生成式人工智能（GAI）背景下的數智可供性與認知帶寬調節研究

摘" "要：隨著生成式人工智能與大數據資源的融合應用，可供主體的數智化特性逐漸凸顯，在強化AI生成能力的同時拓寬了用戶認知邊界，為可供思想提供了新的延續支點。文章首先以生成式人工智能背景下的數智可供性理論建構為切入點，從“賦能”屬性和“關系”機制梳理可供條件下數智與認知的邏輯關聯；其次，借鑒可供思想的數智化發展機理，結合四種理論模式解構認知帶寬的可供特性；最后，圍繞生成式環境下認知帶寬在“資源-能力-空間”的三重升維機制，探討數智供給量級優勢、技術可供內生潛力、場域自主化發展的實踐過程，以期深入理解“數智何以賦能認知”的關鍵命題。

關鍵詞：生成式人工智能；數智可供性；認知帶寬；AIGC；稀缺資源；場域自主化

中圖分類號：G356" "文獻標識碼：Ａ" "DOI：10.11968/tsyqb.1003-6938.2024011

Research on Data Intelligence Affordance and Cognitive Bandwidth Adjustment in the Context of Generative Artificial Intelligence （GAI）

Abstract With the integration and application of generative artificial intelligence and big data resources， the characteristics of the digital intelligence of the available subjects are gradually highlighted， which broadens the boundary of the user's cognition while reinforcing the generative ability of AI， and provides a new pivot point for the continuation of available ideas. Firstly， this paper takes the theoretical construction of digital intelligence availability in the context of generative AI as an entry point， and analyses the logical connection between digital intelligence and cognition under the condition of availability from the attribute of \"empowerment\" and the mechanism of \"relationship\". Secondly， we draw on the developmental mechanism of digital intelligence in the context of availability of ideas， and deconstruct the availability of cognitive bandwidth by combining the four theoretical models. Finally， we explore the practical process of quantitative advantage of digital intelligence supply， endogenous potential of technology availability， and autonomous development of field around the triple upgrading mechanism of \"resource-capability-space\" of cognitive bandwidth in generative environment， in order to understand in depth \"We will explore the quantitative advantage of digital intelligence supply， the endogenous potential of technology availability， and the practical process of autonomous development of the field， in order to deeply understand the key proposition of \"How Digital Intelligence Enables Cognition\".

Key words generative artificial intelligence; digital intelligence availability; cognitive bandwidth; AIGC; scarce

resources; field autonomy

自2022年以來，人工智能大語言模型（Large Language Model，LLM）、人工智能生成內容（Artificial Intelligence Generated Content，AIGC）、人工智能體（AI-Agent）等新一輪數智概念持續活躍，并相繼孕育出一系列令人矚目的成果，成為激活科技、媒體與通信（Technology-Media-Telecom，TMT）行業市場效能的潛在力量。據第三方營銷機構VezaDigital數據統計表明，有別于以往人氣累積式的增長模式，OpenAI憑借其出色的GPT系列模型、DALL-E類、Whisper等產品在極短時間內達到10億每月活躍用戶，迅速實現自然發酵式網絡流量飆升，創造了有史以來最大網站漲幅記錄。其研究成果為AI從專用人工智能向通用人工智能（Artificial General Intelligence，AGI）演進提供了技術方向，也為基于人智交互的通用人工智能體（Artificial General Agents，AGA）的發展奠定了基調。特別是ChatGPT、文心一言（ERNIE Bot）、Google Bard等生成式AI應用落地，為人工智能驅動的科學研究（AI for Science，AI4S）新范式提供長足的可供空間，為AI從特定領域技術向新質生產力工具遷移帶來了新的契機。

此外，人工智能正與其他新信息技術迅速融合，數智環境呈現泛在化特征，數智技術和產品供給端出現爆發式增長。如國務院印發的《新一代人工智能發展規劃》［1］明確表示要探索腦認知的量子模式與內在機制，建立大規模類腦智能計算新模型和腦啟發認知計算模型，實現具備高可解釋性、強泛化能力的人工智能。又如Elon Musk旗下Nueralink公司獲批啟動首次大腦植入物人體臨床試驗，腦機接口（Brain-Computer Interface，BCI）再次回歸大眾視野，標志著世界各國加入布局的“腦計劃”研究取得重大突破，有望成為下一階段面向AI能力組構的高潛力研究場景，探索“人腦智慧”在認知層面的通用性能力為理解未來AGA的發展趨勢帶來了新動能。可見，人與AI在“認知域”的雙向突破或許會引領智能體（Agent）多維能力進一步躍升。隨著生成式人工智能技術、資源、工具的爆發式增長，人機融合與人智共生成為未來發展趨勢，用戶認知需求如何與數智供給相適應成為重要研究問題?；诖?，本文立足于可供性理論，從信息流動、技術嵌構和場域互塑多維視角出發解析生成式環境下認知帶寬的層次特征，深入分析了資源、能力和空間三重升維下用戶認知帶寬調節機理。

