摘要： 生成式人工智能技术在自然语言理解和推理方面展现出了卓越的能力，这不仅为广告生产带来了革命性的变化，还塑造了全新的广告活动形态。本文通过深入探讨百度AI Native智能体的应用，揭示了生成式人工智能广告生产形态的显著特征：大模型在广告投放过程中贯穿于自然语言交互的各个环节，包括洞察、推理、创作、投放和提供服务等，形成了一个完整的广告活动生产体系。这一过程强调了自然语言交互、大语言模型智能以及千人千面的个性化交互的重要性，这些特征共同实现了针对目标用户/消费者的个性化营销沟通目标。论文进一步分析了生成式人工智能广告生产形态的特征，包括人机交互范式的变革、人机协同运作模式的优化、投资回报率的提升以及消费者价值共创的强化。最后，文章从交互逻辑、交互模式和交互导向的角度对生成式人工智能广告所面临的问题进行了反思。研究结果表明，生成式人工智能广告是一种通过自然语言与大语言模型进行个性化交互的智能营销沟通活动，它允许广告主和目标消费者在生成式多模态的沟通中实现双方的精准需求连接。 关键词：生成式人工智能广告；生成式人工智能广告生产形态；商业智能体；人机协同 Generative AI has significantly transformed the advertising industry by enhancing capabilities in understanding, reasoning, and generating natural language. This research paper examines the new characteristics of GAI advertising production through the study of Baidu AI Native agent. Large models run through the advertising process with generative intelligence in natural language interaction, completing the advertising process composed of generative intelligent insights, reasoning, creation, targeting and services through natural language interaction between advertisers (or agents) and intelligent agents. The main features of generative intelligent advertising include natural language interaction, large-scale model intelligence, and personalized targeting, which achieve the goal of personalized marketing communication with target users/consumers. The paper further explores the characteristics of GAI advertising production, reflecting on changes in the paradigms of human-AI interaction, optimizing the model of human-AI collaboration, increasing return on investment, and enhancing consumer value on co-creation. It also reflects on issues faced by generative AI advertising from the perspectives of interaction logic, modes, and