人工智能知識傳播下的 新閱讀及其對社會的影響

【摘要】隨著生成式人工智能的興起，人們越來越多地通過閱讀人工智能生成的知識來滿足學習、工作和生活中的知識需求。這不僅重塑了人們的閱讀方式，使閱讀具備一些新的特點，也使得閱讀的效果和社會影響與之前大相徑庭。生成式人工智能中介的知識生產，生成的是人機共生的雜合知識、概率推斷的計算知識、自適應式的迭代知識、身體感知缺位的形式知識。這種新興知識催生出提問式、加速化、隨機式、批判性的閱讀方式。由此可能帶來自相矛盾的閱讀效果——認知邊界的拓寬與獨立思考的放棄、知識傳播效率的提升與知識理解錯覺的產生、機器思維的培養與思維的機器化、創造力的激發與抑制。新閱讀方式還會使原來的知識秩序發生變化，在社會認知、社會平等、社會權力結構等方面產生新的社會影響。

【關鍵詞】人工智能 知識生產 知識傳播 知識社會學 閱讀

【中圖分類號】G230 【文獻標識碼】Ａ 【文章編號】1003-6687（2025）3-005-09

【DOI】10.13786/j.cnki.cn14-1066/g2.2025.3.001

人類在漫長的歷史進程中，曾多次經歷知識的重大變革，這些變革無一不與新技術的誕生密切相關。從最初書寫的出現，到印刷術的發明，再到計算機以及互聯網的興起，新技術帶來的知識變革產生了很多無法預料的結果，在給人類帶來希望的同時，也對人類既有的知識體系提出了新的挑戰。[1]（1-171）閱讀作為人類獲取知識的行為方式之一，同樣受到技術變革的影響，新技術在改善閱讀介質、優化閱讀方式、提高閱讀效率、引發閱讀變革等方面都發揮著重要作用。閱讀變革的發生尤其與知識生產技術和傳播技術的革新密切相關。[2]（4-214）

生成式人工智能作為一種新興技術，在知識生產、傳播與接受等領域都獲得了廣泛應用，這種應用顛覆了人類以往的知識生產和傳播方式，使知識呈現出新的形態和特點，并引起了人類閱讀方式的巨大變化，重塑人們的閱讀內容、閱讀行為和閱讀效果。通過生成式人工智能獲取知識的新閱讀方式也將給整個社會帶來新的影響。生成式人工智能給社會帶來的影響，不僅是知識社會學所關心的，也是傳播學所關注的。在相當長的時間里，知識社會學與傳播學被認為來自一個傳統。在知識社會學中，知識的起源、擴散與后果是三個重要的主題，而這恰好能與傳播的生產研究、效果研究建立聯系。[3]本文結合知識社會學和傳播學的研究視角，將知識的變革與閱讀的變化勾連起來，分析生成式人工智能中介的知識傳播及其催生的新閱讀方式的特征、機理和影響，以期為人們合理地利用新閱讀方式促進自身和社會發展提供借鑒。

一、新閱讀內容：生成式人工智能中介的知識生產

閱讀要以知識文本為對象。任何一種知識都不能脫離文本意義（內容）和物質載體（形式）而存在。人工智能出現以前，知識文本由人類生產，知識生產技術形塑著知識物質載體，兩者的結合使知識呈現出不同的文本表現形態，如印刷術使知識能夠以批量化的紙質書籍形態呈現，互聯網技術催生了電子書、有聲讀物、在線課程、社交媒體等知識文本形態。與以往的知識生產方式不同，生成式人工智能不僅能夠介入知識文本形態的生產，還能夠介入知識文本意義的生產。人類不再是知識文本意義的唯一生產主體，機器也可以作為其生產主體。作為一種新興的知識生產技術，生成式人工智能通過全方位介入知識的文本意義和文本形態的生產，催生出全新形態的知識。

1. 人機共生的雜合知識

知識生產在很大程度上是一種“對原有知識的組合過程”，[4]因而知識生產過程在很大程度上是知識“混雜”的過程。在人類知識史上，知識的“混雜”狀態是很常見的。知識文本在流傳過程中，經過人為的擴寫、改寫或縮減，形成新文本、新舊混合文本或刪減文本，這是常見的知識“混雜”的現象。[5]人工智能介入知識生產后，知識“混雜”不再僅僅是人為參與的結果，而是“人類要素”與“非人類要素”共同作用的產物。在人工智能介入知識生產的過程中，發揮著至關重要作用的“人類要素”是提出問題，人類提出問題的質量直接影響人工智能生產知識的質量。在人類提出問題后，人工智能通過從現有的海量數據中提取相關信息，借助算法和大語言模型快速生成問題的答案。其中運用的海量數據，既包含人類生成的數據，也包含非人類生成的數據。而人工智能技術本身，也是“人類要素”與“非人類要素”的雜合體。[6]在一問一答的過程中，“人類要素”與“非人類要素”共同參與生成雜合知識。知識生產的主體，從人類壟斷知識生產轉變為人類和人工智能協作生產知識。相較于過往的知識“混雜”，人工智能介入知識生產后，知識雜合的過程更為復雜和隱蔽，雜合的來源更為廣泛。

