彭 兰 | 从ChatGPT透视智能传播与人机关系的全景及前景

智能传播这个词虽然在近几年被不少研究者使用，但多数时候，研究者并没有做出明确界定。有些研究将智能传播窄化为算法分发，这无疑会局限我们的视野。也有些研究是将人工智能时代的传播默认为智能传播，但这种默认也会带来概念泛化的问题，人工智能时代仍有些传播是传统的或非智能的。

周葆华等人对智能传播的定义则更为明晰，他们认为，“智能传播”指人工智能技术介入和参与的传播活动：可以发生于生产环节（如机器新闻生产），也可以发生在分发、使用环节（如算法推荐）；不仅包括以智能技术为中介的人类交往过程（不限于人际范围）及其影响，也包括人类与智能技术交往的人机传播过程（HMC）及其影响（周葆华、苗榕，2021）。这个定义不仅明确了人工智能在智能传播中的角色，也指出了人机传播这样的新的智能传播形态。

与智能传播一样，人机传播这一概念虽然近年已经出现，但学界并没有达成统一认识。有学者强调人机传播的特征是, 机器并非传播的渠道，而是信源或/和信宿（牟怡、许坤，2018）。对这一特征，研究者容易达成共识，但如何理解人机传播与此前已经出现的人机交互这一概念的关系？有人将人机交互与人机传播视为同义词，或者将人机传播作为人机交互的新阶段。但人机交互（human-computer interaction，HCI）是研究人、计算机之间相互影响的技术，其研究重点是用户界面，即人与计算机之间传递、交换信息的媒介和对话接口（董士海，2004），主要涉及的是人与各种输入、输出设备之间的交互。而今天我们谈论人机传播时，机器已经变成了与人一样的交流主体，人与机器的交互，已经从界面的交互，转向信息甚至情绪、情感的交互，这种交互也在对人类行为产生影响。因此，将人机传播与人机交互“切割”开来，是有必要的。

从广义来说，机器作为主体参与的各种能达及人的智能传播活动都可以算作人机传播，机器自动化新闻生产、算法分发等也可以包括在内。而从狭义来看，人机传播是指同为传播主体的人与机器之间的直接互动，这样的人机传播更多类似人际传播，为了避免与广义的人机传播产生混淆，将狭义的人机传播称为“人机交流”或许更恰当。

除了人机交流外，在机器新闻生产、算法推荐中，机器也是一种新的主体，而不仅是工具或渠道。机器成为传播主体，可以视为智能传播的最本质的特征。

目前内容领域所依赖的智能技术主要体现为算法，算法即是规则，它不仅确立了机器所试图实现的目标，同时也指出了实现目标的路径与方法（贾开、蒋余浩，2017）。算法也是对现实世界做出的简化模型，它可以将抽象的问题变成可以量化、计算的对象。算法既可以应用于内容生产，也可以用于内容分发。ChatGPT背后也有各种算法支持。

除了算法等技术外，数据也是智能传播中的一个核心要素。如方兴东等指出，数据驱动的信息生产和传播方式，是智能传播的本质（方兴东、钟祥铭，2022）。无论是哪种类型的智能传播，都是以数据为基础，数据是智能成长的“营养”或技术推进的“燃料”，没有数据，就没有智能。数据不准确或是不完备，也不会带来足够的智能，ChatGPT在回答中文领域的一些问题时会产生偏差，甚至胡言乱语，也正是因为对其进行训练的中文语料库是有限的。智能传播的深化，不仅基于互联网上难以数计的各种内容数据，也基于人本身全方位的数据化。未来，物联网中生成的“物”的数据，也会成为智能传播的“新能源”。

智能传播对内容生产、传播的一个关键影响，是以算法、数据思维为代表的机器思维的全面引入，这些思维也会在某些方面拓展人们对世界的认识与反映方式。算法、数据思维也会对人的经验性、直觉性思维形成一定的冲击。但仅有算法、数据是否就有了完备的智能传播，算法与数据的局限在未来需要如何解决，这也是智能传播实践与研究中的重要问题。

数据加上相关的算法或其他智能处理技术，再加上相关的硬件，共同组成了智能传播中的一个新主体，或者说一种新行动者，我们可以将其统称为“智能机器”。与以往机器只是作为内容生产或交流的工具不同，智能机器通过迎合利益、利益说服、迂回诱导、目标重组和利益并置整合五个转译策略，不仅成为内容生产行业的核心行动者，建立起人机合作的内容生产网络，而且成为社会决策与创新的建构性力量（张微、彭兰，2022）。当然，这种新的行动者在行动中引发的一些问题，也在引起人们的关注。

