颠覆与重塑：下一代人工智能的传播学意义

2023-10-14刘德寰朱琦

新闻爱好者 2023年9期

刘德寰朱琦

【摘要】信息时代，信息基础设施与底层技术逻辑的迭代成为驱动变革的重要力量。以ChatGPT为代表的下一代人工智能标志着从局限于单领域的AI1.0时代向通用化、平台化的AI2.0时代的过渡，人工智能作为新兴信息基础设施将引发新一轮信息革命，重塑信息生产机制、信息整合形态、信息分发网络和信息交互模式。这一变革的重大意义不仅在于人工智能作为智能互联的超级媒介可突破互联网环境下的信息过载与流通低效等困境，更在于人工智能颠覆性地具备了以行动者身份对人的思想施加影响的能力，“人机共生”的新主体时代将对以人为主导的传播研究范式与信息传播伦理带来冲击。

【关键词】ChatGPT人工智能；信息革命；基础设施；人机关系

1980年，托夫勒提出人类社会形态正由工业社会发展至信息社会，而这第三次浪潮文明代表着世界将经历一场革命性的变化。正如托夫勒所预言的，在过去数十年中，互联网的诞生与其引发的信息革命迅速改变了生产过程、社会通信和传播结构。在信息时代中，信息技术成为驱动社会变革的力量，信息和知识则是社会发展的主要动力。从互联网到移动互联网，再到以ChatGPT为代表的下一代人工智能，信息基础设施与底层技术逻辑的迭代推动一轮轮新的信息革命，对信息原有的生产、形态与分发模式产生冲击。本文将关注新的技术逻辑与范式对于构建信息与传播所起的基础性作用，并探讨以ChatGPT为代表的下一代人工智能作为新兴基础设施，将如何重塑信息生产机制、信息整合形态、信息分发网络和信息交互模式。可预见的是，这场新一轮信息革命将对媒介格局和生态带来巨大变革。

一、人工智能作为新兴信息基础设施：下一代人工智能标志AI2.0时代的到来

人工智能技术发展至今已有约70年历史，分为三个主要发展阶段，标志着三次技术的飞跃。第一波人工智能浪潮为1950—1970年，是基于人类专家知识的人工智能，彼时基于启发式算法所开发出的模型只可适用于狭窄的特定任务范围。始于1970年的第二波人工智能浪潮中，统计机器学习框架和机器学习使人工智能开始可以自动从观察的数据中提取“规则”[1]。第三波人工智能浪潮的开始时间则多被认定为1990年，人工智能研究重心转向了深度学习，以神经网络为中心的应用取得了巨大突破，这种范式变迁使人工智能超越了专家系统局限于单一领域和模式的限制，对人工智能和通信传播的研究和实践具有深远影响。如斯坦福大学社交媒体实验室主任Jeffrey Hancock即提出传播学研究的方向将从“计算机技术为中介的传播”（CMC）转向为以“人工智能为中介的传播”（AI-MC）。

ChatGPT被认为是代表第三波人工智能技术跃迁的现象级应用，可以類人的方式“对话+创作”，生成符合人类需求、语言习惯和情感倾向的文本。作为基于深度学习的大型语言模型（Large Language Model，LLM），ChatGPT是一种生成式人工智能（Generative Artificial Intelligence），其超越了传统分析式人工智能（Analytical Artificial Intelligence）仅对现有数据进行分析、解释和预测的模式，可通过机器学习算法根据现有数据生成与其结构、风格或内容上相似的新原始数据，并能涵盖文本与代码等多种形式。

