　张克军的乐观，在行业内并不少见，多数业内人士认为机器人行业趋“好”。 　　从工业机器人的角度，近年来，“招不到人”一直是工厂存在的比较大的问题。 　　杨安明称，长三角、珠三角都面临着这个问题，甚至包括现在一些三线城市也存在这个问题。所以工业机械的应用，其实一直都是呈现一个上升的趋势。 　　但是在2019年因为受到行业环境的问题以及5G带来的这种观望态度，5G在2019年上半年还不是特别明朗。所以工业机器人在工业领域里面的应用其实是下降的。特别像四大家族，比如说ABB,FUNAC,KUKA,YASKAWA这是机器人四大家族，基本上在中国市场的下降率基本上都最少的下降20%，最多的可能下降50%。 　　2020年，业内人士认为这个情况应该会得到改变。 　　首先从“省人”的角度，2020年比2019年可能有更大的人力的缺口。而这就要求企业去部署工业机器人，去部署更先进的自动化的设备。 　　另一方面，张赛也谈到，这次疫情也会使大家，特别是生产企业进一步认识到机器人自动化的重要性。 　　在这种特殊时刻，没有哪个企业主愿意在没有收入的情况下，还要养着大批的工人，而且也不愿由于人的原因，使得自己的企业产能不足，机器人自动化是解决这个问题的好办法。 　　商用机器人部分，“疫情结束后，医疗场景的服务机器人会持续的得到关注。针对于消毒和药品配送，很可能会让医院新增相应的就诊、服务和业务流程，因此对于上述的消毒和医疗耗材/药品配送这类场景而言，不再是单纯的机器替代人，很可能会让机器成为了必不可少的标准装配。”国科嘉和丁润强表示。 　　面对变化，企业侧也已经开始准备调整业务重心。 　　“原本我们的业务是计划在写字楼、大型超市发力，医院开始并不是一个非常重要的战略重心，但现在根据市场需求我们也看到了巨大的市场空间，也在调整往这方面发力。”秦宝星表示。 　　李通也表示，“未来会针对医疗场景做系统化的研究和提升，然后推出一系列针对医疗的设备。” 　　医疗场景之外，“疫情结束后配送机器人的需求很有可能将持续增加，拓展新的客户渠道和使用场景。”云启资本董事总经理陈昱表示。 　　秦宝星和他的团队也看到了消毒机器人之外更大的市场，“往日里我们不只做机器人，还做以安防和配送为主的机器人解决方案，但其实并不肯定安防行业会以什么节奏发展。疫情发生后我们发现大家对于安防机器人、配送机器人的需求这么大，所以对于机器人解决方案的投入也会相应增大。” 　　颠簸大势中，机遇和问题同在。任何一个行业的发展都必然复杂，但趋势也锐不可挡。

来源: 网易科技报道 （原标题：Boston Dynamics Robot Dog Goes on Patrol at Norwegian Oil Rig） 网易科技讯 2月12日消息，据国外媒体报道，当地时间周二挪威石油生产商Aker BP推出了第一个拥有员工编号的机器人Spot。该机器人由波士顿动力公司开发，将于今年开始在位于挪威海Skarv油田的Aker BP公司石油和天然气钻井平台上巡逻，测试机器人进行检查、检测碳氢化合物泄漏、收集数据和生成报告的能力。 周二，在挪威奥斯陆举行的资本市场日活动上，Aker BP石油公司在展示这款机器人时说，其目标是让海上作业更安全、更高效。该公司正寻求成为石油行业数字化的领跑者。Aker BP石油公司将与石油公司的主要所有者Aker ASA旗下软件公司Cognite AS一起进行测试。 Aker BP石油公司负责运营的高级副总裁Kjetel Digre在一次采访中说：“这些东西永远不会累，有着更强的适应能力和收集数据的能力。”公司首席执行官卡尔·约翰尼·赫斯维克（Karl Johnny Hersvik）表示，他“非常确信”Spot不会是最后一个拿到员工号码的机器人。 周二，在一个遥控装置的引导下，Spot机器人走到活动的舞台上。当被问及是否在观众中发现了不该出现的人时，这只机器狗点了点头，但不清楚谁是不该出现的人。（辰辰）

来源：深燃 火爆的数字藏品，正在“攻入”社交平台。 3月17日，数字藏品资深玩家王子健注意到，大V@天才小熊猫在微博上发布了数字藏品《奔跑》。他关注这一IP多年，当下没有犹豫，第一时间花8888元下了单，“它有一定的收藏价值”。 王子健下单数字藏品《奔跑》图源 / 微博 自去年3月，数字艺术家Beeple的NFT作品《每天：最初的 5000 天》拍卖出6900万美金（约4.5亿元）的天价后，NFT在海外彻底“出圈”，热度随之传回国内。艺术家、设计师，还有博物馆都陆续加入到数字藏品的创作中，而且多款数字藏品一经发布瞬间售空。 NFT数字藏品是使用区块链技术进行唯一标识的经数字化的特定作品、艺术品和商品，意味着，不可替代、独一无二，甚至被视为是当前与元宇宙最契合的发展方向之一。不过，与国外的NFT以加密货币交易为主、支持二次流通不同，国内主流的数字藏品平台，受合规性等因素影响，仅支持人民币支付，而且对二次交易进行了一定限制。 但这并不影响国内市场的热情。数字藏品已经成为一种身份的象征，年轻人们愿意为自己的审美和爱好付费，购买数字藏品；创作者们从四面八方赶来，纷纷发布数字藏品；大厂们前赴后继入局，推出数字藏品交易平台。 大V@天才小熊猫能够在微博上推出数字藏品，是因为，这一天，微博与天下秀旗下的自媒体数字藏品工具集“TopHolder头号藏家”达成合作。TopHolder将作为微博平台唯一的数字藏品官方服务商，支撑其数字藏品业务的发展。 一个是国内头部社交平台，另一个是能链接元宇宙虚拟生活社区“虹宇宙”的数字藏品平台，当真实社交撞上数字藏品，外界好奇的是，这次合作会带来哪些新玩法？又会给数字藏品市场带来哪些变数？ 艺术家、文创IP，争相发布数字藏品 数字藏品市场风起云涌，没有人想错过这股潮流。 3月17日，看到@天才小熊猫在微博里的TopHolder上发布数字藏品之后，漫画家@大绵羊BoBo就关注到了TopHolder这个平台，得知微博用户可以在上面申请成为数字藏品创作人，当即决定入驻。 @大绵羊BoBo的数字藏品 图源 / 微博 他很快申请成功，第二天上午，便上传了两幅自己的作品生成为数字藏品，定价2999元。“非常意外，不到5分钟，两幅作品都被买走了”。他当晚又上传了一幅作品，隔天上午售出。 此前，@大绵羊BoBo也曾关注过其他数字藏品平台，但迟迟没有行动。直到这次微博接入TopHolder，可以像发朋友圈一样，一键生成数字藏品的操作吸引了他。初步试水获得的即时反馈，更是进一步激起了他的好奇心，“我最近计划好好研究其中的‘奥秘’，如果进展顺利，打算专门拿出一部分精力做数字藏品”。 漫画家@大绵羊BoBo并不是第一批在数字藏品市场上尝到甜头的人，毕竟，这个市场的火爆早已是公开的秘密。 相关报告显示，NFT市场2021年的交易额达到176亿美元，同比飙升了至少210倍。而在国内市场，诸如敦煌系列等数字藏品一经发布就被一抢而空。 中国移动通信联合会元宇宙产业委员会联席秘书长叶毓睿对深燃表示，未来消费的主力军90后和Z世代，出生在物质相对充沛的时代，更注重精神需求，对于前卫、酷炫、有创意、易于分享和社交的产品和服务有付费意愿。当然，也不排除有些用户出于投资心理待价而沽，期待未来在法规允许的情况下有所收益。 据深燃观察，藏家抢购数字藏品，出于三种心态，一是出于对某些创作者的喜爱；二是因为社交需求，一部分人已经把数字藏品看成是一种对身份的认定，是进入某个圈子的“门票”；三是投资、赚钱。 无论藏家是抱着何种心态进入，带来的结果是，数字藏品市场加速火爆，也吸引着不同领域的创作者加入。 在TopHolder平台，艺术与设计、文创IP及IP衍生品、商业原创概念等领域的创作人，都可以申请成为创作者，将自己的作品生成为数字藏品、发布并进行交易。TopHolder与微博打通后，于这些创作者而言，多了一种微博社交资产变现的方式。王子健购买@天才小熊猫的数字藏品，就是后者社交资产变现的典型例子。 截至3月21日，国内动漫IP@鱼太闲定价为3万元的数字藏品《鱼太闲国风插画-圆滑世故》、《鱼太闲国风插画-稳》，都显示已售出。 @鱼太闲的数字藏品 图源 / 微博 数字艺术家梁卫华早在2020年就开始关注海外的NFT市场。无论是传统拍卖行的数字艺术领域布局、大厂的数字藏品平台试水，还是新兴平台的接连出现，他都持续保持关注，并寻找适合的平台择机进入。 梁卫华的数字藏品 图源 / 微博 在去年TopHolder独立运营试水阶段，他就已经入驻，而且在根据数字藏品的流行趋势，及时调整创作风格。在这个平台上，他的数字藏品有的已经卖出了上万元的高价。“第一次微博数字藏品万元出售，我兴奋得一夜未眠”。 最近，微博正式接入TopHolder后，截至3月21日，梁卫华已经发布了十几幅数字藏品，并且都显示已售出。 有人已经吃到了第一块蛋糕，也刺激着国内越来越多的拓荒者进入。尤其是文创IP以及IP衍生品相关的从业者，更是看到了数字藏品在IP运营领域的潜在价值。 