【摘要】在機(jī)器生成新聞和其他創(chuàng)作內(nèi)容已然司空見慣的今天，我們并不清楚用戶對人工智能生成的各種類型的內(nèi)容會產(chǎn)生怎樣的認(rèn)知反應(yīng)。當(dāng)AI成為一個新的傳播者時，人類使用者對其原真性，或者更廣義的真實性發(fā)生了相應(yīng)的改變，不同于既往的人類社交場景。不同的內(nèi)容或交流場景下，人類用戶對原真性的要求是不一致的。但是只要遵循信息生成者和接收者雙方共同認(rèn)定的契約，其原真性缺失帶來的負(fù)面影響就會很大程度上被規(guī)避。因此，我們也許不必將真實簡單定義為是人或者不是人，而是多大程度上是人，多大程度上是機(jī)器，甚至是多大程度上反映出人的代理心智，多大程度上是體驗心智等。智能傳播場景下的真實不再是真與假的二元對立，而是一個從100%的人到100%的機(jī)器的譜系。

【關(guān)鍵詞】AI生成內(nèi)容? 智能傳播? 人機(jī)交流? 真實? 用戶心理

【中圖分類號】G21? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文獻(xiàn)標(biāo)識碼】A

【DOI】10.16619/j.cnki.rmltxsqy.2020.30.025

2019年11月，在這個1982年經(jīng)典科幻電影《銀翼殺手》中設(shè)定的時間里，我們的世界中并沒有出現(xiàn)影片中存在的復(fù)制人和人造動物，因此我們似乎并不用質(zhì)疑周遭生物的真實性。然而，當(dāng)下的人工智能技術(shù)（artificial intelligence，以下簡稱AI）正在諸多場景中帶給我們各種真真假假的體驗。機(jī)器寫作新聞已然不是新鮮事，AI創(chuàng)作的藝術(shù)作品也已經(jīng)讓專業(yè)人士真假難辨。[1]Deepfake這樣的技術(shù)能在視頻中將一張人臉天衣無縫地切換成另一張人臉，計算機(jī)生成圖像（computer-generated image）技術(shù)能讓已然故去的名人重返屏幕，虛擬偶像（virtual idol）在各國年輕人中大行其道……技術(shù)裹挾著世人在真實與虛假之間的困惑飛速發(fā)展。在這個與科幻平行的現(xiàn)實宇宙里，我們與電影中的人物面臨同樣的問題：何為真實？真實的邊界在哪里？真與假的邊界感知又會帶給我們怎樣的體驗與認(rèn)知？

關(guān)于真實的討論，我們并不陌生。近年來屢被熱議的“假新聞”，其反面便是“真新聞”。然而很多時候，真實與虛假的二元對立并不成立，更多時候只是對基本事實的重新組合與解讀。在AI生成內(nèi)容與人機(jī)交流場景中亦是如此。盡管內(nèi)容本身與人類創(chuàng)作內(nèi)容無異，然而AI創(chuàng)作內(nèi)容似乎在某些層面存在缺失或不同，難以實現(xiàn)“原汁原味”的真實之感。同樣的，盡管今天的社交機(jī)器人已經(jīng)能實現(xiàn)與人類的初級溝通，然而在短暫的新奇效應(yīng)之后，人類對話者很大程度上會對與機(jī)器人的交流心存質(zhì)疑。由此可見，不論是對AI創(chuàng)作內(nèi)容還是對與機(jī)器的交流，人類使用者感知的真實性都是一個重要的命題，直接關(guān)乎AI技術(shù)的使用體驗，甚至人類對AI技術(shù)的態(tài)度。因此，有必要對AI生成內(nèi)容與人機(jī)交流場景中的真實性問題進(jìn)行一個系統(tǒng)梳理。本文將基于一系列相關(guān)實證研究的討論與總結(jié)，對人機(jī)交流場景中的“真實”進(jìn)行再定義。

何為“真實”？

“真實”一詞在漢語中由來已久，其最基本的含義為“與客觀事實相符合;不假”。例如，漢代荀悅在《申鑒·政體》中所言，“君子之所以動天地、應(yīng)神明、正萬物而成王治者，必本乎真實而已”，即強(qiáng)調(diào)了在客觀事實層面的基本要求;而后又延伸出“真心實意”“確切清楚”“真相境界”等含義。例如，在文學(xué)理論中，藝術(shù)真實即是事真、情真、理真的三位一體和統(tǒng)一。[2]

