从工具到共生：生成式人工智能时代的人机关系再思考

　　近些年，人工智能技术迅速迭代，不断变革着人类的传播方式以及生产生活，促使人机关系从人的主体性与技术的客体性二元对立逐渐转向人机共生。尤其是基于大语言模型预训练的生成式人工智能，正促使智能体进一步摆脱技术工具的视角，凸显拟主体性的特征[1]。与被动响应和执行命令的传统工具不同，人工智能已然成为具备快速生成和模式识别能力的“合作伙伴”，能够主动提供信息、建议结构、生成文本，甚至是模仿风格和预测推理。

　　在技术面前，人类不再是完全的掌控者，而是提问者、调控者和决策者。可以说，核心的思考判断、知识组织和表达风格等都能交由智能体来接管。短期来看，智能化浪潮下人类信息传播效率大幅提升，并且带动生产方式的变革。但从长远来看，人工智能将潜移默化地改变我们的行为、认知和情感，可能催生人类对智能大脑的深度依赖，导致思维能力和创新意识退化等问题。实际上，每次技术飞跃总是会引发人们的反思和焦虑，但是人类认知也是在危机中演化和升级。重要的不是急于切断连接和协作的可能性，而是逐步适应并以积极的心态去构建新的人机交往生态。如何看待生成式人工智能技术对人机关系造成的冲击，并且在不可回避的人机共生趋势中坚守人类主体性，成了当前数字社会面临的重要课题。

　　1

　　生成式人工智能推动下人机关系的多维演进

　　（一）行为：效率提升vs.路径依赖

　　生成式人工智能通过将创造性劳动解构成可计算的任务和指令，将生产流程进行了重组从而大幅增效。它突破了传统的线性创作流程，实现了并行生产的能力跃迁，且打破了记忆限制和不同领域间的壁垒，降低了机械劳动成本。更为关键的是，大模型技术保持着自我进化的机制，通过不断优化自身模型，推动系统整体升级。

　　以新闻业为例，大模型以智能基座的形式供其接入各项垂类智能体应用，正在重构新闻业的数智基因。2025年1月，国产大模型DeepSeek发布，以其轻量化、深度思考的推理能力以及在垂类领域的优异表现，引发各大新闻媒体的接入热潮，机构可结合自身业务需求，开发特色垂类智能体[2]。内容生产方面则由从人工线性创作转向人机协同流水线处理。人工智能可以参与到信息采集处理、稿件生成、视频制作等工作中，比如新华社“媒体大脑”运用人工智能实时扫描全球范围内的信源，自动提取突发事件关键要素；腾讯Dreamwriter对同一事件可以生成不同风格稿件。在内容增效方面，以往主要通过新闻工作者的经验来驱动，现在人工智能辅助实现标题优化、事实核查、流量数据改善等操作。生成式人工智能在新闻业的实践，显著提升了机械性劳动的效率，提高了生产速度、降低了生产成本并提升了传播精准度。

　　但是，当我们适应了人工智能在生产生活中的辅助，不断将任务让渡给模式化的解决路径，长此以往将形成路径依赖，逐渐丧失自主思考的意愿和能力。比如过度依赖人工智能生成的内容，导致个性风格和创意表达的同质化；在公共讨论中人工智能快速生成的表面化内容将对原创内容产生挤压和覆盖，同时降低了公众参与讨论的意愿，导致公共讨论质量下降。在不同场景中的具体表现为：有些程序员无法手写基础算法，需Copilot辅助；过度借助人工智能完成教学设计的教师，更容易忽略具体的教学场景和学生实际需求；有的学生直接提交ChatGPT生成的论文，且不对内容准确性进行验证。实际上，当前的生成式人工智能应该更多地在机械重复性、模式化的流程中解放出人类工作者的精力，使他们能在创造性生产、深度思考和意义锚定中不断保持主动性，而不是面对人机协作中的路径依赖失去自身的思考和判断。

