学海观潮 | 生成式AI的崛起与未来传播的新生态-中国社会科学网

生成式AI技术已实现巨大突破，它将拓展更广泛的应用场景，变革人机关系，并对传播理论与实践产生巨大影响。在渐入数字文明时代之际，如何解读生成式AI即将带来的生态级变革是新闻传播学的重要命题。

生成式AI将成为“下一代互联网入口”和“超级媒体”，驱动传媒产业发生羽化成蝶的深刻变革。

生成式AI将穿透社会网络壁垒，实现公私域资源的连接整合和协同利用。从互联网诞生之日起，人们可以接触到的绝大多数互联网资源均为公域资源。但事实上互联网中有相当比例（甚至超过公域资源体量）的资源是储存于私域之中的。而生成式AI的一个突出特点就在于，它既能够抓取公域资源，也可以通过与用户的对话，将其私域资源进行专业整合与利用。通过构造聚合公私域资源的巨大数据训练集，有助于在更为广泛和深刻的程度上聚合人类文明既有知识，进而形成“无所不知”的智能中枢。

生成式AI将有可能成为“下一代互联网入口”，甚至成为一种“超级媒体”。生成式AI是一种集信息获取（信息支持）、智能服务（服务支持）、聊天机器人（情感支持）、创作工具（生产支持）等功能于一体的社会“基础设施”，这使它有可能成为下一代互联网的入口。并且，生成式AI以此为基础进一步跃升成为前所未有的“超级媒体”。具体地说，生成式AI以无界的方式全面融入人类实践的所有环节及领域，以深度学习的方式不断为相关文本的生成注入“以人为本”的关系与价值要素，进而提升了文本表达的结构价值，造成用户在比较意义上较之其他媒介更加“愿意看”，并且“看得懂”和“可交流”。此外，生成式AI以持续对话的形式“更懂”用户，通过“对话”持续构造用户的认知过程，成为一种能够深刻影响用户认知的力量，这将明显超越以往传播媒介的传播效果。

传媒产业将从传统意义上的劳动密集型产业转型为技术密集型和资本密集型产业。以生成式AI为代表的智能媒体的崛起大大改观了传媒领域传统的信息采集、编辑、分发等流程的效率与质量，其新业态是一种质的飞跃。在新业态下，传播领域的全要素、全环节都被新技术紧紧“包裹”着，而这种以头部技术统辖、被智能化技术释放出来的巨大传播生产力势必会成为一种新的“寡头独占”——这种头部技术的不断迭代升级以巨大的资本支持为后盾。这意味着，生成式AI与技术寡头对社会关键节点的撑控能力在极大地增强。换言之，随着生成式AI逐渐成为人类智能普遍的“增强工具”，创造该技术的机构将有可能成为社会结构中连接众多社会资源的核心节点，关系着社会结构的整体存续、运维和变迁。这势必会带来一些重大的社会焦虑——它会不会导致资本对于社会政治的霸权。

生成式AI是一种人类智能的“增强”技术，这种人和人之间在能力差距上的大幅度拉近实质上是对普罗大众的又一次重大赋能、赋权。

生成式AI引发人—机关系的迭代：从“机器是人的延伸”到“人—机协作与互构”。生成式AI主导的人—机关系革命是由“机器是人的延伸”转型到“人—机协作与互构”关系。伴随着生成式AI逐渐以类人的方式成为人类以外的另一具有主体性的智能，它业已成为人与外界发生价值关联的关键性节点。在此基础上，用户绝大部分任务都将与生成式AI共同完成，人—机关系的互动与协同也将日趋紧密，生成式AI将越来越成为人类实践与对外连接不可或缺的关键中介。因此，人机协同能力将成为人类世界中的一项关键能力。个体通过与生成式AI的交流，能够更快习得新的知识、经验与能力，能够更高效率地完成社会实践中的各项任务。届时，技能操作与知识教育的价值将被更高维度上的、与大模型打交道的能力所取代，人机协同能力在人类的全部能力构造中将变得越来越重要，并成为后人类文明进化的关键所在。

生成式AI对于人类社会的最大颠覆在于增强人类在智力能力方面的平等性，在相当大的程度上拉平人与人之间的能力差距，使那些作为技术“小白”和外行的普通人实现能力的巨大增强（如翻译能力、编程能力等），跨越“能力鸿沟”的障碍，可以有效地按照自己的意愿激活和调动海量的外部资源，形成强大、丰富的社会表达和价值创造能力。这是社会在数字化、智能化加持下的又一次重大启蒙，也是对于社会活力的一次重启。它使数字文明时代社会治理与协同的特征更加显著。

生成式AI以其无所不及的知识构造极大地提升和拓展了人类个体的“宏观知觉”水平与结构性认知的边界。众所周知，人通常是需要新信息作为中介来进入新的圈层或连接新的事物，而生成式AI以其无所不及的知识构造和持续对话为人类用户提供超出其原有认知范围内的知识与经验，使人能够突破认知局限与更广范围的事物产生连接和多层次的认知把握，这是一种知觉与连接意义上的深度赋能。因此，在生成式AI的加持下，大众在内容创新、传播表达以及参与对话中拥有更多平等的机会和权利，这与数字文明时代“分布式社会”的权利构造相匹配，也是传播权利作为“第一权利”的先行一步。

