人工智能时代的科学传播

人工智能的进步已经重塑了我们的沟通方式和沟通对象。尽管以往的技术主要充当人类互动的“渠道”，但人工智能正逐渐被设计为一个活跃的“传播主体”和一个“栩栩如生的传播伙伴”。埃斯波西托强调了这一转变的关键影响，他指出，问题不在于机器能够思考，而在于它能够沟通。在人机传播（HMC）这一新兴领域，这种范式转变强调人类与机器之间意义的创造，并催生了对人工智能传播作用的新概念化，包括诸如“自动化媒体”“传播机器人”“新闻人工智能”或“传播型人工智能”等术语。虽然人工智能并非新生事物，但以GPT、Gemini和DeepSeek等大语言模型（LLM）为代表的生成式人工智能（GenAI）的兴起，激发了新的社会技术想象，并掀起了又一波人工智能热潮。凭借其基于海量数据集训练的深度学习模型，生成原创文本、图像和视听内容的能力，生成式人工智能有望改变，甚至颠覆社会关键领域，包括经济学、教育、新闻、公共关系、媒体和医学。除了这些领域，其变革力量还延伸到知识生产和传播的整个过程，塑造了信息的创建、共享和解释方式。人工智能的颠覆性和变革性影响在科学传播中尤为明显，即从科学界向公民或利益相关者等非专业受众进行的关于科学的公共传播，涵盖其生产、内容、使用和效果。

关于生成式人工智能将如何改变科学传播的预测存在较大差异。支持者强调生成式人工智能能够通过使用清晰的语言和结构来简化复杂主题，以及它通过允许用户提出后续问题来促进互动学习的能力。它能够以类似人类的方式与用户互动，进一步增强了其传播潜力。此外，生成式人工智能因其在总结科学出版物和发现、生成媒体新闻稿和新闻文章以及根据个人用户及其特定需求定制内容方面的效率而受到认可。此外，最近的调查表明，像ChatGPT这样的大语言模型可以作为新型信息中介，用户可以向其寻求科学相关信息或事实性问题。另一方面，批评者认为，大语言模型是基于其训练数据中的复杂统计模式生成回应，而非对内容的内在理解。因此，它们的输出可能存在不准确之处，往往显得非常真实，但可能缺乏最新信息，甚至引用并不存在的科学研究。一项研究强调，虽然GPT模型可以提供有用的健康相关信息，但它们也可能助长错误信息。其他研究表明，尽管生成式人工智能可以提供关于气候变化的存在、占星术的有效性或复制危机评估等基本问题的准确信息和细致观点，但它也偏向于STEM领域和实证主义方法。尽管一些用户认识到这些局限性，但识别不准确之处通常需要许多人缺乏的领域特定知识。除了事实可靠性之外，大语言模型生成的内容还因其逻辑推理缺陷、缺乏批判性反思和原创性而受到批评。而为了证实和验证这些说法，需要更广泛的证据基础和进一步的研究来描述、解释、评估并潜在地预测人工智能在科学传播中的特征、驱动因素和影响。

对科学传播与人工智能交叉领域研究的评估表明，该领域仍处于起步阶段，并存在若干空白。为了评估该领域，通过检索Scopus数据库中在标题、关键词或摘要中提及“科学传播”和“人工智能”的文章，以及《科学传播杂志》（Journal of Science Communication）、《科学传播》（Science Communication）和《公众理解科学》（Public Understanding of Science）三个主要科学传播期刊中相关研究主题的文章，以考察科学传播与人工智能交叉领域的研究现状。结果显示，从地理上看，大多数研究来自美国，其次是德国和英国。这一趋势反映了学术出版中一个有据可查的西方偏见，即北美和欧洲的研究占据了高影响力期刊发表研究的大部分。这种分布也表明，关于这一主题的研究主要集中在拥有强大人工智能研究中心和成熟的跨学科技术探究传统的国家。

在主题方面，研究中最普遍的关注点是广义的人工智能，以及自动驾驶汽车和机器等相关技术。其他突出的主题包括健康相关问题、广义的科学传播和环境主题，特别是气候变化。对所考察的人工智能类型的进一步观察表明，大约17%的研究专门关注生成式人工智能，尤其侧重于ChatGPT。同时，有两项研究探讨了广义的大语言模型，其余研究则更广泛地指代人工智能。对人工智能相关研究重点领域的分析揭示了清晰的模式。大多数研究（71%）考察了关于人工智能的传播，反映了对人工智能如何在公共和学术话语中被讨论、构建和理解的重视。相比之下，14%的研究调查了与人工智能的传播，探讨了人类与人工智能系统之间的互动，另有14%的研究考察了人工智能对科学传播生态系统的影响，这表明人们对人工智能如何改变科学知识的传播和解释的兴趣正在兴起但仍然有限。

值得注意的是，样本中没有探讨人工智能对方法论方法的影响，这突显了在科学传播研究中的研究设计和分析方面仍存在研究空白。当通过拉斯韦尔传播模型的视角分析这些研究时，大多数研究侧重于传播了哪些关于人工智能的内容或考察了受众的视角，这表明学者们主要关注人工智能的表征和公众认知。相比之下，较少的研究探讨了人工智能相关传播的效果或人工智能本身的传播方式。此外，关于人工智能行动者或传播者的研究相对较少，仍是一个未被充分探索的领域。就研究类型而言，大多数研究是实证性的（77%），而四分之一的研究是理论性的。所分析的研究应用了一系列理论，其中框架理论最为常见。其他理论视角包括动机性推理、社会表征理论和议程设置理论，反映了研究人工智能相关传播的多学科方法。