這個有著豐富內(nèi)涵與外延的“真實”概念在英文中對應(yīng)著幾個主要的詞匯，分別形成了與之相應(yīng)的學(xué)術(shù)探討。最基本的是“true”（真實的、正確的），對應(yīng)的名詞為truth（真相）。關(guān)于此概念的討論因“后真相”（post-truth）現(xiàn)象的出現(xiàn)而熱烈起來。2016年，“后真相”一詞被牛津詞典評為年度詞匯，其源自美國大選與英國脫歐中的諸多新聞現(xiàn)象，指的是在當(dāng)下公共輿論場中，客觀事實的影響較小，反而是訴諸情感與個人信仰會產(chǎn)生更大的影響。[3]而2019年，牛津詞典又將“有毒的”（toxic）選為年度熱詞，至此“有毒的后真相”成為特定術(shù)語。而在國內(nèi)，以多起“反轉(zhuǎn)新聞”為代表的后真相現(xiàn)象也與西方的假新聞事件互為呼應(yīng)，挑戰(zhàn)著傳統(tǒng)的媒體對公共空間的“看門狗”（watchdog）功能。[4]

第二個對應(yīng)詞匯為“real”（真的），相應(yīng)的名詞為reality（現(xiàn)實）。從西方繪畫傳統(tǒng)中的寫實主義（realism）可以看出，這個概念強(qiáng)調(diào)的是反映現(xiàn)實的逼真程度。在這個“媒體中介化”的時代，[5]學(xué)者自然將焦點集中到媒體信息中的感知現(xiàn)實（perceived reality）。學(xué)者Popova（2010）將感知現(xiàn)實歸納為以下幾個方面。一是“魔法窗”（magic window），指的是文字層面上準(zhǔn)確地描繪現(xiàn)實;二是典型性（typicality），即與現(xiàn)實世界的相似度;三是身份認(rèn)同（identity），即對角色的卷入度;四是感知的逼真性（perceptual fidelity），即視覺逼真度;以及虛擬體驗（virtual experience）。[6]

第三個與真實對應(yīng)的名詞是authenticity，除真實性以外，還強(qiáng)調(diào)原真性（為避免混淆，以下authenticity統(tǒng)一譯為原真性）。2015年，挪威學(xué)者Gunn Enli將媒介化傳播的原真性定義為三個方面。首先，媒介化傳播的真實性需要具有可信賴度（trustworthiness），也即必須是正確的和準(zhǔn)確的。其次，原創(chuàng)性（originality）也必不可少，即強(qiáng)調(diào)內(nèi)容的原汁原味。最后，原真性也依賴于原發(fā)性（spontaneity），作出符合自己內(nèi)心的判斷，而非來自預(yù)先設(shè)定的社會程序。[7]這一概念解釋顯然借鑒了旅游社會學(xué)中對原真性作出的界定。當(dāng)事物具有符合該類型的特質(zhì)時，我們稱其為類型原真性（type authenticity）。而當(dāng)該事物能夠反映發(fā)自內(nèi)心的選擇，而非社會性劇本化的反映時，它才能被稱為具有精神原真性（moral authenticity）。[8]

在這三個真實性的概念中，筆者無意糾結(jié)于智能傳播中出現(xiàn)的真相問題，也暫不考慮技術(shù)（如AR或VR技術(shù)）展示的逼真程度。在此文中，筆者將著重探討智能傳播中的原真性問題，及其可能帶來的社會心理影響。在下文中，筆者將借鑒韓國學(xué)者李恩珠對計算機(jī)輔助傳播（computer-mediated communication）中的原真性分類，[9]分別從信源的原真性、信息的原真性和人機(jī)交流的原真性三個方面展開論述。

作為信源的原真性

自上個世紀(jì)70年代開始逐漸發(fā)展出來的“自由，平等，開放，共享”互聯(lián)網(wǎng)精神在技術(shù)急速發(fā)展的今天受到了極大的挑戰(zhàn)。在這個本應(yīng)作為人與人之間連接橋梁的互聯(lián)網(wǎng)上充斥著大量的非人存在，其61.5%的流量便是由機(jī)器人貢獻(xiàn)的。[10]主要的社交媒體平臺無一能夠幸免。例如，推特上至少有7%的社交機(jī)器人，5%～11%的臉書賬號則由機(jī)器人控制。[11]這些機(jī)器人執(zhí)行著不同的任務(wù)，完成不同的功能，可簡單分為善意的（benevolent）和惡意的（malevolent）兩種。那些為人類提供各種信息和幫助的為善意的，而在社交媒體上生產(chǎn)垃圾訊息的則為惡意的。[12]

