陳振鵬

（四川大學(xué) 符號(hào)學(xué)-傳媒學(xué)研究所，四川 成都 610064）

曾經(jīng)當(dāng)人們還在為“阿爾法狗”（AlphaGo）的深度自我學(xué)習(xí)能力感到驚訝時(shí)，不到一年時(shí)間，號(hào)稱“阿爾法狗”二代的AlphaGo Zero已經(jīng)可以通過三天的零基礎(chǔ)自我學(xué)習(xí)，以100：0輕松擊敗韓國頂尖棋手李世石。當(dāng)下種種跡象表明，人類社會(huì)已經(jīng)踏入全新的人工智能新時(shí)代。麥克盧漢說過“媒介即信息”，任何技術(shù)的進(jìn)步都在一定程度上推動(dòng)著社會(huì)的變革。在此背景下，如何定義人工智能技術(shù)的研究領(lǐng)域以及未來趨勢(shì)的邊界顯得尤為重要。萬物皆媒時(shí)代，邊界重塑，諸如“媒體大腦”這樣的智能機(jī)器越發(fā)強(qiáng)大，對(duì)當(dāng)下的文化傳播產(chǎn)生了強(qiáng)烈的沖擊。那么，與人工智能融合后，新一輪的文化傳播圖景又將如何？?jī)烧呓Y(jié)合傳播能夠激起怎樣的水花？以上問題，筆者將在第二部分作相關(guān)論述。

隨著大數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)技術(shù)、深度學(xué)習(xí)等技術(shù)的發(fā)展，人工智能呈現(xiàn)出“指數(shù)級(jí)”的發(fā)展趨勢(shì)。人工智能作為最為前沿的人類科技之一，從仿照人類的智能認(rèn)知、行為、情感出發(fā)，旨在開發(fā)仿人類的智能系統(tǒng)，以此實(shí)現(xiàn)對(duì)人類天賦與能力的發(fā)展延伸和超越［1］。眾所周知，一項(xiàng)新技術(shù)的產(chǎn)生，往往要經(jīng)歷漫長的準(zhǔn)備時(shí)期，人工智能技術(shù)的發(fā)展自然也不例外，而人工智能技術(shù)演進(jìn)與革新的每個(gè)階段都伴隨著強(qiáng)大的物理基礎(chǔ)與理論范式的支撐。換句話說，通過考察其背后的發(fā)展進(jìn)化邏輯，有助于我們更好地把握前沿技術(shù)的應(yīng)用邊界與發(fā)展趨勢(shì)。

一、人工智能的物理基礎(chǔ)與理論范式

人工智能技術(shù)發(fā)展日臻成熟，其應(yīng)用領(lǐng)域也越來越廣泛。然而，在人工智能技術(shù)真正誕生之前，實(shí)則經(jīng)歷了較為漫長的思想、物質(zhì)與理論的準(zhǔn)備時(shí)期?；厮萑斯ぶ悄芗夹g(shù)發(fā)展的五十多年，從最初的邏輯推理到知識(shí)專家系統(tǒng)建立，再到深度學(xué)習(xí)理論的應(yīng)用，其發(fā)展可謂一波三折。

（一）從思想萌芽到物質(zhì)工具突破和理論準(zhǔn)備

在漫長的歷史發(fā)展長河中，研究發(fā)明仿人類智能的機(jī)器，一直是人類的終極夙愿之一。早在古代，我國就有機(jī)器人為人類翩翩起舞的美好傳說，如會(huì)跳舞的“人形舞姬”，這反映了人類早期對(duì)于人工智能的美好愿景。但隨著歷史的車輪滾滾前進(jìn)，到了17世紀(jì)，數(shù)理邏輯學(xué)科誕生，這在一定程度上推動(dòng)了思維可以計(jì)算觀點(diǎn)的傳播，最直接的例子是邏輯機(jī)設(shè)計(jì)思想的產(chǎn)生。數(shù)理邏輯的專家萊布尼茨最先使用“萬能符號(hào)”和“推理計(jì)算”等概念，啟發(fā)了人們對(duì)于“機(jī)器思維”觀點(diǎn)的思考與探索，被認(rèn)為是現(xiàn)代化“思考”機(jī)器的萌芽。之后，一種名為布爾代數(shù)的嶄新代數(shù)系統(tǒng)橫空出世，這為19世紀(jì)末差分機(jī)和分析機(jī)的研究奠定了基礎(chǔ)。雖然最后限于條件，差分機(jī)功能沒有實(shí)現(xiàn)，但也算得上是當(dāng)時(shí)關(guān)于人工智能最高水平的嘗試。

進(jìn)入20世紀(jì)后，人工智能領(lǐng)域取得了前所未有的研究成果。1936年，圖靈在萊布尼茨通用邏輯機(jī)設(shè)計(jì)思想的基礎(chǔ)上，進(jìn)一步提出了著名的“圖靈機(jī)”模型［2］，旨在論證數(shù)字計(jì)算機(jī)設(shè)計(jì)思想的可行性。不止如此，1950年，圖靈在論文中進(jìn)一步明確表達(dá)了“機(jī)器可以思維”的論斷，并提出了被后人奉為圭臬的假說模型，即“圖靈測(cè)試”，從而為人類利用計(jì)算機(jī)嘗試模擬人類功能指明了新的方向。在此期間，維納從反饋控制、信息的加工處理等環(huán)節(jié)入手，提出了著名的“控制論”觀點(diǎn)，而隨后香農(nóng)（Claude Shannon）設(shè)計(jì)的“香農(nóng)老鼠”迷宮實(shí)驗(yàn)，更是極大地推動(dòng)了人類對(duì)于機(jī)器動(dòng)物模型的探索。從古人對(duì)于機(jī)器智能的幻想，到機(jī)器思維的觀點(diǎn)成熟，再到行為層面的“控制論”研究，這些成果都為人工智能學(xué)科的誕生提供了理論和實(shí)驗(yàn)工具上的重要支撐。

（二）人工智能的正式提出及其發(fā)展

1.20 世紀(jì)50年代到70年代初：推理期

20世紀(jì)50年代初，人們對(duì)于人工智能的認(rèn)識(shí)還停留在淺層次上，只是覺得如果機(jī)器也擁有與人一樣的智能邏輯，便可以自動(dòng)運(yùn)行。直到60年代，AI的概念才逐步形成，機(jī)器模擬學(xué)習(xí)以及語言系統(tǒng)才初步建立。1956年，在達(dá)特茅斯會(huì)議上，麥卡塞等人第一次提出了“人工智能”的概念，這也標(biāo)志著一門新興學(xué)科的誕生。1957年，紐厄爾等人利用制作的邏輯機(jī)數(shù)理程序，成功證明了《數(shù)學(xué)原理》一書中第二章的38個(gè)定理。隨后，他們又編制通用問題求解程序，可以回答11種不同類型的問題，這都是當(dāng)時(shí)在信息處理研究方面的巨大成就。