融创文化旗下潮流IP创制平台GoodsgooStudio一直在寻求潮流IP和数字艺术的结合，感知到数字藏品踩上风口，便在今年春季展开合作，打算入驻TopHolder。 其主理人Jamie Zeng表示，“数字藏品已经成为了年轻人表达生活态度的一种方式，而消费者收藏IP的形式总有意想不到的市场。要做新形态的IP运营，就不能错过这股潮流。”因此，平台正加速推动旗下IP与数字藏品相结合，将为旗下白日梦想家AZZZA（亚萨）和Y2K舞担KILKIRA（奇奇拉）两个IP发型限量数字藏品头像。 融创文化潮流IP平台Goodsgoo旗下AZZZA（亚萨）和KILKIRA（奇奇拉）即将发布数字藏品头像 Jamie Zeng提到，数字创意产业正处于快速发展的轨道中，年轻人的付费意愿将越来越强。当数字藏品具备一定稀缺性，并能触发共情，就会找到目标消费者。 他把数字藏品和盲盒放在一起讨论，“年轻人购买数字藏品，就如同买盲盒，是一种情感体验消费行为。当盲盒频繁出现在社交圈，年轻人就开始将盲盒作为某一圈子的身份认证，数字藏品也是如此。” 创作者涌入，图什么？ 微博接入TopHolder背后，还代表着数字藏品社交化的大趋势。 两个平台联合，最直接的带动是，数字藏品的准入门槛降低了。 从创作者角度来看，TopHolder上线微博后，能够让更多红人创作者成为数字藏品创作者。截至3月17日，已经有数百个IP机构、红人创作者、专业艺术家，申请成为数字藏品创作者。 从藏家角度而言，长期活跃在微博的年轻人，借着数字藏品这种形态，多了一种表达个人声音的形式。数字藏品起初是在币圈和艺术圈掀起热潮，当国内的头部互联网公司陆续入局，数字藏品正加速走向大众化，成为年轻人新的社交密码。Jamie Zeng还提到，微博为数字藏品的消费提供了应用场景，比如数字藏品未来或可一键设置为微博专属头像。 作为资深玩家，王子健判断一款数字藏品是否值得购买时，会衡量两大因素：一个是发行者的IP和影响力足够大，另一个是发行的平台要靠谱。他认为，只有符合这两个因素的数字藏品，才具有收藏和投资价值。 站在创作者角度，平台本身的影响力和实力，是首要关注的因素之一。 梁卫华将微博、TopHolder，与国内其他数字藏品平台对比发现，在其他平台发布数字藏品，往往更靠创作者个人的影响力，平台能聚集的流量有限。 微博作为国内最有影响力的社交平台之一，截至2021年12月，月活跃用户量达5.73亿。在微博具有公域属性的开放式广场中，数字藏品可以被更多人看到，有机会进一步出圈。 而TopHolder在数字藏品界有一定积累。据此前公开报道，其作为齐白石数字藏品的授权平台，曾在今年1月份携国画大师齐白石的原作《群虾图》首个社交化数字藏品，在上海嘉禾首届冬季拍卖会竞拍，最终以 30 万元落槌价成交，这是传统水墨作品迈向数字艺术的一个里程碑式突破。 TopHolder背后的天下秀更是深耕红人经济多年，其发布的元宇宙虚拟生活社区“虹宇宙”（Honnverse），通过高度开放的内容平台与应用平台，为红人、IP等内容创作者提供高度自定义的虚拟场景编辑入口及社交化的展示空间，也为C端用户提供了沉浸式互动社交的新空间。 此次合作后，微博、TopHolder、虹宇宙三个平台已经实现打通，对于创作者和用户来说，可以打通真实社交和虚拟空间，跨平台进行数字藏品的创作、展示和交流。 入驻平台前，数字藏品创作者还会考虑自己在平台上的号召力。 一位数字藏品创作者指出，要想藏品持续被买单，必须要在平台上进行个人IP运营，吸引目标粉丝群体。 有数据显示，截至2021年9月，微博1万粉丝以上的创作者达135.5万人。这意味着，微博上有足够数量的潜在创作者，他们在微博的粉丝和个人影响力，都可以转化成数字藏品世界里的社交资产。 多位从业者对深燃分析，微博与TopHolder的合作，在区块链技术的加持下，以数字藏品强化了微博平台创作者的版权保护。 社交平台内容的版权问题，长久以来困扰着不少创作者。现在发布在微博内TopHolder平台的作品，上链成为数字藏品后，就被赋予了独一无二的编码，确保了唯一性和真实性。 这背后，是TopHolder母公司天下秀在区块链层面的技术积累。公开资料显示，早在2018年，天下秀就成立了区块链价值实验室，已自主研发包括软件、硬件、SaaS等在内的多个基于区块链技术的服务项目，并在2020年发布了首个区块链数字经济艺术价值应用解决方案Hashii Art，完成了全球第一件区块链全链路艺术品交易。2021年，虹宇宙正式上线，也是天下秀区块链技术的显现。 数字藏品撞上真实社交，想象空间有多大？ 盯上数字藏品生意的，远不止微博和TopHolder。 自去年以来，伴随元宇宙概念热度持续攀升，从业者们也逐渐明白，真正意义上的元宇宙还非常遥远，但这并不影响玩家布局数字藏品，因为其在元宇宙世界代表着数字资产和身份象征。 《元宇宙超入门》一书的作者方军对深燃表示，“现在的数字藏品，尚不是下一代互联网的最终状态，但是迈向未来的关键一小步”。《2021元宇宙产业发展白皮书》指出，数字藏品更重要的意义在于，是元宇宙中数字资产凭证的一种表现形式，将随着元宇宙的发展逐步演进，商业机会巨大。 去年年中，就有海外社交巨头发力NFT，国内数字藏品平台也随之兴起，尤其是过去两个月里，多家公司接连推出数字藏品平台，“就像‘百团大战’一样，竞争愈演愈烈”，多位数字藏品从业者认为，现在整个市场处于上升态势，未来将有更多平台出现。 大大小小的平台，都盯上了数字藏品。方军分析，大平台布局数字藏品，大体有三个方向：第一种是建立独立的类电商平台，由平台方组织发行并售卖或赠送，这是当前国内的主流方向；第二种是用户将持有的数字藏品引入社交平台，比如推特允许用户验证所拥有的NFT头像或数字艺术藏品，并以六边形独特显示；第三种是社交平台允许自身平台的用户进行作品确权、生成数字藏品。 他认为，微博与TopHolder合作，属于第三种方式，提供了便捷的工具，让创作者用户确权内容作品、生成数字藏品。Meta（原Facebook）首席执行官马克·扎克伯格最近表示，旗下Instagram即将支持NFT功能，也被外界猜测为其将以第三种方式推进。 涉足的方式各异，目的也各不相同。对于微博和TopHolder而言，入局的原因之一在于，数字藏品对平台内容生态的利好。 叶毓睿对深燃分析，微博与TopHolder合作布局数字藏品，是一次突破性的探索，有助于线上社交立体化和场景化、关系资产化，可以吸引早期尝鲜者和未来消费的主力群体。同时，双方也将增加现有用户的粘性，通过创作者驱动，帮助有创意的用户成长为细分领域的作家、艺术家或KOL，形成一个包含PGC（专业生产内容）+UGC（用户生产内容）的多层次、多元化的内容生态。 “未来是创意经济、体验经济大爆发的时代，用户不再满足于只做一个旁观者，希望带动身边的朋友，进行更深层次的参与和互动，获得更多成就感。长远来看，关注、点赞、转发、打赏、再创作等也是一种影响力和生产力，将促进数据做为生产要素的发展，也是数字经济发展在To C领域的有益尝试。”叶毓睿说道。 方军认为，尽管目前TopHolder平台上初步支持的数字藏品，主要是图像类艺术品，但在一个社交平台内，能够创作包括专业级的图片、视频、文字在内的优秀创作者，是最大的资源，对他们的作品确权、生成数字藏品及允许合规的流转，将可以推动内容生态的繁荣。 据官方介绍，TopHolder未来也将推出视频、音频生成数字藏品的功能。 必须要说的是，数字藏品发展背后，机会与风险并存。 叶毓睿提到，过去一年多，国内数字藏品市场处于野蛮生长的态势。绝大多数数字藏品的发行，造就了单次热点事件，但是后续乏人问津。 不少行业观察者表示，当前正处于市场的早期阶段，一些玩家抱有投资和赚钱的心态，数字藏品市场存在一定泡沫，有价格与价值不符的情况。 “在元宇宙世界里，信用即资产，较早透支信用容易失去发展机会。对于市场发展，要有耐心，不可过于功利性地追求短平快。”叶毓睿提醒道。 在他看来，未来1-3年内，国内的数字藏品市场将百花齐放，但也有可能很多平台只是昙花一现，具有一定专业性、玩法新颖的平台才能跑出来。 “只有生态更大更广、交易更加透明、操作更便捷以及性价比更高的专业平台或公司，才能在日渐激烈的竞争中脱颖而出。”他说，未来，数字藏品围绕着身份或圈子有一系列的活动或优惠，甚至还有收益，才能可持续发展。