1" "生成式人工智能背景下的數智可供性理論建構

AI 強大的內源性動能和外融性功能正在不斷刷新用戶的認知高度，其自生長力也印證了基石模型（Foundation Models）對智能體基本認知能力的驅動作用。但生成式環境下如何將人與AI有效互聯實現真正意義的“人智”融合有待進一步驗證，而可供維度的探索在于突破“技術決定論”和“社會構建論”［2］二元對立局面，以概念解構與理論建構為“行為主體”和“數智化”注入了新的創生活力。

1.1" " 可供性理論的概念演化

“可供性”（Affordance）存在于人與環境（中介物）之間相互作用的過程中，強調行為主體感知并利用這種“功能”屬性與可供主體進行交互后達到某種目的或結果的可能性。隨著不同領域的意義締造，緣起于生態心理學的可供性理論逐漸被賦予豐富的內涵價值，其中五種類別應用較為廣泛：第一，環境可供性展示了一種“存在與發現”的互補關系，即客觀存在的環境特征在促進行為的同時限制了其他行為，這種選擇的“可能性”源自于受眾對環境的感知利用；第二，技術可供性主要探究了作為關鍵“社會力量”的技術與作為“感知主體”的用戶間的相互作用關系及產生后續行動的可能性，既強調了技術本身的功能屬性可以引導或設計用戶行為傾向，也關注到不同情境下行為主體的主觀能動性可以平衡技術的主導作用［3］；第三，媒介可供性傾向于發現媒介技術作為傳播載體將如何創造有利于傳播實踐的互動關系和可供條件，重點關注媒介的功能屬性推動用戶行為的可能性，并突出新興媒介技術對社會活動中的賦能作用［4］；第四，想象可供性將技術作為擴展用戶想象和“非理性”思維的特殊工具，并引入“中介體驗”的可供方式來幫助用戶構建主觀感知，旨在探究用戶對媒介技術的“感知期望”將如何影響“情感線索”與交互方式［5］；第五，IT可供性是技術的物質性特征在信息領域的拓展研究，在關系視角下有助于行動參與者更好理解IT可塑性，并根據目標需求選擇適配的IT工具來發揮可供的最優價值。為綜合回顧可供性概念的發展演化，本文從不同視角梳理了代表性領域中可供性的要素、屬性、主要內容和關注層次（見表1）。

1.2" " 數智化發展是可供思想的延續支點

從不同領域研究者對可供概念詮釋可以看出，可供性發展主要圍繞“關系機制”這一核心屬性展開，著重探索受眾群體和可供主體的互動關系，旨在發現行為主體接收外部功能性刺激后產生的動機和行為，以及這種“傾向性”對結果走向的影響程度。從作用機理來看，數智可供性沿襲了傳統理論的“關系”屬性，將行為主體和可供主體間的雙邊互動關系拓展為“人（Human）-信息（Information）-技術（Technology）-場域（Field）”的綜合引導關系，因此研究數智可供性為我們進一步理解環境、平臺、媒介等中介物質的價值理性和工具理性創造了有利條件。在生成式環境中，數據資源和AI工具的供給日益增加，為用戶提供了廣泛可選擇的使用機會，但受限于用戶對新興概念和復雜技術的認知障礙，其使用過程往往存在程度不一的數字鴻溝，導致用戶感知并參與可供交互的能力被弱化?？梢?，可供性作為一種驅動因素可能會帶來不同的行為或結果，但真正影響決策效果的還是個體、群體認知能力。

從數智賦能角度來看，生成式環境下可供性價值更多表現為三種關系：首先是結果可能性，數智優勢為使用者提供了拓展可能性，但無法直接驅動行為和創造結果，同樣使用者負責顯現化具體結果，但卻受限于數據環境或智能技術。其次是選擇傾向性，人對自身關注程度決定了數智可供性的“能動”屬性，用戶更易通過智能手段去認同可供主體的自有屬性，并主動發掘和定義其隱性功能。這種內驅感知力可能源于某種需求轉向，也可能受具體環境影響，但都依附于個體認知水平而存在。最后是工具驅動性，數智可供性引入“賦能”屬性，旨在利用AI智能化釋放數據價值，結合數據量變把握規律質變特征，為行動結果提供科學依據和有力支持。

