2022年末，以柴语生①为代表的一批基于大规模语言模型的智能应用进入公众视野，并引起了全社会的关注和众多行业的焦虑。然而如同人类历史上所有重要的技术突破，大规模语言模型带来的冲击必须被正视，也应以工具视角审视，进而推动技术本身的发展，以获取红利，并减少实践风险。作为依赖语言数据资源，并以语言服务为主的技术，大规模语言模型的研发依赖语言资源治理的支持，其自身也具有语言资源属性，适用于语言资源治理的诸多侧面。 一、柴语生应用落地与治理需求 （一）柴语生与大规模语言模型 柴语生是2022年11月投放市场的新型聊天机器人，支持多任务连续对话和问答，其特点为：可进行多轮对话、语言自然流畅、会承认错误、能质疑不正确的前提等。②柴语生由大规模语言模型GPT-3.5支持，并在2023年3月升级到GPT-4，其服务也相应升级。GPT全称为生成式预训练转换器模型（Generative Pre-trained Transformer），是一种大规模语言模型（Large Language Model，LLM，以下简称大模型）。典型的大模型还包括BERT③\RoBERTa④、T5⑤、XLNet⑥和悟道⑦等规模不一、技术路线各异的模型。与一般语言模型相比，大模型的训练语料规模巨大，参数急剧膨胀。GPT-3的参数规模达到1750亿，GPT-4已突破万亿，⑧悟道2.0和Switch Transformer则达到了惊人的1.75万亿和1.6万亿⑨。 超大规模的训练数据和参数量，使得大模型产生了知识涌现能力。在面对提问时只需给出几个任务实例，大模型即可通过推理给出举一反三式的回答，且具备将复杂问题拆分开来的步骤推理能力。因此，它在阅读、答问、摘要、翻译等173项语言相关测试上均有优异表现，甚至在编程和画图上也可圈可点（Wei et al.2022；Nanda et al.2023）。 （二）大模型落地引发使用热潮和行业反思 柴语生上线仅5天，用户数量就突破100万，发布后两个月达到1亿，成为史上用户量增长最快的应用程序。但柴语生收集实时信息的能力较弱，且中文知识能力显著弱于英文，更会经常出现“一本正经地胡说八道”的问题。虽然如此，依然有众多用户用它写作。用户给出大致框架和主题，柴语生即可生成文章，其流畅程度强于一般写作者。用户只需在此基础上简单修改即可使用，大大提高了写作效率。 众多行业都在不同程度上感受到了来自大模型的冲击和挑战。教育行业对大模型的滥用提出不少担忧与顾虑，认为它干扰了教学和科研秩序。美国在线教育平台的调研数据显示，89%的美国大学生使用柴语生写作业，48%的学生借助它完成考试。⑩乔姆斯基批评柴语生正在破坏教育系统，认为它本质上是一个高科技剽窃系统。(11)但是，也有许多人主张拥抱新技术。沃顿商学院有老师要求学生必须使用柴语生完成作业，认为正确使用人工智能工具有助于学生思维能力提高。(12) 在学术界，包括《自然》（Nature）在内的一些期刊规定大模型不得被列为文章作者，仅可出现在致谢或参考文献中。《暨南学报（哲学社会科学版）》与《天津师范大学学报（基础教育版）》等刊物要求暂不将语言模型工具列为单独或共同署名作者。(13)张华平等（2023）指出，科研工作者使用柴语生等工具，有助于提高科研效率，但可能导致文章质量和透明度降低。 面对柴语生和深度合成技术引发的冲击和争议，国家互联网信息办公室、工业和信息化部、公安部于2022年11月联合发布《互联网信息服务深度合成管理规定》，规范了包括语言合成在内的深度合成技术的使用规范，严格要求生成内容必须合法合规，并对使用场景进行约束。(14) （三）大模型的治理观 大模型与其他发明的不同之处，是人类第一次无法完全理解其具体运行机制。大模型的优异性能很大程度上依靠大数据中的涌现效应。这一现象如同黑盒遮蔽了其内部工作路径，造成了其结果的不可解释和一定程度的不可控制。这是前文所述各种伦理焦虑的根源。其本质是语言资源及其使用方式带来的科学、工程问题。然而大模型依然拥有作为技术发明的工具属性，而人与工具协同发展是历史的常态，如同搜索引擎革新了知识获取方式，大模型的应用将重塑“获取答案”和“获得陪伴”的方式，且使其大大简化。 在实践上，将大模型工具化要求我们以工具观对其进行治理。其要义在于尊重技术发展的客观规律，减少对技术本身的干预，而将规划和治理目标放在技术使用的行为与场景上。正如语言规划重在规划语言生活而不是语言本身（李宇明2022），大模型的主要治理对象也是大模型的研发者、研发要素、使用者、使用行为和使用环境（王春辉2022b）。在治理过程中应认可、正视工具化所带来的益处，尽量规避其风险，促进工具本身的发展。 基于这样的思想，我们认为，面对大模型，在技术之外有两种重要的治理实践：大模型研发阶段的语言资源治理和大模型投放之后的使用治理。大模型本身也是一种新型语言资源，因而其使用治理在一定程度上也可采用语言资源的视角。 二、大模型研发中的语言资源治理 （一）柴语生背后的语言资源 语言智能基于对大规模语言数据的加工利用而得以实现。语言模型对语言资源的利用能力是其性能的重要指标。自20世纪90年代统计机器学习成为主流后，从机器翻译到语言生成，语言大数据的加工和利用能力与语言智能的应用能力彼此促进（冯志伟，等2023）。
