1、ChatGPT 对文化元宇宙的启示高书生AIGC：开启文化元宇宙新纪元解题：从生产的角度探索文化元宇宙不同的 生产方式专业生产内容PGC用户生产内容UGC人工智能自动生成内容AIGCAIGC文化元宇宙生产消费元宇宙初级阶段数字化文化消费新场景数字化文化体验文化元宇宙生产和消费同一元宇宙高级阶段数据数字化时代的生产要素数据如何保真？ChatGPT 的启示（一）ChatGPT 的训练数据集来源分为六类 维基百科：英文版维基百科中有超过 640 万篇文章，包含超 40 亿个词 书籍：故事型书籍由小说和非小说两大类组成，主要用于训练模型的故事讲述能力和反应能力 期刊：预印本和已发表期刊中的论文为数据集

2、提供了坚实而严谨的基础 Reddit 链接：WebText 是一个大型数据集，它的数据是从社交媒体平台 Reddit 所有出站链接网络中爬取的，每个链接至少有三个赞，代表了流行内容的风向标 Common Crawl：一个网站抓取的大型数据集，数据包含原始网页、元数据和文本提取，它的文本来自不同语言、不同领域 其他数据集：由 GitHub 等代码数据集、StackExchange 等对话论坛和视频字幕数据集组成数据失真的结果互联网上的数据并不都是准确的，当错误的数据量足够大时，导致 ChatGPT 得出的结论也是错误的案例：有个基于 OpenAI 的 GPT-3 的医疗聊天机器人，建议病人自杀人

3、工智能模型的学习是基于历史数据，其中很可能存在不必要的偏见，这种偏见可能导致社会排斥和歧视扣好文化元宇宙的第一粒扣子AIGC 的充分必要条件AIGC 的数据集从何而来 中文互联网数据质量堪忧 从中华民族积淀了五千多年的文化资源转化公共文化机构释放数据公共文化资源数据要依法向公众开放这些年国家大力推动文化资源数字化，公共文化机构积攒了大量的文化资源数据，从中提取具有历史传承价值的中华文化元素、符号和标识，转化为文化生产要素，就可以为文化元宇宙提供丰富多彩的文化素材。我国是文明古国，也是文化资源大国，海量的文化资源大多数集中在公共文化机构，属于文化事业。公共文化机构的数据量 图书馆：截至 2021

4、 年底，全国县以上公共图书馆自建数字资源总量达 2.5 万 TB，通过国家数字图书馆“文津”搜索系统整合共享馆藏元数据超过 3.8 亿条，关联文本、图像、音视频等不同形态的图书馆资源数据体系日益完善 文化馆：全民艺术普及数字资源建设，截至 2021 年底，统筹整合入库音视频资源 43249 部（集），其中发展中心本级 13099 部（集）、地方 30150 部（集），资源来源包括 9522 场“村晚”活动资源、244 部“舞出中国红”广场舞展演活动资源及一批广场舞课程资源、457部“大家唱”群众歌咏活动资源、125 个“百姓大舞台”网络群众文化品牌活动资源、310名优秀“乡村网红”短视频资源、

5、1700 名“学才艺”师资资源与 1100 门培训课程资源等 博物馆：第一次全国可移动文物普查（2012 年始），共计 10815 万件/套采集 15 项文物基础信息，照片 5000 万张 美术馆：藏品 592663 件，藏品图片 820288 幅地方志三级 志书截至 2020 年 12 月 31 日，编 纂 完 成 5198 部，公开出 版 4917.5 部部门志行业志专题志截至 2019 年年 底，累 计出版 25100 余部乡镇志村志截至 2019 年年 底，累 计 出版 6000 余部整理 出版 旧志截至 2019 年年 底，全 国 地方 志 系 统 累 计达 3500 余部数字 方志

6、馆（数据库）截至 2019 年年 底，省 市 县三级建成 100 个民歌和民间故事民间歌谣和谚语舞蹈民歌 30 万首 民间故事 30 万篇民间歌谣 44941 首 民间谚语 576546 条舞蹈节目 26995 个戏剧剧种 394 个 唱腔 17402 段曲艺曲种 591 个 唱腔 11108 段器乐曲曲目 20698 首曲艺器乐曲戏剧中国民族民间文艺资源中央主要新闻单位的数据量人民日报图文数据库收录人民日报 1946 年创刊至今七十多年来的新闻报道，是一座大型的、纪实的、珍贵的资料库新华社所属的中国照片档案馆是世界上最完整、最系统、最全面的中国历史照片总汇，馆藏照片涵盖了自 19 世纪下半叶