orientation. Through research, it can be concluded that generative AI advertising is an intelligent marketing communication activity, where advertisers and target consumers enable to interact with each other through natural language, connecting personalized and precise needs through human-AI collaboration in generative multimodal communication.

  1. 引言 生成式人工智能（GAI）技术，能够从训练数据中生成新的、有意义的内容，如文本、图像、音频和视频[1]。AIGC，即人工智能生成内容，通过提取和理解人类提供的指令意图信息，利用GAI算法实现内容生成。这种技术在虚拟与现实之间实现了智能语义理解和属性控制[3][4][5]。其目标是使内容创建过程更加高效和易于访问，从而快速生产高质量的内容。本文以百度AI Native商业智能体为研究对象，探讨生成式人工智能如何塑造智能广告的生产形态。百度AI Native商业智能体基于文心大模型的迭代，再加入百度商业生态的营销数据，作为广告智能体，具有前沿代表性。
  2. 生成式人工智能广告生产形态 百度AI Native包含智能广告活动的系列工具：观星盘（AI营销决策平台）、扬楫（AI商业引擎）、轻舸（AI Native营销平台）、擎舵（AIGC创意平台）、巧舱（商家智能体创建平台）等，具体矩阵分布如图1所示。轻舸可以理解为新一代的广告投放平台，是营销策划、实施和优化的人机交互界面；扬楫是推理、理解和反馈的智能引擎，实现了广告客户和用户的精准连接；擎舵是营销创意内容生产的智能平台；巧舱是进行个性化商家智能体（品牌BOT）创建的系统。 根据百度智能广告业务流程的实际情况，笔者从洞察、推理、创作、分发和服务五个环节考察了生成式人工智能技术嵌入广告生产的运作机制，探讨了智能广告生产形态所发生的变化。 2.1 生成式智能洞察：从关键词调取到实时多维交互 在广告代理和广告主的日常工作场景中，从基于人口统计学的粗略用户理解，到基于用户标签的精细化衡量，再到基于数据导航的用户追踪，对用户的洞察正在变得更加精细和智能化。随着大模型技术的不断发展，行业趋势、竞争态势、用户需求、品牌活动的洞察，这些曾经需要通过关键词输入来调取数据的复杂任务，现在只需简单的自然语言输入即可得到全面分析，甚至还能提供深入的观点和建议。 百度的数据洞察工具观星盘就是一个典型的例子，它整合了来自百度商业生态中的大数据、市场动态数据和舆情口碑数据等，结合文心千亿大模型、文心Embedding、扬楫商业引擎等技术，构建了一个智能洞察平台的基础架构。观星盘通过实时监控大数据并采用问答式智能对话的方式，能够实现品牌诊断、波动归因、预算分配、人群破圈、搜索机会提供、内容营销、检测品牌舆情、投放复盘等多种场景的精细化洞察。借助Prompt的多轮交互，平台可以根据用户的具体需求进行多维度挖掘，例如趋势研究、需求图谱、人群画像以及推理归因等。与传统的关键词调取模式和千篇一律的用户定位相比，基于大模型重构后的生成式智能洞察工具提供了实时多维交互和更加细致的决策支持，甚至能激发代理者的灵感。 此外，传统的广告投放流程包括广告召回、广告粗排、创意优选、广告精排等多个环节，虽然这些步骤对于广告效果的提升至关重要，但它们也带来了较高的精准度和操作难度。人工智能可以通过机器学习算法协助分析大型数据集，识别人类研究人员可能不容易看到的模式和相关性。大模型通过自然语言交互，实现智能理解、推理和反馈，经过人机交互多轮澄清，意图理解更深，不断校准优化，提高数据质量并扩大数据量，驱动优化飞轮，为最终的广告投放提供智能推理引擎。 作为百度商业动力引擎的扬楫，其核心优势在于三个方面：生成式召回、生成式创意和端到端的竞价拍卖。