2.20 世紀(jì)70年代到80年代初：知識(shí)期

歷史證明，人類對(duì)于事物的認(rèn)識(shí)都是由淺入深的。當(dāng)人們認(rèn)識(shí)到機(jī)器可以具備一定的推理能力后，便開始試圖讓機(jī)器代替人類儲(chǔ)存更多的知識(shí)。在此背景下，專家系統(tǒng)的研究就開始流行起來。1968年，費(fèi)根堡姆（Feigenbaum）成功發(fā)明了有關(guān)化學(xué)分析的專家系統(tǒng)，開啟了人工智能技術(shù)走向應(yīng)用化的步伐。而伴隨著語義網(wǎng)絡(luò)與框架知識(shí)表示法的出現(xiàn)，人工智能技術(shù)在知識(shí)表示領(lǐng)域取得的成果斐然。

3.20 世紀(jì)80年代至今：深度學(xué)習(xí)期

“授之以魚，不如授之以漁?！彪S著研究的深入，一些學(xué)者認(rèn)為與其只是一味地灌輸給計(jì)算機(jī)以知識(shí)，還不如讓機(jī)器掌握自學(xué)的能力，深度學(xué)習(xí)模型以及AlphaGo增強(qiáng)學(xué)習(xí)的雛形——感知器——均在這樣的思路啟發(fā)下得以發(fā)明。在此期間，模糊邏輯理論和神經(jīng)網(wǎng)絡(luò)理論的提出，使人工智能研究產(chǎn)生了質(zhì)的躍遷，也為機(jī)器進(jìn)行深度學(xué)習(xí)提供了堅(jiān)實(shí)的理論基礎(chǔ)。追溯人工智能發(fā)展史，可以得出一個(gè)結(jié)論：人工智能研究一直秉持著一個(gè)信念，那就是如何讓機(jī)器像人一樣具備自主行動(dòng)的能力。

（三）人工智能的研究范式

上文中提到的“符號(hào)體系”與“推理計(jì)算”的概念可謂是智能化機(jī)器的萌芽。在顧險(xiǎn)峰（2016）看來，人工智能包括以歸納演繹為基礎(chǔ)的聯(lián)結(jié)主義及以邏輯推理為支撐的符號(hào)主義［3］，這種劃分顯然是其基于對(duì)人類大腦思維類型的考察進(jìn)行的。除了這兩種研究范式以外，部分人工智能研究者也試圖從行為控制層面對(duì)智能進(jìn)行闡釋，并提出了行為主義的研究范式。實(shí)際上，綜合考察不同的范式研究路徑，對(duì)于宏觀把握人工智能技術(shù)的演進(jìn)歷程意義重大。

1. 基于邏輯推演的符號(hào)主義（Symbolicism）

符號(hào)人工智能主要側(cè)重于對(duì)符號(hào)的數(shù)字推理與基礎(chǔ)演算，強(qiáng)調(diào)數(shù)理邏輯，因此符號(hào)主義也被稱之為邏輯主義（Logicism），該觀點(diǎn)的代表人物以紐厄爾、西蒙等人為主。西蒙認(rèn)為計(jì)算機(jī)是可以用來模擬人腦工作的，可以像人那樣進(jìn)行符號(hào)的轉(zhuǎn)換與交流，從而提出了“物理符號(hào)系統(tǒng)假說”［4］。紐厄爾在此基礎(chǔ)上進(jìn)一步提出了“邏輯演繹”的觀點(diǎn)，強(qiáng)調(diào)人工智能的研究要在邏輯框架中展開。就最終目的而言，符號(hào)主義假設(shè)作為人工智能研究的基本范式，試圖處理一切有關(guān)人類的信息符號(hào)，并轉(zhuǎn)化為計(jì)算機(jī)可以理解的物理符號(hào)，從而實(shí)現(xiàn)人類智能系統(tǒng)與客觀信息環(huán)境的橋接與聯(lián)通。

2. 基于人腦神經(jīng)元模仿的聯(lián)結(jié)主義（Connectionism）

聯(lián)結(jié)人工智能的核心是從簡(jiǎn)單基本的元素及其連接入手，模仿人類大腦的神經(jīng)元工作原理，從而提升機(jī)器在進(jìn)行信息處理以及非線性轉(zhuǎn)化方面的能力。由于其盡可能旨在了解甚至還原人類大腦的工作機(jī)制，有的學(xué)者也稱之為仿生學(xué)派，其原理主要為神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng)絡(luò)間的連接機(jī)制與學(xué)習(xí)算法。

劉永紅（1999）認(rèn)為，大腦是一個(gè)神經(jīng)元連接的大型智能信息處理中心，通過上千億的神經(jīng)元相互連接，以自組織、自適應(yīng)的方式實(shí)現(xiàn)大規(guī)模的信息處理與加工［5］。20世紀(jì)40年代后，MP腦模型以及以感知機(jī)（perceptron）為代表的腦模型的出現(xiàn)，為之后人工神經(jīng)網(wǎng)絡(luò)的發(fā)展奠定了堅(jiān)實(shí)的技術(shù)基礎(chǔ)。而霍普菲爾德（Hopfield）教授的硬件模擬神經(jīng)網(wǎng)絡(luò)與魯梅爾哈特（Rumelhart）的BP算法，則為未來人工神經(jīng)網(wǎng)絡(luò)開展深度學(xué)習(xí)指明了方向。

3. 基于控制思想的行為主義（Actionism）

此外，還存在第三種假說即行為主義，是以布魯克（R.Brooks）為代表的學(xué)派，其原理為控制論及感知—?jiǎng)幼餍涂刂葡到y(tǒng)。該假說思想主要源于維納的控制論思想。通過建立穩(wěn)定系統(tǒng)，以及科學(xué)的反饋環(huán)節(jié)，從而實(shí)現(xiàn)對(duì)機(jī)器的完美控制。1991年布魯克提出了具有挑戰(zhàn)性的“No Representation”與“No Reasoning”的智能看法。他認(rèn)為，機(jī)器模仿人困難，但可以先制作有自適應(yīng)能力的人造昆蟲。但也有人對(duì)此抱懷疑態(tài)度，在他們看來，昆蟲與人類在功能結(jié)構(gòu)上就不具備可比性，因此即便制作出人造昆蟲，未來也難以讓機(jī)器真正實(shí)現(xiàn)對(duì)人類行為的模仿。