在一些研究中，研究者容易将智能传播与智能化媒体（也简称为“智媒”“智媒体”）混淆。两者虽然有很多的相关性，甚至在很大程度上正是智能化媒体实践推动了研究者对智能传播的认识，但智能化媒体这一概念更多强调的是专业化内容生产者利用智能技术进行内容生产与分发手段的创新，是发生在媒体内部的变革。智能化媒体是智能传播的一种表现形态，但并非全部。

包括ChatGPT在内的AIGC（人工智能生成内容）技术，使智能化内容生产翻越了专业围墙，进入普通人的领地，这正是其对智能传播的一个推动。同时，ChatGPT将人机交流带到一个新的起点，也会使人对机器有更多的信任，对与机器的交流有更多期待，人机交流日益成为常态。从这两条线索我们都可以看到，智能传播正在逐渐漫延为一种全民行为，甚至会像以往的社交媒体应用一样，推动人们日常生活的媒介化，而这种媒介化前面，还需要加上一个修饰词：智能。

对普通人来说，智能技术还有另一种介入传播的方式，那就是智能化的传播终端与人的共生。但仅有智能终端并不等于拥有了智能传播。智能终端需要与其他应用技术结合，才会体现数据与算法驱动的智能传播。

智能传播研究不仅要关注传播活动，更需要关注新的人机关系。智能传播带来了三种人机关系：人机协同、人机交流、人机共生。对智能传播的认识，可以基于这三种新的关系展开。智能传播的发展，也是这三种人机关系不断深化，特别是向人们日常生活渗透的过程。

内容产业是人工智能较早进入的领域之一，这既是因为内容产业的核心工作（信息处理）正是人工智能技术的强项，也是因为海量的内容加工与分发更需要依赖智能化机器的效率。而技术的发展，也使得智能技术的应用从机构性应用扩展为全民应用，也就是从媒体内部走向媒体外部，这一点，正如互联网从web1.0到web2.0的跃迁。这种扩展，也意味着人机协同不仅影响着内容产业，还会逐渐影响到人们的日常生存。

（一）知识生成与按需生产：人机协同下内容生产的深化方向

从目前媒体内部实践来看，人机协同下智能化媒体的应用已经涉及以下层面。

其一是信息采集的智能化。与媒体内容生产相关的信息，既包括与选题或产品策划相关的信息，也包括新闻报道中直接采用的信息，还包括用户分析、用户反馈的相关信息。传统媒体时代，这些信息的获取主要靠人的力量，但今天在人工智能、大数据、物联网等技术共同作用下，智能机器不仅可以快速甚至全天候地采集各种平台、各种渠道的数据，而且也扩张了信息采集的维度。这也为媒体报道提供了更丰富的资源，甚至提供了新的报道视角。

其二是信息审核的智能化。机器已经成为信息核查的重要辅助力量，它也可能带来信息核查的新思路与新机制，包括来源分析、模式识别、技术鉴定、交叉验证、演变跟踪等。

虽然机器可以对海量信息进行快速判断与筛选，但最终的把关者仍是人，信息的真伪判断、价值判断、风险判断等，很多时候仍要依赖人来完成，这些判断也需要建立在良好的专业能力基础上。此外，机器的审核算法，也需要向人类学习。

其三是内容创作与加工的智能化。目前，国内传媒业界开发的技术已经可以完成从文字到图片、音视频等多媒体新闻作品的智能化生产，2023年3月发布的GPT4也可以完成多模态创作。机器生产的内容有些是完全原创的，也有些是基于已有的信息进行加工、整合。 

当然，机器进入到内容创作领域，其目标并不是完全替代人。相反，机器的高效生产、深度挖掘能力，有助于解放人，使人在某些类型的作品生产中投入更多精力。人和机器独立或协作生产的作品，将以不同的风格满足用户的不同需求。对于媒体来说，基于人的视角、人的观察、人的情感由人主导完成的作品，仍将是主流。

其四是传播反馈分析的智能化趋向。机器采集的新维度的信息，也可以为用户分析提供新思路。以往的用户分析，主要依靠问卷调查等常规手段。虽然未来问卷调查这一方法不会完全失灵，基于科学的方法与手段的问卷调查形成的结果仍有较强的说服力，但是，基于社交平台、用户平台的大数据采集和分析，已经越来越多地进入实践，而这些层面的用户分析，在很大程度上需要借助机器的力量。