ChatGPT的里程碑意义之一在于其具备强大的自监督学习能力，其表现不再依赖于人工标注与既定的训练规则。首先，GPT模型在无监督预训练（unsupervised pre-training）环节展现出模型在无需人工标注的情况下，便可通过自行阅读海量文本进行学习，并具备深入理解自然语言中潜在结构和模式的能力。GPT模型基于大量互联网上数据训练的文本生成深度学习模型，并通过生成对抗网络（GANs）、变异自动编码器（VAEs）和变形器（Transformer）等技术，在“利用人类反馈中强化学习”（Reinforcement Learning from Human Feedback，RLHF）的监督学习（supervised learning）环节之前已依靠自监督学习方法（self-supervised learning method）获得良好的训练效果，标志该生成式人工智能技术具备可拓展到更为广泛的应用场景的基础。其次，随着计算量、模型参数量和训练集规模的扩展，类ChatGPT的大型语言模型呈现出涌现能力（Emergent Ability）[2]，即模型在多项能力上超越其训练框架并产生突进式进步。在未被直接训练的情况下，大型语言模型仅通过对自然语言进行观察，便可在算数、回答问题、总结段落等能力维度上呈现出快速和未能预测的进步[3]，展现出从原始训练数据中自动学习并发现新的、更高层次的特征和模式的能力，这一突破意味着人工智能的能力已不再依赖于既定的规则与框架。由于其强大的自监督学习能力，ChatGPT突破性地具备了多模态能力。GPT-4模型作为多模态模型（multimodal model）可以处理自然语言和多种媒体信息，可完成更为多元的任务类型。除语言类任务外，ChatGPT可在无特殊提示的情况下解决跨越多学科多领域的高难度创新型任务，证明其具备完成感知类、创造性、探索性任务的能力。ChatGPT的智能水平不仅体现于其所生产内容的拟真度上远超其他聊天机器人，而且在多元任务上的表现程度都达到接近人类水平[4]，甚至被部分学者认为已达到通用人工智能雏形。

多模态能力被视为从AI1.0至AI2.0时代跃迁的关键，由局限于单领域的AI1.0时代向通用化、平台化的AI2.0时代过渡。AI2.0时代，人工智能将不仅局限于单一应用，而且可通过与现有技术的集合，更无缝地融入日常生活，嵌入广泛的应用和服务中，作为人机之间的通用接口集成多种应用服务。人工智能也将为其他应用赋能，实现真正的智能互联，并最终重构互联网生态。

二、人工智能重塑信息生产机制：作为主动传播者的机器

（一）作为传播者的人工智能：自主生产信息与参与同构信息

以ChatGPT为代表的下一代人工智能挑战了以人为核心的互动范式，颠覆了传统的信息生产机制，并为传播格局带来变革。传统媒介观中，信源（who）是人类独有的角色，机器被视为传播的渠道、中介和工具，但随着算法与技术的发展，类ChatGPT的生成式人工智能已具有高度自组织性和自适应性，不仅参与构造传播过程，同时也能作为主动的传播者。

一方面，类ChatGPT的生成式人工智能具备独立、自主地生产接近人类水平内容的能力，因而可作为主动的信息生产者与传播者。在第三波人工智能浪潮之前，人工智能已被广泛应用于新闻写作，并极大提升了新闻生产的效率。但彼时机器人写作基于既定的模板与技术框架，写作领域受限，内容存在同质化、模式化问题，在信息生产中扮演的角色仍较为局限，仍是人类认知的工具和延伸，但技术突破使得人工智能已不再依赖于专家系统，而越发接近能产生自己的知识和见解的自主行动者。GPT模型的创作不受写作模板的限制，可自行提出创意，其所展现出的学习、适应、参与创造性任务、解决问题等能力曾被认为是仅人类独有的能力，但如今也在非人实体中得到体现。

另一方面，类ChatGPT的生成式人工智能也具有参与同构以人为主体的传播的能力。生成式人工智能变革性地将知识和技能的积累与其使用剥离开，用户可在未经训练的情况下借助人工智能写作、翻译、编程与绘画，无需花费数年学习和训练，仅通过自然语言指令引导人工智能，便可基于其庞大浩瀚的知识库和技能库进行专业级别的创作。可预见的是，在AI2.0时代，个体能力范围得到指数级扩展，其能力极限将不再受限于其教育和经历，而在于理解和运用人工智能的人机协同能力。与此同时，人机协同的创作方式也不可避免地导向版权与问责等问题。