機(jī)器人（bot）是一種自動化的軟件代理。[13]從技術(shù)角度而言，網(wǎng)絡(luò)上的機(jī)器人存在多種形式。Marechal依據(jù)機(jī)器人的功能將其分為四類：第一類是惡意僵尸網(wǎng)絡(luò)（malicious botnets），即支持遠(yuǎn)程操控的機(jī)器人網(wǎng)絡(luò);第二類是調(diào)研機(jī)器人（research bots），用于爬取網(wǎng)絡(luò)空間的數(shù)據(jù)和信息;第三類為編輯機(jī)器人（editing bots），比如維基百科的編輯機(jī)器人;第四類則為聊天機(jī)器人（chat bots或chatbot），以聊天的方式與用戶交流。[14]而Morstatter等人則從人機(jī)關(guān)系視角將機(jī)器人分為兩類：機(jī)器輔助人類（bot-assisted humans）和人類輔助機(jī)器（human-assisted bots）。前者是機(jī)器人為人類提供服務(wù)，例如，聊天機(jī)器人和新聞播報機(jī)器人等;后者則為在人協(xié)同下執(zhí)行功能的機(jī)器人，比如，大規(guī)模的機(jī)器人水軍等，常為負(fù)面的角色。[15]

網(wǎng)絡(luò)機(jī)器人帶來的社會影響正在被世人所關(guān)注。諸多重大政治事件中都出現(xiàn)了它們的身影，而且影響巨大。例如，2014年日本首相選舉中，占總量約80%的重復(fù)推文極有可能是由網(wǎng)絡(luò)機(jī)器人軍隊生成。2016年美國總統(tǒng)大選前夕，推特上出現(xiàn)了一批支持特朗普的拉丁美裔賬號，實則是機(jī)器人賬號。數(shù)字機(jī)器人介入了“阿拉伯之春”之后的敘利亞戰(zhàn)爭，被敘利亞安全部門用以干預(yù)輿論。這些大規(guī)模有組織的機(jī)器人被政治團(tuán)體所操縱，在網(wǎng)上廣泛參與政治信息轉(zhuǎn)發(fā)和討論，被稱為“政治機(jī)器人”（political bot）。它們通過營造虛假人氣，推送大量政治信息，傳播虛假或垃圾政治信息干擾輿論，制造厭惡遮蔽效應(yīng)混淆公眾視聽，甚至通過塑造高度人格化形象的虛擬意見領(lǐng)袖等策略對網(wǎng)絡(luò)公眾輿論產(chǎn)生巨大負(fù)面作用。[16]

這些網(wǎng)絡(luò)機(jī)器人的廣泛存在無疑給信源原真性帶來深刻的影響。即便它們傳播的信息是真實的，然而它們的誕生目的天然就帶有偏見和誤差的屬性。更重要的是，當(dāng)這些政治機(jī)器人儼然成為政治手段與民意表達(dá)的一部分的時候，這種由人為主導(dǎo)的網(wǎng)絡(luò)空間便逐漸演變到“人+機(jī)器人”的共生狀態(tài)。[17]那么，信源的原真性直接關(guān)乎信息的原真性?；诖耍绹槭±砉W(xué)院媒體實驗室的Rahwan等人在《自然》雜志上發(fā)文指出機(jī)器行為（machine behavior）的重要性，并倡導(dǎo)在人與機(jī)器交互的個人層面、集體層面，以及混合人機(jī)行為層面展開研究。[18]

除了信源本身是否為機(jī)器帶來的原真性考量之外，機(jī)器人本身的特征也會給人類用戶帶來相應(yīng)的影響。在實體或虛擬社交機(jī)器人的設(shè)計中，設(shè)計者通常會引入不少社交線索。社交線索（social cue）指的是社交場景中的一些言語的或非言語的用于作出社交判斷的細(xì)節(jié)線索。在通常的人際傳播中，眼神、面部表情，肢體語言等都是常見的社交線索。性別作為一種常見的社交線索也被加入機(jī)器人設(shè)計中。例如，智能語音助手通常被設(shè)定為女性，安保機(jī)器人通常被設(shè)定為男性。然而這樣的設(shè)定也被認(rèn)為是一種欺騙，有違“不能用欺騙性的方式來設(shè)計機(jī)器人，從而剝削易受傷害的使用者;相反，它們的機(jī)器屬性應(yīng)當(dāng)透明化”的原則，并可能帶來機(jī)器人“物化女性”和“物化男性”的情形。[19]