（四）人工智能的哲學(xué)內(nèi)涵與信息能力

1. 概念厘定：人與機(jī)器互動(dòng)博弈到底誰能贏

麥肯錫最早將人工智定義為，“使一部機(jī)器的反應(yīng)方式就像是一個(gè)人在行動(dòng)時(shí)所依據(jù)的智能”，但是這樣的定義僅僅停留在基本的反饋層面，且太過泛化，很難清晰判斷一個(gè)人行動(dòng)的場(chǎng)景。溫斯頓則認(rèn)為，“過去只有人自己才能做的事情，可以借助機(jī)器幫助人來完成”，該定義倒是指出了人工智能的最終目的即替代人工作，但這里提到的“智能工作”又太過于籠統(tǒng)。明斯基后來把人工智能定義為“讓機(jī)器做本需要人的智能才能夠做到的事情的一門科學(xué)”［6］，這樣就聚焦到人的智能問題上來，設(shè)想機(jī)器能夠做到像人一樣思考學(xué)習(xí)。隨著“阿爾法狗”的橫空出世，人們開始逐漸見識(shí)到深度學(xué)習(xí)的驚人之處。有學(xué)者開始從新的角度解釋人工智能的概念。例如，李曉東教授從工程學(xué)的角度將人工智能解釋為智能的自動(dòng)化，他認(rèn)為人工智能的本質(zhì)是知識(shí)的自動(dòng)化［7］。雖然知識(shí)不能自動(dòng)產(chǎn)生，但知識(shí)可以實(shí)現(xiàn)自動(dòng)獲取、分析、傳播。

人與“機(jī)器智”的互動(dòng)與博弈，自人工智能產(chǎn)生之初便是人們關(guān)注的焦點(diǎn)。從最開始的模仿人類反應(yīng)行為，到智能學(xué)習(xí)，再到模仿人類的情緒心智，應(yīng)該說，機(jī)器學(xué)習(xí)一直沿著保羅·萊文森所說的“人性化趨勢(shì)”快速演進(jìn)。因此，筆者認(rèn)為，對(duì)人工智能概念的厘定絕不能僅僅停留在當(dāng)前，而應(yīng)當(dāng)從人與機(jī)器的互動(dòng)與博弈中尋找答案。在此，與其簡(jiǎn)單說是智能化、自動(dòng)化，還不如把人工智能看成是機(jī)器對(duì)人類這一物種行為、態(tài)度、情感、心智等的全方位模仿甚至超越。不過，若未來真如圖靈測(cè)試所說，我們已無法分清周圍是機(jī)器人還是人類，那么，“我是誰”又該如何定義？人主導(dǎo)自己？還是機(jī)器主導(dǎo)人呢？這就不得而知了。

2. 智能之辯：計(jì)算機(jī)到底能否模擬人的思維

在普特南看來，圖靈是在哥德爾和杰克斯赫伯德工作的基礎(chǔ)上重新構(gòu)造了計(jì)算概念并且發(fā)明了計(jì)算機(jī)模型［8］。1950 年，圖靈在《計(jì)算機(jī)器與智能》中提出了“機(jī)器能否思維”的問題，這在人工智能發(fā)展研究歷程中具有劃時(shí)代的意義［9］。圖靈在提出的模仿游戲中，假設(shè)雙方在無接觸的情況下，通過一定的問答環(huán)節(jié)，讓一方推測(cè)出對(duì)方的身份是機(jī)器還是人，以此來判斷機(jī)器是否具有像人一樣的智能。然而，塞爾卻十分懷疑該測(cè)試的有效性，他在“中外屋論證”假說中談到“程序自身無法構(gòu)筑心靈，且其內(nèi)在的形式句法也無法導(dǎo)致關(guān)于心智思想內(nèi)容的產(chǎn)生”［10］。另外，塞爾在《心靈的再發(fā)現(xiàn)》一書中，也駁斥了所謂的“強(qiáng)人工智能”的說法，他認(rèn)為，計(jì)算機(jī)雖然可以憑借一定的程序運(yùn)行處理復(fù)雜的信息，但不等于其可以擁有像人一樣的認(rèn)知思考能力及情感思想。

雖然塞爾的論斷對(duì)人工智能領(lǐng)域產(chǎn)生了極大的沖擊，但是仍然有許多學(xué)者提出了質(zhì)疑，其中李珍（2011）就認(rèn)為，塞爾的“中文屋論證”存在兩個(gè)嚴(yán)重的問題，不僅其實(shí)驗(yàn)過程實(shí)證可靠性依據(jù)不足，而且也沒有對(duì)兩種不同模式的人工智能進(jìn)行清晰的界定［11］。所以，塞爾的論斷并不能反駁聯(lián)結(jié)主義，甚至她認(rèn)為其看法反而是在支撐聯(lián)結(jié)主義的觀點(diǎn)。

3. 哲學(xué)內(nèi)涵：初窺人工智能產(chǎn)生的哲學(xué)路徑

對(duì)于AI之于哲學(xué)的問題，趙玉鵬（2012）則直接作出論斷，他認(rèn)為，人類對(duì)人工智能的認(rèn)識(shí)從本質(zhì)上說更貼近于哲學(xué)的范疇，“因?yàn)樗Q于人們對(duì)‘智能’的理解及某種形而上的信念，而并非事實(shí)本身”［12］。關(guān)于人工智能的思想根苗，國內(nèi)學(xué)者徐英瑾認(rèn)為，至少可以上溯到十七、十八世紀(jì)的歐洲哲學(xué)。其根據(jù)在于，郝格蘭和德瑞福斯都曾經(jīng)在書中表達(dá)過AI起源于西方哲學(xué)史的觀點(diǎn)，而博登的浩瀚巨著《作為機(jī)器的心靈——認(rèn)知科學(xué)史》，更是全面梳理了人工智能技術(shù)與西方的思想史、科技史之間內(nèi)在微妙的聯(lián)系。他進(jìn)一步列舉了三組有代表性的哲學(xué)家：首先是笛卡爾和萊布尼茨，他們是機(jī)器智能的反對(duì)者；其次是霍布斯，其思想直接奠定了符號(hào)人工智能發(fā)展研究的近代哲學(xué)基礎(chǔ)；最后是休謨和康德，兩人對(duì)于心智理論的研究，為機(jī)器模仿人類心智甚至情感提供了哲學(xué)論據(jù)。