生成式召回可以实现生成即检索，基于生成式检索即可直接召回匹配的广告主物料，大幅提升系统召回效率，这也是业界的首次成功落地。生成式创意则允许大模型在线实时生成个性化创意。而端到端的竞价拍卖功能，则是通过输入自然语言指令，即可实现广告拍卖，简化了广告投放流程。 在数字化时代，大模型技术的应用正不断推动广告创意的革新。通过深度结合商业知识图谱和用户搜索行为数据，智能分析、理解、推理与记忆功能使得操作者能够获得Prompt优化的方向。例如，当客户的自然语言方案描述中包含的关键信息点，经过大语言模型和百度智能系统的分析，与百度用户搜索的需求类型相匹配，且与客户的广告落地页内容及业务目标一致时，这些内容点将被高亮显示为“营销要点”。这些营销要点将作为广告投放的重点，精准匹配用户的搜索需求，为客户寻找符合预期的高价值潜在目标人群。 生成式人工智能技术正在重塑在线实时推理引擎，通过软硬件的深度协同，提升推理精度并促进个性化交互内容的生成。擎舵平台是百度营销智能体中AIGC广告创作的核心，基于文心一言底层大数据模型，汇聚了百度AI技术。擎舵具备文案生成、图片生成和数字人视频创作能力，通过大模型对营销场景优质创意的理解和洞察，在海量数据学习中形成数据飞轮，实现“理解—生产—投放—优化”的内容生产闭环。擎舵根据Prompt推荐创意灵感，不仅自动生成内容，还支持客户自己提供创意素材，通过模型理解和学习生成更满足个性化表达的内容。根据数据对比，AIGC广告降低了制作成本，提高了制作速度，增强了营销效果。 生成式文案创作通过数据库解构和洞察归因，能够自动生成和优化文案内容。擎舵系统根据业务特征和效果目标，生成不同的卖点推荐，直接应用于生成的文案中。文案类型多样，包括口播文案、广告标题文案、视频脚本等。文案生成速度快，极大提升了广告作品的丰富度。除了传统的文案创作，生成式文本创作的优势在于可实现投前预测，即系统会根据文案投放效果评估文案内容质量并进行打分，评分高的标题将会被标记并投入更多的投放流程中，从而协助广告主争夺用户注意力。 2.3.2 图片创作：打破门槛，端到端直接生成素材 生成式图片创作是AIGC广告内容创作的重要应用领域，通过自然语言的交互即可实现零门槛创作是其核心优势。在广告领域，生成式图片创作被广泛应用于营销图的生成，具体包括背景图、人像图、场景图、营销海报等。生成式图片创作一方面使制作成本大规模下降，以百度擎舵为例，采用一键生成营销图的模式为其减少了70%的制作成本；另一方面，制作效率也在跨越式提升，分钟级规模化出片、一键更换模版成为可能。 2.3.3 视频制作：输入脚本，一键成片 百度的生成式广告视频创作包括数字人、口播、混剪类长短视频等多种创作形式。首先，生成式视频支持脚本驱动动作，广告客户可以通过自然语言Prompt与智能体交互，系统智能推荐适配的数字人视频创意灵感。然后客户简单在线编辑制作生成数字人视频广告内容，并一键投放。其次，生成式视频通过资源库的不断扩展提供更加个性化的定制服务，平台匹配多元化的数字人形象、语音素材和行业专属模版，可进行数字人定制化建模，支持数字人形象资产管理。可按照行业特色优化场景，而且建模快，具有强大的混剪能力，大幅降低制作周期。 2.4 生成式智能投放：“人——货”双渠道精准定向 生成式智能投放基于之前所有环节，针对目标消费者/用户精准投放广告，并进行效果反馈，进而智能优化。生成式智能投放主要有三大突破：其一，表达更简单，从原有的关键词提炼到自然语言表达；其二，步骤更简单，从层级列表到自然对话和双向澄清；其三，能力持续进化，可通过自我学习进行自我升级。经过以上技术加持，生成式智能投放可以同时满足“端到端投放”和“端到端拍卖”，重新构建智能广告生成和拍卖框架。 生成式智能投放的具体操作过程为：广告代理者（或广告主）发起对话，输入Prompt主动表达“我要推广的产品/服务”“我的目标人群特征”等，轻舸智能体与操作者进行多轮对话交流，推进意图理解，激发洞察，澄清不确定性，并基于客户预算、目标，引导操作者调整指令为最佳,并证实是否能匹配到用户。