在传播学研究的视域下，重新审视人与机器的关系、人与传播技术之间的关系等，从而构建新时代的人机传播研究图景与框架，是一项现实而紧迫的重大课题，也是理解数字化、媒介化社会的一个重要视角。现阶段的弱人工智能对人的主体性还很难产生根本威胁，算法展开的重要维度，是对个人的纵向了解及人的社会关系的横向把握，以此形成有效循环和升级迭代。

  本文作者系盘古智库学术委员、北京师范大学新闻传播学院执行院长喻国明，文章来源于《新闻与写作》2022年第10期。

  随着人工智能加持下传播的机器生产、算法分发等技术的兴起，机器、技术、算法等正在慢慢的变成为新的赋权者与赋能者，并渗透到我们生活的几乎所有角落。迄今为止，人的主体性是AI时代一个关键议题，其中一个主要的担忧是对AI和自主智能系统的高度依赖会不会从根本上削弱人在认知和决策上的主导地位，这种担忧主要来源于人对于机器的智能程度难以把握。显然，在传播学研究的视域下，重新审视人与机器的关系、人与传播技术之间的关系等，从而构建新时代的人机传播研究图景与框架，是一项现实而紧迫的重大课题，也是理解数字化、媒介化社会的一个重要视角。

  因此，从全局角度理解当前人工智能的发展路线和战略图景，是合理判断其“智能水平”、预测其发展态势、把握其未来进路的必要依据。研究表明，当前人工智能产业链主要呈现出三条技术路线并驾齐驱的状态，对三条路线的系统梳理可以得出以下三点结论：

  首先是在上游基础技术层，在可预见的未来，强人工智能的产生尚“任重而道远”。

  从基础技术层的发展情况来看，目前还处于弱AI和窄人工智能阶段，除了局限于解决特定问题，弱AI和人类最大的不同在于其很难模仿人类的心智，无法产生爱、恨、骄傲或其他人类情感，习得能力或构建情感认知可能是人工智能从弱走向强、从单一走向通用的巨大挑战。

  中间技术层是面向细分应用开发的技术领域，其中计算机视觉、语音识别和自然语言处理是三大主要技术方向。其中，计算机视觉的原理是通过利用计算机和照相机来代替人眼，完成对图像中相关目标的识别、跟踪和检测。语音识别的目的是实现机器与人类的语音对话，让机器明白我们在说什么。自然语言处理追求的是人与计算机用自然语言进行相对有效通信，包括自然语言理解（计算机能够理解自然语言文本的含义）与自然语言生成（计算机可以用自然语言文本表达），是AI领域中的核心技术。除了机器翻译，自然语言处理的应用还包括文本挖掘（内容推荐、舆情识别）、信息检索（搜索引擎）、问答系统与对话系统（聊天机器人）、语料库（写作机器人）等等。事实上，这些弱人工智能层面的技术在某些专门领域的出色表现达到了人类智能难以企及的高度，AI可以释放其巨大的价值，为社会增益。从根本上来看，弱人工智能的发展极大拓展了人类的自由度，尤其是时间自由。

  AI应用的可能性失误与偏差需要得到重视。一种原因是基于统计模型给出的分类或者预测结果可能会存在脱离情景/场景/语境的风险，其实际适配性与可验证性存疑，即AI应用给出的结论可能与实际问题不符。一旦AI应用出现重大失误，责任划分与承担还需要更健全的法律和法规作为依据。另一方面是AI应用的伦理与道德问题。首先，伴随数据不断扩张、算法持续改进的担忧是隐私的泄露与保护。其次，在人类设计的AI程序中，很容易将人类预先存在的倾向或偏见内置在系统的参数中。另外算法的不透明性也使得人们很难了解算法的内在工作机制，即输入数据和输出答案之间有着难以理解的“黑箱”，加大了对算法进行纠偏的难度。

  概言之，现阶段的弱人工智能对人的主体性还很难产生根本威胁，算法展开的重要维度，是对个人的纵向了解及人的社会关系的横向把握，以此形成有效循环和升级迭代。显然，上述逻辑下的智能应用反而是包含着对人类主体性的突出和强调。因此，传统的“二分法”思维模式中的将传播者与传播技术的关系彼此对立起来是根本错误的，“以人为本”标尺下的“人—机”协同，是现阶段AI在包括传播领域的全社会范围内“植入”式发展的不二之选。