可穿戴设备、传感器等，也会给用户分析带来全新的手段与思维，使用户分析个性化、场景化、实时化。人们的行为与情绪，也可以通过其生理层面的数据被揭示出来。

AIGC技术的发展，也会在以上方面进一步促进智能化内容生产。2023年3月，百度推出了类ChatGPT应用“文心一言”，近200家媒体宣布接入这一平台，代表了内容生产者对智能技术的积极拥抱，即使没有技术开发能力，媒体也试图利用开放的技术平台，来进行智媒化探索。

未来类似ChatGPT这样的工具，不仅可能逐渐淘汰只会搬运、堆砌信息的媒体或自媒体，而且会为媒体的信息加工、整合设置更高的目标，同时也会带来新的信息产品开发。如学者所指出，ChatGPT类大模型在信息推理、数据整编、报告撰写、知识库构建等方面的能力进一步推动衍生信息资源的建设（陆伟等，2023）。我们也可以期待，未来的智能技术还将在整合信息的基础上，带来知识的生成，这也是信息超载时代人的重要需求。

哲学家波兰尼认为：人类的知识有两种。通常被描述为知识的，即以书面文字、图表和数学公式加以表述的知识，是明确知识。而未被表述的知识，像我们在做某事的行动中所拥有的知识，是默会知识（郁振华，2001）。虽然今天人们普遍认为，智能机器不能拥有默会知识，但它是否会拓展明确知识的生产模式，提高知识生产能力？这一点已得到了很多研究者的认同。

挖掘已有信息的关系，从中总结提炼以往人没有发现的模式或规律，这便是一种知识生成，而在这方面，大数据与人工智能的结合，已经展现了很大的潜能。有研究者指出，从知识表达与推理视角来看，人工智能参与的知识生产是一种基于知识库和规则事实逻辑的“集体知识系统”，是包含搜集、处理、生成、匹配、推荐为一体的某种“实在的对象”的生产系统，其生产出的知识是一种“计算知识”（方师师、郑亚楠，2018）。计算知识最终也可以归为明确知识的范畴，但与以往相比，其生产机制发生了变化。

当然，无论是现在的ChatGPT还是未来的其他应用，要推动知识的生成，都仍然需要人的参与，这体现在机器学习素材的提供，也体现在知识生成的目标与具体任务设置方面。

除了知识生成方面的推动外，ChatGPT等应用带来的内容生产的另一个变化，是“按需式”或“点播式”的内容生产。今天的内容分发虽然已经全面走向个性化，但这仍然是在已有的内容中挑选适合不同用户的内容进行推荐。如果人们需要的某些内容没有生产出来，需求就无法得到满足。而ChatGPT等可以由用户提出需求，再进行内容的生产，这是完全由用户的个性化需求驱动的。

20个世纪90年代，出版界开始探讨“按需出版”的可能，在理论上，这是完全可以做到的，但成本等因素限制了这一理念的推进，实践中出现的有限的按需出版也主要是体现为按需印刷。今天，当人工智能和相关技术极大地降低了某些内容生产的成本时，按需生产变得更为可行，在以信息整合、信息挖掘为主的内容生产领域，尤其如此。

按需生产在未来的发展，会使得个性化内容对公共性内容的挤压进一步加大，公共性内容由谁来生产、如何到达更广的用户，也会成为一个新问题。

（二）智能管家：人机协同的新内容分发模式

 在媒体内部探索智媒应用时，各种新媒体内容分发平台，也开始了算法分发这一智能化应用。智能化算法，主要目标是解决人与内容的适配问题，适配依据包括用户个性需求、所处关系以及场景等维度。目前的算法主要依据的是用户个性需求分析，一些算法开始将用户所处的社会关系纳入算法模型，而在可穿戴设备等技术的支持下，场景分析在未来算法分发中的作用将得到提升。

今天的分发算法未必已经达到理想状态。对于用户个性需求的狭隘和静态的理解，会使得算法推送的内容越来越狭窄、封闭，一些算法过于强调个性分发而忽略社会整合，也会使得个体及不同人群间的相互关注与对话减少，某种意义上用户可能会被算法“囚禁”。平台的算法分发也对平台整体内容流量分布进行影响，而流量导向也会反过来影响到内容生产者的取向。未来的分发算法还需要进化，而进化的原则与方向，也需要更多体现来自传媒业的专业原则与价值判断。

