交互性視角下AIGC時代算法傳播的轉型研究

摘要：AIGC帶來了算法傳播的交互轉型，內容生成逐漸依賴人工智能程序。相比于傳統媒介時代的傳播生態，AIGC呈現出從人人交互到人機交互的變化，帶來了內容生成與內容獲取的自動化、模型化。傳統媒介時代記者基于新聞采寫的親身實踐活動讓位于“人類+AIGC”協同式內容生成，創作流程也從過去的直接創作轉變為根據用戶輸入的提示詞進行交互式創作。在形式上，AIGC展現出跨媒介形式進行內容創作的能力。算力的提升與數據的開放共享助推人機交互飼喂大模型走向完善，但非人類實體所進行的自動化內容生成也帶來“無機社會”威脅。通過網絡傳播人機交互的關系研究，可辯證分析內容生成技術躍遷下的交互性，為算法傳播的轉型提供新思路。

關鍵詞：大語言模型；算法；交互性；AIGC；無機社會

中圖分類號：Ｇ２０２" " 文獻標志碼：A" " 文章編號：1001-862X（2024）01-0０55-007

算法媒介理論家戴維·比爾（David Beer）曾提出過靈魂之問：“現代社會許多重要的過程都在機器與機器之間發生，無需人類的直接參與，自動化正在改變世界，機器帶來的挑戰該如何應對？”［1］人機交互的傳播倫理問題自AI技術應用伊始就得到了廣泛的重視。當人工智能程序消滅了機器語言鴻溝，與人類共享相同的自然語言時，人機交互的新問題逐漸顯現，生成式人工智能（AIGC）得到廣泛應用。［2］“人類+AIGC”式協同創作成為內容生產的潮流，非人類實體成為互聯網內容生產的重要部分。同時，根據用戶輸入的提示詞進行內容創作的機器自動化內容生產帶來人機交互的新變化，這個過程中人機交互飼喂大模型帶來算法傳播新的控制與抵抗交互等社會現象，傳統的“交互”范式難以支撐智能傳播的內容產制新模式。相比早前的PGC和UGC，AIGC時代互聯網內容生態在內容表達主體、內容形式和創作流程等方面發生了較大變化。在人機交互智能化演進的背景下，如何把握互聯網人機交互的復雜關系以及自動化內容生產帶來的“無機社會威脅”，成為傳媒研究者不容忽視的問題。

一、交互現狀：AIGC協同式內容生產成為

算法傳播的新景觀

交互性研究一直是傳播學研究的重要議題，它關乎人類的主體性、機器的能動性、受眾的參與度、新舊媒介技術的發展以及傳播的影響力等多個層面，是理解當代傳播現象不可或缺的維度。交互性的提升往往伴隨著新技術的應用，如人工智能、虛擬現實以及AIGC等。交互性不僅僅是媒介的技術特征，也沖擊了現有的互聯網信息生態。下面從傳播學人機關系的角度，對AIGC影響下的交互新景觀進行剖析。