1.3" " 生成式環境下的數智可供性理論建構

剖析數智可供性內涵可發現，受眾范圍從人進一步拓展至以人為主，以人工智能為輔的“綜合體”。人不再是唯一可以與中介物質形成特殊關系機制的主體，生成式人工智能在一定條件下也能與之產生聯系并實現自組織和自生長。如以ChatGPT、AIGC等為代表的生成式AI經過不斷地訓練迭代可以自主生成圖文影音、虛擬數字人等多模態內容，使得AI與中介物質形成緊密調和的互動關系。生成式環境下的數智可供性理論創新在于將受眾角色定位從“感知者（Perceiver）”延伸至“聯結者（Interconnector）”和“創造者（Creator）”，旨在利用生成式人工智能客觀規律來促進受眾最大程度發揮自身主觀能動性。簡言之，用戶不僅可以感知到外部環境、技術工具和信息資源的物質屬性，還擁有將兩種或多種屬性相聯結甚至產生新“屬性”的能力。

相對而言受眾的認知維度是動態、復雜和多維的，且可供特性會隨著認知帶寬的擴展而陸續激活。以往研究強調了技術、媒介的功能屬性，也考慮了以用戶為中心的需求屬性，但卻忽略了富信息化刺激下的“認知覺醒”。如移動互聯網與人類生活的深度融合，用戶認知從Web1.0時代靜態的單向信息接受上升至Web2.0時代動態的內容互動創造。隨著用戶認知的進一步躍遷，讓數字資源成為資產、讓物聯網實現數實空間態的疊加、讓AI構建更智慧的“類人”科技，共同形成下一代互聯網（Web3.0）的數字化生態。

1.4" " 數智可供性與用戶認知的深度聯結

數智可供性與用戶認知研究的聯結性在于“賦能”屬性的強化作用和“關系”機制的邏輯適洽，主要表現在以下三個方面：

第一，算力、算據、算法被視為AI智能涌現的基礎要素［18］，經過多模態融合、泛知識學習、交互式推理等數智化拓展訓練后智能體綜合能力進一步提升，由此激發我們對現有知識體系的全新想象和對跨域要素創新組合的感知實踐，極大程度提升了認知空間。

第二，人工智能引領的技術革新對物理域、社會域、信息域、認知域均產生不可忽視的影響，在數據和知識雙輪驅動下，理解新一代人工智能從“運算智能”到“感知智能”再到“認知智能”的發展路徑是必不可少的環節。AI-Agent逐步顯現的多維能力展示了“人”作為“智能本體”的主導意義，同樣我們的認知水平也將伴隨人工智能的發展而躍遷至新高度。

第三，生成式人工智能的技術性嵌入相較于其他工具來說更具智慧特征，在解放生產力的同時帶入創作者視角，是一種內驅能力外顯化的生產過程。截至目前AI能量天花板尚未出現，在現有認知范圍內我們很難準確預判智能體的能量上限和智慧閾值，以及這些能力集合是否可以繼續被我們所理解和引導。

綜合來看，理解數智化的能力可供性可以進一步拓展受眾的認知維度，而提升認知帶寬更有利于感知互動過程和行為的數智可能性，從而充分發揮數據與智能的作用價值。

2" "理解與解構：基于數智可供的認知帶寬層次特征分析

生成式環境下個體對技術、媒介、信息等可供對象的整體定位存在一定的認知區間，其中認知上限決定了交互過程中物質屬性被最大程度激活的可能性。在信息流和意識流雙重推動下，主體認知域的深度和廣度在逐步提升。

2.1" " 從信道帶寬到認知帶寬的層次躍遷

在數字通信系統中，信道表示信息傳輸的介質或通道，數字信號在相應物理或邏輯信道中完成信息發送和接受，區別于信道容量表示的理想狀態下無差錯傳輸的最大傳輸速率，信道帶寬是指通過信道傳輸的信號頻率范圍，體現了一種數據傳輸能力。“信息論之父”香農將信息傳輸邊界與帶寬相聯系，進而引入了“互信息”和“信息熵”的概念，通俗來講互信息代表了傳輸過程中有價值信息的量，信息熵描述了信息中不確定性的概率。借鑒這一思想，將其與認知領域空間和分配理念相對標便引申出認知帶寬（Cognitive Bandwidth）的內涵，即在內外部條件作用下（正向/負向）人們做出合適抉擇所具備的認知層次和范圍，體現了主體面對不確定環境和稀缺資源時調節注意分配、處理有用信息，拓展內化知識、實施理性決策行為的認知自洽能力，具有有限可用性、可擴容性、可調節性和可增益性等特征。

2.2" " 認知帶寬的可供特征解構

結合不同理論模式能夠有效解構認知帶寬的四種可供特性，分別為“有限可用性、可擴容性、可調節性、可增益性”（見圖1）。

2.2.1" "稀缺頭腦模式下認知帶寬的“有限可用性”