ChatGPT的出现，使得另一种智能分发模式浮出水面。ChatGPT带来的是跨平台信息分发。以往平台的算法都是解决本平台的内容分发问题，而ChatGPT则是应用各种不同平台、不同来源的信息与语料，因此，是多平台内容的集成加工。ChatGPT也给搜索引擎带来新的思路，因此，搜索引擎平台也对ChatGPT应用做出了快速的回应。微软的新必应将集成ChatGPT应用，谷歌等也开始探索类似的新用户界面。

搜索引擎是对信息的二次乃至N次分发具有重要意义的渠道。ChatGPT面对的是与以往搜索引擎相似的用户需求，即针对某一问题提供相应的信息。但搜索引擎提供的只是一些信息索引，也就是相关的信息链接，不负责对信息进行整合，ChatGPT则将信息的搜索与信息的筛选、整合，结合在了一起。而在新必应里，还同时提供作为答案生成依据的相关信息的链接，能够进入到答案的链接，为其原始内容提供了再分发机会。如同现在的网站往往通过SEO（搜索引擎优化）来提高传播面一样，对未来的内容生产者来说，也要力图通过优化策略让自己的内容进入到各种答案中，这需要对ChatGPT类应用的具体原理有着深层的理解。

从用户这端看，ChatGPT带来的另一个变化，是采用人性化的对话方式提供答案，人在信息获取过程中有了更多参与。用户提出的问题，决定了信息获取的方向，用户也可以对机器的回答进行反驳、质疑，这有助于机器不断提高回答质量，丰富信息整合的内容。这样的对话过程，也是人机协同的过程。

ChatGPT的模式也意味着，智能分发不必都通过集中性的平台而是可能以更个性化的“智能管家”的方式实现。用户可以通过适配的终端或渠道，通过嵌入在各种App、专属于自己的信息管家处获得特定场景下所需要的内容。个性化内容接收的终端也不限于手机，而是可能会向智能家居、智能汽车等空间中的各种智能设备延伸。

对于使用者来说，智能化的内容分发模式决定了他们认识世界的广度，那么，目前某些算法分发可能强化的信息茧房问题，是否会在智能管家这一模式下得到解决？答案还并不明确。ChatGPT类应用是以广泛的信息源为学习对象，因此提供的信息或答案会超越人们日常的信息获取渠道，特别是社交渠道，这有助于打破人们现有的社会圈子、社会位置的限制来获取信息、知识，也可以使不同圈层的人获得的信息差有所减少，当然，其前提是，人们能平等地接触与使用这些智能应用。但未来的智能管家是否会越来越了解一个人的习惯、性格，所提供的信息也会不断迎合用户的偏好？从理论上是完全可能的。究竟是否要向这一方向发展，则取决于开发者与应用者的意愿。像今天的算法分发一样，机器是强化还是破解信息茧房，最终还是取决于人如何利用机器。

（三）“智能媒介化”生存：个体与AIGC的相互作用

以往智能化内容生成技术主要局限于实验室以及媒体这样的圈子，而ChatGPT进入到我们视野时，是作为一种开放的工具，是面向普通人的，因而很快被大众知晓、利用。这也会形成一种示范，未来越来越多的AIGC应用会面向普通人。

AIGC应用不仅为个体提供了内容创作的新工具，也会在一定程度上重新定义人们的工作与学习，使得日常生活被智能化媒介改造。当媒介走向智能化时，算法成为影响人的媒介化生存的新变量。从信息获取、社会关系建构到衣食住行这些日常生活，一切都可能被算法左右。今天不少人已经意识到算法带来的影响，也开始了对算法的抵抗或反向利用，这也是人们对算法的驯化过程的一部分。

算法应用还只是智能媒介化生存的开始，人们对智能媒介技术的驯化也不只是意味着抵抗。在西尔弗斯通看来，人对技术的驯化，既包括个人合理地利用技术满足自身的私人目的，同时也意味技术对人机能的拓展使得个体能够更好地参与到公共空间活动之中。人对媒介技术的驯化体现为四个阶段：占有（appropriation，消费购买）、物化（objectification，对其进行实际处理）、融入（incorporation，技术在被使用的过程中逐渐融入个体的日常生活，成为日常生活实践的一部分）、转化（conversion，技术脱离私人生活范畴，重新“转化”进入公共空间）（戴宇辰，2019）。个体对AIGC的驯化大致也会分为这四个过程。