来源：光子星球 撰文 | 文烨豪 编辑 | 吴先之 “自从我在别人笔记下留言想租房后，一堆莫名其妙的人来私信我，有的让我一起合租，有的让我加微信看房源，甚至前脚刚和一个人说想租loft，后脚就有人带着一堆loft房源过来问，真的是无孔不入。”小A吐槽道。 吐糟的对象，正是月活2亿的种草平台——小红书。在此之前，小红书屡此因“虚假种草”及“滤镜”问题遭点名甚至下架，但多次整改之后的小红书，似乎仍难以同乱象断绝关系。 最终，害怕受骗的害怕受骗的小A不胜其烦，选择了多掏了数百元同自如签约。而同所有流量池一样，小红书似乎也已被中介占据，再度陷入信任危机。 中介包围小红书 与安居客、贝壳等垂直平台清一色盯着职业照头像的中介不同，聚集于小红书私聊的中介同素人用户并没有明显差异，有的甚至会发几篇关于个人经历的租房笔记，叫人难以分辨。 这些笔记大多围绕租房与生活展开，内容以小资、文艺青年享受生活、实现理想为主，配图普遍较为精致，和其他平台随手拍的房源图相比简直是降维打击。不过，这类笔记存在着一个共性，即永远不会提及房源细节与具体价格，感兴趣的用户只能留言与私聊。 而私聊中，倘若不将用户导入私域，这群人同样拒绝谈价，且打死也不会承认自己是中介，但一旦成功添加微信，其便会脱去羊皮，靠多款房源进行信息轰炸。此时，小红书上用户心仪的房源已然不在，取而代之的是卖相较差房源，或是远超笔记流露价格范围的同类型房源。 “公司要求必须约客户带看，有时候完不成任务就只能先编一些价格便宜，装修又豪华的房源把客户留下来，但实际价格远比标的价格高，有客户问就说房源刚租掉，然后带看别的。”一位中介说道。 其实，这在行业里本是普遍现象，部分垂直也加强了对虚假房源的鉴别，但在小红书、知乎等平台上，用户占据着内容生产的两头，使虚假信息得以藏匿于一众正常的笔记中，悄然收割着用户们。 除租房外，留学、教培也是中介泛滥的重灾区。相比用虚假房源引流冲KPI的房产中介，留学圈的中介下限更低，粉饰自身的技术也更为高超。 “疫情原因，现在留学环境和之前差了很多，很多过去的信息与政策放在今天都不适用了，网上信息又很碎，所以想找家靠谱的中介。一开始是去百度搜，但只搜到铺天盖地的广告，有用的信息很少，于是就想到了小红书。”小D说道。 当时，小D觉得小红书上的留学信息很丰富，还有很多姐妹分享自己的留学案例，加之自己迫切的出国愿望，很快联系上了“留学博主”所推荐的机构，后者宣称全拒包赔，且支持保录。大好前程近在眼前，小D很快同该机构签约，然而，麻烦却接踵而至。 “签约后，我的留学顾问就暗示我学历背景差，GRE分可能会不够，劝我降低标准，要么直说保录没申请上是可以退费，但时间却浪费了，不如走差点的学校，反正区别不大。”最终，自感受骗的小D咬死非保录学校不走，还是退掉了钱，但同时却也错过了留学季。 一位业内人士指出：“重金保录无非两种逻辑，一是学生本来就能申请上，中介正常申请，躺着收钱；另一种则是明知申请不上，但PUA学生走能走的学校把钱赚了，走不成退费便是，因为钱已经从走掉的学生那里赚够了。” 当然，部分留学中介同国外院校建立有合作，在院校录取要求与文书喜好方面掌握有信息差，确实能在留学规划方面提供帮助，而正规中介通过小红书适当宣传亦无可厚非，毕竟只要存在信息不对称的领域，就必然会有中介。 但同房产中介一样，许多留学中介也化作素人模样混迹在小红书以姐妹相称，将用户导入私域后才暴露出真实面，使其中多了些许欺诈的意味。更不必说那些隐藏在阴影里，与灰黑色产业牢牢绑定的黑中介们。 小红书，下一个58同城？ 近年来，互联网语境中对HPV病毒的讨论引爆了公众的“九价焦虑”，“一苗难求”的现状则引得一众灰黑产玩家闻讯前来。 九价代抢是最为普遍的“玩法”，这其中既有通过技术手段约苗赚差价的“真黄牛”，也不乏吃准群体焦虑穿着黄牛外衣的真骗子。 众所周知，九价HPV疫苗适用人群为16至26岁女性，正好同小红书用户池高度匹配。极光数据显示，小红书DAU月均8318.7万，消费能力较强的年轻群体占比高达72%，女性用户占比几近7成。 小G是成都某高校的大四学生，大学期间多次错失校医院九价HPV疫苗的她分外焦虑，决心趁着毕业前的空档期将“人生大事”解决掉。为此，小G紧盯着本地放苗消息，在各个约苗平台多番尝试，却一无所获，反而耗费了大量时间精力。最终，深感疲劳的她还是向曾经瞧不上的“黄牛”妥协，在小红书“姐妹”的推荐下添加了一位声称可实现技术帮抢的中介。 起初，小G对所谓的中介“戒备森严”，但后者为其提供了多份聊天记录、约苗记录，外加该中介朋友圈充斥着各地约苗信息，使小G逐渐放松了警惕。一番询价后，中介引导小G添加了成都本地约苗群，并告诉小G代抢需先交600元定金，抢不到定金只退一半，抢到后再支付4000元尾款。 正当求苗心切的小G准备付款之时，她发现所谓的约苗群处于全员禁言状态，这使其再度提起了警惕心，暂缓了转账。后来，小G在添加询问同群群友后得知其缴纳定金后不仅疫苗没能抢到，就连事先承诺的一半定金也需要在小红书给该中介好评或是为其拉新后才会退。而现在，小G所在的本地约苗群亦时不时有新人加入。 未受骗的小G无疑是幸运的，但更多警惕心不高的用户却已深陷骗局。据媒体报道，部分约苗黑中介甚至会人为编造预约成功短信骗取尾款，甚至不惜伪造约苗网站，骗取钱财在数千至数万元不等，而被骗者正是来源于微博、小红书等社交平台。 而为了争夺流量，某些黑中介不仅冒充博主，甚至还会通过“代发”揽客。据悉，代发大多面向达人或素人，黑中介通常不会选择同达人合作，素人代发门槛极低，对粉丝量、既发笔记量均无要求，相对酬劳也并不高。 一般来说，图文代发每单价格在5至8元区间，原则上代发人需原创图文，但据业内人士透露：“文字的话，去一些相关微博里节选几段拼起来就行，但图片不能直接复制，而是通过截图的形式更改图片MD5值，避免被系统识别到重复。” 随着这些混乱、批量复制的代发涌入平台，用户不免在信息轰炸中上当受骗。在黑猫投诉平台上，以“小红书”“骗”为关键词所搜索到的投诉共1257条，以“58同城”“骗”为关键词所搜索到的投诉则有2194条。可见，小红书已相当于大半个“中国最大的骗子集散地”。 但即便如此，小红书与本就属中介平台的58同城还是有本质区别。中介们之所以涌入小红书，除觊觎小红书的优质流量外，也看准了小红书的“种草”基因。 以“种草”为基本面貌的小红书，其UGC内容社区着重于分享“产品”与“经验”，而精准的内容分发将UGC内容聚合为更小的兴趣圈层，从而激发用户归属感并增强讨论度。在“内容产出-兴趣圈层-内容再产出”的循环推动下，小红书逐渐积累起一批批优质而精准的笔记，涵盖方方面面，而去中心化的流量分发模式则对中介等长尾账号较为友好。 相比同为内容社区的知乎与短视频平台，小红书“笔记”着重于图文混合输出，创作工具涵盖贴纸、滤镜、模板、标签、文本等多个板块，这使其在产品呈现、美化方面优于知乎。而直观的图文形式亦使其具备远短于抖音、快手的信息传播链条，这便赋予了其工具属性，越来越多地被用户当作第二搜索引擎。 因此，尽管无法同抖音等短视频平台的流量池相比，但小红书自带的工具属性使用户往往为XXX而来，相比之下，抖快虽DAU更高，但用户使用场景上以闲逛，打发时间居多，缺乏目的感。 基于不同的场景用途，相对廉价的白牌商品很容易在抖音直播间卖出，但诸如中介等强目的性服务类消费却很难在短视频平台达成；相反，在“种草”逻辑的作用下，毫无特点的白牌商品很难在小红书激起讨论，而诸如医美、留学等服务类消费却能培育起固定的兴趣社区。在营销环境每况愈下的当下，这自然引来了饥饿的群狼。 不过，58同城作为中介平台，能靠人为放宽审核从中获益，小红书则不然，尽管2020年小红书的80%的营收来自广告业务，但前述黑中介也好、代发软广也罢，并不会为其创造利润，反而会拉低平台内容质量，进而损害社区活性与商业利益。 因此，小红书并不愿成为58同城。为此，其近几年一直在加强对虚假营销、软广的打压。不过，初期平台只是制定了《小红书社区公约》，要求笔记分享者需要“申明利益相关”，当下则逐渐上升为封杀部分品牌。今年2月，小红书更是针对乱象频出的医美板块推出“医美品类专项治理”，整治对象从账号到公司，最终落到行业，反映出小红书对内容治理的恐慌。 可正所谓道高一尺魔高一丈，一面是为维护平台内容质量，一面是小红书对平台内容质量的维护，一面则是中介们赚钱与求生，后者意愿显然甚于前者 ，这也使得多次治理后的小红书仍然充斥着乱象，甚至演化为了主动出击。 前述小A所遭遇的私聊轰炸，一定程度上便是机构为对抗平台而进化的产物，毕竟自己宣传走不通，只能在其他内容下私聊用户。这更野蛮，也更疯狂。而用户规模不断扩张之际，UGC内容随之多元化，内容积累量亦会量级提升，小红书将面临的问题只会更加复杂。

来源：新浪科技 新浪科技讯 北京时间6月10日下午消息，社交平台Soul今日向美国证券交易委员会（SEC）提交的文件显示，该公司决定撤回F-1登记声明文件，不再根据F-1文件发行证券。 　　去年5月10日，Soul向SEC提交招股书，申请在纳斯达克上市，股票交易代码SSR，摩根士丹利、Jefferies、美银证券与CICC共同担任承销商。 　　随后在6月18日，Soul向提交了更新版IPO上市申请文件，将发行价区间设定在每股美国存托股票13美元至15美元之间。 　　然而在6月23日，Soul发布声明，宣布暂停美股IPO流程。声明还称，大股东腾讯也支持这一决定。 　　招股书显示，IPO前，腾讯通过Image Frame Investment (HK) Limited持有该公司75807291份普通股，占比49.9%，投票权比例25.7%，是Soul最大外部股东。 　　2021年11月，有知情人士透露，Soul考虑赴香港IPO。 　　公开资料显示，Soul成立于2016年，是基于兴趣图谱和游戏化玩法的产品设计，属于新一代年轻人的虚拟社交网络。