（二）作为行动者的人工智能：从参与到主导

人工智能的类人性打破了既往以人主导的传播形态，其所具备的工具性与类人性的二重性对传统媒介观产生了冲击，挑战了传统研究图式中传播的主体和客体之间的二分法。传统媒介研究中强调机器的工具性，即使在强调技术对塑造人类交流和社会结构等方面影响的理论中，如麦克卢汉的“媒介即讯息”[5]和哈罗德·伊尼斯的通信技术对社会影响的理论[6]，仍将机器视为辅助人类互动的被动工具，着重于其工具性在塑造人类经验中的作用。如拉图尔的行动者网络理论（ANT）与Reeves和Naas提出的媒介等同理论（media equation theory）、“计算机作为社会行动者范式”（computers are social actors paradigm，CASA）等理论，则将包括机器在内的非人类实体视为塑造技术进程和社会生活的关系网络中的“行动者”[7]，强调了人机互动中图式所发生的转变[8]，但在这些理论范畴中仍多将机器视为参与者而非主导者，对自主的智能机器所带来的社会问题和伦理困境缺乏探讨。

此处的主导一词并非指向技术决定论中技术对政治、经济、伦理因素的强制影响，而是指出作为信息的生产者与传播者的人工智能有能力以行动者身份对人的思想形态施加影响，甚至可能构建部分人群的主要信息渠道。社会学家奥格本用“文化滞后”（Cultural Lag）一词形容由于现代社会的变革多由技术驱动，价值观、伦理观等非物质文化滞后于物质文化变迁的现象[9]。由于人工智能技术带来的变革尤其迅速并具有颠覆性，其“文化滞后”的后果也更为突出，可能成为对我们理解、审视与使用技术的掣肘。作为主动传播者的人工智能系统不仅要求我们对信息的透明度、问责制以及信息操纵等可能性进行评估，并批判性地探究人工智能驱动的传播在隐私和信任等维度上所产生的影响，进而解构了我们所熟知的传播实践，挑战了以人为核心与主导的理论范式，并指向了對人机共生的信息传播伦理的重构。

三、人工智能重塑信息整合形态：从信息收集到知识整合

从印刷时代到电子传播时代，媒介技术的变革颠覆了曾经的信息获取模式。印刷时代的信息以文本与图片的形式被记录于纸质载体上，人们通过订阅报纸、杂志，购买或租借书籍等方式获取信息，检索信息则需通过使用图书馆索引等方式查索。在印刷时代，文化水平、经济水平、地理位置等因素均对个体的信息获取能力有所限制，个体信息量较为匮乏、难以获得其所需的信息成为普遍现象，引发了知识沟等困境。互联网技术的发展带来了信息的爆炸式增长，同时也带来了全新的信息组织形态：搜索引擎作为互联网用户入口被集合到多种应用中，通过算法程序对信息进行抓取、分析和排序，在不同平台上，用户通过搜索关键词即可获得海量相关内容。

（一）信息过载：互联网时代的“布里丹之驴效应”

在互联网时代，尽管几何级增长的信息量解决了印刷时代的信息匮乏，却并不意味着人们可轻松利用这些海量信息。英国学者蒂姆·乔丹精练地总结了信息过载的两种困境：“拥有太多的信息使信息的利用变得不可能。它以两种状况发生：第一，有信息而不能被吸收；第二，信息组织得非常差以至于发现任何特定的信息变得不可能。”