Prompt主要由“货”和“人”构成，客户用自然语言表达的 “货”和“人”被引擎层理解，通过反馈飞轮，引导客户不断优化Prompt。除了“我要推广的产品和服务”“我希望哪些人群看到广告”之外，还可输入“我的效果目标与消费预期”“我的预算”“我的广告创意内容”等。 2.4.1 端到端生成式投放：自然对话直达，匹配多元场域 传统图形界面(GUI)平台的自动化投放，行业差异性大，各种功能操作不易。轻舸通过与操作者自然语言沟通，在对话中理解意图，确认方案，并且实现个性化智能投放，实现千人千面，自动串联多项能力。例如，自然语言输入“自动圈定梅雨地区高潜目标人群进行投放”，即可实现“端到端”的生成式广告投放。 传统的计算广告系统是通过关键词、目标区域、目标人群、预算等条件召回一组候选广告，然后计算每个广告与客户的匹配度，并结合客户出价，最终推出最合适、最高价的广告，这一过程包括广告召回、广告粗排、创意优选、广告精排、广告竞拍等繁琐过程。而生成式智能投放只需通过自然语言交互，输入Prompt，就可通过生成式定向，自适应流量场域，灵敏匹配客户需求，做到生成即检索，可以基于生成式检索直接生成广告，大幅提升系统召回效率，将过去需要复杂操作才能完成的投放极简化实现，将广告快速覆盖目标人群。生成式广告投放可链接个性需求，包括两种链接方式：一种是当用户搜索时将广告信息推送给用户，实现人找货；另一种是定向推送广告给目标用户，实现货找人。 2.4.2 端到端拍卖：数据驱动的最优解 大数据技术对广告交易操作的精准性和精确性起到了提升作用，如搜索引擎的按点击收费、重定向广告的二次推送、在线广告交易平台的有效展示实时竞价[8]，但这些形式仍难以满足多目标、多业务规则的广告拍卖趋势。 在传统排序算法转向深度大模型和数据驱动的智能投放后，广告拍卖的逻辑发生了显著变化。这种转变不仅降低了广告拍卖的复杂度，还提高了效率。传统的最优解追求目标不再适用，现在的核心是数据的最优解。从理论驱动的广告拍卖过渡到由数据驱动的“端到端最优拍卖”。 生成式智能服务在广告应用领域扮演着重要角色。典型的代表是生成式智能客服，即品牌机器人，它通过对话系统更好地进行人机对话。根据任务的不同，对话系统可以分为两类：面向任务的对话系统（TOD）和开放域对话系统（OOD）。前者主要涉及自然语言理解（NLU）、对话状态跟踪（DST）、对话策略学习（DPL）和自然语言生成（NLG），后者主要包括基于检索的系统、生成系统和集成系统，三者基于不同逻辑对用户进行响应。广告应用领域更多是面向任务的对话场景，生成式智能客服用自然语言处理技术，将用户输入的文本或语言转换为计算机语言，分析用户意图，从知识库、数据库中提取信息，通过算法生成回复。 用户的搜索通常包含纷繁复杂的诉求，如果不能识别诉求给出对应回复，则会影响用户对品牌的接触度和好感度，进而影响后续的点击率和转化率。百度通过生成式智能为广告客户打造品牌智能体、商家智能体、行业智能体、虚拟人解决方案等，通过自然语言交互即可实现个性化、人格化的对话式营销。这一生成式智能对话使虚拟人可以推广客户的品牌文化和产品，解答用户疑问，通过人格化互动，加深用户与品牌间的关系。同时也可以深层次地向用户推荐各种服务，如推荐留资、推荐到店、推荐下单等，助力客户节省品牌营销成本。 以百度商家智能体为例，来看一下生成式智能的服务原理。商家智能体通过训练模型充分学习和理解来自投放后验证得到的优质内容。通过对优质内容的深度拆解和联动数据后的有效归因来形成创意指导，再基于多模态的生成式智能，持续输出更符合用户消费习惯的文本、图片和视频等营销内容。内容输出后，结合用户的实际行为和信号，大模型基于反馈不断迭代升级，实现效率和效果的联动优化。百度通过生成式创作，建设商家站点只需2小时，转化率显著提升。通过对话式交互，大模型精准解析信息，智能生成产品、问答、落地页等图文信息，10分钟即可生成N站点+1店铺。 