来源: 网易科技报道 6月8日消息，当地时间周二特斯拉首席执行官埃隆·马斯克(Elon Musk)通过个人社交媒体推特批评谷歌旗下视频平台YouTube充斥着“无休止的广告骗局”。 马斯克发布了一系列关于YouTube的推文，包括一个嘲笑YouTube的表情包，声称YouTube会审查脏话等内容，却对欺诈性广告视而不见。 尽管马斯克挖苦YouTube关于平台会对脏话进行审查的政策，但公司实际上并没有完全禁止平台上出现脏话。但是，YouTube的指导方针鼓励创作者避免使用那些不适合用于广告的粗俗语言。 YouTube发言人没有立即回应就马斯克说法进行置评的请求。 在过去的几年时间里，YouTube上出现了一系列加密货币骗局。2020年，YouTube面临至少18起涉及加密货币诈骗的诉讼。苹果联合创始人史蒂夫·沃兹尼亚克（Steve Wozniak）曾在2020年起诉YouTube，称YouTube未能遏制包括他自己肖像在内的诈骗广告。一年后，法官判定YouTube及其母公司谷歌不用对用户发布的内容负责，沃兹尼亚克败诉。 YouTube上一些骗局还直接让马斯克的粉丝受到影响。去年，在马斯克现身《周六夜现场》(Saturday Night Live)之前，一系列宣传SpaceX数字货币的虚假广告就出现在平台上，据广告称马斯克创造了相应数字货币。风险管理公司Tenable进行的一项研究发现，YouTube上的诈骗账户利用关于SpaceX数字货币的虚假广告窃取到900万美元。 过去YouTube在监管错误信息方面一向很积极。但事实核查人员表示，公司做得还不够。今年1月，来自世界各地的80多个事实核查组织在YouTube上呼吁采取更多措施打击虚假信息。他们表示，YouTube正在“允许平台被当成攻击手段”。 虽然马斯克表示自己反对法律规定之外进行更多监管，但其一直指责推特在打击机器人和虚假账户方面做得不够。虽然马斯克此前放弃对推特进行尽职调查的权利，但周一马斯克通过律师发函警告称，他本人可能会放弃用440亿美元收购推特的报价，因为他认为虽然自己正在努力确定平台上到底有多少虚假账户，但推特方面却在“积极抵制”。 推特则表示，计划继续推进与马斯克此前达成的协议。

来源：互联网指北 2022年，当人们提起“AI画画”，第一反应不是Adobe Illustrator，而是Artificial Intelligence 上个月，当我在文章中提及AI绘画工具Disco Diffusion（下称DD）时，它还仅被我当做一个例证，用来证明AI从事创意性内容的局限，因为它直接用来生成人脸、动物还存在缺陷，需要人力加工。但AI绘画工具的迭代和升级，远超我的想象。DDv5.6新更新的portrait generator模组，就大幅提升人脸生成效果。虽然某些角度还是会有变形，或者看上去带有“玻尿酸感”，但是越来越像“人”了。 （文章配图均来自西乔的生成图，有额外标注和水印除外） 虽然在AI发展的时间线上，调教AI画画并不是一件新鲜事，早在2015年谷歌就推出过DeepDream，初试AI的“艺术创作能力”。但在2022年，以DD为代表的最新一批AI绘画工具的出圈，不仅源于技术层面的突破，更在于其生成图，所带来的视觉冲击。  人们愈发认真地，讨论AI绘画是否会对美术行业产生影响——即使它可能无法真正替代人类艺术家，但它目前所展现的生产力，已经足以有效地辅助人类创作，成为底稿、成为素材、成为灵感。 除了成为设计师、插画师的工具，AI绘画也向普通人铺开画布，无需美术基础，通过对照教程，编写描述词、调节参数，就能够用文字的想象交换图像成果。并且拥有一些“平易近人”的应用，比如和菜头拿它来画公众号的封面，两个月里封图来源已经从某某图库/版权，变成了“和菜头的小肉手”。 鉴于行业里已经有专业对口的文章科普技术原理，介绍各类AI绘画工具及使用教程。我更好奇的，是AI绘画正在给人们带来哪些变化，以及人们在变化中如何行动。 带着这些疑问我找到了西乔。她是一名设计师、漫画《神秘的程序员》的主创。今年5月起，她几乎全身心投入AI绘画的尝试中，除了每天跑图，也看论文、写科普。她对AI绘画抱以极大的期待，相信“AI对艺术及插画的冲击，等同另一次‘相机的发明’，艺术史又可以分册了。” 如果你想找到“AI绘画工具是什么”的答案，建议阅读更专业系统的文章，比如西乔公众号里的教程（神秘的程序员们：coderstory）。但如果你好奇AI绘画“和我有什么关系” “我能用它做什么” “它会带来什么”，不妨接着往下读。 中文网络中关于AI绘画的讨论，集中出现在今年4月。随美术圈、程序圈从业者的使用和交流，AI绘画工具DD逐渐被更多人知晓。这是一个GitHub开源项目，尚未封装，在谷歌Colab中以代码的形式呈现，其绘制过程，可以简单概括为输入关键词就能生成图像。相较于早前AI绘画的刻板风格，缺少整体美感以及完成度欠佳，DD在构图、色彩、氛围感等方面，都呈现很大突破。 与此同时，OpenAI结合扩散模型和CLIP在今年4月提出的DALL·E 2，DD作者Somnai所在公司推出的Midjourney等工具也开始进入人们的讨论和使用。设计师、插画师开始制作“从0开始学习AI绘画”教程，例如@JZ_打个比方在B站发布教学视频，@Simon_阿文在微博持续更新AI绘画资料，又或者人们在知乎讨论“像disco diffusion这类ai绘画会对美术行业产生什么样的影响？” 和大多数专业画师一样，西乔被AI绘画击中的原因，是因为“可能性”。这种“可能性”既可以像PS、3D辅助软件等工具带来的创作流程的变革，也能够在内容上带来的解放，“它能够帮助我去创造一些我之前不会，甚至不敢去创造的风格。” 但比起将AI视为“创作者”，西乔认为更合适的表述是，AI是她画布上的另一只手。有时可以“放手”，交给AI自己去跑，会带来很多意想不到的惊喜。例如在她《西藏往事》的系列作品中，AI在雪山顶上放了一个塔吊。 在Prompt (提词)设计和无尽头的参数分析机调整之外，还有另一种具有高可控性的玩法。当画师对于生成图的结果有预期目标时，可以通过设计底图、设置底图跳过步数（跳过步数越多，AI生成图越接近底图）进行人工引导。或取得生成过程中的中间步骤，对中间步骤进行修改后放回AI里继续生成。还可以根据同一提词，调整参数输出多组结果，在后期中人工选择更符合创作者预期的局部进行合成甚至重绘等形式进行二次创作。 两只手画画，正带给她创作的解放，探索学习新知识的乐趣、以及一种近乎于开盲盒的快乐，“晚上写好队列，等早上起来捡图，只是费点电，获得的快乐是一样的。”而且比起盲盒有限的选择，AI绘画能够完成的组合，理论上是无限大的。 有赖于专业的爱好者编译的中文资料、保姆式教程、封装的程序、支持中文描述词的AI绘画工具，AI绘画逐渐出现“出圈”的苗头，进入大众讨论语境。比如和菜头自今年5月以来，多次推文介绍AI绘画。 技术的向下兼容，让AI绘画为更多普通人打开绘画的可能性。毕竟绘画对于大多数人来说，要么是一扇从没有打开过的门，要么就是有着很高门槛。但通过AI，却能让一部分从没有试过画画的人，不需要依赖多年学习和经验积累，就能够去创造图像。 “人们创造图像的直觉是与生俱来的。你会发现很多人画画的巅峰其实是在小时候，随着他逐渐长大，接受越来越多已有的视觉绘制模式，后天的输入就把这种直觉覆盖了。” 当先天的图像创作直觉被现实规训后，“多数人试图去创作的，不是凭借直觉把脑子里的东西画出来，而是尽可能让自己画的东西符合现有的绘画，比如模仿照片、模仿别人的画，涂填色书，等慢慢发现自己在模仿上差距太远，就放弃画画这件事了。” 当“绘画”可以像“自拍”一样，能够用于分享，满足成就感时，AI绘画工具或许能帮助普通人找到被偷走的自由，享受到创作带来的快乐。为此，一些AI绘画平台也正在利用这一价值实现商业回报，例如提供将AI生成画印刷成挂画的服务，以供用户购买实物。 DD这类通过文字生成图像的AI绘画工具，绕不来一个叫“CLIP”的模型，它是AI如何“理解”人类语义这一问题的关键。CLIP （Contrastive Language–Image Pre-training），是一种基于对比的图片-文本学习的跨模态预训练模型，由OpenAI于去年1月发布。同一时间发布的，还有初代DALL·E图片生成模型。 DD正是运用CLIP来“理解”用户输入的文本，再使用扩散模型来生成图像。