盡管這種不引入性別的建議從道德倫理層面看非常合理，但實證證據(jù)則顯示出不一樣的結(jié)果。在人類社會中，我們會不經(jīng)意間形成基于職業(yè)的性別刻板印象。同樣的性別刻板印象是否會在機(jī)器人身上重演？就此，我們展開了一個實驗研究，將兩則一模一樣信息的作者分別列為男人、女人、男機(jī)器人、女機(jī)器人和中性機(jī)器人;而這兩則信息分別為財經(jīng)問題和情感問題的建議。在受試者閱讀完文字之后，他們會對信息質(zhì)量和作者能力作出評價。研究結(jié)果顯示，作者是人或是機(jī)器人對受試者的認(rèn)知評價并無顯著影響;而內(nèi)容類型也未帶來顯著影響。然而，受試者對女性作者（包括人和機(jī)器人）內(nèi)容的評價顯著高于中性作者內(nèi)容的評價。也就是說，男女性別的刻板印象并不成立。但是，如果增加了中性性別這個“非自然”的性別類型，情況就發(fā)生了改變。人類中很少出現(xiàn)的中性性別可能會帶來更多的不信任感和負(fù)面認(rèn)知。因此，我們可以認(rèn)為，智能傳播場景下的信源的真實或原真需要建立在符合人類特征的基礎(chǔ)之上，否則便喪失了真實性或原真性。

作為信息的原真性

自然語言生成（natural language generation，簡稱NLG）技術(shù)是目前AI技術(shù)的諸多應(yīng)用中較為成熟的一個。NLG最成熟的使用領(lǐng)域之一為新聞寫作，通過自動采集、分析、調(diào)用和生成數(shù)據(jù)的機(jī)器算法語言，通過預(yù)設(shè)的運算規(guī)則和程序步驟完成。[20]各國主要通訊社（包括新華社、美聯(lián)社等），以及中外主流報紙如《光明日報》《紐約時報》均采用了AI寫稿技術(shù)。世界三大NLG軟件公司Automated Insights甚至能每秒完成2000個新聞故事。[21]然而到目前為止，NLG寫作新聞主要集中在財經(jīng)、體育、地震等幾個大量依賴數(shù)據(jù)分析與處理的領(lǐng)域，而無法做到像人類記者那樣去探究新聞事件背后的深層要素，完成調(diào)查性報道。[22]

由于新聞的特點，讀者對新聞內(nèi)容的真實性問題還主要集中在真實與否，即是否符合事實的角度;而對以事實呈現(xiàn)為主的新聞很少探知其內(nèi)容的原真性問題。在一系列實證研究中，研究者發(fā)現(xiàn)使用“計算機(jī)”和“記者”兩個標(biāo)簽并不會對讀者感知的公信力造成顯著影響;唯一的例外是當(dāng)實驗受試者是記者的情況，記者受試者們會認(rèn)為記者作為消息來源比計算機(jī)作為消息來源更值得信任。[23]而另一項研究發(fā)現(xiàn)，推特公司的寫作機(jī)器人bot在消息源的公信力或傳播力方面與人類記者并沒有顯著差別。[24]由此可見，讀者對新聞內(nèi)容的評價，尤其是對這些AI擅長的數(shù)據(jù)為導(dǎo)向的新聞類型的評價，僅僅探討的是內(nèi)容本身，而并不在意其作者身份到底是人還是機(jī)器。

今天的AI創(chuàng)作類型已然超出了以事實呈現(xiàn)為目標(biāo)的新聞的范疇。前世界棋王卡斯帕羅夫在著名的人機(jī)一役敗給IBM深藍(lán)之后斷言，藝術(shù)、文學(xué)和音樂是機(jī)器并不能逾越的屏障。然而這個論斷已經(jīng)被推翻。在以上三個領(lǐng)域，我們都看到了AI的蹤影。例如，第一本算法生成的俄語小說《真愛》在72小時內(nèi)完成，融合了列夫·托爾斯泰的《安娜·卡列琳娜》的內(nèi)容與村上春樹的風(fēng)格;Botnik Studio的機(jī)器人在學(xué)習(xí)了《哈利·波特》全系列小說之后寫出了續(xù)篇;日本科幻小說《計算機(jī)寫小說的那一天》在評委毫不知情的情況下通過了日本“星新一獎”的比賽初審，而這部小說完全由機(jī)器人創(chuàng)作。在中文世界里，微軟小冰則于2017年出版了原創(chuàng)詩集《陽光失了玻璃窗》，被稱作是人類歷史上第一部100%由AI創(chuàng)造的詩集，并且微軟小冰于2019年在北京進(jìn)行了獨立畫展。AI的音樂創(chuàng)作也屢見不鮮，其創(chuàng)作水準(zhǔn)也獲得了業(yè)內(nèi)人士的認(rèn)可。