从占有来看，虽然AIGC目前大多还是免费的，但人们也需要通过一些手段才能获得它们。此外，有些技术已经或正在走向收费，占有AIGC仍需要一定的代价或成本。但可以预计的是，这样的代价和成本不会太高，当人们获得的收益越来越大时，人们也会愿意付出相应的代价与成本。

人们对AIGC的物化，会表现出不同的形式，今天我们至少可以预见以下几种可能的情况。其一是将AIGC技术收编，成为工作中的助手。虽然现在对于AIGC在工作中合理应用的边界还存在争议，甚至一些机构明确禁止类似ChatGPT类应用，但在智能化大趋势下，AIGC应用恐怕很难被阻挡。微软Microsoft 365 Copilot的推出，更会促成AIGC进入很多工作领域。在机器可以带来更高的效率且不降低质量（甚至某些情况下还能提高质量）的前景下，从产出角度看，未来越来越多的领域、行业接受、认可AIGC技术及其生产的内容是可以想象的。这样的AIGC应用，会使得那些程式化的工作或可有可无的形式主义的工作，被机器接管，人们在从这些工作中解放出来时，也开始担忧自己面临的被淘汰风险。但AIGC本质上仍是人机协同的应用，人如果能在与机器的协同中找到自己的新角色、新价值，也能实现和机器的和谐共处。

其二是在AIGC的应用中学习知识。这里提到的学习既包括狭义的在学校里的课程学习，也包含广义的学习。相比由教师引导的系统性知识学习，通过诸如ChatGPT这样的工具进行的知识学习，是直接针对人们的某些疑问或目标，目的性更强。AIGC工具本身包含了知识的收集与整理过程，而以往这样的过程需要人自身来进行。知识的整理过程在人的知识学习过程中的淡化甚至消失，看上去提高了学习的效率，但这也意味着人们更多地只是被动地接受答案。AIGC可以帮助人们快速获得知识，但并不能给人们带来足够的思维训练。答案式的信息获取，让人们通过捷径到达某个目的地，但这也使得人们缺少了“在路上”的过程，因此会错过很多路上的“风景”与“奇遇”。过分依赖AIGC工具进行学习，只会让人们获得越来越多的未经自己消化的知识，知其然而不知其所以然，人的思维能力也会退化，面对AIGC的影响，学校的教育也需要设置新的目标。

其三是利用AIGC完成一些仅靠自身能力不能完成的创作，特别是在绘画、音乐等需要长时间训练的创作领域。虽然这些创作未必能产生精品，甚至大多都不能称为艺术作品，但它们可以满足人们的自我表达愿望，人们也会期待通过这种表达在社交空间中获得更多存在感和关注度，润滑自己与他人的关系。

这样的创作工具也为人们在元宇宙中的化身生成或其他内容创作提供了支持。虽然当下ChatGPT的出现大大冲淡了元宇宙的受关注度，甚至有人认为ChatGPT的出现意味着元宇宙概念的破产。但是，两者之间并非后者替代前者的关系。元宇宙所昭示的虚拟与现实世界的关系，AIGC所代表的人与机器的关系，都是智能时代重要的发展线索，当下对人机关系的热议，并不代表对虚实关系的抛弃。事实上，AIGC与元宇宙的发展是相互交织的，AIGC的发展也给元宇宙方向下的应用提供了新动力。

其四是将AIGC工具作为聊天对象，将智能机器作为日常生活的技术伴侣，这也会推动人机交流的常态化，相关的影响后文将进一步分析。

可以预见的是，大众对AIGC物化的结果，并非只是产生了各种各样的内容产品，更重要的是丰富了人们的自我表达与社会互动模式，改变了人们的工作与学习模式。正是在人们对AIGC多样化的物化过程中，AIGC与日常生活不断融合，人们的思维方式被智能技术思维浸染，行为模式也会越来越多被打上机器的烙印，这也是智能媒介化生存的更深含义。

AIGC向公共空间的转化过程，会带来内容生态的进一步丰富，也带来生态格局的调整，人机协同的创作甚至可能迫使一些低质量的单纯由人生产的内容退出。

AIGC也会成为社区发展的新土壤，成为社会关系重组的新纽带，但同时也会带来新的智能鸿沟。这既体现在AIGC技术的可获得性方面产生的差距，也体现为对AIGC的驯化过程中的差距，后者在未来会表现得更突出，影响也更深刻。进一步，人们所处的社会阶层也会受到智能技术掌握能力的影响。