在“人類要素”與“非人類要素”協作下生成雜合知識，雖然使得知識生產的效率提高，知識的多樣性增加，但也帶來了一些風險：一方面，知識的準確性、可靠性和客觀性受到沖擊，參與知識生產的數據、算法和大語言模型等的任一缺陷都可能導致生成的知識存在誤導性；另一方面，知識發展的脈絡變得錯綜復雜，難以追蹤和梳理，知識“雜合”過程的復雜、算法黑箱的存在、數據來源的難以追溯、“人類要素”與“非人類要素”的界限模糊，都使得對知識發展脈絡的追蹤和梳理變得困難。在知識總量迅猛擴張的同時，知識也變得碎片化了。[1]（1-171）

2. 概率推斷的計算知識

概率論和統計學是人工智能重要的理論基礎，人工智能處理數據和作出預測主要通過概率推斷來實現。人工智能作為中介化媒介參與知識生產，事實上就是通過對人類語言進行概率推斷來實現的，這一過程是知識計算的過程，其生產的知識是一種計算知識。具體而言，人工智能首先通過自主學習將人類既有的知識進行大幅度壓縮，然后通過算法對已經具有一定抽象度的知識進行編碼（類型化、客觀化）和概率計算（平均化），最終將現有知識話語中出現概率最大、被最多人選擇的表述作為問題的答案。人工智能實際上是把知識生產的過程變成了語言概率計算的過程。[7]

人工智能通過算法和模型從高度抽象化和概括化的人類知識中提取特征、發現規律，在掌握了一定程度的“知識的知識”即“元知識”后，根據人類的提問進行知識生產。這種通過概率推斷進行知識生產的方式具有高效性、靈活性、自動化等優勢，但也存在一些缺陷，即人工智能通過概率推斷生成的知識是已經被大多數人接受的、平庸的知識。[7]其平庸性不僅體現在語言表述上風格過于一致、顯得單調乏味，還體現在對問題的理解和解決方式上，通過平均化方式追求答案的普適性，從而消解了個體的差異性和情境的特殊性。人工智能生成的答案看似具有廣泛的普適性，卻難以評估，因為并未將其用于解決具體的問題。某些時候，它們生成的結果似乎與人類所生成的知識無異，或者它們生成的結果沒有實際意義，或者明顯只是人類提出的問題要素的機械重復和組合。[8]（6-264）由于機器缺乏關于真實世界必要的背景知識，當機器訓練不足、訓練數據有誤或機器模型參數設置不當時，人工智能就可能給出與真實世界不符或毫無意義的答案，產生“機器幻覺”。

3. 自適應式的迭代知識

知識演化理論認為，知識體系是不斷演化的，知識體系演化的動力源于環境的新需求，新的解決方案對環境的適應性會傳承至下一代，并不斷累積直至達到適應性的極點。[4]自適應性不僅是知識自身所具有的演化特征，也是人工智能的一項重要能力，當這項能力被應用于知識生產時，其所參與生產的知識自適應性特征便被強化。自適應式的迭代知識，處于動態調整與持續優化的過程中，能夠不斷適應新場景和新任務。人工智能的自適應能力主要通過深度學習、強化學習、監督學習等機器學習的方式來獲得。深度學習模擬人類大腦的工作原理，通過神經網絡參數的更新來實現人工智能行動策略的優化；強化學習利用控制論中的反饋機制，讓人工智能在不斷試錯中根據正負反饋信號優化其行動策略；監督學習則通過標注的訓練數據來優化人工智能的行動策略。人工智能參與的知識生產所依托的算法、模型、數據等都處于持續迭代中，這使其參與生產的知識也是不斷迭代的知識。

雖然自適應式的知識生產方式能夠不斷提高知識生產的效率，優化生成知識的質量，同時也能夠極大地滿足人類在各類場景和任務中的知識需求。但這種自適應式知識生產方式也使得知識的更新速度達到前所未有的水平，知識生產的不確定性大大增加，“知識超載”現象普遍流行，人類在知識核實、知識篩選、知識學習等方面都面臨新的挑戰。人工智能自適應式的知識生產方式，可讓其獲得智能遞歸式的自我改善能力，最終可能導致“智能爆炸”——人工智能掙脫人類對其的有效控制，對人類社會的安全造成威脅。

4. 身體感知缺位的形式知識

在人類的認識論中，身體感知被認為是知識的重要來源。經驗主義認為，知識源于感覺、知覺和經驗，胡塞爾認為，身體性自我覺知是知識構成的基礎，海德格爾強調身體在世的具體情境和實踐是知識獲取的重要來源，[9]梅洛-龐蒂認為身體在人類知識的形成中具有優先性。[10]哲學家波蘭尼則將人類知識分為默會知識和明述知識，其中默會知識必須通過人類的身體感知獲得，是所有通過語言符號來表達的明述知識的基礎，也更為重要，他認為任何一種知識都有其身體根源，所有思想都是肉身性的。[11]這些哲學家的一個共同特點是強調身體在知識形成中的重要性。

目前的生成式人工智能缺乏對于現實世界的感知能力，其參與的知識生產跳過了身體感知這一重要步驟，直接通過數據分析、概率推斷和邏輯推理等生產知識，這實際上是對知識進行形式化表示的過程。人工智能對知識的形式化表示源于從古希臘開啟的一條西方的唯理論傳統，這條哲學脈絡通過邏輯和推理發現了世界的有序性，并將其形式化為規則。[12]人工智能生產的形式化知識，缺少了人類通過身體感知所獲得的靈感、直覺、情感、經驗等，而這些正是構成人類智慧的關鍵要素。雖然人工智能生產的知識是否可以等同于人類認識論范疇中的知識，目前還存在爭議，但可以確定的是，這種身體感知缺位的知識生產方式，常常導致人工智能參與生產的知識難以與人類的感知經驗相匹配，可能出現常識性的低級錯誤。