（一）交互性興起的傳播學原理

1.“交互性”是區分新媒介和舊媒介的關鍵詞

傳統的傳播學學者主要關注人與人、人與技術之間的交互過程和交互效果，研究他們如何通過交互來生成意義并達成共識。傳統的信息生成者－信息－信息接收者模型已不足以描述復雜的傳播現象。隨著移動互聯網應用的普及，用戶生成內容（UGC）成為潮流。用戶不再是被動的信息接收者，而是積極參與內容的創造、分享和討論。這種參與不只是評論或點贊，更涉及話題的引導、輿論的形成和網絡社群的建立等方面。學者們根據受眾反饋的難易程度和參與度將媒介分成傳統媒介和新媒介，認為新媒介比傳統媒介擁有更高的參與度，用戶與傳媒機構的交互性更強。這類研究的學者包括曼諾維奇、雪莉·特克爾、戴維·比爾、馬克·波斯特和亨利·詹金斯等人。曼諾維奇認為“交互性”是區分新媒介和舊媒介的關鍵詞，與報紙、廣播、電視等舊媒介相比，網絡和手機等新媒介能為用戶提供更豐富的“交互性”體驗。雪莉·特克爾對機器能夠與人交互的原因進行了解析，認為新媒介之所以能夠與人交互，是因為它們具備類似于人類的情感表達和情感理解能力。［3］她在《屏幕上生存》一書中指出新媒介設備對用戶具有致命吸引力，用戶可以使用數字技術來重新塑造自己的身份并滿足網絡空間的社交需求。媒介理論家戴維·比爾則將人機交互的關鍵歸結于數字技術的發展，他說：“從技術上說，數字技術本質上是交互性媒介。”［4］馬克·波斯特（Mark Poster）在著作《第二媒介時代》（The Second Media Age）中提出數字技術，尤其是計算機和互聯網為人們提供了全新的交互方式，這與傳統的大眾媒體（如電視和報紙）形成了對比。信息技術帶來的“雙向的去中心化的”［5］傳播方式，讓不同的受眾群體能夠以前所未有的方式參與信息的創造、傳播和使用。亨利·詹金斯（Henry Jenkins）提出，“技術在設計上存在交互性，能夠使多對多傳播更為便利”［6］，比如數字技術擴大了粉絲進行網絡參與的人數。社交媒體的發展，改變了青少年與公共生活的關系，但也為成年人監督青少年提供了便利，因為社交軟件為所有人提供了同樣的可見性。可以肯定的是，AIGC的智能化交互使得人機關系更為復雜，數字媒介技術帶來的交互性仍需進一步的理論探討，交互性依然是當代傳播學研究繞不開的話題。

2.交互性是理解人機關系的核心

交互性揭示了在人機互動過程中，人類與機器相互影響、建立共識并進行交流的事實。簡言之，交互性是主客體雙方建構意義并達成共識的過程。AIGC對內容生成領域的影響巨大，人與機器在內容創作中的角色不斷演變，內容生態更具復雜性。

從交互主體的人類能動性來看，交互性的增強意味著受眾在傳播過程中扮演的角色發生了根本變化。與傳統媒介時代的被動狀態相比，數字媒介時代的受眾有了更多的自主權和創造力，他們主動選擇信息，甚至參與信息的創作和傳播。個人通過網絡平臺構建自我身份。這種方式打破了傳統媒介的控制，賦予了個體更多的自主性和創造力。

從交互客體中的機器角色來看，機器從過去的“有序的無機物”進化到能夠進行語言任務處理的“智能語言助手”。在智能化交互的發展過程中，機器不再只是被動地接收和執行指令，而是能夠通過深度學習和自然語言處理等技術，真正理解人類的語言和意圖。從Web1.0到Web2.0再到Web3.0，人機交互經歷了從單向到雙向再到智能化的演進過程。在互聯網的早期階段即Web1.0時期，人機交互主要是單向的、靜態的網頁瀏覽為主。用戶被動地瀏覽內容，獲取信息，很少有互動的機會。到了Web2.0時代，個體用戶的權利開始凸顯。用戶不僅可以瀏覽網頁內容，還能以創作者的身份發布自己的創作，與其他用戶交流、分享觀點并發布內容。這種去中心化的結構擴大了個體自由表達的范圍。及至Web3.0時代，個體創作者與算法相融合，使用人工智能助手生成更高質量的內容。無論是在搜索引擎中輸入提示詞進行提問，還是與智能設備進行語音對話，機器都不再只是簡單地給出結果，甚至能通過上下文的理解進行推斷和補充信息。

（二）AIGC影響下算法傳播的人機交互新景觀

在上述分析背景下，再來審視當下算法傳播的轉型現象，AIGC技術在提高媒介交互性方面展現出巨大的潛力。通過預訓練模型和類人語言生成能力，AIGC實現了更自然、更個性化的人機交互體驗。作為記者的輔助工具，大語言模型在新聞信息的背景資料收集、新聞采訪、消息寫作、內容編輯、信息推送與分發、事實核查等方面展現出超級智能的優勢。人類與人工智能程序的交流在互動式飼喂過程中，共同推動“人類+AIGC”協同式內容生產，形成新的算法傳播景觀。