在实证研究中，有十八项研究依赖于标准化的定量方法，五项采用实验设计，五项使用定性方法，四项结合了定性和定量方法。标准化定量方法的广泛使用表明了研究倾向于大规模数据分析和基于调查的方法，而实验和定性研究数量相对较少则表明人工智能传播中的因果机制仍未得到充分探索，并且缺乏对人工智能相关传播的更深入见解。近30%的研究采用了混合方法，整合了调查和内容分析等方法，或使用API抓取和自动内容分析等计算数据收集方法，以更全面地分析人工智能话语。这些研究采用了多种数据收集方法，其中调查、访谈和计算数据收集技术，如API抓取，是最常用的方法。在数据分析方面，自动化和手动定量内容分析是最常应用的方法，尽管在某些情况下也使用了定性内容分析。样本的类型和规模因研究而异，反映了不同的方法论方法和研究目标。一些研究依赖小规模样本，例如，一项对20名人工智能研究人员进行的关于文献在人工智能研究中作用的调查。相比之下，其他研究则采用大规模代表性调查，例如，美国的研究人员调查了基于文本的框架和视觉效果对公众支持人工智能的影响；在新加坡，一项研究则探讨了新闻媒体如何影响公众对人工智能驱动的自动驾驶客运无人机的接受度。除了调查之外，一些研究还分析了人工智能生成的输出来研究人机交互。例如，一项研究考察了当用户就气候变化和一些有争议的科学和社会问题与GPT-3进行对话时，不同社会群体的用户体验和学习成果有何不同。与此同时，其他研究进行了大规模话语分析，审查了数以万计的在线帖子，以评估微信和人民网等平台上关于人工智能的公众辩论。

随着人工智能技术不断发展并融入科学相关问题的生产、传播和参与过程，研究人员必须批判性地评估其具体特征及其对科学传播生态系统、研究方法和理论构建的更广泛影响。我们认为，该领域应致力于三个重点研究领域：

（一）关于人工智能的传播

学者们应将人工智能作为科学传播的一个对象进行分析，类似于分析关于纳米技术、生物技术、气候科学或其他科学相关问题的传播和话语的研究。此类研究可以首先关注人工智能相关传播的生产者，即学者、科学组织和高等教育机构的传播努力和策略，也包括科技公司、监管机构、非政府组织和其他利益相关者。其次，它们可以关注传播的中介，如记者、社交媒体影响者或科技平台，及其对人工智能传播的影响。第三，它们可以分析传统媒体、社交媒体、公共图像、虚构叙事等中关于生成式人工智能的公共传播。第四，它们可以关注消费，即公民以及利益相关者、监管机构、研究人员和其他人对人工智能相关传播的认知、使用和影响。

此外，学者们也应该分析人工智能作为科学传播的动因。毕竟，人工智能不同于其他科学传播的对象，因为该技术本身作为一种“传播型人工智能”具有“增强的能动性”，这使得对人机交互的分析变得非常重要：人们如何与生成式人工智能互动、评估它，技术如何回应和适应，以及这些互动对双方的结果是什么。这包括关注重构传播型人工智能的内部运作、其潜在价值观和可能的偏见。我们还对科学传播者和记者在创建或分发科学相关内容时如何以及在何种程度上使用人工智能，以及他们这样做是否负责任和合乎道德进行评估。

（二）人工智能对科学传播生态系统的影响

人工智能正以多重路径重塑社会传播：生成式人工智能作为传播主体，科技及社交媒体平台的算法策展，以及借助人工智能实现的传播监视与内容审核均属其例。在科学传播领域，系统考察人工智能的上述应用及其对整体生态的深层影响同样紧迫且必要。研究需评估人工智能工具能否同等有效地覆盖不同主题、形式与受众，抑或正在固化既有偏见；需关注技术介入如何改变科学传播者、新闻工作者等群体间的权力结构与多样性，又如何重塑相关就业市场；需追踪人工智能生成内容进入公共领域后可能引发的质的变化，例如准确性、错误信息及深度伪造的规模；还需厘清其对终端用户的影响，包括较之人类是否更能或更误导受众，以及在技术可及性与使用技能、素养层面是否催生新的数字鸿沟。

（三）人工智能对科学、理论和方法论方法的影响

人工智能也将从根本上影响科学传播研究的理论和概念基础以及方法论体系。一方面，基于理论和概念视角：人工智能及其与人类的互动并不能完美地融入长期关注人际传播的传播理论范式。因此，需要进行概念性工作和理论构建，借鉴人机传播、科学技术研究或技术社会建构等社会建构主义方法，或价值敏感设计等批判性干预主义方法等领域。另一方面，需要对考察人工智能对科学传播研究方法论和方法影响的贡献：人工智能将为研究人员提供新的机会，并可以作为一种研究工具发挥作用。例如，用于进行文献综述和生成假设、数据收集和注释、编码以及总结和呈现研究结果。

关于人工智能的传播以及与人工智能进行传播的研究正在扩展，如关于媒体报道和社交媒体中人工智能的刻画、受众对人工智能的信任，以及人工智能在塑造科学传播者和记者专业领域中的作用。然而，大多数研究仍继续关注人工智能的公众表征及其使用，而人工智能生成内容的生产和监管受到的关注较少。同样，许多现有研究强调信任，而人工智能素养、知识和技能以及人工智能鸿沟和不平等等方面为未来研究开辟了有趣的途径。此外，科学传播中的人工智能研究仍主要集中在西方和工业化背景下，这突显了对更广泛和批判性视角的需要，包括来自全球南方以及对人工智能在不同科学传播生态系统中影响的比较研究。最后，研究似乎主要依赖现有的理论和方法，而不是探索人工智能如何改变科学过程以及如何开发新的框架和创新方法。