行為經濟學家Sendhi Mullainathan和心理學家Shafir研究表明長期資源稀缺狀態下“稀缺頭腦模式”將注意力過渡分配至稀缺資源（Scarcity Resources），據此提出認知帶寬的概念，并將其概括為個體在關注、決策、堅持計劃等并行任務中可用的心智（認知）容量［19］。一方面，稀缺性影響了個體認知判斷力，導致有效信息的識別、理解和利用產生偏差，進而陷入“注意-稀缺”的反向循環；另一方面，稀缺性遏制了個體執行控制力，前攝干擾和外部噪聲均會導致非理性行動決策出現，俘獲有限注意力的同時加深認知負荷［20］。相比于豐富的資源供給，稀缺心態更易于激活認知權衡與資源利用的相關性［21］，需要通過正向關注刺激措施來強化價值［22］，但在“管窺”限制下，個體注意力聚焦于狹窄的“短視隧道”中，容易造成“帶寬負擔”等負面現象［23］。

2.2.2" "認知發展理論下認知帶寬的“可擴容性”

“刺激-反應”的信息加工過程可視為主體在已有認知結構基礎上發展出同化、順應和平衡等動態機制，不斷進行“由少至多”“由散入整”的循環建構［24］。其中“同化”的前提是信息交互，個體通過“刺激過濾-信息轉化-經驗沉淀”的方式豐富和擴展認知結構，進而循序提升自身認知能力；當發展過程中個體難以完全適應環境需求甚至出現認知沖突時可能會引發圖式改造或重組，即“順應”。對認知結構而言，前者關注量級變化，后者關注質變分析，通過不斷“認知-調節-實踐-適應”（Cognition- Regulation-Practice-Adaptation，CRPA）來達到新的平衡狀態，這種動態調節過程就是認知發展［25］。從適應性角度來看，維持整個發展過程的平衡狀態需要足夠的認知容量，而容量的可用范圍取決于認知帶寬的上限和流暢度，可見個體認知的穩定發展離不開認知帶寬的適配性“擴容”，且隨著知識的積累其思維方式和能力表現將進一步提升。

2.2.3" "資源限制理論下認知帶寬的“可調節性”

認知資源限制理論將注意內涵從容量有限的內容加工通道引申為處理刺激的有限認知能力，指出復雜任務和信息負載對注意力的過度占用會限制主體對其他刺激的處理效率［26］。從信息加工過程中認知資源的調配機制來看，期望代表個體基于過程和情境知覺所形成的預先假設［27］，執行動機源于認知帶寬下特定結果的效能概率和可得價值的需求判斷，而結果導向的信息加工過程傾向于調整認知資源來強化這種行為。結合稀缺性原則可知外在資源缺乏使得功能固化的認知偏差被打破，稀缺感會在認知層面適度調節個體的注意力分配情況，甚至在約束性環境下創造出新的功能屬性［28］，以此來平衡有限帶寬帶來的負面效應。因此認知資源有限性會影響注意力并行分配的效率，而將刺激轉化為行動決策更多取決于主體對認知帶寬的調節程度。

2.2.4" "情景意識理論下認知帶寬的“可增益性”

所謂情景意識（Situational Awareness）［29］是指個體面對復雜且不確定的環境要素所呈現的內部表征，主要體現為三個等級狀態：基于時空情境的線索感知能力（水平1），基于整合信息的決策理解能力（水平2），基于未來態勢的動態預判能力（水平3）。Endsley采用信息加工模型來理解情境、信息的激活強度對認知帶寬的增益作用，旨在探討短時刺激、長時記憶、思維圖式與認知資源分配的邏輯關聯［30］?；诖耍珹dams等關注到情景狀態和個體認知因素對情境意識的觸發作用，并嘗試性將復雜系統中事件流的態勢感知問題轉變為情景評估下主體對認知容量的管理問題［31］。隨后，Preden等表示信息消費者的需求變化取決于主體認知資源的可管理性［32］，盡管視覺感知、注意力和記憶機制的局限性會干擾帶寬的可觸達邊界［33］，但生成式環境下的信息優勢會極大程度提高認知資源的利用效率并獲得高水平情景意識［34］。由此可見情境線索的深度挖掘和價值釋放可為主體帶來認知層面的“帶寬增益”。

3" "生成式環境下認知帶寬的三重升維和實踐述評

從實踐過程來看，得益于大數據和智能體的優勢作用，越來越多的可供特征被感知、被利用，信息流動、技術嵌構和場域互塑共同推動了“資源-能力-空間”的三重升維，在有機體與中介環境間形成了相互促進的良性循環（見圖2）。

3.1" "資源升維：生成式人工智能強化了數智供給量級優勢

生成式人工智能最大的特點是通過大規模、細粒度的數據組織重塑了知識供給模式，動輒千億級的參數和海量人類知識在數智技術、數智資源、數智工具供給端展現出強大的量級優勢和智能屬性，這為認知帶寬的資源升維帶來了全新的發展思路。