二、新閱讀行為：生成式人工智能中介的知識傳遞

閱讀是一種作為閱讀主體的讀者與作為閱讀客體的知識文本之間相互作用的過程——閱讀主體作用于閱讀客體，通過讀者的閱讀使知識的效用被激活；[2]（4-214）閱讀客體反作用于閱讀主體，知識文本的意義影響著讀者的思想觀念，知識文本的形態影響著讀者的閱讀行為。比如紙質書籍的閱讀常常是專注的“深閱讀”，而社交媒體的閱讀常常是碎片化的“淺閱讀”。讀者的閱讀行為不僅受到知識文本形態的影響，還受到社會環境的影響。伴隨著網絡社會興起的后現代閱讀方式是一種對話式、非線性、海量性、碎片化、瀏覽性、懶惰性的閱讀方式，[13]人工智能時代興起的新閱讀方式延續且強化了后現代閱讀方式的這些特性，同時還呈現出提問式、加速化、隨機式、批判性等新特征。

1. 提問式閱讀

在人工智能廣泛介入知識生產之前，讀者對于閱讀內容的選擇相對受限，選擇效率較低。雖然讀者對于閱讀內容有一定的選擇權，但其選擇閱讀內容的范圍和質量很大程度上受到作者的創作意圖、創作能力以及編輯的審校標準的影響。雖然通過瀏覽標題、摘要、目錄或者檢索關鍵詞等方法，讀者能對閱讀的內容進行篩選，但篩選效率較低。在具體內容的深入探索與個性化需求滿足上，讀者的主動性有限。在人工智能廣泛介入知識生產之后，讀者的閱讀方式發生顯著變化，提問成為閱讀過程中不可或缺的一環。通過提問進行內容篩選的方式，很大程度上為讀者提供了更多選擇，提升了讀者對于閱讀內容的選擇效率。

阿爾伯特·愛因斯坦曾言：“提出一個問題往往比解決一個問題更重要?！盵14]提出新的問題、新的可能性，從新的角度去看舊的問題，需要有創造性的想象力，且標志著科學的真正進步。在人工智能介入知識生產后，提問的重要性更加凸顯。提問成為人機共生知識的關鍵性“人類要素”。讀者提問水平很大程度上決定了人工智能生成知識的范圍和質量，影響著讀者的閱讀體驗和知識接受。高質量的提問能引導人工智能生成更加精準化、個性化的知識。持續的高質量追問就如同蘇格拉底的“理智助產術”一樣，雖然無知卻能幫助產生知識：對人工智能而言，能夠促進其算法和模型的迭代，改進其知識生產能力；對讀者而言，能夠幫助其解疑釋惑，促進讀者對知識的理解和接受。在人工智能領域，提問甚至成為一項重要的技術——提示工程（prompt engineering），即通過設計、實驗和優化人類自然語言的輸入提示，引導模型生成高質量、準確的和有針對性的知識。

這種提問式閱讀方式，讓閱讀成為一個更加主動、互動、個性化且富有探索性的過程。讀者不再僅僅是被動的知識接收者，而是主動參與到知識生產中的關鍵引導者和把控者。通過不斷提問與反饋的循環，一方面，閱讀內容不再受限于既有框架，知識的邊界實現了深度與廣度的雙重拓展；另一方面，閱讀的過程呈現出人機交互的知識社交屬性，對話交流的界面使閱讀的過程變為口語交流、問答交替的解惑過程。

2. 加速化閱讀

人類世代累積的知識自科學革命、工業革命以及20世紀50年代以來的“大加速”之后，不斷更新迭代、持續增長。[15]尤其是在學術界“不發表就出局（publish or perish）”的制度壓力和掠奪性出版商興起的背景下，大批質量參差不齊的文獻以指數級增長速度出版，這些文獻的數量可能已經超過了人類認知處理能力的極限。[16]例如，從西漢到清代的兩千多年，我國共出版書籍18.2萬種，民國時期共出版書籍12.4萬種，而目前我國每年的新書品種就達到20多萬種，現在一年出版的新書品種數超過了從西漢到清代的新書品種總和。除此之外，還有大量的期刊、報紙、新媒體等其他傳播知識的媒介。因此，當下知識的增長速度已經遠超個體閱讀速度，信息的海量性加劇了知識篩選和獲取的難度，傳統閱讀的知識獲取效率難以滿足加速化社會中個體的知識需求。人們常常陷入知識過載與知識匱乏的矛盾處境之中。有鑒于此，人工智能介入知識生產和傳遞后，有望改善這一矛盾處境。

借助自然語言處理、語義搜索、算法推薦、文本摘要生成、深度學習等新技術，人工智能通過適配知識篩選、個性化書籍推薦、核心觀點提取、知識脈絡梳理、解疑釋惑等多種方式輔助閱讀。在人工智能中介的知識傳播中，人類閱讀的速度和效率均非往昔可比?；跀祿幚砗透怕释茢?，人工智能對人類世代積累的知識能夠進行快速分析和學習，而單靠人類心智可能需要幾十年甚至幾個世紀才能完成這一過程。從某種意義上來說，人工智能借助算法和算力進行了時間壓縮或“時間旅行”。[8]（6-264）