这一过程可以理解为：给AI输入文本关键词，它基于训练数据集的学习，从一堆噪点中把这个图像反推出来，通过不断进行文本与图像的匹配，检查搜索结果是否符合文字描述，进而逐步消除噪声，添加细节，最终生成图像。  “宇航员骑马”和“马骑宇航员”是解释AI理解语义的一个常用例子，AI有能力描绘前者，但由于后者的“反经验”，就不那么容易实现。 AI得以生成带有风格化的图像，也源自于数量庞大的训练数据集灌输的画家风格。以DD为例，prompt是影响生成图中一个重要的构成因素，包含作品媒介、描绘对象或主题、各种风格和质感的修饰词、参考艺术家等。 根据西乔的实验和理解，AI会提炼一个艺术家画作中特征，比如整体创作的主题和对象、笔触、肌理、明暗度、调色板等。其学习成果也受到画家部分作品知名度和主题多样性的影响，像是AI所理解的塞尚、雷诺阿这样的画家，其特征可能源于所有的作品，但如果一些画家有特别出名的作品，那么该幅画的特征权重也会相对较高。 例如，西乔使用DD生成一幅蓝色海洋风景画，将画家设定为卡斯帕·大卫·弗里德里希（Caspar David Friedrich），发现生成的多幅的作品都带有黑衣背影。她推断这一元素出自弗里德里希的《雾海旅人》。 （左为西乔的AI生成画，右为《雾海旅人》）  除了学习艺术作品、画家的国籍、文化背景也会影响AI的理解。例如使用中国艺术家画建筑，就会看起来很像中国风，使用画日漫的艺术家输出肖像画，人物大概率能是锥子脸，眼睛也比正常的大。 上图是基于同一张底图生成的肖像实验。除了参考艺术家之外，题词和参数都相同。左图参考艺术家为anime girl，右图参考艺术家是陈逸飞。 理解AI如何“思考”，从而调节描述词的编写方式和技巧，也是为了让AI更好地“理解”创作者意图。 （如何编写描述词，是教程的一大内容）  从目前行业已有的应用来看，AI绘画工具对于“绘画”的改变将会是系统性的——在创作过程中，作为生产工具提供新的技能点；成为艺术品的新变量，影响作品创作风格和价值；以NFT、拍卖画等形式，直接参与艺术品市场交易。 在AI绘画工具辅助创作的维度上，它可以被用于生成底图，画师以其为底稿，进行二次创作，或者直接用作远景贴图。 画师也可以通过简单的色块勾出底稿，交给AI生成“幻想生物”，作为灵感素材。 在AI绘画工具的介入下，工具链将可能面临重新整合，从AI生成的十几张结果中挑选，用作插画创作中的局部素材，再利用PS或其他的鼠绘工具进行调光、调色、边缘处理、纹理整合等。 另一方面，AI也正在成为影响艺术评价的新变量。 “艺术品的价值评判标准就是很主观的，而且这个评价也不是一成不变的。一个新的流派、新的媒介诞生之初，肯定是存在一个接受和过渡的时期。”人们对于AI绘画的评判，在当下必然是需要面临不少争议的。 但随着AI绘画的普及，人们是沿用已有的评价体系去看AI绘画，还是说会出现一套适用于AI画的评论标准，目前还难说。西乔认为，这可能会成为接下来几年里艺术史研究、艺术评论家的选题，学者会寻找到一套他的评价体系，大众也会选择自己的标准。 （对于AI生成图的两极化评价）  在她看来，尽管AI绘画工具正展现出不错的生产力，但就实际应用的场景，还是存在较大差异的。比如AI特别擅长产出场景概念图，这一特点会使它在游戏、动漫、设计等领域里有着不错的表现，用于辅助创作。但如果拿去做工业设计，生成产品或者设计服装，尚未展现出足够的应用能力。 此外，影响一项技术是否投入于商用，有两个需要考虑的内容，第一是否满足需求，第二衡量投入产出比。就目前而言，AI输出图片的尺寸还比较小，由于切片算法和模型的局限DD在生成宽边超过1280的图时，布局会很不理想。、MidJourney最大为（1664,1664）、DALL·E 2（1024,1024）。如果要做出一个能够被打印的尺寸，需要经过后期放大或者再生成。 至于AI生成画直接被用于售卖，已经有过行业先例。2018年一幅由巴黎艺术团体Obvious使用GAN（生成对抗网络）完成的肖像画拍出432500美元。 也有AI绘画平台及创作者将生成画铸造成NFT，但这笔买卖也面临很大的不确定性，比起想通过NFT赚得盆满钵满，AI挑战图库的生意，或许更为现实。 随着AI绘画工具的普及，部分功能也有着被挪用，造成负面影响的可能。例如通过添加“蒙版”可以对图像的部分内容进行重新绘制，将一张大象的背影更改为大象的正面照，或者在空无一物的茶几上，自然地放进一个苹果。 工具对所有人的想象开放，意味着它既可以被用来进行艺术创作和表达，也可能在别有用心的人的使用下，成为伪造图像，制造假新闻的“凶器”。 前车之鉴是能替换视频中视觉和音频内容的“Deepfakes”，被用于伪造名人色情视频、欺诈勒索、假新闻等内容，而遭限制使用。2019年，在国内一夜爆红的AI换脸应用“ZAO”，也受到用户隐私、信息安全等问题的质疑。 除却用户使用上造成可见的“垃圾内容”，在AI的图像学习过程中，也不可避免地吸纳了人类认知中对于性别、职业、种族的刻板印象和偏见，并潜移默化反映在AI绘画的生成结果中。 为应对上述可能存在的负面影响，AI绘画工具的开发者们所采取的，是以谨慎的开放、更长的内测期、调试图像描述词的过滤器等方式，加之控制。 由国内开发者设计的AI绘画工具Tiamat，向用户解释为什么内测周期较长时写道，“AI生成艺术是一个比较敏感，也是全新的领域，里面的不可控性，合规性，以及用户体验都需要我们多次迭代，包括其中的云端部署，模型调整等等，我们也很希望TIA尽早和大家相见，但客观上技术是不允许的。” OpenAI的订阅邮件显示，DALL·E在近期的更新中，“减少了对于人种的偏见，更准确地反映世界人口的多样性。”未来，还将根据用户的反馈和标记进一步优化。 至于开发者们对过滤器的调试，目前仍处在摸索阶段。从西乔的个人体验来看，她多次被过滤器“绊倒”。 （系统疑似把“悬崖边祈祷”判定为“消极内容”）  AI绘画另一大被诟病的问题是“侵权的边界”，就目前而言这是一个灰色地带，且尚未有行业定论。 以DD为例，工具遵循MIT开源协议，理论上生成图可以免费商用。但在实际使用中也会存在，因为描述词使用造成的画风雷同，这就容易造成抄袭争议。此外，“如果你用别人的作品‘垫’成底图，再把skip开得很高，最终出来的结果，也是很难定义是否构成作品侵权。” 事实上，界定真人画手是否抄袭，是否构成侵权也存在种种复杂的争议，放到AI绘画的侵权问题上，或许也需要足够多的经验和案例，形成行业认知。 最后西乔也补充到，AI绘画也有面临“负反馈”的可能，即人们用AI绘画工具生成的图像，又进一步作用于AI的优化和训练中，“AI 模型可能会呈现类似放大器的效果，最后会是出现什么情况，大家现在是不知道的。” 西乔喜欢拿“相机”比喻AI绘画，“相机刚诞生的时候成像非常慢，暗房冲洗也很麻烦，设备的携带及使用都不便，成像效果也不一定好。”当时的肖像画画家们，对于拿相机拍摄人像，有很多的批评和嘲讽。 “但我们知道在几十年之后，画家几乎都会使用相机拍摄的照片作为绘画时的参考。因为一天内光线的变化非常快，你的模特也不太愿意在那儿坐上几个小时。” 不仅是肖像画、风景画，以照片为基础后期加工完成的数字绘画创作等，或多或少都因为相机应用，带来艺术形式变革。 而在社会层面，“照相”也从一种背靠特定阶级的特定生活方式，走进市民阶级，记录社会变迁和普通人的日常生活。这种技术力的解放和扩散，随今天智能手机发展尤盛，普通人以更低廉的成本，更便捷的使用，掌握相机的摄影摄像能力。 可以预见的是，AI绘画工具的技术迭代用不了像“相机”发展所需的几十上百年。除了上文提到的DD、DALL·E 2、Midjourney等工具，互联网大厂们也相继入局，谷歌的Imagen/Parti、Meta的Make a scene、微软的NUWA等等。国内的开发者们也致力于接壤全球AI艺术的浪潮，例如正在举办“千人共创-AI艺术创作大赛”的Tiamat。 人们对于AI绘画的使用和认知，时间尚短，其影响力目前还是更多的存在于艺术圈和程序圈。但在未来，AI绘画是否能像“相机”那样，跨越阶级、圈层，浸润进普通人生活，是一件引发足够遐想的事情。