3.1.1" "流動和量變是信息可供的基礎

在生成式環境中，“流動”和“量變”可視為信息可供性發揮作用的基礎要素。解讀這組動態條件對我們理解信息可供能力具有重要意義。

首先，“流動”是有價值信息被選擇和交互的前提，其特點在于時空維度的可跨越性，且在“信息觸達-信息理解-供需匹配-交互利用”的傳遞過程中賦予信息意義構建和價值釋放的能力。生成式人工智能以大規模數據的向量化組織、空間表達和上下文推理實現信息流動速率的顯著提升，其方向也由“信息的流動”轉變為“流動的信息”并逐漸呈現出可供特質，使用者的認知需求和能力可能會導致信息的理解偏差，成為影響流動信息實踐的潛在因素。

其次，“量變”是有價值信息能被積累和利用的基礎，存在于信息產生、傳遞、加工、儲存等各個環節，體現了一種持續且不顯著的動態過程［35］。一般而言，在保持質量相對穩定的情況下信息量變會引起信息數量的增減或傳遞向位的轉變，進而幫助主體從不同維度理解信息可供的特質。大模型的千億級參數和多模態數據融合為生成式人工智能提供了“量變”可能，當量變達到“臨界點”時，信息價值增加或減少可能會帶來認知層面的質變，使得主體可以跳出原有認知框架發現物質的其他屬性。

最后，信息可供性的認知精髓在于用戶需求驅動的知覺過程，從“流動”和“量變”兩個條件入手探索生成式環境下信息可供與認知帶寬間的相互關系有助于理解資源升維的價值效果。

3.1.2" "不同時代信息可供下認知帶寬的“擴容增益”

在可回溯的時代進程中，信息流以經驗累積的形態下沉至主體認知空間，由此造就了差異化的認知帶寬，而先進認知實踐又為時代進步開辟了動力源泉。結合Alvin Toffler《第三次浪潮》中對生產范式轉變地思考以及對信息可供認知論地探索，將時代劃分為農業時代、工業時代、信息時代和智能時代四個部分（內容見表2）。

由此可見各時代信息生產要素和思維模式的轉變均伴隨著認知帶寬的“擴容”和“增益”。科技浪潮的出現加速了認知帶寬的維度提升，可供內容由自然環境下的實踐經驗逐漸向智能互聯下的信息融合過渡，認知領域層次也一步步朝“AI智創”的方向邁進。

3.2" " 能力升維：AI智創激活了技術可供性內生潛力

AI探索式融合邏輯揭示了AI智能體“能力涌現”對人類開放性認知的助推作用，有助于實現個體、群體乃至社會層面的能力躍升與認知突圍。

3.2.1" "生成式技術革新下AI能力的遞進式發展

在運算智能階段，AI圍繞人為設計的“指令+執行”規則進行快速計算和記憶儲存，通過條件設置的方式完成推演過程，大部分指令源自于人類智慧下的經驗判斷；在感知智能階段，遷移學習和多模態信息處理等突破傳統機器的運行模式，AI借助傳感器等硬件設備識別物理世界的可見內容并映射至數字空間，利用人與機器間有效的數字化交互機制將信息提升至可理解范疇。在認知智能階段，初級感知能力不足以完成更深入的目標任務，智能體自主生成和知識推理能力進一步放大了數智化與用戶的關聯性特征。

以AIGC、ChatGPT為代表的新一代生成式人工智能工具激活了技術可供性的內生潛力，基于已有數據進行訓練、學習、理解和預測，多模態融合與感知、智能體自動執行、多維全景映射、細粒度要素微調等能力初現，其廣泛的場景化應用預示著內容增量市場的無限可能，在技術層面推動了認知的能力升維［40］。特別是GPT-4和類ChatGPT模型的技術迭代迎來爆發期，AGI和AGA雛形悄然顯現［41］，為確保人工智能與人類價值觀和認知行為保持一致，在價值對齊過程中強調了“監督”和“獎懲”的重要性，有助于減輕模型“推理幻覺”有效提升AI數智化程度。區別于我們對技術突破的慣性思考，智能體的發展更像是AI對物理域和信息域的探索式“元認知”，在提示詞引導下逐步發展出有限的“想象”能力。

3.2.2" "BCI驅動下認知帶寬的破界與強化

隨著腦機接口關鍵器件和核心技術的突破性發展，數智操作系統加速了“人-機-物-場”的深度融合，認知帶寬的破界創新和強化實踐也將迎來發展的機遇期。為深入理解大腦活動原理，揭示人類智能運作機制，以期通過BCI技術干預的方式在認知域占據核心競爭力，以美國、歐盟為主的多國政府及企業機構依托于“腦功能”“腦開發”“腦異?！钡戎卮笱邪l計劃加速布局“人vs類人”腦科學項目（見表3）。