互联网时代激增的信息流通量和信息接触量虽然显著降低了信息门槛，但也使得分散、碎片化的海量信息远超出受众的信息需求及信息处理和信息利用能力。迈克尔·戈德海伯将这种新常态总结为注意力经济，即在以计算机网络为基础的信息社会中，信息已不再是一种稀缺的资源，而是相对过剩，人的注意力则成为新的稀缺资源[10]。信息组织上，在AI1.0时代，互联网所提供的是非结构化的原始数据库，搜索引擎对大量内容进行索引，但并不对其进行内在结构化。简单列状的信息组织形式迫使用户在搜索关键词后必须浏览巨量链接，有效筛选、整合、组织和内化自己所需的信息变得越发困难。尼古拉斯·卡尔将这种信息组织形式的劣势概括为超链接文本解构使得线性思考被分隔成碎片，用户惯于信源之间跳动和穿梭，依赖浅层信息处理模式，进行碎片化信息消费，难以将短期记忆升级为知识[11]。

当用户被放置于碎片化、非結构化的海量信息中，面对无穷无尽的链接与信源，即不可避免出现了互联网时代的“布里丹之驴效应”。14世纪法国哲学家布里丹提出一头完全理性的驴由于无法在两堆完全一样的干草中做出选择，最终因饥饿而死的悖论。而互联网用户一方面在信息焦虑的驱使下不断浏览大量信息，另一方面则由于无法判断信息的质量难以选出值得投入时间与注意力深度阅读的内容，最终陷入了“已看到却未阅读”“已接触却未理解”的迷茫中。国内外的社交媒体上均出现了“太长不看”和TLDR（Too long; didn’t read）等形式的表达，意味着互联网时代用户与信息的关系在已获取与未获取之间存在大片灰色区域，人们尽管有渠道可接触大量信息，却难以有效阅读吸收与使用。

（二）人工智能优化信息组织形态：碎片化信息到系统性知识

正如莱文森所说，“任何一种媒介，都是一种补救措施，都是对过去某一种媒介功能的补救和补偿”[12]。类ChatGPT的下一代人工智能对信息组织形态进行了进一步优化和重组，并有效解决了信息过载的困境。首先，数据形态由原始的、非结构化的数据转化为经过人工智能预处理的、整合后的结构化信息，使信息检索更为快速与便利。互联网将信息的检索由印刷时代的小时级缩减至毫秒级，而类ChatGPT的生成式人工智能则进一步将信息的检索结果由搜索引擎提供的兆字节级简化至字节级，相对于列举大量的链接，ChatGPT根据提示词（Prompt）将其收集的海量信息提炼为数百字的文本，提供了更为简洁直观的体验，使用户可轻松获取其所需的信息。其算法超越了搜索的浅层计算，利用深度神经推理和结构化的数据驱动模型，将碎片化的信息整合为系统性的知识，颠覆了信息的组织和呈现模式。

其次，生成式人工智能将传统搜索引擎中列状结构的分散信息转化为树状，脱离了尼古拉斯·卡尔所批判的超链接文本解构，人们无需花费时间在繁杂信源间进行穿梭采集，受困于不确定是否收集了足够信息的焦虑中，而可通过掌握与AI进行多轮互动以深化回答的技巧，从树状结构的根部开始对知识进行扩展延伸，直至获得完全符合其需求的定制化信息，信息获取的重点从信息收集转化为知识整合。类ChatGPT大型语言模型具备上下文学习（context-learning）的能力，可以根据用户的背景、需求和持续输入的信息提供层层递进的信息，为获取信息提供了一个动态环境。这有助于用户将新知识与自己认知结构中原有知识建立起实质性联系以获得意义。通过与人工智能的持续深入对话，用户可以积极地寻找新的知识，提出问题，并获得即时反馈。这种互动过程反映了人类通常学习的自然、参与和情景化方式，符合布鲁纳所提出的“认知—发现说”[13]。通过提供综合和连贯的信息，生成式人工智能可以促进新知识与用户现有的心理框架更好地结合，提高用户深度加工知识信息、理解复杂概念、掌握内在含义和主动建构个人知识体系的能力。