生成式AI将革命性地实现算法编制的普及化，深刻赋能人类社会的数字化生存。在生成式AI之前，算法编制是独属专业人士的“专利”，生成式AI则把这种“专利权”普及化了——它能够根据用户需求编写出有效的计算机代码，这是机器智能生成内容的一种全新维度。在Web2.0时代，社交平台革命性地将传播的“麦克风”赋予了普罗大众，社交平台上每一个参与传播的用户都具有发声的权利；而在今天的Web3.0时代，生成式AI的代码编写功能则将算法技术赋能于每一个人，任何用户都可以借助于生成式AI的帮助来调动资源，具备数字创造的能力，进而在数字空间中展开更具自由度的人类实践活动。须知，作为全部人类实践的中介型工具，算法的普及化意味着每个用户都有机会使用算法来接入数字文明社会并从中获得相应的收益，这是对于人类社会数字化生存的一种巨大赋能。

生成式AI将成为下一代互联网的连接中枢，从而实现从“资讯互联”到“关系互联”再到“智能互联”的升级迭代。

生成式AI作为智能连接的中枢，将极大缩短人类社会传播的层级与提升效率。媒介的核心能力就是其中介性，而“中介性”理论表明，一个人在互联网中的中心度取决于他在多大程度上参与了互联网信息传递的信息链。生成式AI在社会网络中聚合了来自无数节点源的信息，并对每个节点的信息进行生成式价值评估与推送。生成式AI基于海量的用户数据、内容数据及传播链条数据，势必成为下一代互联网中具有强大中介性的核心枢纽。当用户数量达到一定程度时，传播网络将从层层扩散的“洋葱式”结构转变为绝大多数节点直接与枢纽相连的“海星式”结构。新结构将极大压缩信息传播的层级，提升其传播的效率，进而极大地增强创新信息的扩散效能，降低信息在各个传播环节中产生的折损，从而对互联网连接的总体性质和效率产生强大的影响。

生成式AI将驱动社会互联的形态从移动互联的“关系连接”转型为粒度更细的智能互联的“价值连接”。依据连接粒度大小可以将媒介驱动连接性质变革粗略地分为三个阶段。

一是PC互联时代。PC互联时代所构造的社会连接是一种相当粗放的连接，具体表现在将个体视为一个静态整体，而非运动的、持续处于场景叠换之中的具有各类需求的人，仅仅能实现粗粒度的简单连接，解决的是“是否接入”的问题。

二是移动互联时代。智能手机作为代表性媒介和连接入口，极大地扩增了媒介的移动可供性，即可携带、可获取、可定位、可兼容。媒介得以识别场景，将人视为各类场景实践的综合体，并能以更细粒度连接人类基于主要场景的主要需求，初步建构以人为主体的外部关系。但其关系价值是有限的，即不能形成更细腻和个性化的解决方案，也不能实现更加精准的价值匹配和更高水平的价值实现。移动互联时代解决的是“主流特征与主流价值”的连接问题。

三是智能互联时代。生成式AI作为连接入口和连接中枢解决了两个极为重要的问题：一是生成式AI将用户个性化，并将其长尾需求满足的边际成本降至无穷小，进而创造出更加广阔的连接可供性；二是生成式AI以其空前的个性要素识别、人类认知模拟、针对性输出能力完成个体更细致的内生性需求的对外价值连接。在移动互联之中，实质上连接的两端仍被视为“黑箱”，即所有连接仅仅通过两端的主流特征进行识别与对接，而无法识别连接双方的具象结构和内在机理。生成式AI的大模型革命性地以其人类认知模拟机制打开“黑箱”，打破内外部关系的壁垒，并对更加细微复杂的结构要素进行解构重组、重新生成、重新连接。智能互联时代解决的是“微妙特征与微妙价值的连接”。

在生成式AI浪潮下，主流媒介的角色发生转移。主流媒介是“四两拨千斤”式的价值引领者，未来的“分布式社会”本质上是一个自组织社会，主流媒介作为社会“涌现”现象的组织者，要充分利用耗散结构下的协同学、突变论、超循环理论、分型理论等原理进行新的社会传播的“再组织”。

主流媒体的功能与角色定位进一步转向为“To B”的模式。传统主流媒体一向是直接为社会生产内容的“To C”模式。而在新的发展阶段上，它将转向为对于大模型规则与逻辑的预训练的“赋魂者”角色和站在大模型与用户之间的“提示工程师”角色，作为生成式AI的大模型输出价值逻辑与专业规则的支持者、创新创造的开拓者、话语场域的平衡纠偏者等“To B”模式，成为全社会传播场域中的“压舱石”与“定盘星”。

注重智能算法模型向善机制的创制与运维。任何技术的社会化落地，其实质都是技术逻辑与社会选择之间“互构”的结果，未来的传媒工作者可以通过语料库的选择和训练模型的价值建构，使得智能算法沿着“以人为本”的方向向善发展与迭代。

构造“算法失灵”的社会补充及“算法脱轨”的干预机制。算法不是万能的，对于算力不足、算法无解和数据缺失的领域，我们应该做好人力物力的充分布局，与智能社会形成良好的匹配与互补。当智能算法逻辑跨越“阿西莫夫三定律”等人伦界限时，我们应拥有足够有效的手段和机制进行干预和防范。

作者系北京师范大学新闻传播学院教授、北京师范大学传播创新与未来媒体实验平台主任；北京师范大学新闻传播学院博士研究生