相比于其他有機體，人類智慧優勢在于高級認知思維下的能力涌現，而BCI的出現將大腦信號與外部智能設備間構建直連通路變為現實，很大程度展示了未來人智交互的發展方向——腦機平衡，即在保障大腦功能區安全穩定的前提下選擇最優方式開發腦部潛力，這側面印證了科技創新和技術進步對認知帶寬的帶動作用。由此引申出兩個關鍵問題：一是如何利用意識來控制外部設備；二是如何利用特定信息刺激來調控認知行為。在物理域，BCI可作為輔助工具來記錄腦活動的信號軌跡，通過直接或間接刺激腦內特定區域來干預甚至調控主體行為；在信息域，一些超出人類可感知能力的信息可借助BCI技術進行適度放大，以便更加全面的感知可供信息；在認知域，BCI嘗試越過機體神經將大腦與外界直接相連，為深入理解人腦認知過程提供技術支持，也為提升認知帶寬的閾限峰值打開思路。

3.3" " 空間升維：自主化生成過程推動了場域可供性持續發展

在現實向度中，生成式人工智能強調自主化內容表達和信息組合，通過不斷塑造科技創新資源、功能大模型等新質生產力來觸發場域自主化生成機制。

3.3.1" "場域自主化是認知增強的可供條件

在生成式環境下，場域自主化生成范式不再局限于既定模式的功能嵌套和價值承載，而是聚焦于具體空間范圍內主客體互動關系及規則的構型（Configuration），其屬性邊界會依據實際情況適當調整，體現為一種動態的變化過程。其中場域參與者“慣習”取決于當下主體在空間中所處的位置和能力，且隨著主體認知帶寬的不斷提升，資源交換后的行為實踐會激發主客體關系的再生產［51］，使得場域朝滿足多方需求的方向發展，并逐漸延伸出區別與其他場域的特質，這便是場域自主化生長過程。

3.3.2" "不同空間升維的觸發機制

從關系屬性來看，空間內部多邊互動是用戶提升認知帶寬的基本要素，也是場域可供性持續發展的先決條件。為了更好理解這種相互關系，本文在三元世界理論的基礎上拓展出虛擬空間和智能空間，并從場域形態、關系屬性、可供性和認知層次四個方面綜合描述不同空間升維的觸發機制（見表4）。

綜上所述，受場域形態和可供性影響，傳統空間觀念往往局限于物理維度的感官體驗和時空維度的有限認知，因此主體對空間關系的理解存在具象依賴性。但在生成式環境下認知沿“記憶-理解-應用-分析-評價-創新”層次遞進，技術能力得以突破性發展，可供屬性在交互過程中不斷豐富，升維機制也由初級的感官刺激向高級的人智互聯轉變，不同空間形態均展現出向上發展的潛力。

4" "結語

綜合來看，生成式環境下認知帶寬（Cognitive Bandwidth）的“擴容增益”不只在于接觸信息數量級和已有知識儲備量的提升，更多是理解認知資源從“稀缺”到“可供”的無限可能性。而數智可供優勢為“認知域”的提升帶來了全新機遇，同時也釋放了潛在的挑戰信號。一方面，生成式人工智能系統的發展會經歷一段隱形且反復的試錯過程，智能體的行為也會隨之做出調整，我們需要在現有認知框架的基礎上糾錯和適應這種模式，并聯合AI本體做出前瞻性的預判。另一方面，AI“智能涌現”可以視為智能體能力進化的關鍵環節，但對其方向的判斷依然處于“黑箱”階段。換言之，AI偶發性涌現能力可能是顛覆原生認知機制的臨界條件，而這種技術急變帶來的“可能結果”難以準確預判。因此，我們有必要關注到生成式人工智能的多維數智屬性及其影響受眾認知和行為結果的可能性，充分發揮兩者的本體價值和耦合優勢，進而塑造新的認知維度，擴展新的認知途徑，形成數智與認知聯結共生的新磁場。

參考文獻：

［1］" 國務院.國務院關于印發《新一代人工智能發展規劃》的通知［EB/OL］.［2023-11-20］.https：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

［2］" 喻國明，趙睿.媒體可供性視角下“四全媒體”產業格局與增長空間［J］.學術界，2019（7）：37-44.

［3］" 謝衛紅，曾思敏，彭鐵鵬，等.技術可供性：概念內涵、理論框架及展望［J］.科技管理研究，2022，42（5）：210-218.

［4］" 劉堅.媒介可供性視角下的出版知識服務：生態構建及實踐進路［J］.中國編輯，2023（4）：54-58，63.

［5］" 喻國明，蘇芳.媒介有效建構社會信任的全新模式——想象可供性視角下價值媒介、平臺媒介與用戶的連接與協同［J］.視聽理論與實踐，2021（3）：3-9，16.