四、ChatGPT重塑信息分发网络：智能互联的超级媒介

信息分发即将信息从信息源传播给不同接收者的过程，而分发网络的结构对传播范围、传播对象和传播效率存在显著影响。印刷时代的信息分发模式是传统编辑主导的分发模式，编辑作为“把关人”利用其媒介渠道为目标受众传递信息，但进入互联网时代后，信息网络成为信息分发的新基础设施。

（一）信息分发的困境：信息的无限性和个体注意力的有限性

根据复杂网络理论，信息网络既不是规则网络也不是随机网络，而是兼具小世界和无尺度特性[14]，这既是小世界网络理论中所描述的具有高聚类系数和短平均路径长度的网络，也是无尺度网络理论所指向的被少量高度连接的枢纽（hub）节点对其网络特性起主导和支配作用的网络[15]。这一结构意味着虽然信息可以被广泛传播，但其过程较为低效，即使在理论设想中，也需历经多个节点和连接才可将信息从源头传输到终端用户。因此，尽管互联网实现了互联，但如何高效分发信息、实现人与信息的精准匹配、降低信息网络中的信噪比仍是悬而未决的难题。

随着移动互联网技术对社会进行渗透与塑造，社交媒体的发展改写了信息和资源的分配规则[16]，Web 2.0时代催生了基于社交网络的信息分发模式。社交分发打破了传统编辑分发的“千人一面”，用户可以通过其社交关系与交互主动寻求信息。用户可订阅和关注自己感兴趣的博主与话题以获得相关信息，也可通过用户之间自发的内容转发行为进一步拓宽其信息视野。由于用户之间存在同质导向性，即相似用户趋向于连接在一起，基于社交网络的信息分发为提升传输效率带来了可能[17]。但即使是基于社交网络的信息分发，对于用户来说可能仍然存在信息过载、获取信息效率过低、获取个性化信息的筛选成本过高的困境，因而在后Web2.0时代信息分发服务网络兴起，算法推荐逐渐成为更主流的信息分发方式。以人工智能算法为主导的信息推荐系统作为新的信息分发模式，可针对每个用户的信息诉求高效地实现个性化推荐，平台使用算法推荐，基于服务网络收集的用户数据作为个性化信息分发的基础，在推送中推荐与用户相匹配的信息内容，以实现人与信息的高效匹配。

信息网络中信息的无限性和个体注意力的有限性之间存在着必然矛盾，而不论是社交网络分发还是算法推荐分发都无法完全解决这个根本冲突。算法推荐试图通过“信息找人”的匹配解决这一问题，但其个性化信息分发系统最终成为给每个人提供大量同质化信息的“信息茧房”机制。一旦用户表现出某种兴趣或观点，算法便用大量内容相似的推送占据用户的注意力带宽，使其更难接触到与其观点不同的信息。这一信息分发模式对“后真相”时代的“群体极化”“回音室”“过滤泡效应”等现象产生了推波助澜的效果，使公众更易产生认知偏见，产生群内认同、群际冲突的现象[18]。

（二）从互联到智能互联：AI智能中枢实现“人—信息”精准供需匹配

以ChatGPT为代表的人工智能是超越媒介融合和全媒体的新一代整合性、自主性的超级媒介，不仅限于媒介形态、功能、组织结构等层面的要素的融合，更击穿了不同层级的信息壁垒，并通过智能将其有效统合。作为新的信息流通转译栈，类ChatGPT的人工智能建立了一种动态的连接方式，并真正成为可实现高效分发信息和人与信息的精准匹配的智能中枢。