然而，藝術(shù)文學(xué)作品的創(chuàng)作畢竟不同于單純的新聞寫作，僅僅形似是不夠的，藝術(shù)創(chuàng)作者和欣賞者歷來強(qiáng)調(diào)“形神兼?zhèn)洹?。也就是說，除了類型原真性外，欣賞者還要求作品具有精神原真性。顯然，沒有情感、經(jīng)歷和意識的AI并不具備提供精神原真性的條件。心理學(xué)家指出，心智認(rèn)知（mind perception）包括兩個方面：代理（agency）心智和體驗（experience）心智。前者指的是行動、計劃和自我控制的能力;而后者指的是感覺和感受的能力。[25]如果說今天的AI已經(jīng)成功具備了代理心智的話，那么它無疑缺少體驗心智。體驗心智是藝術(shù)文學(xué)創(chuàng)作中不可或缺的條件。很難想象，沒有母親的AI如何能體會并表達(dá)出母愛的偉大，沒有孤獨感的AI如何能描繪出細(xì)微的孤寂感。

盡管AI在世人驚詫的目光中完成了藝術(shù)文學(xué)創(chuàng)作，但是讀者是否會買賬，進(jìn)而形成與人類作品無異的感知與評價？為了回答這個問題，我們展開了一項跨國的比較研究。[26]在中國、美國、德國三國的受試者中，我們將同樣的詩歌和繪畫作品標(biāo)注為人類創(chuàng)作和AI創(chuàng)作，讓受試者完成閱讀或欣賞之后對作品進(jìn)行評價打分。如果僅僅就內(nèi)容的類型原真性而言，無論是人類創(chuàng)作，還是AI創(chuàng)作，兩者應(yīng)該完全一樣。但是作者的身份會有意無意帶來受眾對精神原真性的考量，進(jìn)而產(chǎn)生不同的感知。結(jié)果也證實了這一點。美國受試者在內(nèi)容質(zhì)量、創(chuàng)作者能力、共情，以及分享意愿幾個維度上對人類作品的評價都顯著高于AI作品。就各個創(chuàng)作類型來說，他們認(rèn)為人類詩人的能力顯著高于AI詩人;而人類畫家的繪畫比AI畫家的繪畫更能引發(fā)共情。然而出乎意料的是，在中國和德國受試者中，結(jié)論卻與之相反。中國受試者反而跟AI創(chuàng)作者產(chǎn)生了更多共情，在詩歌上尤其如此。而德國受試者則對AI創(chuàng)作的繪畫產(chǎn)生更多共情，并更愿意分享出去。

如果說美國受試者的表現(xiàn)尚且在預(yù)期之內(nèi)，那么中國和德國受試者的反應(yīng)則出乎人意料之外。按照常理，因為AI沒有體驗心智，所以不論是其創(chuàng)作的詩歌還是繪畫都毫無個人體驗和情感的成分;也就是說，即便其類型原真性不被人質(zhì)疑，其精神原真性應(yīng)該是缺失的。然而從中德兩國受試者的表現(xiàn)看來，精神原真性的缺失并沒有導(dǎo)致對其感知評價的降低，反而更能激發(fā)受眾的共情。這樣看來，在AI創(chuàng)作的情境之下，內(nèi)容原真性的影響也許并不大，反而可能是AI創(chuàng)作的新奇感更能帶來正面的評價。當(dāng)然，這個實驗發(fā)生在號稱“AI元年”的2016年的兩年后（2018年），所以新技術(shù)帶來的新奇感還未削減。當(dāng)對AI的新奇感消退之后，這樣的結(jié)果是否還會成立，還有一個很大的問號。也許那時，精神原真性的重要性才會逐漸凸顯出來。

作為交流的原真性

自1956年達(dá)特茅斯會議誕生“人工智能”這個領(lǐng)域以來，AI技術(shù)已經(jīng)經(jīng)歷了兩輪春天與寒冬。當(dāng)下最新的一輪AI技術(shù)借助數(shù)據(jù)、算法、算力三駕馬車迅速崛起，然而囿于技術(shù)發(fā)展，目前尚處于弱AI階段，即看似智能，卻無自我意識和真正智能的AI技術(shù)。AI技術(shù)固然產(chǎn)生了許多基于語音圖像識別及大數(shù)據(jù)機(jī)器學(xué)習(xí)算法的應(yīng)用，然而能與人類發(fā)生稍有深度的交流的應(yīng)用其實并不多。聊天機(jī)器人便是其中之一。以其中的翹楚微軟小冰為例，在亞洲，它吸引了超過2億的注冊用戶，平均與每個用戶產(chǎn)生23輪對話，遠(yuǎn)遠(yuǎn)高于一般聊天機(jī)器人只能產(chǎn)生2輪聊天對話的水平，單次對話時長甚至能達(dá)到4小時。因為小冰的成功，微軟陸續(xù)在日本、美國和印度推出當(dāng)?shù)卣Z言的聊天機(jī)器人版本。然而這樣的交流是不是真正的交流呢？

