从“人际”到“人机”——ChatGPT对人类传播模式的影响

吴婧婧

(南京邮电大学 传媒与艺术学院,江苏 南京 210023)

2022年11月,ChatGPT(Chat Generative Pre-trained Transformer)即“聊天式生成预训练变换器”在美国OpenAI人工智能研究实验室诞生,成为当下人工智能最耀眼的成果之一。从2018年GPT-1的正式发布到2023年GPT-4的进化完成,ChatGPT在短短5年内实现了从基础语言到多模态联通的巨大技术飞跃,甚至具备了理解和生成自然语言文本的能力[1]。ChatGPT的发展和应用重塑了传统人际传播的内容生产和交流模式,智能化的人机交互方式使人们获取和交换信息的途径发生了根本性转变。可以说ChatGPT的人机交互模式拓展出了一种新型数字化传播方式,对数字时代的人际交流模式产生了深远的影响。

随着ChatGPT人机交互系统的开发,信息传播特别是人际传播的模式与逻辑关系必然随之发生改变,这一变革绝不是机器对人类信息获取与分享方式的简单取代或模仿,而是传播模式和传播逻辑的根本性变革。它将不仅对传统人际传播的传播主体、传播渠道及传播内容的相关模式和逻辑发起挑战,还将引出关于人机交互的本质、动机,以及规范和控制等传播学新课题。

一、人际传播与人机交互的内容生产与互动模式

(一)人际传播的内容生产与互动模式

人际传播是指个体与个体之间的信息传播活动,是社会传播活动的基础。想要与他人建立有效的社会协作关系,传播主体就必须通过人际传播实现自我认知与相互认知。人际传播具有情境依赖性、双向性与符号系统应用等特征。情境依赖性意味着不同的情境对信息的理解与解释会产生不同影响;双向性强调了信息的发送与接收相辅相成,是一种动态的互动关系;符号系统应用则是参与者使用语言、非语言等多种符号进行信息交换,符号体系是信息传递的基础和桥梁。因此,人际传播牵涉参与者的多样性、情境的变化性、符号系统的多元化,以及交流的动态互动性、主观性和文化差异等诸多方面,任何一个方面都能影响传播效果。

不管人际传播的情况多复杂,传播主体始终可以通过视觉、听觉、味觉、嗅觉及触觉等感官系统对信息进行捕捉与获取,再经大脑进行处理后得到相应的信息。其内容生产动机受个体的自我表达需求、情感认知和社会协作的影响,其过程包括信息的构思、创作、编辑和发布,其效果体现在情感共鸣、自我成长和社会传播等方面。这一过程既受个体特质的影响,也受社会环境和技术条件等的塑造。

传统媒体时代,口语和文字是承载传播内容的主要方式。进入数字时代,随着社交媒体等新型传播平台的出现,文字、图片、视频等媒介成为信息创作与传播的重要符号与手段。同时,多媒体传播大大拓展了人际传播的方式并提高了传播的效率。施拉姆曾把人类的互动过程喻为不断进行信息解码与编码的过程[2],为了确保人际传播的效果,传播双方需理解对方的意图和情感状态,这不仅要对基础符号系统有所掌握,还要对传播者的社会文化背景等进行综合考量。因此,在传统的人际传播互动中传播主体的认知因素,如信息处理方式、认知偏差等对信息的接收与理解产生着重要的影响;情感因素则在情感表达、情感共鸣等方面对传播过程发挥着显著作用;社会影响因素,如权威性、社会认同等也在人际传播中扮演着重要角色。

(二)人机交互内容生产与互动模式

人机交互是指人类通过计算机的输入输出设备与计算机系统之间进行信息交流和互动的过程[3]。即人类可以通过键盘、鼠标、触摸屏等将指令或数据输入到计算机中,同时通过显示屏、音频输出等方式将计算机的响应反馈给用户。ChatGPT无疑是当下最具代表性和跨越性的人机交互形式。