　　（二）认知：智能托管vs.思维窄化

　　人工智能在实践中不断变革人类行为方式的同时，也在潜移默化地重构其认知模式。谷歌效应曾揭示，在人们知道信息可以随时在线获取的时候，他们对于记忆信息本身的意愿和能力都会下降，而更倾向于记住寻找信息的方式。同样，在生成式人工智能嵌入行业底层架构的背景之下，人们逐渐适应和习惯人机协同模式，大脑可能发展出一种新的认知框架，将人工智能辅助视为思考过程的一部分，其中包含着对智能体如何参与、贡献和限制的考量。就像印刷术催生了线性思维模式，人工智能可能正在培育一种“碎片化重组”的认知习惯。人们更愿意去记住“关键词”或者“主要诉求”来调用和驯化人工智能，而非记住具体的知识并编织相应的知识网络。人工智能成为人类的“智能托管”，不仅负责提供信息，还能整合、解释、生成内容，即包含着知识整合、逻辑推理、语言表达等在内的高级认知过程。

　　当下，“智能托管”成为必然趋势，它凭借大数据技术在客观上突破了人类生理上的认知局限。人类的创造力将从单一“从无到有”的原创，更多地转向“从一到多”的筛选、重组、优化和价值探索层面，这就要求人类不断强化“托管”范围之外的能力。首先是需求挖掘和问题构建能力，这要求使用者能够精准地描述问题和需求，向人工智能设定应用场景和流程目标，这是实现人机协作的基础。其次是对话管理能力，由于人与智能体的互动与真实的社会交往存在显著差异，要想生成式人工智能更好地理解任务，使用者要掌握与其高效对话和沟通的技巧，及时补充情境和要素，不断引导其输出更符合预期的内容。再次是评估与验证能力，对人工智能生成内容的可信度和质量进行判定和检验，需要使用者能掌握不同的信息核查方式和校验渠道，识别其中可能隐含的错误或者偏见。最后是整合与决策能力，这要求使用者坚守“策展者”和“决策者”的身份，能够将人工智能生成内容更好地转化为与自身需求、经验和价值观念相契合的内容，将核心判断、伦理考量和最终目标设置的权力掌握在人类手中。

　　但实际上，人应匹配的应用能力培养往往难以追上技术更新速度，这将对认知造成潜在的威胁。麦克卢汉曾提出“媒介即讯息”，认为相较于各个时代中媒体所传播的内容，真正有意义的是这个时代所使用的传播工具的性质、它所开创的可能性以及带来的社会变革，即我们使用的工具本身也在重塑我们的思维方式。

　　这主要体现在以下方面：首先是认知窄化，由于人工智能的运作以训练数据和算法为基础，当使用者长期依赖特定的人工智能去完成任务，可能不自觉地将人工智能处理信息的逻辑和偏好进行内化，对其标准化的风格进行模仿，未来思考的“路径”也可能被人工智能预设的模板所牵引，难以跳出隐形的束缚。其次是思考浅薄化，难以进入到深度思考环节。由于信息过载的背景下人工智能可以快速而完整地给出即时反馈，这塑造了我们对快捷方案的期待，使得“耐心认知”的核心素养即忍受模糊、延迟满足、漫长而曲折的独立思考等受到挑战，逐渐发展为人们满足于人工智能提供合理的初稿，仅仅做出接受或者微调的决策，而不是从头开始构思和审视。最后是批判性思维弱化，人工智能可以根据使用者的偏好进行任务处理，这使得使用者的批判神经在使用过程中被麻痹，从而表现为对人工智能输出内容的过度信任，逐渐丧失对信息真实性和偏见进行核查的意愿。人机对话模式很难带来真实的“镜中我”，反而印证了拉康的镜像理论，即通过镜子（对话框）所看到的是理想自我的呈现。这种虚拟世界某种程度上遮蔽了真实世界，有沦为被数字化存在所操纵和支配的对象的风险[1]。总的来说，在人机交互中，人类大脑应不断培养更强大的新型认知能力，同时也要应对具体的、深度的、个人化的认知图谱趋于稀疏的挑战。