［6］" Gibson James J.The Ecological Approach to Visual Perception：Classic Edition［M］.Taylor and Francis，2014：119-121.

［7］" Norman D.The Design of Ev-eryday Things-Revised and Expanded Edition［M］.Philadelphia：Basic Books，2013：11.

［8］" Gaver W W.Technology affordances［A］.Proceedings of the Sigchi Conference on Human Factors in Computing Systems［C］.New York：ACM，1991：79-84.

［9］" Wellman B.Physical Place and Cyberplace：The Rise of Personalized Networking［J］.International Journal of Urban and Regional Research，2001，25（2）：227-252.

［10］" Hutchby L.Conversation and Technology：From the Telephone to the Internet［M］.Cambridge，UK：Polity，2001：78.

［11］" Schrock A R.Communicative Affordances of Mobile Media：Portability，Availability，Locatability，and Multimediality［J］.Journal of Engineering，2015（9）：1229-1246.

［12］" Rice R E，Evans S K，Pearce K E，et al.Organizational Media Affordances：Operationalization and Associations with Media Use［J］.Journal of Communication，2017，67（1）：106-130.

［13］" 胡翼青，王沐之.作為媒介性的可見性：對可見性問題的本體論探討［J］.新聞記者，2022（4）：8-19.

［14］" Nagy P，Neff G.Imagined Affordance：Reconstructing a Keyword for Communication Theory［J］.Social Media + Society，2015，1（2）：1-9.

［15］" MARKUS M L，SILVER M S.A foundation for the study of IT effects：a new look at DeSanctis and Poole's concepts of structural features and spirit［J］.Journal of the Association for Information Systems，2008，9（10）：609-632.

［16］" Majchrzak An，Faraj S，Kane G C，et al.The Contradictory Influence of Social Media Affordances on Online Communal Knowledge Sharing［J］.Journal of Computer-mediated Communication，2013，19（1）：38-55.

［17］" Cousins K，Robey D.Managing work-life boundaries with mobile technologies An interpretive study of mobile work practices［J］.Information Technology amp; People，2015，28（1）：34-71.

［18］" 李白楊，白云，詹希旎，等.人工智能生成內容（AIGC）的技術特征與形態演進［J］.圖書情報知識，2023，40（1）：66-74.

［19］" Mullainathan S，Shafir E.Scarcity：Why Having Too Little Means So Much［M］.New York：Times Books，2013：46-49.

［20］" 閆瑤瑤，李永先.基于“稀缺理論”的信息檢索認知模型研究［J］.情報雜志，2016，35（11）：136-140.

［21］" Huijsmans I，Ma L，Micheli L，et al.A scarcity mindset alters neural processing underlying consumer decision making［J］.Proceedings of the National Academy of Sciences of the United States of America，2019，116（24）：11699-11704.

［22］" Sehnert S，Franks B，Andy J，et al.Scarcity，engagement，and value［J］.Motivation and emotion，2014，38（6）：823-831.

［23］" Bruijn E J，Antonides G，Abdellaoui M.Poverty and economic decision making：a review of scarcity theory［J］.Social Science Electronic Publishing，2022，92（1）：5-37.

［24］" 劉萍，葉方倩，楊志偉.認知建構視角下交互式信息檢索模型研究［J］.圖書情報知識，2020（2）：93-101，122.

［25］" 孔勇，劉敏，郭順利，等.社會化問答情境下用戶知識內化的過程及動因研究——基于fsQCA的組態效應分析［J］.情報科學，2022，40（11）：93-102.

［26］" Franconeri S L，Alvarez G A，Cavanagh P.Flexible cognitive resources：competitive content maps for attention and memory［J］.Trends in Cognitive Sciences，2013，17（3）：134-141.

［27］" 湯胤，徐永歡，張萱.基于社會認知理論的社交媒體用戶轉發行為研究［J］.圖書館工作與研究，2016（6）：68-76.

［28］" Ravi M，Meng Z.Creating When You Have Less：The Impact of Resource Scarcity on Product Use Creativity［J］.Journal of Consumer Research，2016，42（5）：767-782.

［29］" Endsley M R.Toward a theory of situation awareness in dynamic systems［J］.Human Factors，1995，37（1）：32-64.

［30］" Endsley M R.Toward a theory of situation awareness in dynamic systems［M］.Situational awareness.New York：Routledge，2017：9-42.

［31］" Adams M J，T enney Y J，Pew R W.Situation awareness and the cognitive management of complex systems［J］.Human Factors，1995，37：85-104.

［32］" Preden J，Kaugerand J，Suurjaak E，et al.Data to decision：pushing situational information needs to the edge of the network［A］.IEEE International inter-Disciplinary Conference on Cognitive Methods in Situation Awareness and Decision Support［C］.2015：158-164.