与人际传播中人类以复杂情感与象征符作为传播的核心要素不同,ChatGPT的核心在于“GPT”架构,这是一种不具备情感意图的深度学习模型架构,该架构可以在输入和输出之间建立复杂的非线性映射,具备强大的语言建模和生成能力,能够实现对自然语言的高效处理[4]。不仅如此,该架构还能够处理长序列的信息,通过调整其层数和隐藏单元的维度等超参数,直接影响生成内容的复杂度和丰富度。

如果说人际传播的交流与互动反映的是两个生命体之间的传播情景与情感状态,那么ChatGPT作为一种非生命体,其内容生产则主要依靠深度学习架构,同时离不开预训练与微调。GPT经过预训练后不仅能够学会理解各种语言的结构、语法、语义以及一般的知识等,还可以通过自我微调适应不同的对话任务或应用场景。用户提出的问题会直接影响ChatGPT生成内容的主题和方向。在实际应用中,通过合理引导用户的输入,可以实现对生成内容的精准控制,使得交互结果更加符合预期。

目前,ChatGPT的人机交互包括单轮对话与多轮对话两种基本模式。单轮对话模式(Single-turn Dialogue Mode)侧重于简短而直接的交互。对话仅包含一个问题和一个回答,没有后续的互动。在这种模式下,每次对话都是独立的,不依赖于之前的交流内容。单轮对话模式具有高效、直接的特点,能够满足用户对即时性信息的需求,常应用于客服、信息查询等场景,其局限性在于无法处理复杂或需要多步骤交流的场景。而多轮对话模式(Multi-turn Dialogue Mode)是一种更为复杂和动态的交流方式,对话包括多个交互环节,每个回答都可以基于之前的对话内容进行延伸。多轮对话模式允许参与者(人或是人工智能系统)在一系列交流中保持连续性,每一轮的交流都可以参考和回应之前的信息,这种交互方式更加注重对话的连贯性以及上下文的逻辑关系,因此,能够尽可能地模拟人类真实的信息交流过程,完成更复杂的对话或解答更复杂的问题[5]。

(三)人际传播与人机交互的差异

传播动机上的根本差异导致人际传播与人机交互在参与主体、信息交流方式、情感传递等方面存在诸多差异。在人际传播中,我们将人际传播的双方称为传者与受传者,参与者均具有感知、理解与情感交流的能力,同时双方的交流互动更富感情色彩、更具社会性。而在人机交互过程中,主动输入指令的一方可以被称为“用户”,缺乏真实感知与情感表达能力的ChatGPT作为被动回应方,只能着力于信息的接收与处理。

1.传播主体的差异

人际传播的目的是共享信息、分享情感体验并且建立社会协作关系。而ChatGPT的机理是一个大规模语言模型,它通过构建大规模学习数据强化学习机制,最终对外呈现人机对话式的输出[6],因此,不管人工智能的信息处理技术如何高效与强大,机器永远缺乏人类的自我感知意识与情感体验,其角色往往只能被限定在信息提供者或处理者的范畴。同样GPT架构是一种不具备情感意图的深度学习模型,它无法与用户共情,我们通常不会将它们视为社会协作中不可或缺的一员。目前,ChatGPT的工作进程仍然依赖于人力,人类与机器的每一次对话基本都源于对信息的索取,这意味着人是人机交互的主动方,机器是被动方,人类依然是人机协同共创生态的主导者。

2.传播符号使用的差异

人际传播往往使用语言、肢体、表情、象征符等诸多符号,这些符号可以被多维度交叉使用从而实现复杂的信息交流。尽管人工智能技术在理解和生成自然语言方面取得了显著进展,但人机交互系统目前主要依赖指令式的符号输入,交互过程直接、理性。ChatGPT并不具备对象征符号进行理解的能力,其只能通过提取与前一语言符号相匹配的词语将对话进行补充,也就是说ChatGPT是在使用“信号”完成指令,其并不真正具备理解和表达人类情感与态度等非语言信息的能力。