来源：腾讯研究院 作者：曹建峰 腾讯研究院高级研究员 摘要：当前，因“算法黑箱”而导致的人工智能系统的不透明与不可解释问题是人工智能信任与问责的一大困扰。在这样的背景下，国内外立法开始从权利、义务等不同角度对人工智能的可解释性进行规制，提出了算法解释权、算法说明义务等规则。但可解释性要求的有效落实仍面临着技术可行性、经济成本、法律规则和价值冲突、社会需求差异等多方面挑战。面向未来，人工智能可解释性要求的实现，需要法律、技术、市场、规范等多种力量共同发挥作用，侧重通过“算法说明书”、算法相关信息披露等方式增进算法透明、促进用户理解。 当前，人工智能应用的持续创新和广泛普及，主要得益于以深度学习为代表的机器学习技术的发展进步。机器学习技术使得人工智能系统可以自主进行感知、学习、决策和行动，但这些所谓的“学习算法”（Learning Algorithm）却为“黑箱问题”（Black Box Problem）所困扰。 虽然人们可以知晓一个算法模型的输入和输出，但在很多情况下却难以理解其运作过程。人工智能开发者设计了算法模型，但通常却不决定某个参数的权重以及某个结果是如何得出的。这意味着，即便开发者可能也难以理解他们所开发的人工智能系统。 对人工智能系统如何运作缺乏理解，是人工智能带来诸如安全、歧视、责任等新的法律、伦理问题的一个主要原因。作为“黑箱”的深度学习模型易于遭受对抗攻击，容易产生种族、性别、年龄等方面歧视，可能导致追责困难。在医疗、借贷、刑事司法等攸关个人重大权益的应用场景中，人工智能的不透明性尤其是有问题的。 因此，考虑到人工智能的不透明性和不可解释性，对人工智能进行适当的监管和治理显得尤为重要。 在实践中，人工智能的规模化应用推广，在很大程度上依赖于用户能否充分理解、合理信任并且有效管理人工智能这一新型伙伴。为此，确保人工智能产品、服务和系统具有透明性（Transparency）与可解释性（Explainability）是至关重要的。 实际上，各界已经将透明性和可解释性确立为人工智能研发应用的一个基本的指导性原则。 在伦理层面，欧盟发布的《可信人工智能的伦理指南》（Ethics Guidelines for Trustworthy AI）将可解释性作为可信人工智能的四个伦理原则这一，将透明性作为可信人工智能的七个关键要求之一。联合国发布的首个全球性人工智能伦理协议《人工智能伦理问题建议书》（Recommendation on the Ethics of Artificial Intelligence），提出了人工智能系统生命周期的所有行为者都应当遵循的十个原则，其中就包括“透明度和可解释性”。中国国家新一代人工智能治理专业委员会发布的《新一代人工智能伦理规范》针对人工智能提出了包括透明性和可解释性在内的多项伦理要求；中国国家互联网信息办公室等9个部门联合发布的《关于加强互联网信息服务算法综合治理的指导意见》将“透明可释”作为算法应用的基本原则，呼吁企业促进算法公开透明，做好算法结果解释。 在技术层面，自从2015年美国国防高级研究计划局（DARPA）提出可解释人工智能（Explainable AI，简称为XAI）研究项目以来，XAI已日渐成为人工智能领域的重要研究方向，研究人员和主流科技公司纷纷探索技术上的和管理上的解决方案，IEEE、ISO等国际标准制定组织则积极推动制定与XAI相关的技术标准。 在立法方面，无论是在中国，还是在美国、欧盟等其他国家和地区，人工智能都已进入了立法者和监管者的视野。个人信息、人工智能等方面的国内外立法尝试从权利、义务、责任等不同角度对人工智能的透明性和可解释性进行规制。 虽然可解释性要求已经成为人工智能监管的一个重要维度，但可解释性要求的有效落实依然面临着诸多困难和挑战。例如，可解释性要求的落实至少需要回答五个关键问题：向谁解释？为什么解释？何时解释？如何解释？解释的方法是什么？除了这些问题，人工智能系统的可解释性要求也面临着与个人隐私、模型安全、预测准确性、知识产权等诸多其他价值追求相平衡的问题。 本文旨在厘清这些问题，并从技术和产业发展的状况出发，为人工智能可解释性要求的法律规制之完善优化提出具体可行的思路。 人工智能 可解释性要求及其立法现状 （一）人工智能系统的可解释性及其价值 一般而言，解释（Explanation）是指“说明某事的含义、原因、理由等”。根据这一定义，人工智能系统的可解释性意味着通过提供关于决策和事件如何产生的信息，来促进利益相关者和AI系统之间的交互，但开发者、领域专家、终端用户、监管者等不同的利益相关者对于AI模型具有不同的解释需求。 联合国的《人工智能伦理问题建议书》将人工智能的可解释性界定为：“让人工智能系统的结果可以理解，并提供阐释说明”，也包括“各个算法模块的输入、输出和性能的可解释性及其如何促成系统结果”。美国国家标准与技术研究院（NIST）在其研究报告《可解释人工智能的四个原则》（Four Principles of Explainable Artificial Intelligence）中提出了可解释的AI系统的四个基本特征： （1）解释（Explanation），即AI系统对其决策过程和结果提供依据或理由； （2）有效性（Meaningful），即AI系统提供的解释对于目标受众而言是清晰易懂的； （3）解释准确性（Explanation Accuracy），即解释可以准确反映AI系统产生特定输出的原因，或者准确反映AI系统的运作过程； （4）知识局限性（Knowledge Limits），即AI系统只有在其设计条件下对其输出具有充分的信心时才可运行。 因此，AI系统的可解释性不仅关注AI系统的特定输出结果，而且关注AI系统的内在原理和运作过程；例如，负责信贷审批的AI系统需要向用户解释为什么拒绝发放贷款，推荐系统需要让用户理解基于用户的搜索历史、浏览记录、交易习惯等个人数据进行个性化推荐的基本原理。 在解释的分类上，业界一般区分事前解释（Ante-Hoc Explanation）和事后解释（Post-Hoc Explanation）。 事前解释一般指自解释模型（Self-Interpretable Model），是可以被人类直接查看和理解的算法模型，即模型自身就是解释。比较常见的自解释模型包括决策树、回归模型（包括逻辑回归）等。 事后解释通常是由其他软件工具或者人工方式生成的解释，旨在描述、说明特定算法模型如何运作或特定输出结果如何得出。对于具有“黑箱”属性的深度学习算法，通常只能诉诸事后解释。事后解释分为局部解释（Local Explanation）和全局解释（Global Explanation）：局部解释聚焦于理解算法模型的特定输出结果，全局解释侧重于对算法模型整体的理解。 此外，英国信息专员办公室（ICO）在其发布的指南《解释人工智能的决策》（Explaining Decisions Made with AI）中区分基于过程的解释（Process-Based Explanation）和基于结果的解释（Outcome-Based Explanation），并从解释所涉内容的角度提出了解释的六个主要类型： （1）原理解释，即说明AI系统作出决策的理由； （2）责任解释，即AI系统开发、管理和运行过程中的参与人员，以及对决策进行人工审查的联系人员； （3）数据解释，即AI系统的决策使用了哪些数据以及是如何使用的； （4）公平性解释，即为确保决策的公平性和非歧视性而采取的步骤和措施； （5）安全和性能解释，即为确保AI系统的决策和行为的准确性、可靠性、安全性和稳健性而采取的步骤和措施； （6）影响解释，即为监测、评估AI系统的使用及其决策对个人和社会的影响而采取的步骤和措施。英国ICO的分类对于理解可解释性要求的具体解释内容具有较大参考意义。 人工智能的可解释性与透明度、责任、问责等概念密切相关。透明度意味着保障用户等相关对象对AI系统的知情，包括将在产品或服务中使用AI系统的事实告知用户，也包括给用户提供关于AI系统的适当的信息，在必要时甚至包括源代码、数据集等。因此，人工智能的可解释性与透明度息息相关；具体而言，增进透明度是人工智能的可解释性的一个主要目标，而可解释性则是实现人工智能的透明度的一个有效方式。此外，在很多时候，AI系统的可解释性要求主要是为了确保能够对AI系统进行问责并让相关行动者承担责任。因此可以说，AI系统的可解释性要求本身不是最终目的，而是实现诸如责任、问责等其他目的的手段和前提条件。 增进AI系统的可解释性具有多方面的价值： 第一，增强用户对AI系统的信任。用户信任是AI系统的可用性的一个重要条件。在现实中，用户对AI系统的不信任，往往源于用户不理解AI系统的内在决策过程，不知道AI系统如何作出决定。尤其是在诸如金融、医疗、司法等高风险的应用场景中，如果AI模型缺乏可解释性，就可能不被用户信任。DARPA的研究发现，相比于只提供决策结果的AI系统，用户更倾向于既提供决策结果又提供附带解释的AI系统。 第二，防范算法歧视，确保AI系统的公平性。增进AI系统的可解释性，有助于人们对AI系统进行审计或者审查，进而可以识别、减少、消除算法歧视。 第三，支持内部治理，帮助打造可信的、负责任的AI系统。开发者只有充分理解AI系统，才能及时发现、分析、修正缺陷，进而才有可能打造出更加可靠的AI系统。 第四，从人机协作的角度看，用户只有理解AI系统，才能更好地与之进行交互，在实现AI系统的预期目的的同时，帮助AI系统更好地进行改进和完善。 第五，解决人工智能造成损害的法律责任难题，对人工智能进行解释可以帮助探查因果，进而有助于实现法律责任的目的，包括实现法律责任的预防目的。