　　（三）情感：虚拟支持vs.代偿悖论

　　人类与机器的交互，除了任务协同的功能性导向以外，也有关系与情感的联结[3]。有学者提出，对情感陪伴类的人工智能软件，人类用户会通过自我了解、自我实现与自我延伸来弥合虚实空间的自我认同差异[4]。可见，随着人工智能技术的发展，人机互动逐渐触及了情感层面。一方面体现为机器模拟情感，比如ChatGPT可以在对话中进行共情表达；另一方面表现为人类对智能体产生了情感，比如对陪伴型机器人形成依赖心理。

　　从积极层面来看，智能体会在虚拟交互中为使用者提供情感支持的拓展与补充。第一，情感陪伴与孤独缓解。一些陪伴型机器人、智能语音助手或者虚拟伴侣可以利用对话、及时响应和模拟共情的方式为包括独居老人、社交焦虑者在内的使用者提供情感支持。比如PARO海豹机器人在日本老年护理中的应用，被证实为可以显著降低痴呆症患者的焦虑水平。第二，情感能力修复。智能体的参与可以为使用者提供安全便捷的情感训练场域，降低现实互动压力，为情感能力修复提供缓冲。比如使用人工智能工具帮助自闭症儿童识别他人表情，辅助其适应社会交往；借助虚拟现实场景对社交恐惧症患者提供社交训练，帮助其克服社交障碍。第三，完善情感化服务。通过情感计算技术使机器能够学习、识别并适应人类的复杂情绪系统，从而向情感化服务提出对应的策略。比如人工智能客服可以通过语气分析来调整回复方式，向不同情绪中的客户施以相应的话术，表达激励或者安抚等情感以触及共鸣。

　　但是，当情感被轻易地量化和计算，在人机交往中可能会出现共情陷阱、情感操纵等异化问题和伦理挑战。由于社交机器人与人类的互动贴近人际互动的模式、过程与特点，其往往成为现实人际互动替代的对象。目前，已有研究表明用户可能会对人工智能物产生情感依恋甚至是交互成瘾[5]。这种机器抚慰短期内缓解情感匮乏，但长期来看，这可能削弱使用者在现实社会中的人际交往表现，产生回避真实社会交往的倾向，最终导致真实情感能力退化，从而走向一种情感代偿的悖论。比如当使用者倾向于将机器程序化模式化的回应误解为真实情感，就会产生单向的情感依恋，从而对人工智能伴侣产生虚幻的“爱情”，结果在醒悟之后却加剧自身孤独感。同时，人机交往也存在数据滥用和情感操纵的风险。智能体设备通过语音、表情和生理数据等生物传感可以持续收集用户的隐私信息，从而构建情感画像，将其用于广告投送或者政治宣传。如果算法利用情绪弱点向用户推荐成瘾性内容，最终将实现情感操纵以谋取利益。

　　2

　　人机共生视角下的价值调适和风险规制

　　（一）价值调适：在算法中守护人文

　　生成式人工智能作为强大的内容输出工具，深刻影响着谁在说、说什么、如何说，其中涉及算法偏见、信息茧房、虚假信息传播等伦理问题。值得注意的是，对人工智能的技术和情感依赖可能加剧现有的权力不平等，导致知识生产与传播权力的转移以及整体传播格局的颠覆。

　　在效率至上的算法世界中维持工具理性和价值理性的平衡，这更凸显了情感智能与人文深度的价值。在人工智能最难触及的领域——主体间深度共情、复杂情境下的伦理判断、对于微妙情感的捕捉与表达、基于个体生命体验的洞察力、真正的灵韵式创造力、对意义和价值的追问——大脑应意识到自身在这些领域的不可替代性，并且尝试投入更多的资源。

　　需要明确的是，守护人文价值的关键不在于和算法对抗，而是通过算法重新发现人。在算法设计阶段嵌入更多的人文基因，在运行过程中构建制衡机制，在算法治理层面重建权力架构等，都将使人类在与智能体交往共生中能感知到更有意义的人文关怀。

　　只有以理解人工智能基本原理、能力边界、潜在风险为前提，并具备安全、负责任、批判性地使用人工智能的能力，人类才能在人机共生中摆脱被动裹挟的可能性。这要求在社会层面上更深度地推广“数字素养”教育，从认识到实践层面上全方位地提升整体素养，才能在与智能体交往过程中不断发扬人文价值并且回馈积极体验，从而构建平等而互惠的人机共生范式。