加速化閱讀雖然可以實現閱讀速度和效率的提升，但它可能帶來新的異化?，F代社會中的科技加速、社會變遷加速和生活步調加速已經成為一個環環相扣并不斷自我驅動的“加速循環”系統。[17]人工智能中介的加速化閱讀所引發的知識流動速度的加快，會引起人們學習和工作步調的加速，而這種加速又促使人們不得不通過加速化閱讀來跟上步調，從而陷入“加速循環”中。人們越來越追求閱讀的速度和效率，而忽視了閱讀過程中對知識的理解和體驗。一方面，當我們讀得過快或無法充分理解所讀的內容時，閱讀的收效就開始變小。[18]（79-98）加速化閱讀可能導致讀者更傾向于通過“淺閱讀”和碎片化閱讀快速獲得答案，而忽視深入思考。另一方面，當閱讀成為一種加速化的任務時，其就不再是一個休閑、享受的過程。當速度掙脫了鐘表的限制，人們與技術化閱讀的關系便進入一個全新的、緊張的、充滿焦慮的階段。[18]（79-98）

3. 隨機式閱讀

“信息論之父”香農將“信息”定義為“能提高概率，降低不確定性的東西”。[19]他還提出了“信息熵”的概念，用以衡量信息的不確定性。隨機性是信息論中描述信息不確定性的一個重要概念。在人工智能領域，隨機性被應用于模擬和優化算法中，一般通過減少系統的隨機性來提高預測的準確性，進而增強算法的性能和效率。

人工智能知識生產過程中伴隨著隨機性，這既是知識生產過程中不可避免的偶然性因素所導致的，也是由其自適應迭代優化的知識生產方式所決定的。人工智能的知識生產過程既具有嚴謹的規定性，又具有人為設置的隨機性、復雜系統的不可預設性以及物質基礎設施不可控所產生的偶然性。[7]人工智能知識生產過程中的數據收集、算法選擇、模型評估等都可能受到偶然性因素的影響，導致其生成的知識具有隨機性。人工智能自適應式迭代的知識生產方式生產的知識處于不斷迭代優化的過程中，進一步強化了其生成知識的隨機性。不僅在不同的時間和地點或以不同的方式向人工智能提問所獲得的答案有可能不同，而且當讀者對人工智能生成的知識感到不滿意時，還可以要求其重新生成內容，形成隨機式閱讀。

人工智能知識生產過程中的隨機性，增強了其生成知識的多樣性、創新性和自反性。首先，隨機性為人工智能知識生產提供了更多的可能性，不同的數據、算法和模型的選擇和搭配使用可以促使其生成多樣化的知識。其次，知識生產過程中的隨機性，可以使其跳出人類固有的傳統思維框架，不斷嘗試新的方法和路徑，產生與人類完全不同的“創造性”思維。[7]此外，知識生產過程中的隨機性，還增加了知識的自反性，使知識始終處于自我修正、自我更新、自我懷疑的過程中，在這一過程中，知識對變動中的社會的反映能力也在逐漸增強。[12]同時，人工智能知識生產過程中的隨機性，不僅使得知識生產缺乏可重復性，也影響了知識的穩定性和可靠性。人工智能生產的知識可能沒有帶來確定性的增加，反而帶來了不確定性的增加。持續不斷的迭代導致知識更新的速度加快，造成了“現在的萎縮”：現在“對世界的認識”可能在幾個小時以后就過時了，與其說是實際發生的變化，不如說是不穩定性導致了確定性的喪失。[20]

4. 批判性閱讀

雖然當前的人工智能的算力已經強大到看似不假思索就能夠回答人類提出的問題，但其生成知識的準確性、可靠性、客觀性、公正性和邏輯性都存在局限。首先，人工智能知識生產過程中數據、算法和模型等的缺陷，“機器幻覺”的存在，對現實世界感知的缺位，自適應式的更新迭代等，都可能對其生成知識的準確性和可靠性造成影響。其次，人工智能知識生產過程中數據的偏見、算法設計者的偏見、個性化推薦機制及算法的不透明性，都可能使其生成知識的客觀性和公正性受到沖擊。研究發現，ChatGPT可能受到訓練數據集的影響，其給出的回應與西方發達國家的政治和哲學價值觀一致。[21]人工智能雖然并非價值觀的制造者，但它是偏見的繼承者。[22]（48-76）人工智能的個性化推薦機制能夠迎合用戶的個人偏好，但這會使人工智能加大對數據的操縱，放大用戶固有的偏見。算法的不透明性使得偏見的傳遞變得隱蔽和難以覺察。此外，當人工智能的數據不全、訓練不足、算法有誤、缺乏對相關背景知識和上下文的理解時，還可能生成缺乏邏輯性的內容。

然而，用戶無法對知識生產過程中的數據、算法、模型進行評估，此情況下的唯一選擇就是評估輸出的內容。[23]用戶應以批判性閱讀應對人工智能知識生產的局限性。批判性閱讀是20世紀40年代西方國家為培養人們的批判性思維而提出的一種閱讀模式，強調深入理解文本，明確文本的真實含義，辨別事實、觀點以及文本背后的意識形態。[24]對于人工智能生成的知識，用戶應保持審慎的態度，通過批判性閱讀來辨別其所傳遞的事實與觀點，反思其隱含的意識形態，在對文本的準確性、可靠性、客觀性、公正性和邏輯性進行評估的基礎上，選擇性接受，并通過信息來源的核查、多個系統的交叉驗證、邏輯結構的分析、現實情況的對比等多種方式對文本進行核查，避免因盲目接受而被誤導。正如OpenAI發布的報告所述，即便人工智能的理解力、推理力越來越強，人類也不能放棄對自身能力的錘煉，人類難以被人工智能替代的是批判性思維。只有比人工智能更強，人類才能對人工智能的回答作出評判。[25]（101-244）