正因如此，可解释性要求已经成为人工智能的法律规制的一个核心考量。 （二）人工智能可解释性要求的立法进展 全球来看，欧盟《一般数据保护条例》（GDPR）较早对人工智能算法的可解释性进行法律规制，主要体现在GDPR第22条。GDPR第22条重点规制产生法律效果或类似的重大效果（如影响信贷、就业机会、健康服务、教育机会等）的完全自动化决策（Solely Automated Decision-Making，即完全通过技术方式作出的决策，不存在人类参与）。 具体而言，对于完全自动化决策，一方面，数据主体的知情权和访问权至少涉及以下三个方面：（1）告知存在该项处理的事实；（2）提供关于内在逻辑的有意义的信息；（3）解释该项处理的重要性和预想的后果。 另一方面，数据主体有权请求人为干预，表达其观点并提出质疑；根据GDPR前言部分（Recitals）的内容，数据主体的权利甚至包括获得解释的权利和挑战该项决策的权利，即所谓的“算法解释权”。 中国对人工智能透明度和可解释性的法律规制，在很大程度上借鉴了欧盟GDPR的立法思路。 首先，根据中国《个人信息保护法》第7条规定的公平、透明原则，以及第44条赋予个人的知情权、决定权，AI系统在处理个人信息时需要对用户保持必要的透明度。 其次，该法第24条对基于个人信息的算法自动化决策作出了专门规定：一是，要求个人信息处理者保证算法自动化决策的透明度和结果公平、公正，此为透明度要求；二是，对于旨在进行个性化信息推荐的算法自动化决策应用，个人可以选择退出（Opt-Out），此为退出权；三是，对于对个人权益有重大影响的算法自动化决策，个人享有要求说明的权利和拒绝个人信息处理者仅通过自动化决策方式作出决定的权利，此为算法说明权。这些规定尤其是第24条的规定被认为是构成了中国版的算法解释权。 中国国家互联网信息办公室出台的《互联网信息服务算法推荐管理规定》则提出了算法解释义务，核心是对算法相关信息的公示义务和对算法决策结果的说明义务。具体而言： 一是，提供算法推荐服务需要遵循公平公正、公开透明等原则。 二是，算法推荐服务提供者需要制定并公开算法推荐服务相关规则。 三是，该法规鼓励算法推荐服务提供者优化检索、排序、选择、推送、展示等规则的透明度和可解释性。 四是，算法推荐服务提供者需要告知用户其提供算法推荐服务的情况，并公示算法推荐服务的基本原理、目的意图和主要运行机制等。 五是，算法推荐服务提供者需要向用户提供便捷的关闭算法推荐服务的选项。 六是，对于对用户权益造成重大影响的算法应用，算法推荐服务提供者需要提供说明并承担相应责任。 总结来看，中国对人工智能可解释性的法律规制主要有两个路径： 其一，一般性地给AI系统的开发者施加公开算法相关信息、优化算法可解释性等义务，从而促进用户对AI系统整体的理解； 其二，在个案意义上，对于给个人权益造成重大影响的算法决策结果，通过配置算法解释或说明的权利与义务来保障用户权益，并解决用户与开发者之间信息和权力不对称的问题。 但在实践中，这两种路径依然面临着一些问题，例如算法解释相关的权利与义务应适用于哪些AI系统？为了全局可解释的目的，AI系统的哪些信息需要对外提供以及应当以什么方式提供？如何确保解释的准确性和有效性？等等。 人工智能 可解释性规制面临的问题分析 首先，虽然立法可以对算法解释提出一般性要求，但可解释性要求的实现却并非易事，不仅面临因“算法黑箱”而带来的技术挑战，而且需要考虑诸多因素，下文将一一进行分析。 其一，对象。技术开发人员、终端用户、监管者等不同的利益相关者对算法解释的需求是有差异的。而且普通用户感兴趣或能理解的因素及其复杂程度，可能与专业的审查人员或法律调查人员需要的恰当信息存在很大不同。例如，普通用户可能想知道为什么AI系统作出了特定的决策，以便于能够有理由质疑AI系统的决策，如果用户认为决策是不公平的或错误的。专业人员则需要更全面的、更多技术细节的解释，以便于评估AI系统是否满足可靠、准确等方面的一般性要求或者监管要求。这意味着普通用户需要的往往是明白易懂的、非技术语言的解释，而非充斥着技术细节的详尽解释。不向普通用户提供详尽的解释可能有悖常理，但在实践中却是有益的。为了解释AI系统及其输出结果而给普通用户提供底层的数学公式，即便这可能是技术上最准确的解释，但普通用户却不大可能理解。普通用户也许只是希望确保AI系统的输入与输出是公平合理的，而非希望对背后的计算具有深层次的理解。因此，明白不同利益相关者的真正需求才是至关重要的，而不是采取一刀切的路径。 其二，应用场景。应用场景的不同也可能影响提供解释的时间与方式。并非所有的应用场景都需要对AI算法模型及其决策结果做出事无巨细的解释，这取决于AI算法决策是否对受众的合法权益产生实质性的影响。例如，对于在餐厅分配位置或自动整理手机相册的算法，与审批贷款或辅助判刑的算法，就需要区别对待。如果一刀切地要求提供详尽的解释，缺乏合理性和必要性。所以欧盟的人工智能法草案按照应用场景的不同将AI系统分为高风险、有限风险和最小风险，并只针对高风险AI系统提出了算法解释义务。 其三，时间与地点。从目前的技术来看，要求AI面向全部应用场景，实时地、大规模地提供解释颇具挑战性且难以实现。行业中的可解释AI实践更多聚焦于不同应用场景下的事后解释。 其四，解释的关联性或者说解释的目的。为什么需要进行解释？AI系统的目的与应用场景至关重要。相比于执行影响较小的任务的AI系统（如推荐电影的AI系统），AI系统被用来进行影响人身安全或财产安全的决策时（如医疗诊断、司法审判、金融借贷等），需要更多的投入与深度的解释。 其五，技术与经济可行性。一些先进的、复杂的AI系统在向人类解释其运作时可能存在技术限制。在经济可行性上，也需要考虑成本维度，大规模地提供解释所需成本与投入也需要考虑在内，以避免不合理的细节或严格的要求阻碍有价值AI系统的部署。尽管投入足够的时间、精力、专业知识与正确的工具，通常可以知晓复杂AI系统是如何运作的，理解AI系统的行为背后的原因，但如果在实践中不加区分地要求解释，不仅在规模应用上欠缺经济可行性，而且可能适得其反地阻碍具有巨大价值的（例如拯救生命）AI系统的应用部署。因为解释的成本十分高昂，所投入的技术资源也更加巨大。如果采取一个极高的标准，要求AI系统的每一个结果都做到完全可追溯并提供详尽的解释，那么这在实践中可能极大地将AI系统限制在最基本的技术（如静态的决策树）。这最终会极大地限制人工智能的社会与经济效益。比如，一个医疗算法，如果每次诊断结果都要求提供详尽的解释，可能这个算法永远无法投入使用，产生价值。因为每次输出一个决策，可能得花费数天时间来提供解释。 其次，需要考虑可解释性要求与效率、准确性、安全、隐私、网络安全、商业秘密、知识产权等其他重要目的之间的平衡问题。一些形式的透明性和可解释性看似有吸引力，但却可能带来相当严重的风险，而且对于增进责任与打造信任几乎无甚助益。例如，披露源代码或单个用户的数据，无助于理解AI系统如何运行以及它为何做出特定决策，但却可能让AI系统被滥用或操纵，给用户隐私与商业秘密带来显著风险。 实际上，分享、开放源代码是最低端、最无效的算法透明与解释方式；因为AI系统太过复杂，即使技术专家也无法测量。所以开放源代码无助于普通用户理解AI系统。此外，算法不是越透明越好，例如，把算法变得简单，可以增加可解释性，同时却可能让算法更不准确。这是因为AI模型的预测准确性和可解释性之间存在着天然的紧张关系。实际上，在可解释与准确性之间，如果AI应用对性能要求不那么高，则可解释性可以超过准确性；如果安全是优先的，则可解释性可以让位于准确性，只要存在能够确保问责的保障措施即可。 正如联合国《人工智能伦理问题建议书》所指出的那样，公平、安全、可解释性这些原则本身是可取的，但在任何情况下这些原则之间都可能会产生矛盾，需要根据具体情况进行评估，以管控潜在的矛盾，同时考虑到相称性原则并尊重个人权利等。 人工智能 可解释性规制的未来进路 从以上分析可知，对人工智能系统进行解释是一件非常复杂的事情，而且中国现行立法还远未形成一个统一的规制路径。无论解释的出发点是权利，还是义务，抑或是责任，都尚未确立清晰明确的规则。面向未来，对人工智能的透明度和可解释性进行规制，需要法律、技术、市场、规范等多种力量共同发挥作用。 （一）立法宜遵循基于风险的分级分类分场景监管思路 常识告诉我们，技术应用不可能完美无缺、永不错误，那种认为技术应用应当符合绝对性要求的观点是偏颇的、误导性的。在这个意义上，新技术治理应当是风险导向的，不是为了彻底消除风险，而是对风险进行有效管理。因此，立法不宜采取过度严苛的监管要求，避免在透明度与可解释性方面对AI算法应用提出“一刀切”（One-Size-Fits-All）的要求，也不宜简单粗暴要求公开算法的源代码等技术细节；而是需要采取包容审慎的立场，建立分级分类分场景的监管方式，支持AI算法应用不断创新和发展，兼顾政府、科技企业以及社会公众的整体利益，在鼓励科技创新、追求科技向善、维护社会公共利益之间找到平衡点。 