人機交互飼喂大模型是指人類與機器之間通過輸入和反饋的方式，為大模型提供數據和指導，從而優化機器學習的準確度。人類飼喂大模型目的在于讓機器能夠更好地理解人類的語言、行為和情感，從而為自己提供更優質的內容輔助服務。這種互動式的飼喂過程，實際上是一種協同的過程，人類和機器通過相互合作，共同推動新型傳播方式向前發展。

人機交互飼喂之所以能夠成功，與算力的不斷提升、數據資源的開放共享等因素不無關系。傳統算法在處理大數據時會受到數據規模和算力的限制，導致處理效率低下。很多大數據無法得到有效的處理和分析，導致大量有用的信息無法被挖掘和利用。飼喂大模型在原有算法的基礎上得到了優化，從社交媒體的使用到在線購物、新聞閱讀和視頻流媒體等各種數字化媒體的處理，用戶的媒介使用行為被記錄下來。大衛·比爾（David Beer）等人在著作《社交媒體與記憶的自動生產：對過去的分類、排名和排序》中提出了社交媒體政治生產記憶，用戶與社會媒體的接觸留下了越來越多的可量化的痕跡。［7］這些可量化的痕跡包括用戶的瀏覽記錄、點擊行為、購買偏好、觀看時長以及與其他用戶的互動等，都能被整合為大模型的學習材料。飼喂大模型實現了人類與機器的密切合作。此外，人機交互飼喂的成功還得益于開放共享的數據資源。互聯網時代的用戶數據得以被收集和共享，為大模型的飼喂提供了充足的數據。開放共享的數據資源使得大模型可以更全面地了解人類的行為。這意味著人類在一邊驅使AI為自己提供服務的時候，一邊又淪為了AI數據養料的自動投喂者。

在新聞生產流程中，記者依賴AI助手已經成為一種趨勢。傳統新聞是通過記者的新聞鼻和新聞眼去親身尋找、發現并經過新聞價值判斷得來的。現代記者利用人工智能軟件分析相關的數據，提煉觀點和見解。有學者指出：“生成式智能重構了新聞生產流程，也在重塑記者的角色和職責。”［8］智能軟件依賴帶來問題，即新聞事實核查的困難。在過去，記者會依靠他們敏銳的新聞洞察和專業的判斷力，在實地采訪中發現新聞線索，并核實信息的真實性。然而，現在越來越多的記者依賴于AI助手提供的數據，特別是像ChatGPT這類大語言模型，“過度依賴AIGC的知識生產會塑造出知識擬象” ［9］。因為AI助手在知識生成過程中并沒有真正的理解力，而“有缺陷的算法、數據集和假設以及人類偏見等都可能造成系統畸形”[10]。因此，基于已有的數據和算法來生成新的知識，這不過是對原有知識的模擬，從而導致生成內容的偏頗。對于新聞業而言，記者們要避免將AIGC作為唯一知識來源，而應該憑借自己的理性思考來生產新聞，以確保新聞的真實性。

二、交互轉型：AIGC推進算法傳播的主體、內容與創作流變

人類自古以來寧靜的“人－人”關系因為智能化機器的涉足而被打破。相比較于直接創作，在AIGC技術助推下，用戶根據提示詞進行互動式創作逐漸成為內容生產的首選方式。從人人交互轉向人機交互的過程中，AIGC不斷重塑表達主體、內容生成以及創作流程，在創作領域展現出動態變化的復雜性。