可以看到，人对AIGC的驯化过程中，AIGC也在对人进行驯化，这是人机协同过程必然经历的。这种双向驯化塑造着人的智能媒介化生存的新状态与新特征。

（四）人机协同中人类角色的调适

理想的人机协同，需要人和机器相互促成，相互制约，相互纠正，相互驯化。但如果人不能在这过程中进行一定的角色转化，就难以适应这种新关系，或者将会被机器单向驯化。

作为智能传播时代的最先实践者，媒体人比普通人更早感受到了智能机器的冲击。媒体人如何看待自身与智能机器的关系？有研究者对30名新闻网站从业者的访谈发现，一方面，从业者诉诸“新闻专业性”话语来维护自身的职业权威；另一方面，他们在实际工作中接纳算法技术并将之定义为“创新性技术”以维护自身的职业生存。从业者试图灵活调用“新闻专业性”话语与“创新性技术”话语进行专业角色调适，在坚守传统专业角色的同时适应算法技术的发展（王琪、朱巧燕，2022）。这样的认知与态度或许在媒体从业者中具有一定的普遍性。

但理念上对智能技术的接纳，并不代表实际行动能力。新闻专业性与创新技术之间究竟如何才能兼容与平衡，在操作层面仍然有很多障碍。例如，如何将机器采集的信息与媒体人的采访更好的结合？哪些内容生产可以发挥机器优势，而哪些内容生产仍需要人的坚守？有哪些有效的人机协同模式可以推广？在内容分发算法由算法工程师主导的情况下，专业的新闻价值观如何渗透到算法设计中？回答这些问题，媒体人不仅需要付出时间，可能也需要付出一定代价。

类似这样的困惑也会逐渐向普通人扩散，所有困惑的核心指向都是，人们在利用机器的同时，如何不被机器淘汰？要回应这一核心关切，我们需要再次明确一个基本方向，那就是AIGC是人机协同的内容生产，人应是协同的主导者。当然，这一“应然”能否变成“实然”，取决于人能否在与机器的新关系中做出角色的调适或转换。

即使在智能时代，人也是机器的学习模板。机器的智能来自对于人类的信息、知识与思维的学习，AIGC也离不开人类提供的信息、语料与行为模板。今天各种社交媒体中人们发布的内容也是机器学习的重要对象。一定程度上，人提供什么样的样板，机器就会向什么方向成长。机器也是人类的一面镜子，反射出人类的优缺点。如果我们期待机器向善，那么人需要为机器做好榜样。

在机器面前，人要学会提出问题、下达指令、设定目标。AIGC相关技术只是创作工具，自身没有创作目标，它们的力量能否激发、在多大程度上激发，取决于人们为它设置的问题、任务与目标。ChatGPT更是如此。人们的问题，首先来自生活、工作、学习等需要，但在解决这些需要之外，人们能不能提出有想象力的问题，来挖掘自己与机器的潜力，给生活带来新的乐趣，也是对人的新考验。如果人们不想将自己变成机器面前的另一台机器，自身想象力的开发也是必须的。

人要学会对机器提供的答案或结果进行判断。AIGC以人类的知识与信息为处理对象，这其中隐含着大量的错误与纰漏，机器虽然有一定的核查能力，但未必能识别一切谬误。机器本身，也可能存在系统性偏差或偶然性失误。面对机器提供的看上去条理清晰、引经据典的答案，人需要有更强的判断能力。这种判断过程也是人的学习过程。

人也需要面对机器所营造的整体信息环境做出判断。机器究竟是拓展还是缩小了我们的信息视野，机器构建的拟态环境与现实环境究竟有多大差距，这些问题的判断决定人们的生存与发展，也决定着社会的整合。虽然这种判断比单一问题答案的判断要复杂得多，但也是未来人们必须面对的。

在提问和判断的基础上，人还要进一步成为机器调教者。今天一些用户已经开始了对算法的抵抗或反向利用，这便是一种调教，当然未来调教的意涵与手段会更为多样。人们是否具有调教的意识和能力，会影响到信息获取以及工作和生存的质量。

智能技术应用的深层问题与风险将在全民实践中不断显露，人还需要掌握智能技术发展的大方向，也要及早为智能技术应用制定周全、有效的规则并执行这些规则。即使普通人不能参与规则的制定等工作，但普通人的共同意识会影响到规则的形成，人们的行动也会决定规则执行的效果。

来源：新闻大学

链接：https://mp.weixin.qq.com/s/aNDK-cCtTB2p9cB8X749Ig

编辑：潘洁