此外，關(guān)于人工智能與哲學(xué)之間的關(guān)聯(lián)，趙玉鵬做了更為詳細(xì)的論述。他在對(duì)普特南思想的追蹤思考過程中，發(fā)現(xiàn)人工智能發(fā)展的歷史萌芽可追尋到古希臘時(shí)期。從畢達(dá)哥拉斯學(xué)派的世間萬物由數(shù)構(gòu)成的觀點(diǎn)，到柏拉圖主義時(shí)期的數(shù)學(xué)實(shí)在論，再發(fā)展到亞里士多德的形式邏輯，無不體現(xiàn)出哲學(xué)家對(duì)于邏輯的關(guān)注與思考。而在13世紀(jì)初期，賴蒙德·盧里設(shè)計(jì)出了歷史上第一臺(tái)原始邏輯機(jī)，揭示了思維和計(jì)算的同一性，這為人工智能的理論演變鋪平了道路。17世紀(jì)左右，巴斯卡爾加法和減法的計(jì)算器以及萊布尼茨的手搖計(jì)算機(jī)，從實(shí)踐操作層面推動(dòng)了人工智能技術(shù)的演進(jìn)。尤其是，萊布尼茲繼承和發(fā)揚(yáng)了思維可計(jì)算理念，提出一切推理的正確性將歸于計(jì)算的偉大設(shè)想。這些通過計(jì)算機(jī)模擬人類思維過程的開創(chuàng)性思想，深深影響了后來的人工智能的研究者。

4. 唯機(jī)械論：從人與機(jī)器的類比中認(rèn)識(shí)規(guī)則

有一個(gè)問題曾深深困擾著中世紀(jì)的哲學(xué)家們，即如何通過常規(guī)的機(jī)械裝置實(shí)現(xiàn)對(duì)人腦功能的替代？顯然，這樣的問題更像是假想，也就是說，該問題的目標(biāo)并非是真正實(shí)現(xiàn)，而是旨在思考機(jī)器與人類之間的內(nèi)在聯(lián)系。實(shí)際上，后來香農(nóng)基于“控制論”思想所做的老鼠實(shí)驗(yàn)，其本質(zhì)不也是一種仿照人類的演示過程嗎？直到演算機(jī)出現(xiàn)后，人們才得出結(jié)論：人與機(jī)器的思維存在類似性，都可以自動(dòng)運(yùn)行。

不得不說，人與機(jī)器的類比對(duì)人的認(rèn)識(shí)產(chǎn)生了很大影響。17世紀(jì)時(shí)，笛卡兒認(rèn)為動(dòng)物的行為認(rèn)知更像是一臺(tái)機(jī)器，而18世紀(jì)有學(xué)者直接認(rèn)定人本身其實(shí)也是機(jī)器，到了19世紀(jì)的工業(yè)社會(huì)，有人說人類生命像是一直工作發(fā)熱的機(jī)器。至20世紀(jì)，人類進(jìn)入信息社會(huì)，有學(xué)者索性提出人是信息處理機(jī)器的觀點(diǎn)［13］。不過，隨著人工智能在數(shù)學(xué)定理證明、模式識(shí)別、自然語言處理等方面的發(fā)展成熟，這些單純的機(jī)械論思想正得到逐漸的完善。在筆者看來，上述“人是信息處理機(jī)”的表述具有一定的啟發(fā)作用。在此，人們不再單純追求對(duì)機(jī)械力學(xué)的探討，而是著眼于對(duì)信息處理規(guī)則的制定。一旦開始關(guān)注規(guī)則的建立，也就預(yù)示著人工智能即將進(jìn)入新的發(fā)展階段。

二、人工智能技術(shù)應(yīng)用與文化傳播結(jié)合的前景

當(dāng)前，以深度學(xué)習(xí)為代表的人工智能技術(shù)已日臻成熟，應(yīng)用領(lǐng)域日趨廣泛多元，但是離實(shí)現(xiàn)模擬人類情感還有很遠(yuǎn)的路要走。未來人類將進(jìn)入全方位的智能傳播、萬物皆媒時(shí)代，在此背景下，筆者試圖從人與信息的連接加強(qiáng)、信息傳播模式加速迭代、版權(quán)保護(hù)日趨智能等三個(gè)方面，重新定義文化傳播面臨的新一輪圖景。

當(dāng)下，以人臉識(shí)別、可穿戴設(shè)備、人工智能語音交互等多樣化的人工智能應(yīng)用愈加普遍，也在一定程度上滿足了人類對(duì)于未來智能化生活方式的美好愿望，但是其背后的倫理問題卻依然值得警惕與思考。如工具理性、技術(shù)壟斷、失業(yè)倫理等仍然是人工智能時(shí)代下亟待持續(xù)關(guān)注的問題。

（一）人工智能的應(yīng)用研究與未來趨勢(shì)

1. 人工智能研究的基本內(nèi)容

人工智能是一門應(yīng)用包括數(shù)學(xué)、計(jì)算機(jī)、心理學(xué)、物理等多門學(xué)科在內(nèi)的綜合學(xué)科，也因此有著十分廣泛且豐富的研究視角與內(nèi)容?；谄淇鐚W(xué)科的屬性，對(duì)人工智能技術(shù)研究的內(nèi)容進(jìn)行全方位的梳理與介紹是很難的，且也沒有太大的必要。以下，介紹了一些已經(jīng)得到國內(nèi)外學(xué)者普遍認(rèn)同的關(guān)于人工智能技術(shù)的基本內(nèi)容。

（1）人工神經(jīng)網(wǎng)絡(luò)——讓機(jī)器像人一樣認(rèn)知

顧名思義，我們可以類比人的大腦神經(jīng)網(wǎng)來理解所謂的人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)（Artificial Neural Network，ANN）。簡(jiǎn)單來說，它是一個(gè)復(fù)雜的網(wǎng)絡(luò)空間，內(nèi)有大量處理單元（即神經(jīng)元）廣泛的互相連接，可以看成是人腦的某種簡(jiǎn)化、抽象和模擬。神經(jīng)計(jì)算機(jī)對(duì)神經(jīng)網(wǎng)絡(luò)的研究始于20世紀(jì)40年代初期，80年代霍普菲爾德（Hopfield）提出用硬件實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)發(fā)展歷史上一個(gè)重要的里程碑。現(xiàn)在，該技術(shù)已在圖像識(shí)別處理、算法組合優(yōu)化、智能自動(dòng)控制機(jī)器人等諸多領(lǐng)域獲得日益廣泛的應(yīng)用。