（一）表達主體：從專業人士、互聯網用戶到人工智能程序的角色變遷

從內容創作者的演化來看，內容生成主體經歷了專業機構內容創作者（PGC）、普通用戶自媒體創作者（UGC）和人工智能程序自動生成內容者（AIGC）三個階段。傳統媒介時代的PGC是傳統內容產業的主體，由專業的內容創作者或機構創作，具備較高的素質和媒介職業素養。他們在創意文本構思、主題策劃、新聞撰寫等方面投入大量時間和精力，以保證新聞作品的真實性。自媒體時代的UGC是由普通用戶構成，他們往往憑借個人興趣愛好進行選題，在自媒體平臺、社交網絡等進行創作。寫作水平參差不齊，文本質量難以保證，而且內容更新的頻率難以保持連續性。人工智能程序通過機器算法自動生成內容，機器可以快速生成大量的內容，并且不受時間和精力限制，也不受文本形式的限制，可以生成文字、音頻、視頻等多種形式，展現出內容轉換和信息整合的超級人工智能特質。

從內容生成的參與者來看，AIGC動員了更多的參與者來進行內容生產，包括非人類實體的人工智能程序。機器算法成為內容生成的重要主體。人類語言思維邏輯下苦行僧式的內容創作日趨乏力，而自然語言思維下詞頻統計、大語言模型和人機協同成為內容生成的主流范式。大型語言模型的開源性和廣泛應用使得更多的人能夠參與算法傳播，改變了過去傳統媒介機構的內容生產由少數人或少數平臺控制內容的局面。任何人都可以借助大型語言模型生成和發布內容，從而使內容更富有創造性。

（二）創作流程：從直接內容創作到根據提示詞互動式創作演化

傳統的內容創作流程涉及多個環節，包括主題選定、創意構思、文本撰寫、編輯排版、內容發布等。這些環節需要內容創作者投入大量精力，與過去直接內容創作相比，用戶輸入提示詞與人工智能程序進行問答式（Qamp;A）的內容生產節省了不少環節，創作更加自動化。問答式內容生成的優勢明顯，基于搜索引擎的人工智能程序擁有強大的信息整合能力，可以快速生成內容，節省人力和時間成本。AI創作助手一定程度上為用戶提供了不同內容觀點，拓寬了他們的創作思路。但劣勢也是顯而易見的，AI創作助手是基于算法和訓練數據進行創作，其創作風格和趣味是普遍的而非個性的，因而無法展示用戶自身的獨特性風格。同時，它還受到語義理解的限制。人工智能算法的語義理解能力有限，難以理解復雜問題，導致生成的回答不夠準確。根據用戶的提示詞所生成的內容在某種程度上“滿足了數據規律，但未必能滿足常識規律”。也就是說，AI生成的內容無法保證事實邏輯的合理。但是，從人類生產內容到“人類 +AIGC”式的內容生產，智能傳播仍然促進了媒介內容生產與傳播生態的演進。［11］

辯證來看，AI創作助手擁有強大的內容生成能力，但它的內容創作規則，仍然來自人類的設計。人工智能不過是對人類心智的高度模仿。AIGC缺少情感和創新，無法理解和產生具有深度的創新性想法。人類的優勢在于選擇權、個性和自主性，這是人類創作力的核心要素，也是AI無法取代的。［12］人工智能算法本質上是基于模式和統計概率，而不是人類的洞察力和判斷力，它們難以捕捉語言和內容的某些細微差別或復雜性。正如有學者指出：“人工智能與人類心智的差別，本質在于高階認知（人類認知），在于語言認知及其基礎之上的思維認知和文化認知。”［13］平臺為用戶提供個性化服務背后是對個體數據的收集，這需要人們交付隱私和數據安全的代價。