三、新閱讀效果：生成式人工智能中介的知識接受

閱讀是一項復雜的腦力活動，閱讀的過程是綜合運用思考能力、理解能力、思維能力和創造能力的知識接受過程。閱讀不僅需要運用這些能力，也會反作用于這些能力。其中的表現之一是，閱讀不同文本形態的知識，會對上述能力產生不同的影響。比如伴隨著報紙、書刊等紙質媒介閱讀成長起來的一代人與伴隨著互聯網媒介閱讀成長起來的一代人，有著截然不同的思考能力和思維方式。生成式人工智能生產的知識，呈現出新的知識形態特征，不僅影響著閱讀行為，也影響著閱讀效果。就像人工智能對人類知識的影響是自相矛盾的一樣，[8]（6-264）人工智能對人類知識閱讀效果的影響也是矛盾的，需要辯證地看待。

1. 認知邊界的拓寬與獨立思考的放棄

人工智能在拓寬個體乃至人類的認知邊界方面，能夠發揮積極的推動作用。對個體而言，人工智能很大程度上降低了閱讀材料篩選、獲取和理解的難度，通過便捷化、高效化、精準化的知識傳播加速拓展個體認知的廣度和深度。人工智能不受學科邊界限制的數據收集處理和知識生產方式，有助于打破學科之間的藩籬，促進學科知識的融合，幫助個體突破思維局限，拓寬認知視野。對人類而言，人工智能能夠助力人類探索未知領域。人工智能具備超越人類的數據處理能力，這使它能夠察覺到人類尚未察覺或無法察覺的部分現實。麻省理工學院的研究人員訓練的人工智能發現了新的分子特性，即分子結構與其抗菌能力之間的關系，這是人類沒有覺察到的。[8]（6-264）從理論上來講，人工智能自適應式迭代優化的知識生產方式可以讓人類的認知邊界無限拓寬甚至消解。在時空加速的“無限制訓練”之后實現“邊界爆炸”，形成“按照算法推進的邊界融合”——邊界被訓練消解。[26]但人工智能基于概率推斷生產的感知缺位的形式知識，也可能陷入人類認知邊界內現有知識的自我循環中。

在人工智能中介的知識傳播過程中，用戶知識篩選、獲取、閱讀和理解難度的降低，實際上是通過人工智能的代勞來實現的。人工智能代勞的普遍應用能提高效率，但也會削弱人的反思意識，導致人的能動性降低。[22]（48-76）其具體體現為人們對于獨立思考的放棄，“遇事不決先問AI”正成為越來越多人的日常習慣。對于獨立思考的放棄，不僅是人工智能代勞所導致的，更是加速化的現代社會所迫使的。在高速網絡信息的推動和人工智能技術的加持下，越來越多的知識形式變得超級中介化。對于每天、每一分鐘都不斷遭遇的大量信息，人們根本沒有充足的時間去反思它們的意義或重要性。[18]（79-98）過度依賴于人工智能的答案而放棄獨立的思考，不僅會削弱人類的理性，還會對人類的思想、行為和意識形成一種新的控制。

2. 知識傳播效率的提升與知識理解錯覺的產生

作為一種科技加速人造物，人工智能本就是為了滿足效率和速度的需要而設計的。人工智能中介的知識傳播中，知識生產、傳遞、接受的效率和速度都得到了提升。相較于過去通過閱讀書籍、課堂教學等傳統方式獲取知識，人工智能不知疲倦地迅速回答用戶的提問，持續滿足用戶的知識需求，并通過給出結構化的答案，降低用戶對知識的理解難度。人們借助人工智能進行閱讀仿佛短時間內就能理解并掌握大量知識，產生一種“膨脹的知識感”。

作為整體的人類在今天掌握的知識比過去任何時候都多，但對于個體的人而言卻未必如此。我們的記憶能力并沒有提高，我們也沒有比先祖花更長的時間學習。[1]（1-171）使用人工智能閱讀后產生的“膨脹的知識感”，主要源于人們對于知識的“理解錯覺”。實證研究表明，當人們在互聯網上搜索關于知識的解釋時，會高估自己知道和理解的知識，錯誤地將外部隨時可訪問和搜索的信息與“頭腦中的知識”混為一談。[27]當人們將自身的認知勞動轉移給人工智能代勞時，也會產生這種對知識的“理解錯覺”。尤其是人們在不擅長的專業領域使用人工智能生成答案時，產生知識“理解錯覺”的風險會進一步增加。人工智能可能會利用人們的認知局限性，不僅讓人們高估人工智能給出的答案的水準，還讓人們高估自己對于知識的理解水平。[16]事實上，人工智能所表現出的對于知識的理解能力也是一種錯覺。人工智能知識生產過程中數據的選擇、收集、存儲和使用，都受到人類有限的感知能力以及數據收集、使用環境的影響。由人類生成的數據有著天然的局限性，這也意味著計算機展示出的知識理解能力是一種“錯覺”。[23]