（2）遺傳算法——解決最優(yōu)秀搜索的問題

遺傳算法（Genetic Algorithm，GA），實(shí)際是對(duì)生物進(jìn)化的仿生。其在模擬孟德爾的遺傳突變?cè)砼c達(dá)爾文進(jìn)化論的過程中，不斷尋找逼近最優(yōu)解，是一種典型的自適應(yīng)技術(shù)。遺傳算法的原理可以理解為，通過編碼、解碼再到個(gè)體的評(píng)價(jià)、選擇、突變等過程，在一個(gè)大的種群內(nèi)最終搜索到正確解［14］。遺傳算法產(chǎn)生于20世紀(jì)50年代“人工進(jìn)化研究”，后發(fā)展至20世紀(jì)80年代已成為行業(yè)研究的熱點(diǎn)。

（3）深度學(xué)習(xí)——機(jī)器人認(rèn)知的再度升級(jí)

深度學(xué)習(xí)技術(shù)是機(jī)器學(xué)習(xí)中一個(gè)新的領(lǐng)域，也可以理解為機(jī)器學(xué)習(xí)的升級(jí)技術(shù)。其概念源自于人工神經(jīng)網(wǎng)絡(luò)，通過建立類似人腦的神經(jīng)元，來模擬人腦進(jìn)行自主學(xué)習(xí)認(rèn)知。與機(jī)器學(xué)習(xí)不同的是，它是一種更為復(fù)雜的包含多隱層的多感知器的學(xué)習(xí)結(jié)構(gòu)。從功能上來說，它實(shí)現(xiàn)了自下而上的自動(dòng)無干預(yù)的認(rèn)知過程。

目前，深度學(xué)習(xí)仍處于初級(jí)階段，隨著百度、谷歌、微軟等大型互聯(lián)網(wǎng)公司對(duì)深度學(xué)習(xí)的關(guān)注與投入，其價(jià)值日益凸顯。例如，百度從2012年開展深度學(xué)習(xí)研究，已在語音識(shí)別和圖像處理方面取得了顯著的成功。

（4）群體智能——仿生人工智能的新突破

從仿生學(xué)而言，研究不能僅僅局限在單個(gè)的生物層面，而是要盡可能對(duì)整個(gè)族群進(jìn)行觀察。群體智能（Swarm Intelligence，SI）便是通過模仿生物群體之間信息交互的能力，建立群體適應(yīng)學(xué)習(xí)的規(guī)則。隨著信息化社會(huì)的到來，人類面臨的數(shù)據(jù)信息更加復(fù)雜多元，而群體智能算法因其特有的自組織、去中心化功能，可以實(shí)現(xiàn)對(duì)復(fù)雜科學(xué)信息的快速處理。隨著群體智能算法的深度發(fā)展，已逐漸演化出如蟻群算法、粒子群算法、布谷鳥搜索等多樣化的算法機(jī)制［15］。其中，蟻群算法自20世紀(jì)90年代提出后，已大量應(yīng)用在路徑規(guī)劃問題、指派問題、調(diào)度問題等方面。

2. 人工智能的研究與應(yīng)用領(lǐng)域

在過去50年的歷史長河中，人工智能的技術(shù)框架已經(jīng)基本形成，理論運(yùn)用也更加成熟，應(yīng)用系統(tǒng)與邊界不斷拓展，已分化出許多研究領(lǐng)域。從未來發(fā)展前景看，以下幾個(gè)應(yīng)用領(lǐng)域一直都是人工智能技術(shù)的熱門研究方向。

（1）問題求解與推理證明：基于符號(hào)邏輯推理的智能應(yīng)用

人工智能技術(shù)應(yīng)用的最初嘗試便是用來求解智力問題的，隨后人們又開始應(yīng)用在下棋程序上，有學(xué)者稱為博弈。紐厄爾與西蒙合作完成的通用問題求解程序能夠求解11個(gè)不同類型的問題，便是問題求解方面的經(jīng)典案例。對(duì)于定理證明，則是人類把證明定理的過程變成能在計(jì)算機(jī)自動(dòng)實(shí)現(xiàn)符號(hào)演算的過程，紐厄爾的邏輯理論家程序是定理證明的最早嘗試。近十年來，不斷有新的邏輯系統(tǒng)更新出現(xiàn)，如時(shí)序邏輯、模糊邏輯、默認(rèn)邏輯等，對(duì)應(yīng)有不同的邏輯處理規(guī)則與方法。

（2）專家系統(tǒng)：讓機(jī)器人成為知識(shí)領(lǐng)域的專家

專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的計(jì)算機(jī)程序系統(tǒng)，起源于20世紀(jì)60年代。概括來說，專家系統(tǒng)要具備幾個(gè)功能：一是存儲(chǔ)問題并求解知識(shí)；二是處理推理過程中各種信息數(shù)據(jù)；三是存在一定的推理策略，控制協(xié)調(diào)整個(gè)系統(tǒng)。1968年費(fèi)根堡姆主持研制完成了第一個(gè)專家系統(tǒng)。目前，專家系統(tǒng)已經(jīng)經(jīng)歷了四代的發(fā)展歷程，已從最初的簡(jiǎn)單體系發(fā)展過渡到多專家寫作、綜合知識(shí)庫協(xié)同合作的應(yīng)用高度。

（3）自然語言理解：深度學(xué)習(xí)技術(shù)下的產(chǎn)物

自然語言是人類自身使用的語言，我們平時(shí)使用的語言如漢語、英語、韓語等都可以理解為自然語言。目前，自然語言還沒有權(quán)威統(tǒng)一的定義，從人與機(jī)器關(guān)系來看，它可以理解為架構(gòu)在人類與機(jī)器人之間進(jìn)行溝通交流的橋梁，能幫機(jī)器執(zhí)行人類所希望的某種語言功能，比如機(jī)器翻譯、文本解釋、問題對(duì)話等。從發(fā)展史角度看，自然語言理解經(jīng)歷了20世紀(jì)40年代末的萌芽階段、20世紀(jì)60年代的發(fā)展階段、20世紀(jì)80年代的繁榮階段三大時(shí)期，其在認(rèn)知科學(xué)、相關(guān)術(shù)語資料庫建設(shè)以及語言學(xué)研究［16］等方面具有很大的應(yīng)用潛力。