（三）內容生成：從文字、圖像到音視頻的多模態信息整合與轉換

人工智能程序結合了搜索引擎和文本生成功能，不僅在文本生成方面表現卓越，而且可以依照文本生成圖片、音視頻等內容。人工智能程序的應用將帶來一系列新的產品和應用，比如更具啟發性和創造性的新聞報道和廣告內容，以及更快速和高效率的文本編輯與撰寫工具。［14］AIGC的出現引領了內容生成的新潮流，它將文字、圖像、音頻和視頻等形式進行無縫轉換，讓用戶在互動創作中更加自由地表達自己的觀點和創意，豐富了內容的形式和呈現方式。用戶可以通過給出一段提示詞或者簡單的描述，與人工智能程序進行互動式創作。這種多模態的信息生產使得內容創作更加豐富多樣，突破了傳統媒體單一形式的限制。

作為一種創作助手，AIGC不僅賦予了搜索引擎更個性化的體驗，同時也推動了人與機器之間的互動模式的改變。有學者指出，AIGC帶來了數字新聞業的“內容生產主體的演化、內容交互方式的改進以及內容生成效果的提升。AIGC的生產效率、專業度、大語言模型能夠實現海量的數據計算和持續的內容創新”［15］。這似乎是一個關于技術夢想的美好愿景：不僅實現了薩特所說的技術發展“讓人類更舒適”的解放論調，改變了人類體力勞動的能力局限，同時也使得機器的自動化創作取得了令人驚嘆的效果。AI創作助手參與下的互聯網內容生態將更加復雜，人人關系、人機關系、主客體關系以及虛體實體關系等諸多互動性環節都在發生轉型，新型的人機交互可能帶來意想不到的社會威脅。

三、交互效果：大模型塑造算法傳播新生態以及無機社會的威脅

AIGC技術發展下的智能化交互，憑借搜索引擎和跨媒介形式的內容生成能力，日漸成為互聯網內容生成的關鍵力量。與此同時，智能化的人機交互逐漸模糊了人類與非人類的邊界，自動化任務處理將可能帶來“無機社會的威脅”。

（一）AIGC塑造算法傳播新形態

AIGC作為一種內容生成工具備受人類喜愛。原因之一是它在搜索引擎方面的巨大潛力。與傳統的關鍵詞匹配搜索相比，AIGC能夠更好地理解用戶的搜索意圖，并生成更有針對性的內容，提供更好的搜索體驗。第二個原因是AIGC能夠進行內容的多樣化生產，甚至是跨形式的生產。用戶只需給出一段文字，人工智能程序就能根據用戶的需求將文字轉換成圖片或者視頻，同時也可以將圖片或視頻轉換為文字。這種跨形式的內容生成能力，不僅提供了更多的創作選擇，也滿足了用戶多樣化的需求，人工智能小程序多樣化的內容生產能力使得用戶可以跨形式地創作內容。第三個原因是大語言模型的類人語言版的對話能力。大語言模型為人機交互帶來新風貌，技術轉型從大數據到大模型的轉變，使得內容的可獲得性、內容的理解力和內容的塑造引導等方面得到了提升。大語言模型能夠更好地處理和生成自然語言，從而提升人機交互的智能性和自然度。通過對大量文本數據的學習，理解和掌握豐富的語言知識和語義規律，它可以識別和理解文本中的語言結構、語義關系和上下文信息，從而提高自然語言處理任務的準確性。大語言模型采用經驗主義的預訓練方法，通過深度學習習得人類語言要素之間規律，其強大的算法邏輯深刻影響了個體間的互動以及社會關系的重構，其生成式內容的智能產制模式對現有內容生態構成了沖擊。

（二）AIGC內容生產自動化的后果：無機社會的威脅

大語言模型為新聞生產自動化帶來了更高效率與個性化服務能力。英國學者那不勒斯早前對新聞業的智能化生產進行研究，他指出，“媒體生產和消費的過程日益自動化和算法化”［16］。通過引入AI助手和自動化技術，新聞機構可以更高效地處理大量數據和信息，實現快速的新聞生產和發布，使他們能夠更專注于深入報道和事實核查等核心工作。此外，大語言模型還具備多語言處理能力，輕松處理多種語言的新聞報道。這意味著新聞報道可以涵蓋全球范圍內的事件和話題，促進跨文化交流。大語言模型還可以與其他多媒體技術結合，例如圖像識別、語音識別等，支持生成多媒體新聞內容。這樣，新聞報道不僅可以提供文字，還可以融入圖像、音頻和視頻等形式，使讀者更加全面地了解事件。AIGC自動化聊天機器人可以根據用戶提供的問題快速生成準確的回復。