眾所周知，目前的弱AI并不具有意識，不會產(chǎn)生道德判斷，基于互聯(lián)網(wǎng)大數(shù)據(jù)生成的對話片段不過是鸚鵡學(xué)舌。同時，因為聊天機(jī)器人算法基于馬爾科夫鏈離散性原則，即在一個離散時間的隨機(jī)過程中，只有當(dāng)前的狀態(tài)可以用來預(yù)測未來，過去的狀態(tài)與未來無關(guān)，因此AI每輪對話都是獨立的，機(jī)器人并不具備記憶，無法將當(dāng)前的對話與之前的對話聯(lián)系起來，因此形成割裂的情形。這樣的人機(jī)交流并不具備連續(xù)性，自然也難以讓人類對機(jī)器產(chǎn)生可預(yù)測感，進(jìn)而形成相應(yīng)的信任。因此人機(jī)交流看似具有一定長度和深度，實則僅僅是建立在新奇感之上的對機(jī)器人聊天邊界的試探。

當(dāng)然，還有一種可能的情形是“機(jī)器樹洞”現(xiàn)象，也即是對著“樹洞”傾訴衷腸的行為。這個“樹洞”可以是有形的，可以是無形的，只要能帶給傾訴者足夠的安全感和信任感即可。1966年，世界上最早的聊天機(jī)器人ELIZA誕生于美國麻省理工學(xué)院，并被用于臨床心理治療。ELIZA顯示出驚人的魅力，聊天者對它傾訴的深度達(dá)到令人咋舌的程度，以至于嚇壞了其開發(fā)者約瑟夫·魏澤鮑姆（Joseph Weizenbaum），而將其關(guān)閉。今天更新?lián)Q代后的聊天機(jī)器人們是否依然僅僅是在充當(dāng)數(shù)字樹洞的角色而已？

這樣的可能性也在實證研究中得到了證實。在一個基于微信平臺上的人機(jī)交流與人際交流的對比研究中，我們發(fā)現(xiàn)，當(dāng)讓毫不知情的第三方受試者依據(jù)同一個人與微軟小冰的微信聊天記錄和與人類朋友的微信聊天記錄對此人進(jìn)行人格評價，受試者會給出截然不同的評分?；谌穗H聊天記錄，這個人展現(xiàn)出更符合社會期望的人格特征，即更外向、更宜人、更有開放心態(tài)、更有責(zé)任感，同時更少的神經(jīng)質(zhì)。然而當(dāng)聊天對象變成了機(jī)器（微軟小冰），同樣一個人卻變得更內(nèi)向、更討人厭、更封閉心態(tài)、更少責(zé)任感，也更神經(jīng)質(zhì)。[27]值得一提的是，在計算機(jī)輔助傳播中常見的性格歸類效應(yīng)在人機(jī)傳播中也儼然失效了。性格歸類效應(yīng)（gender categorization effect）指的是在以網(wǎng)絡(luò)為中介的人際交流中，即使面對一個毫不知底細(xì)的陌生人，交流雙方仍然能夠通過對方的交談話題、表達(dá)方式、感情流露等細(xì)節(jié)猜測出對方的性別;其準(zhǔn)確率可以高達(dá)80%。[28]然而在這個研究中，盡管基于人際交流的聊天腳本猜測出聊天者性別的準(zhǔn)確率達(dá)到68.98%，基于人機(jī)交流的聊天腳本猜測出性別的準(zhǔn)確率卻只有42.86%，這甚至低于隨機(jī)猜測的50%的準(zhǔn)確率。[29]

盡管關(guān)于人機(jī)交流與人際交流的對比證據(jù)仍需累積，但是目前的實證證據(jù)似乎已經(jīng)展示了兩者的不同。面對不會予以任何道德評判的機(jī)器，人類似乎可以“暢所欲言”，隨性表達(dá)在人類社會中無法表達(dá)的情感和觀點。在這樣尚未建立起社交規(guī)范的人機(jī)交流處女地上進(jìn)行的交流是不是真正的交流？抑或僅僅是樹洞的機(jī)器翻版或數(shù)字翻版？我們期待后續(xù)的討論。