［33］" Cohen M A，Dennett D C，Kanwisher N.What is the Bandwidth of Perceptual Experience？［J］.Trends in Cognitive Sciences，2016，20（5）：324-335.

［34］" Xiaowu L，Jiguo Y，Weifeng L，et al.Network security situation：From awareness to awareness-control［J］.Journal of Network and Computer Applications，2019，139（1）：15-30.

［35］" 徐漢青，滕廣青，欒宇，等.知識網絡演化中的結構穩定性與知識涌現［J］.圖書與情報，2019（1）：53-62.

［36］" 榮朝和.從進化視角看人類交通與信息能力的發展［J］.北京交通大學學報（社會科學版），2023，22（2）：33-45.

［37］" ［美］阿爾文·托夫勒.未來的沖擊（Future Shock）［M］.黃明堅，譯.北京：中信出版社，2018：103-107.

［38］" ［美］阿爾文·托夫勒.第三次浪潮（The Third Wave）［M］.黃明堅，譯.北京：中信出版社，2018：182-186.

［39］" ［美］赫伯特·西蒙.認知：人行為背后的思維與智能［M］.荊其誠，張厚粲，譯.北京：中國人民大學出版社，2020：192-196.

［40］" 詹希旎，李白楊，孫建軍.數智融合環境下AIGC的場景化應用與發展機遇［J］.圖書情報知識，2023，40（1）：75-85，55.

［41］" Bubeck S，Chandrasekaran V，Eldan R.Sparks of Artificial General Intelligence：Early experiments with GPT-4［J］.arXiv preprint，2023，arXiv：2303.12712.

［42］" USC Mark and Mary Stevens Neuroimaging and Informatics Institute.The Human Connectome Project［EB/OL］.［2023-11-18］.http：//www.humanconnectomeproject.org/.

［43］" The BRAIN InitiativeR.Overview|Why is The BRAIN InitiativeRneeded？［EB/OL］.［2023-11-18］.https：//braininitiative.nih.gov/about/overview.

［44］" The BRAIN InitiativeR 2.0：From Cells to Circuits，Toward Cures［R/OL］.［2023-11-18］.https：//www.acd.od.nih.gov/documents/presentations/06142019BRAIN.pdf.

［45］" Human Brain Project.First Specific Grant Agreement （SGA1） Deliverables［EB/OL］.［2023-11-20］.https：//www.humanbrai

nproject.eu/en/about/governance/deliverables/sga1-phase/.

［46］" CORDIS EU research results.Human Brain Project Specific Grant Agreement 2［EB/OL］.［2023-11-20］.https：//cordis.europa.eu/project/id/785907.

［47］" CORDIS EU research results.Human Brain Project Specific Grant Agreement 3［EB/OL］.［2023-11-20］.https：//cordis.europa.eu/project/id/945539.

［48］" Poo M M，Du J L，Ip N，et al.China Brain Project：Basic Neuroscience，Brain Diseases，and Brain-Inspired Computing［J］.Neuron，2016，92（3）：591-596.

［49］" Brain /MINDS DATA PORTAL：What is the Brain/MINDS Project？［EB/OL］.［2023-11-20］.https：//dataportal.brainminds.jp/about.

［50］" Australian Academy of Science：Why Australia needs a brain initiative［EB/OL］.［2023-11-20］.https：//www.science.org.au/supporting-science/other-initiatives/ausbrain/why-australia-needs-brain-initiative.

［51］" Sida L，Mustafa E.Field and Ecology［J］.Sociological Theory，2016，34（1）：62-79.

［52］" 陸莉，沙勇忠，徐雪峰.基于生命周期的公共安全數據管理模型研究［J］.圖書與情報，2019（4）：13-21.

［53］" Sida L .Between social spaces［J］.European Journal of Social Theory，2020，24（1）：123-139.

［54］" 向安玲，高爽，彭影彤，等.知識重組與場景再構：面向數字資源管理的元宇宙［J］.圖書情報知識，2022，39（1）：30-38.

［55］" 田倩飛，張志強.人工智能2.0時代的知識分析變革研究［J］.圖書與情報，2018（2）：33-42.

作者簡介：詹希旎，女，南京大學數據管理創新研究中心、數字經濟與管理學院博士研究生，研究方向：政務智能與數據管理；李白楊，男，南京大學數據管理創新研究中心助理教授，博士生導師，數據智能與交叉創新實驗室研究員，研究方向：數據智能、數字素養等。

*本文系國家自然科學基金青年項目“面向海外公共安全的事件畫像與多源數據融合方法”（項目編號：72004171） 研究成果之一。

收稿日期：2023-12-10；通訊作者：李白楊（libaiyang@nju.edu.cn）；責任編輯：劉婷