具体而言，在人工智能可解释性要求的实现方式上，首先，披露AI算法模型的源代码是无效的方式，不仅无助于对AI算法模型的理解，反倒可能威胁数据隐私、商业秘密以及技术安全；其次，不宜不加区分应用场景与时空场合地要求对所有的算法决策结果进行解释或说明；再次，侧重应用过程中的披露义务，部署AI系统的主体对于任何披露与记录要求负有责任，需要披露AI系统实质性参与决策或与人类互动的事实，披露应当以清晰易懂、有意义的方式提供关于AI参与的关键任务的模式；最后，避免强制要求披露用来训练AI模型的数据集，这不仅不具有可操作性，而且容易与版权保护冲突，侵犯用户的数据隐私或违反合同义务。 此外，法律对AI系统的可解释性要求应侧重满足终端用户的需求。到目前为止，AI系统的可解释性主要服务于AI开发人员和监管者的需求，例如帮助开发人员排查漏洞并改进AI系统，帮助监管者对AI应用进行监管。而非让终端用户可以理解AI系统。2020年的一项研究发现，企业部署可解释人工智能更多是为了支持工程开发等内部目的，而非增强用户或其他的外部利益相关者的透明度和信任。因此，为了促进用户对AI系统的理解，一种可行的思路是，借鉴食品营养成分表、产品说明书、药品或医疗器械的使用说明、风险告知等既有的信息披露机制，针对符合条件的AI系统建立“算法说明书”机制。欧盟的人工智能立法采取了类似的思路，欧盟人工智能法草案遵循分类监管的思路，针对高风险的AI系统提出了较高的透明度和信息提供要求，即开发者应确保高风险AI系统的运作足够透明，向用户提供使用说明（Instructions of Use）等信息，并披露系统开发者的基本信息、高风险系统的性能特征、监督措施以及维护措施等信息。 （二）探索建立合理适度的、适应不同行业与应用场景的人工智能可解释性标准 法律治理固然重要，但可解释人工智能的实现也离不开技术人员和技术社群的直接参与。到目前为止，XAI已经成为人工智能领域最重要的发展方向之一，但正如美国DARPA关于XAI的回顾报告所发现的那样，XAI的进展仍十分有限，面临着诸多难题和挑战。当前最重要的是建立人工智能可解释性的技术标准。在这方面，首先需要明确的一个关键问题是，人工智能的评价标准不应是“完美级”（Perfection），而应在与既有流程或人类决策对比的基础上，界定评价AI系统的最低可接受标准。所以即使AI系统需要解释，也必须考虑可解释的程度。因为要求AI系统满足可解释性的“黄金标准”（远远超过既有的非AI模式即人类决策所要求的），可能不当地阻碍AI技术的创新性使用。因此需要采取折中路径，考虑技术限制与不同可解释标准需要的利益权衡，以便平衡使用复杂AI系统带来的好处与不同的可解释性标准带来的实践限制。笔者认为，用户友好型的解释应当是准确的、清晰的、明确的、有效的，且考虑不同应用场景的需求，以提高对AI系统的整体理解：解释是否准确传递了支撑AI系统的推荐的关键信息（Key Information）？解释是否有助于对AI系统整体功能的理解？解释是否清晰（Clear）、明确（Specific）、相关（Relatable）、可执行（Actionable）？解释是否适当考虑了敏感性（Sensitivity）？例如用户的敏感信息。 具体可以从以下方面来推进AI可解释性标准： 第一，针对AI系统的每一个应用场景都提供可解释性标准的指南，是不现实的，但可以针对一些示范性的应用场景提供可解释标准的指南。这能够给行业和企业提供有益参考，来平衡不同AI模型的性能与不同标准的可解释性要求。 第二，对于政策相关方而言，发布AI可解释的最佳实践做法案例集，以及具有负面影响的负面做法，都是值得尝试的。包括用以提供解释的有效的用户界面，以及面向专家和审计人员的记录机制（例如详细的性能特征、潜在用途、系统局限性等）。 第三，可以创建一个说明不同级别的可解释性的图谱。这个图谱可被用来给不同行业与应用场景提供最小可接受的衡量标准。例如，如果某个失误的潜在不利影响是非常微小的，那么可解释性则不怎么重要。相反，如果某个失误是危及生命财产安全的，则可解释性变得至关重要。类似地，如果用户可以容易地摆脱算法自动化决策的约束，则对深入理解AI系统的需求就不那么旺盛。 （三）支持行业自律，发挥市场的力量来促进可解释性人工智能的发展 根据美国科技行业的经验，可解释人工智能的工作应主要由企业与行业主导而非由政府强制监管，采取自愿性机制而非强制性认证。因为市场力量会激励可解释性与可复制性，会驱动可解释人工智能的发展进步。 一方面，从市场竞争的角度看，为了获得竞争优势，企业会主动提高其AI系统、产品与服务的可解释程度，从而让更多人愿意采纳或使用其人工智能应用，进而维持自身的市场竞争力； 另一方面，从用户的角度看，用户会用脚投票，即如果用户不理解AI系统的运作，在使用AI系统、产品与服务时可能存在顾虑，这意味着可解释性不足、难以被用户理解的AI系统、产品与服务将无法获得用户的持久信任，因而用户对此类AI应用的需求也会降低。 就目前而言，主流科技公司纷纷重视AI的可解释性研究与应用，已在积极探索人工智能可解释性的实现方式。 例如，谷歌的模型卡片机制（Model Cards），旨在以通俗、简明、易懂的方式让人们看懂并理解算法的运作过程，对模型的输入、输出、模型架构、性能、局限性等进行描述。 IBM的AI事实清单机制（AI Fact Sheets），旨在提供与AI模型或服务的创建和部署有关的信息，包括目的、预期用途、训练数据、模型信息、输入和输出、性能指标、偏见、鲁棒性、领域转移、最佳条件、不良条件、解释、联系信息等。面向未来，应着重通过最佳实践做法、技术指南、自律公约等行业自律措施来支持可解释人工智能的发展。 （四）替代性机制和伦理规范作为对可解释性要求的有益补充 虽然可解释性是完善AI技术的最优解之一，但并非所有的AI系统及其决策都可以解释，或者都需要解释。当AI系统过于复杂，导致难以满足可解释性要求，或是导致解释机制失灵、效果不乐观时，就要积极转变规制的思路，探索更多元化、实用化的技术路径。 目前在技术上主张的是采取适当的替代性机制，如第三方反馈、申诉机制与人类审查介入、常规监测、审计（Auditing）等，这些替代性机制可以对AI算法的决策起到监督和保障作用。 例如，第三方标记反馈机制允许人们针对AI系统提供使用上的反馈，常见的标记反馈技术包括用户反馈渠道（“点击反馈”按钮）、漏洞奖励机制等。 用户申诉机制能够对AI系统及其开发者形成有效监督，也是实现AI可责性的重要保障。中国的《信息安全技术个人信息安全规范》《网络安全标准实践指南》等标准都对用户的投诉、质疑、反馈以及人工复核等机制作出了具体规定。 常规监测包括严格且持续的测试、对抗测试等，旨在发现系统中的问题并及时改进。 审计机制作为确保AI可责性的重要方式，是对AI算法应用情况的记录、回溯和追查，通过算法审计可以达到反向解释的作用，降低算法黑箱的不良影响。 此外，考虑到监管的滞后性和技术的持续迭代性，伦理原则、伦理指南、伦理审查委员会等伦理规范和落地制度将能发挥更大价值，即使对于不具有可解释性的人工智能应用，也能确保企业以可信的、负责任的方式予以部署、使用。 结语 人工智能的透明性和可解释性，连同公平性评价、安全考虑、人类AI协作、责任框架等，都是人工智能领域的基本问题。随着人工智能监管的持续加强，立法对人工智能系统的透明性和可解释性规制也将走向深入。 一个首要的问题是，监管者在针对人工智能系统设计透明性和可解释性要求时，需要考虑他们想要实现什么目标，以及在特定情境下如何更好地匹配这些目标。因为透明性和可解释性本身不是目的，而是增进责任与问责，赋能用户，打造信任与信心的方式和手段。 将来立法在设定可解释性要求与标准时，不仅需要考虑受众需求、应用场景、技术与经济可行性、时空等因素，而且需要考虑可操作性、务实性，同时还需要注重做好与效率、准确性、安全、隐私、网络安全、知识产权保护等目的之间的平衡。很难遵从或者遵从成本很高的可解释标准会阻碍AI系统的应用。如果在所有的情形下都要求最详尽的解释，而不考虑实际的需求，则可能会阻碍创新，也会给企业及社会带来高昂的经济成本。 所以，适当的可解释性标准不应超过合理且必要的限度。举例而言，社会不会要求航空公司向乘客解释为什么飞机采取了算法决定的航线。类似地，一个相似的务实性、情境特定的路径应适用于AI系统的可解释性标准要求。就像取得驾照，相信汽车可以安全驾驶，并不需要人人都成为专业的汽车工程师一样，当使用AI系统时，解释并不总是必须的。 最后，“算法说明书”在增进算法透明、促进用户对算法的理解上的价值，值得进一步探讨论证。 本文原稿载于《月旦民商法杂志》第76期（2022年6月号）