　　（二）风险规制：明晰人工智能介入边界

　　首先，在隐私数据保护方面，应明晰智能体数据调用边界并加强监管。大语言模型在参与信息生产时，需要大量的数据进行训练以及在实际应用中频繁调用数据。这些数据涵盖范围极为广泛，其中可能包括政府机密信息、用户个人信息与偏好数据等。因此，加强数据分类、分级监管刻不容缓。针对敏感数据，采取最高级别的加密存储和访问控制措施；对于公共数据，在确保安全的前提下，按照规定的流程和权限进行合理使用；私人数据则必须严格遵循用户授权原则，未经用户明确同意，不得用于新闻生产[6]。人机共生并不意味着允许人工智能对人类数据的全面“入侵”，对数据调用边界做出明确界定有利于创建和维护公正清朗的人机交往空间。

　　其次，在重构认知生态层面，用户应注重预留深度思考的空间，对人工智能的介入保持批判性审视。Csaba Veres提出“强认知共生”概念,强调人类与人工智能在认知层面的深度融合，人工智能不仅作为工具支持人类作出决策，还在道德和伦理等复杂领域与人类思维紧密结合。这不仅为设计认知计算系统开辟了新思路，还提醒我们在追求技术进步时须警惕其潜在风险[7]。当知识组织、信息整理和输出等认知过程从人的大脑外包给智能体之后，可能导致某些高阶认知能力的萎缩，比如深度记忆、耐心思考等。因此，创设“留白”，即预留一定的深度思考空间成为必要。人机共生模式下更要维持人与智能体在认知和思考上的协同演进，人类保持主体性可以依靠有意识的训练，包括深度阅读、长时间专注思考、记忆关键性知识等。同时，人类也亟须发展新的认知技能，比如评估人工智能输出质量、识别潜在偏见、追问信息来源等。相关人员则应加强人工智能技术介入的透明度、可解释性、公平性，确保技术服务于人类福祉。

　　3

　　结语

　　随着生成式人工智能逐渐嵌入生活世界的各个维度，人类智能的外化与彰显已经由单纯的知识、技能累积转向人机深度交互与协同创造，共同建构并拓展出全新的生活场域与存在方式[8]。在新型人机共生范式之中我们应始终坚持人的主体性，努力追求“智能共生”而非“托管寄生”。只有明确人类是最终决策者和价值赋予者，才能使极具张力的人机关系得以升华。让人工智能突破速度、规模和适配的极限，让人类掌控意义、价值和伦理的方向，只有以充分的协作和互补才能实现从工具效率到共生效能的最大转化。

　　参考文献

　　[1] 毕文佳,马小斐.数智媒体时代人机关系的重构[J].全媒体探索,2024(11):121-123.

　　[2] 陈昌凤,袁雨晴.弥合对齐鸿沟：数智新闻业中人机关系的多维重塑[J].中国编辑,2025,(06):21-30.

　　[3] 陈昌凤,袁雨晴.人机关系与智能传播：技术嵌入、社会协同与全球传播生态的多维透视[J].全球传媒学刊,2025,12(01):78-98.

　　[4] 张梅芳,辛雨薇.弥合虚实差异：人机交往中用户的自我认同建构研究[J].新闻大学,2024(05):59-72+119.

　　[5] 田丽,誾姝言.从技术想象到实践导向：智能传播研究的现状与趋势[J].青年记者,2025(02):58-63.

　　[6] 李薇,牛梦笛.DeepSeek：新闻业的“隐形重塑者”[J].新闻爱好者,2025(06):84-86.

　　[7] 张涵,刘德寰.从工具到伙伴：人机协同的伦理转变与权力重构[J].青年记者，2025(07):5-11.

　　[8] 孟芳.从边界重构到协作共生：生成式人工智能背景下的人机关系演进探究[J].人工智能,2025(03):86-95.

　　原创：匡文波 中国人民大学新闻学院教授、博士生导师；陈东燕 中国人民大学新闻学院研究生