（4）機(jī)器視覺：讓人類視覺插上翅膀

機(jī)器視覺是基于人類視覺呈現(xiàn)原理發(fā)展而來的，這也再次印證了保羅·萊文森所提到的技術(shù)趨向人性化的論斷。即通過機(jī)器代替人類來對(duì)環(huán)境做出測(cè)量與判斷，把所看到的圖像信號(hào)傳送給圖像處理系統(tǒng)，從而控制現(xiàn)場(chǎng)的結(jié)果。由于機(jī)器視覺系統(tǒng)可以快速獲取大量信息，且易于自動(dòng)加工處理，因此已廣泛用于質(zhì)量檢測(cè)、產(chǎn)品識(shí)別、產(chǎn)品尺寸測(cè)量等方面。

3. 人工智能的發(fā)展前景

隨著在核心技術(shù)與典型應(yīng)用上的不斷成熟，人工智能行業(yè)已實(shí)現(xiàn)了巨大的發(fā)展。目前主要以“人工智能+某一產(chǎn)業(yè)”的方式逐步演化推進(jìn)。例如人工智能+傳媒業(yè)，出現(xiàn)了大批的機(jī)器人記者；人工智能+電商，則出現(xiàn)了智能客服；人工智能+銀行，則出現(xiàn)了機(jī)器人業(yè)務(wù)員；人工智能+出行，則出行了無人駕駛汽車等。那么，將來智能教育、智能點(diǎn)餐、智能金融系統(tǒng)等都可能稀松平常地出現(xiàn)在我們的生活中。從技術(shù)方面來說，雖然現(xiàn)在機(jī)器已經(jīng)可以做很多事情，比如聽懂語言、輸出語音、識(shí)別文章、語言翻譯等，但是目前，人工智能在如何實(shí)現(xiàn)對(duì)人類情感與心智的理解上出現(xiàn)了瓶頸。人類情感能力是否可以被智能感知并且被計(jì)算機(jī)識(shí)別、表達(dá)、交互，是實(shí)現(xiàn)人與機(jī)器互動(dòng)交流的核心。

未來人類神經(jīng)網(wǎng)絡(luò)的高度發(fā)展，有可能會(huì)促使人工智能研究在機(jī)器情感學(xué)習(xí)方面取得重大突破。當(dāng)溝通不再只是人類之間的行為，人工智能就會(huì)全面進(jìn)入我們生活的各個(gè)領(lǐng)域，以協(xié)助人類完成更艱巨、更復(fù)雜的科學(xué)研究。

（二）人工智能與文化傳播交相輝映

從口語媒介到印刷媒介，從印刷媒介到電子媒介，每一次技術(shù)的躍遷似乎都拉近了人與人之間的時(shí)空距離，思想的共享與交流，觀點(diǎn)的碰撞與互動(dòng)成為可能。然而，電子技術(shù)時(shí)代信息無限泛濫，人們逐漸迷失在信息過載的汪洋大海中；即便獲取信息，也難以保證來源的權(quán)威可信，這些都使網(wǎng)絡(luò)空間下的文化傳播蒙上了一層陰影。娛樂至死的時(shí)代，共享與互動(dòng)仿佛變成了剽竊與戲謔，如何解決這些問題變得尤為重要。

1. 基于儀式觀下的文化傳播：共享與互動(dòng)

提到文化傳播，首先要界定好文化與傳播之間的關(guān)系。從傳播學(xué)的視角出發(fā)，一是傳播要有“傳遞觀”，二是傳播要注重“儀式觀”。前者強(qiáng)調(diào)，信息的機(jī)械運(yùn)動(dòng)即傳播是一個(gè)信息得以在空間傳遞和發(fā)布的過程，以達(dá)到對(duì)距離和人的控制。信息實(shí)際上被有目的地操縱著，文化自然也不例外。當(dāng)技術(shù)的作用無限擴(kuò)大后，文化智能就淪為附庸，沒有任何的“精氣神”了。顯然，這絕不是我們想看到的。而后者強(qiáng)調(diào)，傳播并非僅僅是信息在雙方或者多方之間簡(jiǎn)單的接受、傳遞與反饋的過程，相反，它更多的是關(guān)于共同信仰的儀式化建構(gòu)過程，核心是注重平等共享與交流互動(dòng)［17］。簡(jiǎn)言之，傳統(tǒng)的“傳遞觀”旨在表達(dá)技術(shù)凌駕于文化之上的觀點(diǎn)；而詹姆斯·凱瑞的“儀式觀”則更側(cè)重于技術(shù)與文化兩者之間的相生相融。

也就是說，基于“儀式觀”我們可以大致區(qū)分傳播與文化之間的關(guān)系：傳播建構(gòu)著文化，文化影響著傳播。從“媒介環(huán)境學(xué)派”的觀點(diǎn)看來，社會(huì)發(fā)展始終伴隨著媒介技術(shù)的革新。因此，進(jìn)一步來講，與其說是傳播與文化相生，不如說媒介技術(shù)與文化之間天生相融。人工智能時(shí)代下，基于“儀式觀”下的文化傳播，其核心特征是共享與互動(dòng)。

2. 人工智能反哺文化傳播：高效、個(gè)性、多樣

文化傳播為媒介技術(shù)的發(fā)展創(chuàng)造內(nèi)驅(qū)動(dòng)力，而媒體技術(shù)的革新也倒逼文化傳播形態(tài)與內(nèi)容的演進(jìn)。智媒體時(shí)代，萬物皆媒、自我學(xué)習(xí)、人機(jī)互動(dòng)已成為三大必然趨勢(shì)。2017年12月，新華社發(fā)布了中國第一個(gè)媒體人工智能平臺(tái)——“媒體大腦”，現(xiàn)場(chǎng)制作并發(fā)布了國內(nèi)首條人工智能視頻新聞，耗時(shí)不到11秒。2018年11月，“媒體大腦2.0”“MAGIC”智能生產(chǎn)平臺(tái)在國際進(jìn)博會(huì)報(bào)道現(xiàn)場(chǎng)大放光彩，兩天半時(shí)間就已發(fā)出285條短視頻，當(dāng)晚突破330條。

從新聞行業(yè)來講，“媒體大腦2.0”的出現(xiàn)，正悄悄打破原有的傳媒業(yè)態(tài)景觀，同時(shí)對(duì)文化傳播的影響也將逐漸顯現(xiàn)，主要體現(xiàn)在以下三個(gè)方面：一是迭代信息傳播模式出現(xiàn)；二是加強(qiáng)了人與信息連接；三是支撐版權(quán)內(nèi)容保護(hù)。