生成式智能服务的效率体现在多个方面：首先，它能够降低运营成本，自主问询、对话和引导留资，可完全或部分替代人工客服工作；其次，它提升了服务效率，7*24小时全天候服务，解决了繁忙无法接待、晚间周末无法接待等问题；再次，它优化了服务质量，自主学习海量优质话术，通过多轮对话，提供千人千面的个性化服务；最后，它强化了获客能力，不间断服务获客，上下文语意精准理解，有效过滤低质线索，全流程引导留联。大模型通过对用户关注点与情绪的分析，让广告客户更准确地把握用户的意图和心智。基于大模型智能生成的智能体懂行业、善沟通，服务多样化、个性化。利用生成式智能客服进行服务和营销升级，是所有品牌未来应用的大场景。 综上所述，通过对百度AI Native的分析，可以看出生成式智能推动智能广告活动进入全新阶段。生成式人工智能技术嵌入智能广告生产流程后，五大环节具有了生成式智能特征，体现为：生成式智能洞察、生成式智能推理、生成式智能创作、生成式智能投放和生成式智能服务。生成式智能广告生产形态见图2。 3.生成式人工智能广告生产的特征 智能广告（Intelligent Advertising）被视作数字广告的第三阶段，前两个阶段分别为交互广告（Interactive Advertising）和程序化广告（Programmatic Advertising），数字广告的新阶段总是保留上一阶段有价值的属性，同时增加创新属性[10]。而生成式智能广告在前三个阶段核心价值属性之上进行创新性的迭代、突破和重塑，其特征体现为人机协同、大语言模型智能和千人千面。 根据对百度AI Native的研究，可以得出生成式人工智能广告生产流程的特征：全面商业智能体通过LLM技术驱动和自然语言界面实现了人机对话无损式交流；其次，大语言模型通过对Prompt与其他类型信息的综合应用，进行精准计算，不断根据客户需求优化广告投放方案，高效匹配目标客群；最后，经由模型层的理解、生成、逻辑和记忆处理后，千人千面的广告推送成为可能，用户的个性化体验更好地被满足。 语言是“人性和知觉的标志”，对话被认为代表“语言最基本和最特权的领域”。在人类早期，我们就开始尝试与机器进行交互。从1940年代到1960年代，少数计算机专家采用穿孔纸带进行二进制语言输入模式；到了1960年代中期，通过命令行界面（CLI）进行代码交互；而到了1970年代，图形用户界面（GUI）交互开始普及。这些进步标志着人机对话正式步入自然语言界面（NLI）交互阶段。 随着大语言模型（LLM）的开发和应用，自然语言处理（NLP）技术实现了阶段性的跨越。大多数人都倾向于以更简单、更省力的方式思考和解决问题，而不是更复杂、更费力的方式。一旦有机会在信息处理过程中采取思维捷径，人们往往会这样做，以避免费力地分析信息。自然语言交互促使用户表达、创作和广告实施的门槛降低，信息的解构、洞察和推理过程从前台移至后台，人机对话更加便捷化和智能化，营销过程也更加极简化。使用基于人工智能的对话界面作为消费者和品牌之间的一种新颖的互动范式，被称为“下一个商业操作系统”。大模型通过沉浸式的人机对话，即可实现广告投放的全流程，称为“端到端”的智能处理过程。广告代理者（或广告主）通过自然语言直接表达，大模型与之在交互对话中持续澄清、解决认知差异、反馈优化，确保信息无损传递，实现自然语言处理、语义分析、情感分析、图文生成、上下文管理等。整个广告投放过程通过生成对话式交流，人机交互更加自然和便捷。同时，消费者也可通过自然语言对话搜索商品、获取商品信息、购买商品，或者与品牌交互，加深与品牌之间的关系。 3.2 生成式智能覆盖全流程 大语言模型兼具大规模和预训练的特点，在对实际任务进行建模之前需要对海量广义数据进行预训练。人工智能的大语言模型可以看作是对人脑的模拟，这是人工智能的灵感来源。人工智能大语言模型在理解人类思维方面准确性的提高归功于基于人类反馈数据进行模型训练的[17]统。 自然语言处理（NLP）领域已将Transformer模型作为事实上的标准主干，而计算机视觉（CV）领域则见证了视觉Transformer（ViT）的崛起。新模型使研究人员能够训练更大的模型，无需提前标记所有数据，可在海量文本上进行训练，从而得到更深层次的答案。此外，Transformer模型采用自注意力机制，能选择性地关注输入序列的不同部分。 