3.信息处理方式与结果的差异

人际传播的主体都具有较高的自主性,可以根据传播的场景与状态随时调整信息的表达与处理方式。但人机交互的信息处理只能使用预先设定的算法和模型。人际传播的主体具有主观能动性,双方对信息进行编码与解码时很难不掺杂个人情感,人机交互则主要依赖于逻辑和结构化的信息处理方式,更加专注于数据驱动和任务完成,这种交互方式在一致性、可预测性和精确性方面表现出色,整个信息处理与输出过程可以做到不受情感、偏见或个人立场的影响,生成的信息基本能够保持中立与客观。但人机交互并不能生产新的知识,只是通过语言模型生成信息内容,而且在信息的生产过程中受权力的影响较大,权力越大对信息的控制越强,这很可能会导致所获得的信息缺乏准确性。

二、基于ChatGPT人机交互的传播变革

ChatGPT作为通用人工智能的先锋技术塑造了全新的技术生态带[7],它的诞生与应用,使人机交互已经从简单的感官延伸迈向了高度智能化的数字互动时代。数字互动突破了传统人际传播的地理限制与时间限制,为人类信息传播带来了极大的便利与拓展空间。

(一)智慧的延伸:从感官延伸到数字互动

麦克卢汉将媒介比喻为人类感官的延伸,无论哪种媒介都是让我们看得更远、听得更多、接触得更广泛[8],并且媒介作为一种可以扩展人类生理和心理能力的工具,能够对个体的感知方式和思维模式产生深远影响;芒福德也认为人类发明的技术只是人类生命形态的一种延伸,技术和媒介对人类文化、社会结构和个体生活方式的影响体现在方方面面,媒介不仅仅是工具,更是对人类生活形态的一种延伸[9]。如今,随着媒介新技术的出现,移动网络空间已经成为人类新的生存空间,人类的感官得到了更广阔的数字化拓展与延伸。例如,网络高清视频通话技术可以让用户实现实时的互动交流;增强现实(AR)与虚拟现实(VR)等技术可以让数字信息叠加到现实世界中,为用户提供沉浸式的感官体验。

在麦克卢汉的理论框架下,ChatGPT作为一种数字互动的媒介,实质上实现了人类智慧的延伸。它不仅能够在技术层面模拟人类对话,而且能够在社会层面实现数字互动。数字互动是通过数字化技术与工具实现的双向或多向的信息传递和互动,这种互动可以发生在个体之间、个体与计算机系统之间。因此,数字互动是一种人际传播的新模式,它不仅需要人来参与,同时也需要通过技术媒介将人与智能系统加以连接来实现。很明显,ChatGPT就是通过自然语言处理与生成技术,使计算机系统能够理解并回应用户的需求,实现类似于人类对话的数字互动。

当然,麦克卢汉也提醒我们,媒介作为人的延伸也会带来新的挑战和问题。在数字互动中,人们往往会面临如何保证互动的真实性以建立信任、如何处理隐私与安全等方面的问题。我们在享受数字化带来的便利的同时,不应忽略这些问题。

(二)传播动机的转变:从情感链接到数字替身

人际传播通常强调的是情感共鸣与社会协作关系的建立,每个个体所具有的独特生物属性和社会属性都能够在人际传播中发挥作用[10]。在人际传播过程中,情感交流的复杂性使得人际交流充满了活力,也使人们建立和维护的社会关系更加丰富。而数字化互动则可以脱离社会化环境,只强调通过数字互动与人类建立信息联系。这一特征使人机交互过程中只有用户具备社会属性,而机器只是数字替身。主要表现为在数字化环境中机器模拟人类进行信息交互以及代替人类执行指定任务,虚拟客服、虚拟主播等都可以视为数字替身。

