视觉中国供图

　　开年以来，DeepSeek发布开源多模态模型，再次引爆了对人工智能发展模式和应用前景的热烈讨论。根据中国互联网络信息中心近日发布的《第55次中国互联网络发展状况统计报告》，我国生成式人工智能产品用户规模去年底已达2.49亿人，而近几个月因为DeepSeek的热潮又有新的增长。

　　从传统的“人找信息”，加速向“信息找人”方向转变，利用AI赋能图书馆，进一步创新信息与人的匹配模式，是图书馆行业发展迫切需要解决的重大课题。但是，正如DeepSeek在用户急剧增长的同时，也越来越把用户需求和用户行为的问题更加鲜明地摆到了所有人面前，AI图书馆的探索，也极有必要从用户需求和用户行为出发，加以深入分析和研究。

　　1 突出人性化、个性化、黏性化的正向驱动

　　人寻找符合需求的信息，遵循穆尔斯定律，即所谓的“省力原则”。

　　从建构目录索引到运用搜索引擎，从简单人机交互到智能化人机协同，从传统算法推荐到AI大模型训练，用户利用信息工具获取信息资源，这个过程越科学、方便、简单、快捷、直接，越贴合人类日常的思维、表达和行为方式，就越让人感到省力。而AI时代的图书馆用户，对于人性化的期待更为深刻，用户不仅希望图书馆在人机交互上提供更加“拟人化”的服务，而且希望在不同用户间提供更加“差异化”的服务。这是对AI赋能从人性化到个性化的拓展，是对人性化更为具体的延伸需求，在共性的“省力原则”基础上，让个体的“舒适原则”进一步彰显。

　　当然，无论是人性化的“省力原则”，还是个性化的“舒适原则”，都要服从高标准的“效率原则”。效率需求是影响用户信息行为的基本需求，也是决定用户黏性的基础所在。而生成式人工智能的服务效率已经发生了质的跃升，AI赋能图书馆不仅可以完全覆盖此前的数字化网络化功能，而且可以更加深入地挖掘用户潜在需求甚至创造用户新的需求。特别是在超大规模文献检析、知识信息精准匹配、知识内容定制型结构化生成等方面，AI与图书馆资源的结合，具有显著优势和广阔空间，对个体的信息获取和消化而言，效率提升将是颠覆性的。因此，伴随AI大模型从训练性智能向感知性智能、认知性智能不断迭代升级，图书馆在创新人与信息的匹配模式上，就需要特别突出人性化、个性化、黏性化的正向驱动。

　　2 防止信任弱化、能力退化、情感异化的行为偏差

　　对应AI赋能的人性化、个性化、黏性化的正向驱动，技术发展所带来的伴生问题也日趋明显。在广大用户的讨论中，最为典型的莫过于安全担忧、能力退化担忧和社会伦理担忧。

　　首先，安全担忧带来信任弱化障碍。众所周知，AI大模型目前只能对人提供“适量帮助”，“已读乱回”“瞎编”“犯迷糊”等大模型幻觉问题不但确实存在，而且频繁出现。因此，用户总体信息行为相对谨慎和有所保留是必然的。再加上对于隐私安全、深度伪造、数据版权、技术黑箱等各方面的顾虑，人对AI的信任程度相当有限。一项应用调查显示，哪怕是相对较为成熟的文字类生成内容，也仅有7.5%的用户会选择直接使用，而对于图片类生成内容，几乎没有用户会选择直接使用。图书馆作为知识资源信息提供者，如果信息内容的可信度和可靠性不能被用户认可，最后就只能滑向娱乐和消遣。

　　其次，“工具依赖”引发能力退化焦虑。在理想情况下，AI用户只需提出需求，然后等待应答，即可满足信息需要，自身无须再做更多工作。这种“饭来张口”的“喂养式”服务，很可能会使用户逐渐变成“工具依赖”下的“伸手党”，在现实中造成学习与进步意愿削弱，在“偷懒”中让原本熟练的技能退化甚至丧失，这与图书馆存在的价值和意义恰好背道而驰。因此，利用AI赋能图书馆创新服务，必须防止AI“过度使用”下隐藏的“舒适陷阱”，克服“去技能化”的错误认知，并使其转变为“再技能化”的需求培育，以引导用户主动学习和提升更为高阶的技能，作为纠正行为偏差、消除相关焦虑的有效途径。

　　再次，“数字生命”导致情感异化风险。交互性是人工智能应用的显性特征，AI用户在新的信息行为中，越来越习惯于将人工智能当作信息交互对象、当作“人”来对待。这也就导致“数字生命”与真实生命的边界感不断被突破，从而将新的社会伦理问题摆到了公众面前。所以必须给予应有重视，做出合理预防，规避这类“陷阱”和“雷区”。

　　3 创新信息匹配模式是为了更好地运用信息

　　如果对人与信息的匹配模式作更进一步的分析，我们就会发现，无论是按照相似性原理（将用户行为概率化并依据概率推荐），还是按照用户画像方式（将用户偏好标签化并进行标签匹配），抑或是按照偏好推断（将用户归类并尝试同类项推荐），算法对具体个人及其所需信息做出的“匹配”行为，其实都是一个“控制论”问题，即“控制”特定信息与特定人群更为精准的“相遇”。AI技术在深度学习、大数据语料和大模型训练基础上，将这一“匹配”过程彻底黑箱化，确实给用户带来了一种“反客为主”的错觉。但实际上，无论是“人找信息”还是“信息找人”，“控制”的主动权都应该始终牢牢掌握在人的手中。任何以人机关系错位为代价的“创新发展”，只会带来发展悖论，脱离用户需求的基本逻辑。

　　特别需要说明的是，在传统“人找信息”的过程中，人也在经历一个逻辑思考和信息加工的过程，并通过独立思考和加工建立起独属于个人的知识结构。而AI赋能下的“信息找人”，固然可以大大提升信息收集、筛选和整理的效率，但信息之间的逻辑结构，则更多是缺乏亲身思考和理解基础的“成品”。这种人工低介入、低参与情况下对信息需求的一次性交付，可能给人带来“消化不良”的新问题。

　　笔者此前曾撰文讨论过这一问题（《中国教育报》2024年3月13日第九版《人工智能会取代人类阅读吗》），指出人工智能的训练本身是基于规则化、模型化、机械化和数学化的一种技术规则的预设，其“智能”归根结底属于固化反馈模式的呈现，远远无法与人类那种“灵机一动”“触类旁通”的生命思维体验相提并论。

　　今天，在人训练并使用AI大模型作为新的信息工具时，人自身的信息行为也在不断受其规训和影响。特别是，人作为AI用户，正处于新的信息行为习得初始期，建立和培育正确的用户行为观念是当务之急。与未来的AI图书馆相匹配的，应该是更加具有人的主体化意识的新一代信息用户。

　　（作者系中国人民大学图书馆副研究馆员；本文系北京高校图书馆研究基金项目成果，项目批号BGT2024013）