在广告活动领域，以百度文心大模型为例，通过LLM技术的理解、生成、逻辑和记忆四大核心能力驱动，基于自然语言交互界面，能更准确地理解广告客户意图，执行洞察、定向、分析、推理、生成、投放等一系列指令，将复杂操作步骤瞬息完成，让广告投放过程极度简化。大模型简化流程、优化方案、自动生成、快速决策的能力，让生成式人工智能广告这一经济行为具有了明显的降本增效特征。 3.3 千人千面式交互 生成式人工智能可实现高效的内容创建，满足日益增长的交互需求，并改善个性化体验。它可以模拟虚拟人脑生成内容，包括智能NPC、自动QA、对话系统和数字人等。 千人千面首先体现为人机交互中的个性化互动。传统计算广告已经可以实现将匹配的广告推送给目标用户，但由于广告数量有限，并不能做到真正的千人千面，导致不同的消费者接触到相同的广告内容，呈现出千人一面的粗放式推广。大模型在多轮人机互动中不断优化对广告客户的商品/服务特征的理解，对广告代理者（广告主）意图诉求的理解，以及对消费者需求的理解，逻辑性更强。通过用户特征、情境、上下文、历史行为等多维交互数据，进行个性化建模、机器学习和深度学习，不仅对消费者的基本属性特征精准捕捉，还能在上下文中捕捉语义、情感，进行个性化互动，而且具有情绪体验和人格化的陪伴，提高对广告主和消费者的服务能力，精准连接广告主和消费者。其次是广告文案、图片、视频、数字虚拟人智能生成的千人千面，同样是根据用户特征自动生成不同诉求、主角、环境、审美等元素所构成的作品。大语言模型营销和生成式人工智能广告的内在本质即为千人千面。 4.生成式人工智能广告生产形态的特征 生成式人工智能塑造了全新的智能广告生产形态，具体体现为驱动人机交互范式的变革、优化人机协同的运作模式、提升投资回报率和强化消费者价值共创。 4.1 人机交互范式的变革 传统计算广告是“算法驱动范式”，是特定问题特定算法，通过算法对大数据进行分析实现广告的精准推送。而生成式人工智能广告是人机交互下的“智能猜想范式”+“自适应范式”，在理解、生成、逻辑和记忆的生成式广告运作中，通过机器智能思维和操作者指令的碰撞，实现广告的个体化投放和个体化信息交互，以及广告作品的个性化创作。生成式人工智能广告运作是在数千亿的参数中针对特定问题攫取数据，推理得出精准有效的解决方案，并高效利用人机交互中新生成的小数据，广告信息动态对接每一个消费者动态的需求，而且能够感知环境、进行决策和执行动作，不仅能完成特定任务，还可以在开放的环境中持续学习，动态地调整自身，进行适配性回应，这与传统计算广告的静态精准匹配有着本质区别。例如，IHG酒店构建了一款生成式AI驱动的聊天机器人，帮助客人在IHG One Rewards移动应用中轻松规划下次度假。 4.2 人机协同运作模式的优化 生成式人工智能塑造了全新的人机协同广告运作模式。“机”即智能体，其具备四大主要能力：一是感知能力，可快速完成信息获取、用户洞察和需求拆解任务；二是记忆能力，通过短期记忆和长期记忆相结合的方式实现个性化互动；三是规划能力，基于大模型的学习和推理进行精确的决策引导；四是行动能力，高效高质完成洞察、推理、创作、分发和服务等过程。 “人”即投手、架构师、创作者等，是依据业务系统化逻辑主导生产流程的人类职员，其任务是构建人工智能决策中枢与人类专家经验之间的协同网络，具备有机融合的高级智能优势，具有复杂决策能力和战略远见。人类的优势不在于计算能力，而在于理论驱动的思维方式[23]。人以其万物之灵的人脑智慧力，应用各种智能工具，不仅能够提升决策水平和运作效率，而且要应对瞬息万变的环境，保持组织的创新能力与竞争优势。人作为高维度逻辑体系、创新体系的融合者，是组织的战略规划者、变革推动者和新兴管理模式的践行者。 生成式人工智能广告运作中，人根据战略意图，对智能体发号施令，智能体基于自身能力，根据人的需求主动调整和优化行为，以知己式的情感陪伴，萃取多渠道海量数据形成数据飞轮，作出决策，将广告运作简易化，形成沉浸式广告操作环境。 在广告创作领域，生成式人工智能（AI）的引入为创意和效率的提升开辟了新天地。