首先，类ChatGPT的生成式人工智能在信息网络中充当了智能枢纽的角色，通过减少信息传输中涉及的节点和连接的数量实现了网络结构的简化和效率提升，使信息得以高效传播。生成式人工智能不依赖于平台的内容分发，而是直接以对话形式与用户进行点对点互动，使得其主动性进一步得到发挥。通过充当信息网络中的智能中枢，人工智能成为高度连接的枢纽节点，进一步增强网络固有的小世界和无标度特性，通过强化网络高聚类、短路径长度的结构，有效减少从源头到用户传输信息所需的节点和连接的数量，从而促进更有效的信息流和增加网络的弹性。

其次，作为智能中枢，开放权限并联网后的人工智能从信息供应端可抓取网络上的所有可读信息并对其进行整理，从信息消费端则直接链接全部用户并了解其一手需求，因此可实现精准的“人—信息”供需匹配。由于类ChatGPT的生成式人工智能往往是其他两个节点之间最短路径的桥梁，具有极高的中介中心性，缩短了所有个体用户距离信息的路径，通过对信息的链接整合和用户的供需匹配，做到真正高效的个性化信息分发。

最后，与算法推荐推送的大量同质性高、未经处理的信息相比，ChatGPT的生成性人工智能所提供的是经过整合与提炼的高质量信息。在传输信息的过程中，生成性人工智能担当了信息把关人的角色，利用其计算能力和庞大的数据集过滤并优先处理高质量信息，经人工智能总结的信息不仅信息密度更高，往往也更加客观，可有效改善网络内信息流的信噪比、提高整体效率、调节信息过载造成的负面影响，并减少极化现象。

五、ChatGPT重塑信息交互模式：从人机交互到人机同构

人机交互技术是人与计算机之间信息交流的接口、人与计算机之间信息沟通的桥梁，人机交互方式对用户与计算机之间的交互质量和用户体验有决定性影响，不仅影响到用户功效性的需求，也影响其情感性的需求[19]。随着计算机计算能力与功能的飞速发展，人机交互领域发生了数次重大变革。第一次技术变革是从无交互到命令语言交互的突破，用户可以通过命令行界面与计算机进行交互并借助于其强大的计算能力将设想转化为现实，但命令语言时代即使只是为了执行简单的任务，也需要记忆和输入大量复杂命令，有极高的使用门槛。人机交互领域的第二次重大技术变革是图形交互，图形用户界面（graphical user interface， GUI）产生了基于文本或菜单驱动的界面，使用户可以使用鼠标等指向性设备与图标、窗口和菜单等视觉元素互动，具有直接操作和“所见即所得”的特点，真正使计算机成为人人可用的工具，进而造就了个人计算机时代的辉煌。而GPT模型则被比尔·盖茨称为堪比1980年图形用户界面的人机交互领域技术变革[20]。类ChatGPT的生成性人工智能可直接基于自然语言与用户进行动态对话，通过实现用户和人工智能系统之间的自然语言对话提供了更为直观和类人的互动范式，进一步降低了技术使用的准入门槛，有望带来一场新的人机互动变革并重塑数字景观。

（一）被社交化的机器：从工具使用到社交体验

从图形交互到自然语言交互这一人机交互领域技术变革的重大意义，在于机器使用开始成为一种社交体验。尽管人工智能的本质是技术性和工具性的，是依赖于信息技术的模块化装置，但当其被应用于人类社会中时，也不可避免地在人类环境中被赋予了社会意义，成为社会互动中的一部分[21]。人机关系理论中“计算机作为社会行动者范式”（computersaresocial actors paradigm，CASA）已证明，当机器可以提供足够的、符合现实人际交流中存在的“社会线索”（social cue）或“拟人化线索”（anthropomorphic cue）时，人们就会自然地将机器作为社会行动者对待[22]。随着人工智能的类人性逐渐凸显，同类ChatGPT的大语言模型的沟通开始体现从工具使用到社交的范式转变。