但內容自動化生成技術對互聯網內容生態的影響，我們要有清醒認識。當更多的內容生產者特別是智能性的非人類主體成為內容生產者的一分子時，互聯網的內容信任問題和話語秩序問題便值得關注。早前的學者就對電子媒介的自動化問題和內容生態中人人參與的問題進行過反思。麥克盧漢說：“自動化產生了真正的大量生產——不是指大規模的批量生產，而是說瞬息之間涵蓋寬廣的生產。這也是大眾媒介的特性。大眾媒介所顯示的并不是受眾的規模，而是人人同時參與的事實。”［17］它強調了自動化技術在內容生成和信息傳播方面的高效率，也承認大眾媒介具有信息的廣泛傳播性和共享性，內容生態中的每個人無論是作者還是觀眾都有機會參與其中，同時參與信息的創造、分享和交流。另一位學者斯蒂格勒則探討了現代社會數字媒介對用戶的自動化操縱行為，他說：“未來社會人類的洞察力（也就是康德說的知性）已經被自動化（Automated）了，自動化依托于算法的分析權力。”［18］人們通過瀏覽網頁、搜索引擎或社交媒體來獲取信息，算法模型的智能化，逐漸導致了用戶依賴于自動化系統來接收信息。

當機器智能發展到能夠實現“端到端”的數據交互且不需要用戶干預的時候，自動化處理所帶來的“無機社會的威脅”就迫在眉睫了。機器本應該作為客體而存在，但機器的“友好界面”常常令人忽略其作為算法媒介的本質。“機器友好”降低到了用戶對機器“算計”的防備。凱文·凱利描述了“機器正在生物化”，凱瑟琳·海勒聲稱“人類正在賽博格化”，尼古拉斯·卡爾曾以“玻璃籠子”隱喻被各種各樣的智能設備包裹的當代人類困境。［19］這都暗示了人類與機器深度交往之后的可能局面。當AI習得了人類的語言規律，當“人機協同創造”成為人們日常生活的習慣時，人類對軟件應用程序過度依賴所導致的自身退化問題便不容忽視。機器智能正朝向與人類主體并列的智能體方向發展，將傳統的“人—人”互連的認知轉化為“人—機—人”互生的認知。［20］

四、余論：算法傳播轉型后的交互前景

大語言模型重新定義了人類與軟件交互的方式，為內容的自動化生產帶來了創新，重構了算法傳播的新格局。用戶對機器自動生成內容呈現出矛盾復雜的心情，既包含著對智能內容助手的熱愛，又帶有對失去人類獨特性和質量控制的擔憂。毋庸置疑，大模型作為高效、快速的信息生產助手為人類帶來了知識創新的無窮可能。然而，長期的軟件依賴將帶來潛在的社會問題。

用戶對智能機器的交互抵制正逐漸顯現。原因在于大語言模型自身的缺陷給用戶帶來了困擾。自動化產生的新聞、評論和回復等在社交媒體平臺上占據大量篇幅，從而導致用戶個人思維能力下降。大語言模型對用戶的規訓更加隱蔽，人類對智能機器的依賴容易導致用戶思考能力的退化。如德勒茲所言：“社會不再通過禁錮運作，而是通過持續的控制和即時的信息傳播來運作。”［21］在大語言模型中，這種控制和信息傳播主要通過兩個方面實現：一方面，大語言模型在訓練過程中，通過篩選和過濾數據，來塑造其輸出結果。數據的來源和質量會對最終的模型輸出結果產生重要影響；另一方面，大語言模型受到用戶的輸入提示詞的影響，從而調整其生成的文本。用戶的輸入對于模型生成的文本具有一定的導向性，而模型的輸出又會反過來影響用戶的意識和認知。在這種互動過程中，模型會根據用戶的需求和反饋來進行優化調整，以滿足用戶的期望和需求。在內容生成領域，新聞智能機器人可以根據用戶的提示詞在短時間內完成新聞報道，極大地拓展了新聞寫稿的選題范圍。寫稿機器人的工作原理是根據已有的數據進行快速生成，但它無法像人類記者一樣從事深入的實地采訪工作，容易忽略重要的細節和背景信息。另外，寫稿機器人的寫作風格和語言都是由設計者預設的，并且依賴于已有的模板。如果記者僅僅依靠機器人來生成新聞，那么新聞報道的風格和語言將變得枯燥乏味，單一且缺乏創新。