結(jié)語：重新定義真實

從上述的討論中我們看到，當(dāng)AI成為一個新的傳播者時，人類使用者對其原真性，或者更廣義的真實性發(fā)生了相應(yīng)的改變，不同于既往的人類社交場景。從信源的真實性來說，我們的問題從“傳播者是否是如他/她所說的那個人？”變成了“傳播者是否是如他/她/它所說的那個社交者（social actor）？”，以及“他/她/它具有多少人類的特征？”在信息的真實性維度上，問題從“所說的是否是真的？”變成了“信息有多形似人的信息？”，“信息有多神似人的信息？”，以及“相對人類的信息，信息在多大程度上原汁原味？”最后，從交流的真實性來看，問題便不再是“這是真的交流嗎？”，而是“這樣的交流與人與人的交流有多相似？”

瑞典學(xué)者Enli曾就不同類型的電視節(jié)目的原真性問題提出“原真性契約”（authenticity contract）的概念，指出電視節(jié)目制作者、觀眾、監(jiān)督方在不同類型內(nèi)容的編碼與解碼過程中遵循的符號性契約。[30]因此觀眾不會要求情景劇真實，卻對真人秀有更高原真性要求。在智能媒體的使用場景中，這個原真性契約依然成立，也即內(nèi)容提供者、觀眾/讀者/用戶、監(jiān)督方在不同創(chuàng)作類型的編碼與解碼過程中就真實性所遵循的契約。換言之，不同的內(nèi)容或交流場景下，人類用戶對原真性的要求是不一致的。但是只要遵循信息生成者和接收者雙方共同認(rèn)定的契約，其原真性缺失帶來的負(fù)面影響就會很大程度上被規(guī)避。因此，我們也許不必將真實簡單地定義為是人或者不是人，而是多大程度上是人，多大程度上是機(jī)器，甚至是多大程度上反映出人的代理心智，多大程度上是體驗心智等。智能傳播場景下的真實不再是真與假的二元對立，而是一個從100%的人到100%的機(jī)器的譜系。

因為AI非人身份會帶來不同的期待與認(rèn)知，因而目前普遍的看法是需要強(qiáng)調(diào)AI身份的透明性，以加強(qiáng)其真實性。然而最近發(fā)表在《自然》雜志子刊上的研究對身份透明性的必要性發(fā)出質(zhì)疑，文章表示人機(jī)合作中的透明原則可能會降低人機(jī)合作效率。[31]當(dāng)然，以上討論尚集中在AI新一輪發(fā)展之初。人類社會剛剛進(jìn)入AI全面滲透的時代，對很多人而言，AI仍然是個新鮮事物。隨著AI技術(shù)的進(jìn)一步發(fā)展，也許在不久的將來，人機(jī)共生將會成為常態(tài)，人機(jī)界限變得模糊。屆時，關(guān)于AI真實性的問題將不復(fù)存在。讓我們拭目以待。

（本文系國家社科基金項目“國家人工智能戰(zhàn)略下新聞傳播產(chǎn)業(yè)創(chuàng)新研究”階段性成果，項目編號：18BXW046）

注釋

[1]《機(jī)器人“小冰”今天開畫展》，新華網(wǎng)，2019年7月13日，http：//www.bj.xinhuanet.com/bjyw/2019-07/13/c_1124748990.htm。

[2]童慶炳：《文學(xué)理論新編》，北京師范大學(xué)出版社，2016年。

[3]駱正林、溫馨：《后真相時代“反轉(zhuǎn)新聞”的傳播機(jī)制及社會規(guī)治》，《傳媒觀察》，2019年第12期，第5～13頁。

[4]牟怡：《從詮釋到他異：AI媒體技術(shù)帶來的社交與認(rèn)知變革》，《上海師范大學(xué)學(xué)報》，2020年第1期，第95～104頁。

[5]Livingstone， S.， "If everything is mediated， what is distinctive about the field of communication？"， International of Journal of Communication， 2011， p. 5.

[6]Popova， L.， "Perceived reality of media messages： Concept explication and testing"， University of California， Santa Barbara， 2010.

[7]Enli， G.， Mediated authenticity： How the media constructs reality， Oxford： Peter Lang， 2015.

[8]Carroll， G. R.and Wheaton， D. R.， "The organizational construction of authenticity： An examination of contemporary food and dining in the U.S."， Research in Organizational Behavior， 2009， 29， pp. 255–282.

[9]Lee， E.-J.， "Authenticity model of （mass-oriented） computer-mediated communication： Conceptual explorations and testable propositions"， Journal of Computer-Mediated Communication， in press.

[10]Kelion， L.， "Bots now 'account for 61% of web traffic'"， Retrieved from http：//www.bbc.com/news/technology-25346235.