例如，利欧集团利用“AI短剧投手”这一工具，不仅提高了选剧分析的效率，还通过批量基建和智能盯盘等任务，使人类投手能够将精力集中在战略、策略制定和经验总结上。这种人机协同的模式，使得科学决策、高效执行和自动优化得以实现，从而完成了2000部短剧在各数字媒体渠道搭建分销投放账户的基础工作，而传统模式需要10人/月才能完成同样的任务。 加拿大贝尔公司则通过其定制的联络中心解决方案，引入AI驱动的代理来处理来电，并提供代理协助功能，这不仅节省了客户运营成本，还提升了客户服务体验。宝洁公司则利用Imagen开发的内部生成式AI平台，加速了照片真实感图像和创意资产的创建，让市场团队能更专注于高级规划和消费者体验的提供。WPP集团则将Google Cloud的生成式AI能力整合到其智能营销操作系统中，实现了个性化营销和内容传播预测的准确性与速度的提升。 在广告作品创作过程中，智能体如斯坦福大学的研究所示，可以促进发散性思维，挑战专业知识偏见，支持想法评估和细化，以及促进与用户的协作。然而，尽管AI在生成新颖且激动人心的想法方面具有显著优势，但其在可行性上的劣势凸显了对现实世界复杂性理解不足。因此，AI可以作为人类的创意助理，提供多样化的思路，而人类专家则负责评估这些想法的可行性和实际价值。 最后，生成式人工智能在广告业的应用也体现在投资回报率的提升上。无论是在广告创作环节还是在其他业务场景中，生成式AI都展现出了巨大的潜力。例如，亚马逊的广告生成工具只需几秒钟就能根据产品详情生成一系列符合生活风格和品牌主题的图片，这无疑为广告业带来了更高的效率和更低的投资成本。 在生成式人工智能广告的推广和应用过程中，我们面临着一系列挑战和问题。首先，技术的成熟度和可靠性是关键因素之一。尽管生成式人工智能技术取得了显著的进步，但它们在处理复杂情感、语境理解和创造性内容生成方面仍然存在局限性。此外，数据隐私和安全问题也是不容忽视的问题。随着智能体越来越多地依赖用户数据来学习和优化其行为，如何确保这些数据的安全和用户隐私的保护成为了一个亟待解决的问题。 另一个重要的问题是跨平台和跨设备的一致性。生成式人工智能广告需要在多种设备和平台上提供一致的体验，这要求开发团队不仅要关注技术实现，还要考虑到用户体验的连贯性和一致性。最后，法规和道德标准的挑战也是一个不可忽视的问题。随着生成式人工智能技术的发展，如何制定合适的法律和道德框架来规范这一领域的应用，保护消费者权益，防止滥用技术进行不当宣传或侵犯隐私，是需要社会各界共同思考和解决的问题。 生成式人工智能技术无疑也带来了新的问题，犹如海德格尔所批评的“技术集置”，我们需要警惕技术被简单地视为提高效率和解决问题的手段。为了超越工具性逻辑，我们不仅需要关注其效率和实用性，还要考虑其对人类价值的深层次影响。 5.1 交互逻辑：可解释性的缺失 生成式人工智能广告可以通过自然语言完成人机对话。广告代理者（或广告主）通过多轮交互即可获取用户的信息数据，并可一站式完成洞察、推理、创作、投放和服务的全过程。消费者通过与品牌机器人对话就可以获得个性化的产品推荐和服务。人机交互过程可以在人完全不了解算法逻辑的前提下，通过后台运作的方式实现。尽管生成式人工智能广告在效率提升和降低门槛等方面有显著的优势，但其可解释性存在缺失。 其一是透明度的缺失。作为基石的数据从何而来？作为连接的算法如何流转？预测和推荐的依据是什么？在早期的智能广告中，广告主可以通过阶段性的用户分析报告和广告效果报告进行环节上的把控，但随着生成式人工智能的发展，算法“黑箱化”成为一种趋势，人机交互的透明性有待提升。其二是亟待对齐的价值标准。传统的基准测试方法已不足以全面评估人工智能系统的能力。因此，将人类评估纳入人工智能广告系统的评价体系日益重要。通过价值观对齐、安全对齐等逐步走向超级对齐，即确保人工智能系统按照人类的意图和目标行动。 5.2 交互模式：情感偏差和过度个性化 生成式人工智能广告基于对用户数据的分析和对用户指令的解读，进而完成对用户需求的预测和反馈，以期进行千人千面式的交互。