3. 機器思維的培養與思維的機器化

21世紀初，隨著搜索引擎問世，人們開始重視利用搜索引擎獲取知識的能力，即“搜商”。人們通過利用雙引號、加號、減號、文件類型、站點范圍等各種限定符提高知識查找的效率和準確性。[25]（101-244）與“搜商”類似，“問商”成為生成式人工智能興起后獲取知識的一種重要能力。在人工智能中介的閱讀中，“問商”的高低影響著閱讀的體驗和效果?！疤岢鲆粋€好問題”和“與機器交談的能力”貫穿人機共讀始終，成為一種重要的閱讀能力。[28]

雖然與搜索引擎所遵循的非自然語言搜索語法相比，用戶可以使用自然語言與人工智能進行交互，操作相對簡單，但也需要遵循編程與算法的邏輯。為了提高知識查找的效率和準確性，人們需要理解和掌握人工智能算法的底層邏輯，學會從機器的角度來思考問題。機器思維的培養成為人工智能素養教育的重要組成部分。人們試圖通過掌握一些“提示工程”的套路和模板來提高人機交互的效率。這樣就出現了一個具有反諷意味的現象，當機器模仿和學習人類的思維方式時，人類也在學習機器的思維方式。這種雙向傳播適應的結果是，機器變得更像人，而人也變得更像機器。[7]雖然機器思維的培養能夠提高人機交互的效率，但也帶來了人們思維的機器化。在人機交互中，人們需要在人工智能算法的底層邏輯下思考，思維過程受到“提示工程”框架和套路的影響，呈現出機械化、程序化的特點。隨著人們越來越頻繁地使用生成式人工智能，為了提高人機交互的效率，人們越發呈現出思維機器化的趨勢。

4. 創造力的激發與抑制

生成式人工智能中介的知識傳播可能成為人類創造力的催化劑。人工智能具有的數據分析能力，使其能夠對海量數據進行詳細分析和總結，并從中發現隱藏的模式或規律，為人們打破常規、進行創新奠定基礎。人工智能的隨機性特征，能夠為人們提供基本元素排列組合的多種可能，為人們的創新創造提供靈感。根據人們的提示，人工智能可以扮演某個觀點或者想法的支持者和反對者，并給出相應的理由，促使人們形成批判性思維。人工智能還可以幫助人們聯想遠端概念，促進人們形成發散性思維，進而激發創造力。[29]人工智能的代勞還可以把人們從單調重復的工作中解放出來，擁有更多的時間和精力從事創造性工作。

然而，生成式人工智能中介的知識傳播也可能成為人類創造力的抑制劑。人工智能的代勞可能使人們放棄創意思考，進而逐漸喪失創造力。人類的技能使用往往遵循“不使用就會失去”的原則，即不使用的技能往往會逐漸退化。就像使用計算器的人逐漸失去計算能力、使用計算機的人逐漸失去書寫能力一樣，如果人們越來越多地將創造性工作交給人工智能代勞，那么人們就有可能因為沒有發揮創造力而失去創造力。[30]人們使用人工智能進行創造性工作后還會產生錯覺，把人工智能的創意成果/能力當作自己的創意成果/能力，逐漸喪失創造力卻不自知。而人工智能的“創造力”通常是對已有素材的巧妙重組，往往沒有原創性或思想深度。[30]人工智能模型通常通過研究和學習龐大的先前作品數據庫來生成問題的答案，其輸出結果必然反映出這些數據集固有的偏差和局限性。[31]生成式人工智能工具生成的創意內容，還可能存在創意內容的同質化問題和版權侵犯問題。但人們往往會選擇接受人工智能中等甚至是平庸的創造力，因為人工智能的代勞助長了人們的懶惰性，人們已經不想費心去創造。

四、新閱讀方式帶來的社會影響

福柯認為：“每一個社會都有自己的一套知識秩序。這種秩序通常是由地點或者時間而決定的?！痹谀硞€特定的時間和地域，知識的秩序可能是由占主流地位的傳播方式來決定的。當一種新的媒介產生時，它并不是直接替代舊的，而是與先前所有舊的媒介共存一段時間。媒介之間的競爭，最終是以勞動分工的方式穩定下來的。[1]（1-171）人工智能作為一種新興媒介，其中介的知識傳播的興起，使原來的知識秩序發生變化。當人工智能逐漸成為知識生產和傳播的主流媒介時，當通過生成式人工智能獲取知識的新閱讀方式成為人們主流的閱讀方式時，由人工智能主導的新知識秩序就會建立起來。

在人工智能主導的新知識秩序中，知識本身將發生根本性變化。新興知識是“客觀知識”和“有毒知識”的雜合體。新興知識將越來越少地由人類塑造，而越來越多地由人工智能塑造。它將保留歷史上被視為真實、客觀、理性的核心內容，也包含各種假新聞、假科學、假歷史、謠言、歧視以及強化文化、意識形態和政治偏見的內容。[32]人工智能雖然能夠提升知識生產和傳播的效率，但它卻無法確保知識的效力，因為它把真的和假的信息都當作知識，甚至還會出現“機器幻覺”捏造知識。清華大學新媒體研究中心2024年4月發布的研究報告顯示，近一年來，經濟與企業類AI謠言量增速達99.91%。美國調查機構“新聞守衛”稱，生成虛假文章的網站數量自2023年5月以來激增1000%以上，涉及15種語言。[33]人們閱讀人工智能生產的新興知識，獲得的已經不完全是傳統意義上知識帶來的無知的減少，反而可能是知識帶來的無知的增加。人工智能還可能被當作故意制造混亂、擾亂社會秩序、強化歧視和偏見的武器，通過放大“有毒知識”，使整個社會籠罩在人工智能制造的無知的煙霧中。