[11]Morstatter， F.， Carley， K.M.and Liu， H.， "Bot Detection in Social Media： Networks， Behavior and Evaluation"， Available at https：//isi.edu/～fredmors/bottutorial/Tutorial.pdf; Munson， L.， "Facebook： At Least 67 Million Accounts Are Fake.SOPHOS"， Available at https：//nakedsecurity.sophos.com/2014/02/10/facebook-at-least-67-million-accounts-are-fake/.

[12]Clark， E.M.， Williams， J.R.， Jones， C.A.， Galbraith， R.A.， Danforth， C.M. and Dodds， "P.S. Sifting Robotic from Organic Text： A Natural Language Approach for Detecting Automation on Twitter"， Journal of Computational Science， vol.16， 2016， pp. 1-7.

[13]Grimme， C.， Preuss， M.， Adam， L.and Trautmann， H.， "Social Bots： Human-Like by Means of Human Control？"， Big data， vol.5（4）， 2017， pp. 279-293.

[14]Marechal， N.， "When Bots Tweet： Toward a Normative Framework for Bots on Social Networking Sites"， International Journal of Communication， vol.10（10）， 2016， pp. 5022-5031.

[15]Morstatter， F.， Carley， K.M. and Liu， H.， "Bot Detection in Social Media： Networks， Behavior and Evaluation"， Available at https：//isi.edu/～fredmors/bottutorial/Tutorial.pdf.

[16][17]張洪忠、段澤寧、楊慧蕓：《政治機(jī)器人在社交媒體空間的輿論干預(yù)分析》，《新聞界》，2019年第9期，第17～25頁。

[18]Rahwan I， Cebrian M， Obradovich N， et al.， "Machine behavior"， Nature， 2019， 568（7753）， p. 477.

[19]牟怡：《傳播的進(jìn)化：人工智能將如何重塑人類的交流》，北京：清華大學(xué)出版社，2017年。

[20]鄧建國：《機(jī)器人新聞：原理、風(fēng)險和影響》，《新聞記者》，2016年第9期，第10～17頁。

[21]Pressman， L.， "The automated future of journalism"， Retrieved from https：//automatedinsights.com/blog/the-automated-future-of-journalism/， 2017， February 28.

[22]張志安、劉杰：《AI與新聞業(yè)：技術(shù)驅(qū)動與價值反思》，《新聞與寫作》，2017年第11期，第4～9頁。

[23]van der Kaa， H.and Krahmer， E.， "Journalist Versus News Consumer： The Perceived Credibility of Machine Written News"， The Computation + Journalism Symposium， New York： Columbia University， 2014.

[24]Edwards， C.， Edwards， A.， Spence， P. R. and Shelton， A. K.， "Is that a Bot Running the Social Media Feed？ Testing the Differences in Perceptions of Communication Quality for a Human Agent and a Bot Agent on Twitter"， Computers in Human Behavior， 33 （2014）， pp. 372-376.

[25]Gray， K.and Wegner， D. M.， "Feeling robots and human zombies： Mind perception and the uncanny valley"， Cognition， 2012 （125）， pp. 125–130.

[26]牟怡、夏凱、Ekaterina Novozhilova、許坤：《人工智能創(chuàng)作內(nèi)容的信息加工與態(tài)度認(rèn)知——基于信息雙重加工理論的實驗研究》，《新聞大學(xué)》，2019年第8期，第30～43頁。Wu， Y.， Mou， Y.， Li， Z.and Xu， K.， "Investigating American and Chinese Subjects' Explicit and Implicit Perceptions of AI-Generated Artistic Work"， Computers in Human Behavior，? 2020.

[27]Mou， Y.and Xu， K.， "The Media Inequality： Comparing the Initial Human-human and Human-AI Social Interactions"， Computers in Human Behavior， 2017（72）， pp. 432-440.

[28]Koppel， M.， Argamon， S.and Shimoni， A. R.， "Automatically categorizing written texts by author gender"， Literary and Linguistic Computing， 2002， 17（4）， pp. 401–412.

[29]Mou， Y.， Xu， K.and Xia， K.， "Unpacking the Black Box： Examining the （de）Gender Categorization Effect in Human-Machine Communication"， Computers in Human Behavior， 2019（90）， pp. 380-387.

[30]Enli， G.， Mediated authenticity： How the media constructs reality， Oxford： Peter Lang， 2015.

[31]Ishowo-Oloko， F. et al.， "Behavioural evidence for a transparency-efficiency tradeoff in human-machine cooperation"， Nature Machine Intelligence， 2019（1）， pp. 517–521.

責(zé) 編/馬冰瑩