人工智能被开发的目的是为了服务于人类的需求，为了增加智能产品的可用性、在互动过程中更为自然，研究人员对人工智能进行了类人的设置与改造，让其对人类行为进行适应和模拟。例如在ChatGPT的设置中就通过多维度展现出了符合人际交流的线索，以营造高拟真度、沉浸式的交流体验。形式上，ChatGPT通过类聊天室的界面营造了类人沟通的环境，模拟光标打字的形式使用户可获得参与和体验到文本被生成、被写作的临场感。内容上，ChatGPT不仅可以以自然语言和用户沟通，可生成在内容、结构、语法、逻辑等层面均类似真人的文本，还可了解人类社会规范与常识，具备和人类进行无缝沟通的基础。现象学家舒茨提出了“手边知识库”（stock of knowledge at hand）的概念，强调知识库中包含了大量内在经验，理论与应用科学的程序经验、支配规则以及实用的与道德的经验规则[23]，是生活世界范畴的重要组成部分，也是个体了解世界并与他人进行有意义交流的基础。在生活世界中，人们的行动和场景之外的社会结构之间存在复杂的关联，因此日常沟通中的语言表达不是完整的，谈话内容要被理解需基于实际说出的内容和大量没有提到的假设和共享知识。而ChatGPT作为大型语言模型，基于大量人类生成文本的训练，学习并内化了广泛的人类知识、价值观和语言模式，可理解人类的意图并模拟出与人类的共识，已符合鲍德里亚对超真实（Hyperreality）的描述[24]。这些程序上的拟人化设置让用户获得更沉浸式的交流体验，降低了用户对其机器属性的感知。许多使用过ChatGPT的用户在描述其与人工智能的对话时使用“聊”“沟通”“探討”，甚至“请教”等动词表述，可见与类ChatGPT的人工智能的沟通已高度接近于社交体验。

（二）被机器同构的人：从主客二分到主客共在

被社会化的机器可以以类人的方式和人沟通，使机器的使用转化为社交体验，但由于社交过程从本质上是相互作用的（transactional），因而尽管将机器人社会化的目的原本是为了更好地适应人类，却也使得机器更容易对人类施加影响，挑战以人类为主导的交互关系。类ChatGPT的生成式人工智能具备语境意识（context-awareness），可以保持连贯的对话并模拟类似人类的记忆，在回应时考虑到对话的背景与上下文，并配合用户的输入和偏好对语气和内容进行调整。在与人工智能的持续深入对话中，用户所输入的内容会影响人工智能的反馈，人工智能的产出也会进而引导用户的思路，人与人工智能思考互相反哺、彼此协同、相互嵌入。在共同构建对话的过程中，人工智能深深嵌入人们的思维和决策过程中，成为人类思想和成果的共创者，人机关系逐渐转向同构性[25]。

这一同构性迫使我们放下人机互动中的主客二元论，设想人机共生（symbiosis）的可能性。技术的渗透使人机之间的界限将变得逐渐模糊，人与技术的关系开始从主客二分转向主客共在。麻省理工大学集合智能中心（MIT Center of Collective Intelligence）主任Thomas W. Malone在2018年提出了“超级大脑”（Supermind）的概念，将技术作为社会行动者与人在思考与决策中的合作者看待[26]。“超级大脑”是由多个个体和/或计算机和谐合作形成的集合智能体，由于机器与人在处理多类型的任务上具备不同优势，在有机结合的情况下可呈现出更高的智能水平。随着人工智能技术对日常生活的嵌入与其自适应学习（adaptive learning）能力的增强，人工智能和人可在人机交流中持续互相学习和适应，正如智能手机已成为人的延伸和日常实践中的一部分，在未来人工智能技术可能会成为人们信息处理和思考决策过程中难以剥离的一个环节，人机同构的“超级大脑”将成为新常态。