新閱讀方式的盛行，在帶來數字紅利的同時，也將形成新的數字鴻溝。人工智能中介的知識傳播以及由此催生的新閱讀方式，對于提高全社會的生產力和創新力有積極作用的一面。但同時也產生新興知識準確性和客觀性不足，人工智能的代勞使人們懶于思考，產生理解錯覺、思維機器化、創造力被抑制等新問題，需要人們具備一定的人工智能素養加以應對。對于人工智能素養低的人群而言，他們要么不會使用或拒絕使用人工智能工具獲取知識以提升學習和工作效率，要么使用人工智能工具后困于人工智能制造的無知的煙霧中而不自知，或受到人工智能工具的其他負面效應影響。這使他們在知識資源擁有程度、應用程度及創新轉化能力等方面逐漸與高人工智能素養人群拉開距離，形成新的數字鴻溝。這將削弱人工智能素養低的人群在爭取教育和就業機會方面的競爭力，使他們難以從人工智能技術中平等受惠和規避風險。人工智能技術帶來的社會不平等將與原有的社會不平等相互交織，向經濟收入、政治參與、社會資本等范疇的更廣的不平等轉化。[34]

新閱讀方式的盛行，還將使社會權力結構發生變化。近年來，數字化發展使各行各業都將數據收集與處理的相關知識視為最前沿的技術。ChatGPT的興起延續了這一觀念：如果能夠收集足夠的數據并且擁有足夠強大的計算能力，就可以“創造”權威知識，[23]并對社會形成引導能力。在這種觀念下，知識權威屬于那些擁有先進人工智能技術的科技公司和國家。他們通過技術手段將某些知識權威化，或拒斥某些知識，或聲稱某些思想是正統/異端、有用/無用、可靠的/靠不住的等。知識與權力是密切相關的，知識和特定群體的利益聯系在一起，知識本身也會作為?？滤f的知識/權力復合體對個體構成壓迫。[3]擁有先進人工智能技術的科技公司和國家將擁有更多的權力。人工智能技術及其在知識生產中的應用已成為國家間權力爭奪的關鍵要素，其所形成的世界觀、文化觀、價值觀乃至意識形態的影響，將成為國家權力競爭的重要組成部分。

結語

在人工智能中介的知識傳播興起、新閱讀方式盛行的社會背景下，我們要堅守技術向善的基本原則。在人工智能面前，人類該如何謀求自身和社會向著更好的方向發展，成為擺在全人類面前的重要問題。美國管理學家阿科夫認為，從數據、信息、知識到智慧是一個逐級上升的金字塔，智慧高于知識，處于金字塔頂端。盡管我們能夠開發出計算機化的知識生成系統，但我們永遠無法通過這些系統生成智慧。智慧對于追求最終有價值的目標至關重要，它很可能是人類區別于機器的特征。[35]智慧不能簡單地歸結為一套規則。智慧的某些關鍵方面是人類特有的，如同情心、愛、寬恕、真誠、耐心、感恩、勇氣、謙虛、內省，這些古老的、歷經時間考驗、經久不衰的美德對于明智行事至關重要，但卻很難教給機器。[32]

速度和效率的增長，不能等同于發展。效力和效率之間的區別——將智慧與理解、知識、信息及數據區分開來——反映在發展和增長之間的區別上。增長不要求價值的增加，而發展則要求價值的增加。因此，發展需要智慧的增加，也需要理解、知識和信息的增加。[35]生成式人工智能可以提升知識傳播和人類閱讀的速度和效率，能增加知識，卻未必能增加人類的效力和智慧。而人類自身和社會的發展，不只需要知識，更需要智慧。我們需要的不僅僅是閱讀，更是智慧閱讀，即從閱讀中獲得智慧。

參考文獻：

[1] 彼得·伯克. 什么是知識史[M]. 章可，譯. 北京：北京大學出版社，2023.

[2] 黃曉新，等. 閱讀社會學：基于全民閱讀的研究[M]. 北京：人民出版社，2019.

[3] 劉海龍. 作為知識的傳播：傳播研究的知識之維芻議[J]. 現代出版，2020（4）：23-31.

[4] Barthelmé F， Ermine J L， Rosenthal-Sabroux C. An architecture for knowledge evolution in organisations[J]. European Journal of Operational Research， 1998， 109（2）： 414-427.

[5] 姜華. 從辛棄疾到GPT：人工智能對人類知識生產格局的重塑及其效應[J]. 南京社會科學，2023（4）：135-145.

[6] 姜華. 類人想象與雜合屬性：論人工智能的演進及社會影響[J]. 華東師范大學學報（哲學社會科學版），2024，56（2）：20-30，178.

[7] 劉海龍. 生成式人工智能與知識生產[J]. 編輯之友，2024（3）：5-13.

[8] 亨利·基辛格，埃里克·施密特，丹尼爾·胡滕洛赫爾. 人工智能時代與人類未來[M]. 胡利平，風君，譯. 北京：中信出版社，2023.

[9] 馬丁·海德格爾. 存在與時間[M]. 陳嘉映，王慶節，譯. 北京：生活·讀書·新知三聯書店，2006：78-265.