（1）迭代信息傳播模式：文化傳播更加高效化

技術(shù)的進(jìn)步不斷推動(dòng)著社會(huì)信息傳播模式的更替，傳統(tǒng)的信息傳播模式包括以拉斯韋爾的5W模型和香農(nóng)-韋弗模式為代表的線性模式、以奧斯古德和施拉姆為代表的控制模式和以賴?yán)驄D和馬萊茨克為代表的社會(huì)模式［18］。最初的線性模式缺乏對(duì)傳播反饋環(huán)節(jié)的考察，而且也沒有注意到社會(huì)活動(dòng)對(duì)于傳播過程的影響；雖然奧斯古德的互動(dòng)循環(huán)觀點(diǎn)，解決了信息反饋問題，但仍然忽視了對(duì)宏觀社會(huì)視角的思考。隨著信息技術(shù)的發(fā)展，人與人之間的連接日益密切，賴?yán)驄D不得不把個(gè)體的信息傳播納入整個(gè)社會(huì)信息控制系統(tǒng)中，從而保證了信息傳播研究得以深化。

在網(wǎng)絡(luò)時(shí)代，互聯(lián)網(wǎng)因其低門檻、互動(dòng)化、跨時(shí)空等特點(diǎn)，逐步形成了基于用戶關(guān)系的非線性傳播以及級(jí)聯(lián)傳播模式。信息交流由過去的點(diǎn)對(duì)點(diǎn)、點(diǎn)對(duì)面的單向傳播模式轉(zhuǎn)變?yōu)辄c(diǎn)對(duì)點(diǎn)、點(diǎn)對(duì)面和面對(duì)面的多向互動(dòng)傳播模式［19］。而隨著智媒時(shí)代的演進(jìn)，人工智能、大數(shù)據(jù)、云計(jì)算等技術(shù)開始出現(xiàn)，原有的網(wǎng)絡(luò)信息傳播模式進(jìn)一步迭代升級(jí)，朝著更加數(shù)字化、智能化、交互化的特征邁進(jìn)。以“媒體大腦”為例，它利用強(qiáng)大的語音識(shí)別技術(shù)，為記者的“耳朵”賦能，可將采訪、會(huì)議等錄音內(nèi)容自動(dòng)轉(zhuǎn)寫為文字，自動(dòng)同步至PC上，幫助記者提高采訪及新聞生產(chǎn)的效能。此外，智能語音合成系統(tǒng)不僅能把文字迅速轉(zhuǎn)化為音頻，而且還可以通過車載廣播、可穿戴設(shè)備等各種渠道與用戶取得連接，大大延伸了信息的傳播路徑。

語音文字交互合成技術(shù)，再一次延伸了人們感官功能，交流與記錄變得更加簡(jiǎn)單高效。不過，處在人工智能時(shí)代，當(dāng)記憶工作可以輕松完成時(shí)，遺忘反倒變得越來越難。

（2）泛信息生態(tài)下人與信息連接加強(qiáng)：文化傳播更加個(gè)性化

隨著5G技術(shù)的到來，人類已全面進(jìn)入信息化時(shí)代，隨之而來的就是信息過載的問題。當(dāng)下社會(huì)網(wǎng)絡(luò)空間就像是一個(gè)堆滿了各種各樣物品的垃圾場(chǎng)。海量信息帶來的不只是冗余的困擾，還有虛假信息的泛濫。如何應(yīng)對(duì)信息過載，實(shí)現(xiàn)個(gè)性化的精準(zhǔn)傳播，已成為當(dāng)下互聯(lián)網(wǎng)語境中存在的痼疾。以人工智能技術(shù)為依托的智慧媒體，可量身勾勒用戶畫像；智能新聞會(huì)話機(jī)器人，可以與受眾實(shí)時(shí)進(jìn)行新聞對(duì)話和互動(dòng)；2410智能媒體生產(chǎn)平臺(tái)，可實(shí)時(shí)監(jiān)測(cè)最新的消息線索，依靠“媒體大腦”中介，可隨時(shí)隨地檢測(cè)、篩選、使用與之相關(guān)的數(shù)據(jù)信息，如地理位置、人物畫像等等，從而使媒體運(yùn)營更加個(gè)性化、精準(zhǔn)化、精細(xì)化。借助人工智能技術(shù)，人與信息的連接加強(qiáng)，也給混沌的網(wǎng)絡(luò)空間打開了一扇天窗。

當(dāng)人與信息的連接更加密切后，也就從源頭上確保了信息來源更加個(gè)性精確，從而避免了信息的過度泛濫與同質(zhì)化，保證了文化傳播的個(gè)性化與權(quán)威性。

（3）支撐版權(quán)內(nèi)容保護(hù)：文化傳播更加多樣化

隨著海量信息的涌現(xiàn)，內(nèi)容的同質(zhì)化現(xiàn)象也愈加嚴(yán)重，而版權(quán)作為一種高級(jí)的產(chǎn)權(quán)化的智力成果［20］，正越來越受到各方利益的搶奪。版權(quán)的多樣性，是維護(hù)文化多樣性的一大前提，而如何在互聯(lián)網(wǎng)龐雜的公開空間里，有效做好版權(quán)的保護(hù)工作既意義重大又困難重重。而“媒體大腦”的出現(xiàn)，讓原創(chuàng)版權(quán)的保護(hù)問題見到了一絲曙光。一方面，利用數(shù)字技術(shù)可以迅速登記版權(quán)原創(chuàng)內(nèi)容，另一方面，基于大數(shù)據(jù)技術(shù)的海量性與覆蓋性，以及對(duì)針圖文等相似度的算法識(shí)別推薦技術(shù)，“媒體大腦”能夠充分保護(hù)原創(chuàng)版權(quán)內(nèi)容，第一時(shí)間進(jìn)行全網(wǎng)的實(shí)時(shí)監(jiān)測(cè)。這就大大提升了內(nèi)容生產(chǎn)者的版權(quán)資源使用與傳播轉(zhuǎn)化的效率，盡可能減少被侵權(quán)行為的發(fā)生。不僅如此，通過建立宏觀系統(tǒng)的版權(quán)監(jiān)控體系，可以實(shí)時(shí)監(jiān)測(cè)、分析并自動(dòng)形成數(shù)據(jù)報(bào)告，有效避免了諸如“洗稿”等亂象的發(fā)生。