從前景來看，作為一種資源，大語言模型被廣泛應用于商業領域，被視為一種能夠為企業創造巨大價值和競爭優勢的資產。以大語言模型為基礎的商業應用，用于自動生成各種文本、建議和策劃方案，幫助企業快速且高效地生產內容。這無疑提升了企業的生產效率和創新能力。但商業化大語言模型的設計在考量人類價值觀和道德原則方面仍然欠妥。由于大語言模型的學習和訓練依賴互聯網上的大量數據，其中包含了紛繁復雜的觀點，模型中的算法會強化特定的偏見和價值觀。有批評者指出：“數字政治下的算法治理不僅將活生生的生命變成了檔案和數據，也變成了算法掌控和支配的行動者（Agent）。”［22］這意味著個人的選擇和決策受到模型算法的限制。模型中的算法通過其對用戶數據的分析和推薦，直接干預并塑造用戶的行動。有學者指出，大語言模型等新興AIGC技術代表了人機交互的巨大進步，但它依然存有自身的局限，“它不能創造語言、不能深度理解人類、不能全面嵌入社會，因而，人工智能的未來發展趨勢將是深度的人機合作。”［23］從長遠來看，在應用寫稿機器人的過程中，應該保持人機合作的模式，讓機器的智能輔助記者的工作，而不是完全取代記者的角色。

AIGC技術助推下的人機交互飼喂大模型將人機關系更加復雜化，“人類+AIGC”式內容生產帶來了互聯網內容秩序的新景觀，因而，保持人類的主體意識以及內容生產的良好秩序成為首要舉措。算法傳播中的人機關系、機器角色以及人類作為內容創作的主體性問題都需要重新認知。如學者肖仰華所言：“人類的新角色是智能機器的‘牧羊人’，人最重要的能力是使用和駕馭AI的能力。”［24］為此，AI創作助手的模型設計者需要提供透明的和可信賴的數據使用方式，并提供用戶可選擇的控制選項，增加用戶對互連的信任度。不妨借鑒Diakopoulos［25］的“算法透明度”（Algorithmic Transparency），考慮“模型透明度（Model Transparency ）”，這就要求大語言模型的實施者提供足夠豐富的信息，使公眾能夠理解模型的工作原理、使用數據、權衡的指標以及對決策結果的解釋。只有當公眾了解大語言模型的運作方式時，他們才可以評估和監督模型的使用，從而提高公平性。重建AIGC時代的新型人機關系，人類需要重拾自主權，將技術作為輔助工具，而不是完全依賴技術。海爾斯說：“隨著與我們的設備連接的信息網絡和反饋回路的不斷激增與加深，我們再也不能產生僅靠意識來操縱我們的船只的幻覺了。”［26］如果盲目依賴AI創作，用戶就難以避免會面臨信息過載、失去自主權、數據偏見和喪失創造力等“無機社會的威脅”，互聯網內容生態的良好秩序也將難以建立。

參考文獻：

［1］Beer，D.The Tensions of Algorithmic Thinking：Automation，Intelligence and the Politics of Knowing［M］.Leeds：Emerald Publishing Limited，2022：9-10.