尽管当前的人工智能技术已关注到人格化和情绪因素的影响，但人类的情感和情绪元素十分复杂多变，而人工智能的情感缺乏人类情感的整体性[25]，在人机交互的过程中对用户的情绪和情境仍不能精准识别，可能造成误读，引发抵触心理。一方面，对于用户情绪的判断失误可能会导致对用户需求的错判，如品牌智能机器人常被批评答非所问、程式化严重和难以共鸣，由此走向“无效对话”。另一方面，生成式人工智能广告可以根据广告主的需求进行精准推送，但是过于频繁的个性化推送可能会引起用户的反感和隐私焦虑，长期会导致人机不信任。基于多方情绪态度的洞察、界定好个性化的边界范围应纳入人机交互模式的考量。 5.3 交互导向：人类主体性的守护 生成式人工智能技术在提供高效、便捷的服务的同时，也可能带来新的挑战。我们需要警惕技术被简单地视为提高效率和解决问题的手段，需要超越工具性逻辑，不仅仅关注其效率和实用性，还要考虑其对人类价值的深层次影响。 首先，我们需要关注生成式人工智能广告的可解释性问题。虽然这些广告可以快速响应用户需求，但在透明度方面存在不足。例如，广告主和消费者可能无法理解算法是如何工作的，以及数据的来源和算法的具体逻辑。这可能导致误解和信任危机。因此，我们需要加强对人工智能系统的透明度，确保用户能够理解其工作原理和决策过程。 其次，我们需要考虑生成式人工智能广告在交互模式上的问题。当前，人工智能广告往往过于依赖用户数据和个性化推荐，可能导致用户感到被过度个性化和情感化。这不仅可能引发用户的抵触心理，还可能损害用户对品牌的忠诚度。因此，我们需要寻找平衡点，既要满足用户的个性需求，又要尊重用户的感受和权益。 最后，我们需要关注生成式人工智能广告在交互导向上的问题。当前，人工智能广告往往过于注重商业利益，忽视了人类主体性的重要性。这可能导致广告内容偏离用户的真实需求，甚至侵犯用户的隐私权。因此，我们需要加强对人工智能广告内容的监管和审查，确保其符合道德和法律规范。 综上所述，生成式人工智能技术在为我们带来便利的同时，也带来了一系列新的挑战。我们需要关注这些问题，并采取相应的措施来解决它们。只有这样，我们才能确保人工智能技术的健康发展，为人类的未来创造更加美好的生活。 生成式人工智能广告在释放生产力方面取得了显著成就，但长期来看，应避免过度依赖交互导向，以保持人类的主体性。人与技术、人与物的关系是共同进化的，技术既塑造了人的思想和生活世界，也影响了人类的进化与发展。因此，追求人机交互中对人类主体性的实现才是最终目标。 在生成式人工智能广告中，广告主应主动使用人工智能，为品牌形象和价值主张掌舵，避免产生无灵魂的广告和恐怖谷效应。作为消费者，应突破被动接受域，在价值共创中主动打造个性化产品，并在技术的协助下挖掘隐性需求，找到真正想要的产品和服务。 自然语言交互、大语言模型智能和千人千面是生成式人工智能广告生产的核心特征，对智能广告的生产形态产生了重要影响。其表现为以“生成式”为内核的全面进阶。 生成式人工智能广告生产形态的特征首先是人机交互范式的变革。广告代理者（或广告主）和目标消费者在沉浸于大模型中的个性化人机交互过程中，实现了精准连接。在各生产环节的互动、反馈、迭代中，智能系统持续自我更新和优化，强大的智能帮助广告主以高效率低成本实现千人千面的营销沟通目标，同时满足消费者的需求。 由此，生成式人工智能广告是通过自然语言与大语言模型的个性化交互，在生成式多模态的沟通中，通过人机协同实现双方个性化精准需求连接的智能营销沟通活动。 毫无疑问，在具有全新的生成式人工智能特性的智能广告生产形态中，如何实现人与机器之间的意义创造成为人工智能广告生产的核心议题。如何在洞察、推理、创作、投放、服务等领域实现广告主（广告代理者）、消费者与智能体的人机协同，兼具生产效率、投资回报、价值对齐、可持续发展等维度形成智能生产力，将是接下来广告活动所面临的时代命题。 本文系“中国人民大学新闻传播学科自主知识体系创新”（2022XWTD016）阶段成果。 作者简介： 王菲，中国人民大学新闻与社会发展研究中心研究员，新闻学院广告与传媒经济系教授，现代广告研究中心主任 李思奇，中国人民大学新闻学院23级博士研究生