AI与图书出版：使用案例

尤利西斯出版社（Ulysses Press）和Perfect Bound的CEO基思·里格特（Keith Riegert）在2024年5月的美国书展上提供了我所见过的关于出版公司内部AI使用案例的最全面概述。Perfect Bound是本报告的赞助商；我支持这一声明。他提供了“20种出版专业人士现在可以开始使用AI的实用方法。“

他的演讲《AI入门》可以在Perfect Bound网站观看和下载。

我有意借用这个标题来自伊桑·莫里克的通讯——没有必要去改进它。莫里克是宾夕法尼亚大学沃顿商学院的教授，研究创业与创新。我经常推荐他的通讯，它冷静、清爽且独具见解。

莫里克作为评论员的资格之一是他没有利益冲突。他不需要出售AI，也不需要抨击它。他只是致力于探索AI的多种影响，主要是对教育、文化、写作和出版的影响。而且他是一个出色、清晰的作家。

如果你浏览莫里克的通讯档案，你会发现他直到2022年12月才开始专注于AI。这不是他的主要领域——就像我们大多数人一样，AI突然出现在他的工作中，他无法移开视线。

在这篇文章中，他的见解最接近我们作为出版专业人士的兴趣。“AI可能改变我们与书籍互动的方式吗？“他问道。

为了回答这个问题，Mollick 指出，“我们需要一个拥有足够大记忆的 AI 来存储一本书，并且需要一个足够了解自己书籍的作者来评估 AI 的结果。” Mollick 测试了他的几本书之一（他没有具体说明是哪本书，但从对话中明显是 独角兽的阴影: 打击阻碍初创企业、创始人和投资者的危险迷思，这是一本文在亚马逊上获得好评的书，虽然目前不是畅销书）。

Mollick 讨论了人工智能对作者、出版商或读者的潜在价值的不同方面，包括“作为读者和编辑的 AI”和“一个实用的用途：帮助教师。” 他请一个大型语言模型（而不是 ChatGPT）总结这本书。它成功地让 Mollick 满意。

然后是一个更具挑战性的任务：“给我一些书中的隐喻的例子。” 他指出，“隐喻对人类读者来说也是一个挑战，因为它涉及在没有明确标记的情况下（不像明喻，没有‘像’或‘如’）找到比喻语言的使用。” 他记录的结果“令人印象深刻，尽管有些小错误。”

作为编辑，这个大型语言模型的表现不那么成功：Mollick 指出，这一缺陷说明了“关于当前人工智能状态的一个明显事实：如果你是一个非常优秀的作家或编辑，你比当前的人工智能要好……”

尽管如此，“人工智能具有或至少看起来具有对文本片段的上下文和意义的理解。” 因此，Mollick 认为“我们与书籍的关系可能会因人工智能而改变。”

我也这么认为。

书籍自动排版软件至少可以追溯到 1970 年代。1980 年代中期，我监督了一个名为 PageOne 的软件项目，该项目基于Donald Knuth 的 TeX，可以在几分钟内排版一本书。SGML 出现在同一时间左右，它基于 1969 年引入的文档标准。它在很大程度上被 1996 年引入的 XML 取代。这些稳健的标记语言为自动化创建了坚实的结构。

桌面出版为 QuarkXPress 和 Adobe InDesign 以及 Adobe Illustrator 和 Adobe Photoshop 带来了新一轮的自动化。出版工作流程可以通过各种程序和系统进行管理。

一个值得关注的组织是科科基金会。他们提供一套开源的生产和出版管理工具，包括学术出版平台 Kotahi 和图书制作工具 Ketty，其中包括一个 AI 助手。Kotahi AI PDF 设计师“将 PDF 设计转变为一个简单、互动的过程。”

一些早期的举措正在将人工智能引入 InDesign 的工作流程。2024 年 4 月，Adobe 宣布了一个文本到图像功能。第三方可能在这方面领先于 Adobe：印度的创新印前和生产供应商，如Hurix Digital和Integra，在利用人工智能进行生产方面表现出比 Adobe 更多的主动性。

显而易见的“低垂果实”是：让 Chat AI 帮助撰写产品描述或新闻稿。让它建议一些关键词。这些它都能轻松完成。但大多数出版专业人士也能做到这一点，只需稍稍费点力气。

上面提到的 Keith Riegert 的使用案例包括为头脑风暴标题提供建议、起草数字营销报告以及在 Google Sheets 中创建数字营销活动跟踪器。

上面描述的 Shimmr 软件暗示了未来自动化营销的形态。

元数据是图书可发现性的核心。你已经听过很多次了，可能已被这种劝告搞得心烦意乱。这主要是因为“元数据”对于大多数非技术人员来说仍然是一个难以捉摸的概念。如果你说，“它只是关于书籍的基本信息，标题、描述、价格、主题类别之类的东西，”人们会松一口气。这样他们会感到舒服。但也仅此而已。

很遗憾地提醒您，元数据不仅仅是关于书本的一些细节。它包含的内容远不止这些。远远超出我在这本小书中所能涵盖的范围。我和他人共同撰写了一整本关于这个主题的书 a whole book on the topic。Ingram 出版了 Metadata Essentials，这是一本优秀的简短书籍。我在这里说，并且这绝不是最后一次：作者和出版商忽视他们的元数据是有风险的。

人工智能可以帮助生成元数据。例如，自助出版供应商 PublishDrive，提供了一个“AI-Powered Book Metadata Generator”，它可以为书名、简介、Amazon 类别、BISAC 类别和关键词提供 AI 推荐。

来自 Veristage 的 Insight，如上所述，可以生成描述、关键词、BISAC 类别，并定义目标受众。

该组织的总监 Graham Bell 以其典型的深刻智慧指出，“对于（围绕该技术的争议），一种反应是放弃使用 AI 或避免交易 AI 创建的产品。更现实的选择是，当使用 AI 时，与交易伙伴和读者保持透明。而当一些零售商限制或禁止 AI 基于内容的平台时，信誉良好的出版商需要强调那些确实使用生成性 AI 技术创建内容的产品。”

Bell 继续概述了出版商可以在元数据中指定的方法：

• AI 贡献者

• 有 AI 参与的有声书的声音

… 以及一种方法，可以在数字产品的元数据中表明出版商明确选择不进行文本和数据挖掘（TDM），用于除研究之外的用途。还有一种方法可以指定覆盖商业或非研究 TDM 的单独许可证。

通常情况下，ONIX 中规定的内容可能不会在供应链的下游被发现，但至少做出了最大的努力。