與傳統(tǒng)的技術(shù)相比較，基于人工智能技術(shù)下的版權(quán)保護(hù)系統(tǒng)，數(shù)據(jù)涵蓋更廣泛，系統(tǒng)更加穩(wěn)定，搜索識(shí)別更加精準(zhǔn)。從而有大大增強(qiáng)了原創(chuàng)內(nèi)容的豐富度，這就為保證文化傳播的多樣性提供了可能。

3. 人工智能技術(shù)應(yīng)用：引發(fā)倫理風(fēng)險(xiǎn)

技術(shù)是一把雙刃劍。人工智能技術(shù)的發(fā)展與應(yīng)用，讓人類看到了文化傳播的曙光，但同時(shí)也使人類處在風(fēng)險(xiǎn)的火山口上。人與機(jī)器博弈的倫理問題，自始至終都難以全面回答。阿西莫夫曾提出“機(jī)器人三定律”：機(jī)器不得對(duì)人類產(chǎn)生傷害或者危險(xiǎn)，機(jī)器人一定要遵從人類的指令，前兩個(gè)定律前提成立的情況下，機(jī)器人可以做到自我保護(hù)。直到今天，人工智能的各種倫理思考，大多還是基于以上的框架展開。本文基于三大定律，總結(jié)了人工智能異化的三大倫理風(fēng)險(xiǎn)。

（1）技術(shù)壟斷帶來了文化的消亡的危險(xiǎn)

如英尼斯所言，任何傳播形式都有偏向，或偏向于空間，或偏向于時(shí)間，不同的偏向造就不同的人類社會(huì)生態(tài)。當(dāng)技術(shù)與政治聯(lián)系在一起時(shí)，這種偏向就可能逐漸演化為一種強(qiáng)大的壟斷。比如，人工智能技術(shù)的高度發(fā)展，加劇了信息資源的使用不對(duì)稱，帶來更大的數(shù)字鴻溝，從而阻礙了文化的發(fā)展與傳播。英尼斯認(rèn)為，人類需當(dāng)警惕技術(shù)帶來的壟斷影響，打破媒介使用的阻隔，進(jìn)而推動(dòng)知識(shí)的快速平等流動(dòng)，才能阻止現(xiàn)代社會(huì)中文化的消亡。這也對(duì)人工智能與文化傳播的融合發(fā)展有借鑒意義。另外，他還注重回歸到口語時(shí)代［21］，增強(qiáng)人與人之間的對(duì)話與交流，只有這樣文化才不會(huì)在技術(shù)的壟斷中消亡。

（2）我們還會(huì)相信自己?jiǎn)幔?/p>

在韋伯看來，工具理性行為與價(jià)值理性行為的區(qū)別在于，前者是目的合乎理性的行為，而后者是人根據(jù)自己的信念和要求所做出的行為，是價(jià)值觀至上的行為。他強(qiáng)調(diào)：人類應(yīng)當(dāng)遵守義務(wù)、尊嚴(yán)與美等原則［22］，且必須要無條件地堅(jiān)持，反之若無視這些條件造成的預(yù)見性后果，就是純粹的價(jià)值合乎理性的行為?？萍嫉能S遷讓理性無比強(qiáng)大，人類在驕傲的理性中逐漸擺脫愚昧，但同時(shí)也讓其對(duì)于技術(shù)產(chǎn)生了過度的依賴與迷信。尤瓦爾·赫拉利曾描繪了人工智能未來圖景：當(dāng)你在讀電子書的時(shí)候，它也在讀你……二三十年后，當(dāng)你選擇和誰結(jié)婚時(shí)，你不再詢問親友的意見，而會(huì)問利用人工智能算法的亞馬遜、百度和騰訊。

當(dāng)人的自我信任缺失，對(duì)機(jī)器過度崇拜，自我的判斷是否存在？誠然，人工智能技術(shù)在存儲(chǔ)、分析、描述、預(yù)測(cè)等方面，擁有令人類艷羨的天賦，如果有一天GPS不再，我們是否還能找到回家的路線？難道真如赫拉利所預(yù)見的——對(duì)人工智能技術(shù)越依賴，就越會(huì)失去選擇與思考的能力？

（3）機(jī)智過人還是技不如人？

最近，央視的《機(jī)智過人》節(jié)目，正在上演人類與機(jī)器智能之間的終極對(duì)戰(zhàn)。隨著深度學(xué)習(xí)技術(shù)的成熟，機(jī)器經(jīng)過重復(fù)且不厭其煩的數(shù)據(jù)訓(xùn)練，可輕松從事許多復(fù)雜領(lǐng)域的工作。除非是面對(duì)開放性的環(huán)境，要不斷做出對(duì)人類心智與情感的反饋，機(jī)器才可能會(huì)變得不知所措。即便如此，在解決繁雜且重復(fù)的海量數(shù)據(jù)計(jì)算工作時(shí)，機(jī)器的能力遠(yuǎn)勝人類何止百倍，到底是機(jī)智過人還是技不如人，已成為人工智能時(shí)代必須要面對(duì)的問題。

三、結(jié)語

“茍日新，日日新，又日新?！泵浇榧夹g(shù)的發(fā)展日新月異，而文化傳播總離不開媒體這個(gè)中介。當(dāng)下，人類處在智媒時(shí)代，應(yīng)當(dāng)著眼于把文化傳播和人工智能技術(shù)充分結(jié)合起來，利用人工智能綜合全面的能力，致力于為人類文化傳播打造更加健康、有序的環(huán)境。而在人與機(jī)器的博弈互動(dòng)中，人類要牢牢把握主動(dòng)權(quán)，必須做到知己知彼，方能充分激發(fā)人工智能技術(shù)的巨大潛力。要通過建立人工智能思想譜系，追溯其物理起源以及三大理論范式演進(jìn)過程，這有助于全面把握人工智能的技術(shù)應(yīng)用邊界與發(fā)展?jié)摿?，除此之外，也?yīng)當(dāng)把握好可能的倫理風(fēng)險(xiǎn)。

最后，筆者認(rèn)為，人工智能在跨文化傳播與數(shù)字人文傳播方面也具有極大的潛力。比如就考古而言，可以通過數(shù)字技術(shù)搭建數(shù)據(jù)庫，利用Matlab等計(jì)算機(jī)軟件建立數(shù)據(jù)庫分析模型，通過分析語言演變規(guī)律，幫助研究員推斷破解古文字符號(hào)的真正含義。再如，通過人工智能技術(shù)，建立強(qiáng)大的語言交互翻譯系統(tǒng)，或者模擬一套具有共通意義空間的符號(hào)傳播系統(tǒng)，以幫助中國傳統(tǒng)文化無縫對(duì)接世界文化，更好地講述中國故事。