ChatGPT作为一种新的数字替身,可以通过强大的自然语言处理技术分析输入指令或关键词中的情感倾向,并用自身的微调功能输出适应对方情感需求与语言风格的内容。ChatGPT的反馈是基于算法的,而算法可以将抽象的问题变成可以量化、计算的对象[11]。正是因为有了算法,使得机器无法真正理解和响应非言语的情感线索,无法真正感知和处理人类的情感。因此,目前的人机交互依然无法真正替代具有社会属性的人际传播。

人机交互体现了人类的一种数字化生存方式,虽然技术可以替代人类完成信息处理与回馈,但数字化的投映在情感识别与情感生成等方面仍然存在一定的限制,如何准确地识别多样化的情感表达、如何构建更具智能性的情感生成模型等,这也许是未来人机交互研究中最需要突破的课题。

(三)信息构造的差异:从认知再造到信息存储

传统的人际传播在信息的处理与理解方面,往往依赖于人类个体的认知能力,而人的认知通常依赖于线性的信息处理。人类的大脑对信息的存储不是静态的,而是通过学习,不断进行信息更新,这种动态的信息存储方式使人类能够根据新经验、新知识不断重新理解信息。人类记忆是构建和维护人际关系的重要基础,也因此使人际传播更具发展性。

人机交互中的信息处理则更加直接和结构化。数字化环境下,计算机系统按照预先编制的算法和规则处理信息,信息处理变得更为智能化、广泛化。在计算机系统中,信息以数据的形式被静态存储在内存或数据库中。这些信息的存储和检索基于固定的数据结构和算法,缺乏人类的动态联想和记忆重构能力。但由于ChatGPT在信息量处理方面具有超越人类大脑的天然优势,它可以通过大数据与算法模型的应用,提供超越人类认知的决策与方案,其作为内容生产和知识生产的强大引擎,能够大大促进内容创作,进而打造数字化知识生产以及信息知识供应的繁荣生态[12]。因此,人机交互已不再是简单意义上的信息交流,它能够催生新的认知维度。

此外,ChatGPT的出现也引发了对信息存储模式的新思考。众所周知,人际传播的双方会根据已有认知判断和理解信息,将信息存储于人类大脑的记忆系统中。然而,随着人机交互技术的崛起,特别是ChatGPT等的出现,信息存储开始向数字化、外部化发展。ChatGPT能够将用户输入的信息进行高效存储和检索,这也表明,未来的信息处理系统将模拟人类的动态处理、上下文感知和学习适应性等能力,从而在处理复杂信息任务时更加接近人类。因此,我们需要重新审视人机交互过程中信息编码、存储和检索等环节,严肃对待人机交互过程中信息隐私保护与数据安全等面临的挑战。

三、ChatGPT对传播的重塑

(一)算法与数据化:逻辑重构与模式重建

人类的交流是由对明确内容和隐含环境的共享理解与解释驱动的,人际传播的逻辑不仅涉及词语的字面意义,还包括情感环境、社会规范和其他非言语线索。在人机交互时,通信的逻辑主要由AI系统内部的程序化算法决定。而像ChatGPT这样的AI系统则遵循更直接的逻辑,它会根据预训练模式处理接收到的文本,并据此进行回应。每个回应的逻辑通常基于在训练过程中形成的识别模式,并无法真正理解情感和语境等信息[13]。

ChatGPT往往能够分解复杂的语义结构,并抓住言辞之间的逻辑关系,从而实现对信息核心内容的准确抓取与分析。在处理信息时,ChatGPT可以通过训练重构更复杂的逻辑,这也为传播模式的重建提供了可能。在人机交互中,ChatGPT甚至可以根据对话的语境进行情感的模拟与调整[14]。这种模式的重建使信息传递更具交互性,也为用户提供了更丰富的交流体验。此外,ChatGPT的智能化特征也在一定程度上影响了信息传播的权威性与可信度。传统的人际传播往往依赖于说话者的信誉,而ChatGPT则是基于大数据训练的模型,其信息传递的质量更加依赖于生成内容本身的准确性与可靠性。这种人机交互模式内嵌了大语言模型与大数据算法,使人类与机器在交互中实现了价值链接。