[10] 莫里斯·梅洛-龐蒂. 知覺現象學[M]. 楊大春，張堯均，關群德，譯. 北京：商務印書館，2021：105-278.

[11] 郁振華. 人類知識的默會維度[M]. 北京：北京大學出版社，2022：57-93.

[12] 劉純懿，胡泳. 人工智能的知識表示和智識極限——從形式化/非形式化論爭談起[J]. 現代出版，2024（9）：16-25.

[13] 周蔚華. 后現代閱讀方式的興起與出版轉型[J]. 中國人民大學學報，2007（2）：99-106.

[14] 阿爾伯特·愛因斯坦，利奧波德·英費爾德. 物理學的進化[M]. 周肇威，譯. 上海：上海科學技術出版社，1962：66.

[15] 于爾根·雷恩. 人類知識演化史[M]. 朱丹瓊，譯. 北京：九州出版社，2023：7.

[16] Messeri L， Crockett M J. Artificial intelligence and illusions of understanding in scientific research[J]. Nature， 2024， 627（8002）： 49-58.

[17] 哈特穆特·羅薩. 新異化的誕生：社會加速批判理論大綱[M]. 鄭作彧，譯. 上海：上海人民出版社，2018：38-41.

[18] 羅伯特·哈桑. 注意力分散時代：高速網絡經濟中的閱讀、書寫與政治[M]. 張寧，譯. 上海：復旦大學出版社，2020.

[19] Shannon C E. A mathematical theory of communication[J]. The Bell system technical journal， 1948， 27（3）： 379-423.

[20] 哈爾特穆特·羅薩. 加速：現代社會中時間結構的改變[M].董璐，譯. 北京：北京大學出版社，2015：139.

[21] Ibrahim H， Asim R， Zaffar F， et al. Rethinking homework in the age of artificial intelligence[J].IEEE Intelligent Systems， 2023， 38（2）： 24-27.

[22] 李仁涵，黃慶橋，等. 人工智能與價值觀[M]. 上海：上海交通大學出版社，2021.

[23] 王俊美. ChatGPT改變人類知識生產方式[N]. 中國社會科學報，2023-02-20（3）.

[24] 張三香，謝薇薇. 批判性閱讀理論的依據與策略[J]. 江西社會科學，2012（7）：261-262，264.

[25] 龍志勇，黃雯. 大模型時代：ChatGPT開啟通用人工智能浪潮[M]. 北京：中譯出版社，2023.

[26] 陳翔. 人工智能的時間性——基于ChatGPT的加速機制[J]. 天府新論，2023（6）：80-93.

[27] Fisher M， Goddu M K， Keil F C. Searching for explanations： How the Internet inflates estimates of internal knowledge[J]. Journal of experimental psychology： General， 2015， 144（3）： 674-687.

[28] 董子銘，林倩，李曉陽，等.“智慧閱讀”能否帶來“閱讀智慧”？——生成式人工智能時代大學生閱讀能力提升的調查與思考[J]. 出版發行研究，2024（4）：25-32.

[29] Eapen T， Finkenstadt D J， Folk J， et al. How generative AI can augment human creativity[EB/OL].[2023-07-01].https：//hbr.org/2023/07/how-generative-ai-can-augment-human-creativity.

[30] Boden M A. Creativity and artificial intelligence[J]. Artificial intelligence， 1998， 103（1-2）： 347-356.

[31] Sedkaoui S， Benaichouba R. Generative AI as a transformative force for innovation： a review of opportunities， applications and challenges[EB/OL].[2024-08-01].https：//www.x-mol.com/paper/1819456824914542592.

[32] Sardar Z. The smog of ignorance： Knowledge and wisdom in postnormal times[J]. Futures， 2020（120）： 102554.

[33] 宋瑞，柳媛. 警惕“AI污染”亂象[N]. 新華每日電訊，2024-10-22（6）.

[34] 孫榕，李白楊. 生成式人工智能（GAI）背景下的新型數字鴻溝識別框架研究[J/OL].圖書情報知識，1-12[2024-03-25].http：//kns.cnki.net/kcms/detail/42.1085.G2.20240321.1548.002.html.

[35] Ackoff R L. From data to wisdom[J]. Journal of applied systems analysis， 1989， 16（1）： 3-9.

New Reading in the Context of Artificial Intelligence Knowledge Dissemination and Its Impact on Society

ZHOU Wei-hua， CHENG Li（School of Journalism and Communication， Chinese Renmin University， Beijing 100872， China）

Abstract： With the rise of generative AI， people are increasingly reading AI-generated knowledge to meet their knowledge needs in study， work， and life. This not only reshapes the way people read and endows reading with new characteristics， but also the reading effect and social impact are very different from previous reading. The knowledge production mediated by generative artificial intelligence generates heterogeneous knowledge of human-computer symbiosis， computational knowledge of probabilistic inference， adaptive iterative knowledge， and purely formal knowledge in the absence of body perception. The emerging knowledge has given rise to questioning， accelerated， random， and critical reading. This may bring about contradictory reading effects： the broadening of cognitive boundaries and the abandonment of independent thinking; the improvement of knowledge acceptance efficiency and the generation of knowledge understanding illusions; the cultivation of machine thinking and the mechanization of thinking; and the stimulation as well as inhibition of creativity. The new way of reading will also change the original order of knowledge， and have a new social impact on social cognition， social equality， and social power structure.

Key words： artificial intelligence; knowledge production; knowledge dissemination; knowledge sociology; reading