六、结语

本文对以ChatGPT为代表的下一代人工智能的特点进行了概述，并在此基础上探讨了其将如何带来信息革命，颠覆并重塑原有的信息生产机制、信息整合形态、信息分发网络和信息交互模式，并引领我们对所熟知的传播实践、理论范式、人机关系与伦理观进行重构。尽管目前的人工智能模型尚不完善，仍存在幻觉（hallucination）、黑箱（blackbox）、版权等问题，但本文并未采取批判的视角。智能技术是信息技术发展的必然趋势，也必将对人类的生产生活带来新的意义和影响。未来已来。我们应当拥抱新技术，正视技术变革在人类社会中的积极价值，与此同时，为新技术必然会产生的社会适应过程做好应对方案和预案。

[基金资助：研究阐释党的十九届四中全会精神国家社会科学基金重大项目“建立全媒体传播体系研究”（20ZDA057）]

参考文献：

[1]Zhuang，Y.，Wu，F.，Chen，C.，& Pan，Y.（2017）.Challenges and opportunities：from bigdata to knowledge in AI 2.0.Frontiers of Informaion Technology & Electronic Engineering，18（1），314.

[2]Anderson，P.W.（1972）.More Is Different.Science，177（4047），393–396.

[3]O'Connor，R.（2023，March 8）.Emergent Abilities of Large Language Models. News，Tutorials，AI Research.

[4]Bubeck，S.，Chandrasekaran，V.，Eldan，R.，Gehrke，J.，Horvitz，E.，Kamar，E.，Lee，P.，Lee，Y.T.，Li，Y.，Lundberg，S.，Nori，H.，Palangi，H.，Ribeiro，M.T.，& Zhang，Y. （2023）.Sparks of Artificial GeneralIntelligence：Early experiments with GPT-4.ArXiv （Cornell University）.

[5]马歇尔·麦克卢汉.理解媒介[M].何道宽，译.南京：译林出版社，2011.

[6]哈罗德·伊尼斯.传播的偏向[M].何道宽，译.北京：中国传媒大学出版社，2013.

[7]郭荣茂.从科学的社会建构到科学的建构：评拉图尔的行动者网络理论转向[J].科学学研究，2014（11）：1608-1612.

[8]Reeves，B & Naas，C.The media equation：How people treat computers，television， and new media like real people and places.Chicago，Illinois：University of Chicago Press.1996.

[9]陳昌凤.人机何以共生：传播的结构性变革与滞后的伦理观[J].新闻与写作，2022（10）：5-16.

[10]托马斯·达文波特，约翰·贝克.注意力经济[M].北京：中信出版社，2007.

[11]尼古拉斯·卡尔.浅薄：互联网如何毒化了我们的大脑[M].刘纯毅，译.北京：中信出版社，2010：142.

[12]保罗·莱文森.新新媒介（第二版）[M].何道宽，译.上海：复旦大学出版社，2016.

[13]高文.建构主义研究的哲学与心理学基础[J].全球教育展望，2001（3）：3-9.

[14]方锦清，汪小帆，郑志刚，毕桥，狄增如，李翔.一门崭新的交叉科学：网络科学（上）[J].物理学进展，2007（3）：239-343.

[15]刘涛，陈忠，陈晓荣.复杂网络理论及其应用研究概述[J].系统工程，2005（6）：1-7.

[16]喻国明，马慧.互联网时代的新权利范式：“关系赋权”——“连接一切”场景下的社会关系的重组与权力格局的变迁[J].国际新闻界，2016（38）：6-27.

[17]秦志达.具有演进特征的大规模社交网络信息传输优化[D].上海：上海交通大学，2019.

[18]彭兰.假象、算法囚徒与权利让渡：數据与算法时代的新风险[J].西北师大学报（社会科学版），2018（5）：20-29.

[19]范俊君，田丰，杜一，等.智能时代人机交互的一些思考[J].中国科学：信息科学，2018（4）：361-375.

[20]Gates，B.（2023，March 21）.The Age of AI has begun.gates[EB/OL]https：//www.gatesnotes.com/The-Age-of-AI-Has-Begun.