［2］肖仰華.生成式語言模型與通用人工智能：內涵、路徑與啟示［J］.人民論壇·學術前沿，2023（14）：49-57.

［3］Turkle， S.， Taggart， W.， Kidd， C.D.， Dasté， O. Relational Ａrtifacts with Ｃhildren and Ｅlders： the Ｃomplexities of Ｃybercompanionship ［J］. Connection Science. 2006，18（4）： 347-361.

［4］［英］尼古拉斯·蓋恩，戴維·比爾.新媒介：關鍵概念［M］.劉君，周競男，譯.上海：復旦大學出版社，2015：8.

［5］［美］馬克·波斯特．第二媒介時代［M］.范靜曄，譯.南京：南京大學出版社，2001：22.

［6］［美］亨利·詹金斯，［日］伊藤瑞子，［美］丹娜·博伊德.參與的勝利：網絡時代的參與文化［M］.高芳芳，譯.杭州：浙江大學出版社，2017：12.

［7］王悠然.社交媒體正在自動生產“記憶”［N］.中國社會科學報， 2021-09-13（３）.

［8］陳昌鳳.生成式人工智能與新聞傳播：實務賦能、理念挑戰與角色重塑［J］.新聞界，2023（6）：4-12.

［9］吳靜，鄧玉龍.生成式人工智能前景下的公共性反思［J］.南京社會科學，2023（7）：19-26，36.

［10］毛子駿，朱鈺謙.人工智能的國外社會科學研究熱點綜述［J］.電子科技大學學報（社科版），2023（2）：55-67.

［11］喻國明，李釩.內容范式的革命：生成式AI浪潮下內容生產的生態級演進［J］.新聞界，2023，（7）：23-30.

［12］胡泳：AI可以生成一切，那我們還需要人類創作者嗎？［EB/OL］.https：//www.tisi.org/25988.

［13］蔡曙山.從認知科學看人工智能的未來發展［J］.人民論壇·學術前沿，2023（14）：13-28.

［14］陸小華.智能內容生成在催生什么傳播新變局［J］.青年記者，2023（3）：83-88.

［15］何哲，曾潤喜，秦維，等.ChatGPT等新一代人工智能技術的社會影響及其治理［J］.電子政務，2023（4）：2-24.

［16］Napoli，P.M.Automated Media：An Institutional Theory Perspective on Algorithmic Media Production and Consumption［M］. Oxford： Oxford University Press，2020：340.

［17］［加拿大］馬歇爾·麥克盧漢．理解媒介：論人的延伸［M］.何道寬，譯.南京：譯林出版社，2019：309.

［18］［法］貝爾納·斯蒂格勒.南京課程：在人類紀時代閱讀馬克思和恩格斯——從《德意志意識形態》到《自然辯證法》［M］.張福公，譯．南京：南京大學出版社，2019：50.

［19］［美］尼古拉斯·卡爾.玻璃籠子：自動化時代和我們的未來［M］.楊柳，譯.北京：中信出版集團，2015：77.

［20］邱澤奇.認知域：從習以為常到人機互生［J］.人民論壇·學術前沿，2023（11）：12-27.

［21］［法］吉爾·德勒茲.哲學與權力的談判［M］.劉漢全， 譯.北京：商務印書館，2000：199.

［22］藍江.生命檔案化、算法治理和流眾：數字時代的生命政治［J］.探索與爭鳴，2020（9）：105-114，159.

［23］阮凱.大語言模型不能做什么？［N］社會科學報，2023-０9-1（6）.

［24］大模型時代人機關系：人類新角色是智能機器的“牧羊人”［EB/OL］.https：//new.qq.com/rain/a/20230907A07L0500.

［25］Diakopoulos， N.， Koliska， M. Algorithmic Transparency in the News Media［J］. Digital Journalism， 2017， 5（7）： 809-828.

［26］Hayles，N.K.Unthought： The Power of the Cognitive Nonconscious［M］.Chicago： Chicago University Press，2017：203.

（責任編輯 焦德武）