(二)对话逻辑的适应:情感剥离与语境理解

人际传播中,情感交流是不可或缺的组成部分,双方的观点、情感和意图可以通过对话加以展示,且往往受情绪、态度、价值观、社会背景等诸多复杂因素的影响。而ChatGPT人机交互为情感与语境的处理带来了新的视角与可能。在处理对话逻辑时,ChatGPT会在一定程度上“剥离”自身的“情感”,即不将自身的情绪投射到回答中,努力保持一定的客观性。ChatGPT的信息处理是可以完全与情感分离开的,这意味着它更能够客观地处理与回应指令而无需外界因素的介入。传统的人际传播受情感影响较大,而ChatGPT的情感剥离为信息传播提供了更为客观和中立的视角,也减少了情感因素的干扰。这种情感剥离的处理方式在某些场景中格外重要,如客户服务、医疗咨询等领域。

虽然ChatGPT不具备真实的情感,但可以通过训练来识别和模拟人类语言中的情感倾向。这意味着它能从用户输入的文本中辨识出情绪,如快乐、悲伤、愤怒等。基于这种对话逻辑的适应与语境理解,ChatGPT可以调整其回应的语气和内容。比如,对于伤心或沮丧的用户,它可能会使用更富同情性的语言。这就意味着ChatGPT能够进行更为复杂的对话交互,这种语境理解能力使其可以应用于法律咨询、技术支持等更复杂的场景,用户在人机交互过程中能体会到机器的“温度”。正因如此,ChatGPT能够更好地满足用户需求,甚至与人类形成一种全新的“伙伴关系”。

ChatGPT的情感剥离与语境理解使得信息传播更为客观与拟人化,也为交流模式变革带来了可能。然而,在实际应用中,还需要进一步优化情感识别与语境理解的算法,以提升ChatGPT对复杂场景的应对能力。

(三)信息内容可训练:自我更新与持续纠错

在传统的人际传播中,信息的准确性和可靠性往往取决于参与者的知识水平和经验。然而,随着ChatGPT等的出现,信息的更新和纠错变得更加高效和自动化。ChatGPT完全可以通过自我学习和持续纠错机制,使信息的传播在数字化时代得以全面拓展。与传统人际传播需要花费大量时间和精力去获取新知识的情况相比,ChatGPT更新信息的速度更快,这也使其能够应用于各种信息更新频繁的领域,如科技、医学领域等。

纠错环节也是传播中不可或缺的部分,传统人际传播的纠错环节主要依赖于交流双方的及时反馈和讨论,纠错能力十分有限,往往会由于纠错不及时对人际传播产生负面影响。ChatGPT拥有强大的持续纠错机制,它能够通过反馈和训练的方式不断地优化回应的内容,以提升交流的质量和准确性[15]。这种自动纠错机制使得ChatGPT像一个可以永不停歇进行自我反省的学习强者,其凭借多语言处理技术和文化适应策略,能够实现在全球范围内的信息提取与交换。

四、结语

在人际传播中,信息内容的生成往往受许多因素的制约,包括道德规范、信息准确性、环境变化及个人情绪等。ChatGPT的内容生成则往往更依赖于大数据模型的训练,这也会导致其在某些情况下输出的内容不够准确。因此,如何在保障自由表达的前提下,对ChatGPT的内容生成过程进行有效控制,是一个需要深入研究的问题。随着ChatGPT技术的不断进化,其有望在医疗、法律等专业领域发挥更重要的作用,为专业人士提供更加可靠、理性、中立的信息支持。但我们也要面对由其发展带来的伦理挑战,对其进行规范与控制,这既需要计算机科学、传播学、伦理学、法学等学科的共同努力,也需要学术界、产业界和政府部门合力为ChatGPT及人类的健康有序发展提供坚实的保障。