1. 引言
近年来，从可供性视角分析媒介特性以及人与媒介的关系是传媒领域研究的热点之一。随着人工智能技术的发展，嵌入智能技术的媒介产品在内容自动生成、精准推送、个性交互、迅捷反馈等方面的智能化水平有了显著提升。当人们试图用可供性理论来分析智能媒介时，它是否足以框定智能媒介与人交互的所有可能性；或者反过来说，智能媒介是否会赋予可供性理论以新的生长点。这些是值得探讨却鲜有论及的问题。
2. 可供性与媒介可供性
可供性最初由吉布森[1]提出，用来阐释动物与环境相关的“行动可能性”。随后，诺曼[2]将这一概念拓展至产品设计领域。他认为可供性是对象的属性与行动者能力之间的关系，它决定了对象的可能用途。随着技术系统的平台化，哈奇比[3]将可供性概念引入社会技术系统。他认为可供性是信息技术产品、人员和组织之间的关系。可供性嵌入用户之间的关系及与之交互的产品的物理属性中。基于不同的目标和需求，人们可以通过对技术的感知和对产品物质性的使用来实现多种结果。概言之，可供性的关系思维为技术研究中社会建构主义和技术决定论的两极分化提供了中间立场。
随着数字媒体技术的发展，尤其是自媒体平台的普及，可供性理论在新媒体研究中的应用日益广泛。最初尝试建立可供性与媒介联系的研究始于韦尔曼[4]。他认为可供性理论是传播学领域理解技术物与行动者之间多元关系结构的重要视角。随后，莱昂纳迪[5]针对新媒体的交互、协作能力提出了个体、群体和共享三个层面的媒介可供性。接着，瑞斯等人在进行组织媒介可供性研究中，详细阐述了其对媒介可供性的理解。即媒介可供性是特定情景中行动者感知到的媒介提供的行动潜能以及媒介潜在的能力和约束。赖斯[6]的论述除了关注人与技术物的关系外，还关注到人在媒介环境中，建立起来的复杂人际关系。
进一步，胡翼青等人[7]从媒介本体论的视角认为“可供性成为媒介之所以为媒介的前提，成为媒介性的第一定律”。因此，本质上来看，媒介可供性是技术物在特定情境中经由行动者的推动，实现媒介化的能力和过程。这一能力和过程通过赋能和限制形塑了传播行动的可行性、倾向性和预见性。
随着智媒时代的到来，除了关注媒介物为人所提供的行动可能性之外，探讨人对智能技术成为智能媒介物所提供的可能性以及人与数据和算法之间的复杂关系，对于全面认识智能媒体将变得越发重要。
3. 人对智能媒介的反向可供性
可供性作为一个行动可能性，在算法环境中比在吉布森环境–行动者关系中要复杂得多。可供性由越来越复杂的交叉反馈回路组成，在很大程度上是由数据的获取、聚合、操作和计算驱动。随着人工智能技术尤其是大模型、强化学习算法嵌入媒介产品中，智能媒介具备了内容自动生成、自动编辑、自动推送、自我更新调优的能力。用户在使用媒介的过程中，其使用行为、状态、习惯等信息会被搜集并表征为程序可以解读和分析的过程性数据。这些数据为媒介平台功能迭代升级和性能优化提供了可能。因此，可供性不仅仅是技术物提供给人的行动可能性。人的行动反过来也为媒介产品学习更新和功能升级提供了可能性。这种人与媒介的双向互动比传统媒介更迅捷、更微观、更多元。
3.1. 人对智能媒介的数据可供性
智能媒介的智能化水平与其背后大数据获取与分析能力密不可分。人工智能模型需要大量的用户数据进行训练和调优，才能更好地为用户提供精准服务。人的数据可供性描述了智能媒介面对多元使用者和使用环境，其自身优化、迭代升级的可能性。离开人的使用及对使用过程的数据获取与分析，智能媒介的智能化将难以实现。
用户数据成为智能媒介的核心要素，用户使用成为形塑智能媒介形态和功能的基础环境。以全球代表性知识库维基百科为例，作为大型互助式知识分享社区，它动态搜集编辑大量词条。从传统可供性的角度，它以可编辑、可修改、可存储、可分享等形式为用户提供内容的生产、交互的可能。近年来，维基百科引入编辑和审核机器人。这些机器人能从人类编辑的行为中不断学习。从而，机器人能够根据词条编辑记录和编辑者个人信息判断一个词条的可信度和成熟度。此外，机器人学习人类行为习惯后，可以自主发起词条编辑，并将词条推荐给人类编辑进行修改和优化。维基百科式人机协同的群智现象反映出媒介的智能化水平与对人类用户的使用数据获取和分析密不可分。
3.2. 人对智能媒介的算法可供性
算法可供性是算法为用户提供采取行动的机会，使其有感知算法特征(如算法公平、算法透明和结果可解释等)的可能以及对算法输出结果进行调适的能力。算法可供性允许用户改变输入来持续影响自动化系统生成的输出。如社交媒体上对内容的点赞、收藏、转发操作会强化同质内容的持续推送，而差评、屏蔽等操作会抵制相应内容的继续推送。从这个意义上讲，算法可供性描述了一系列显式和隐式交互的可能性，使用户能够直接或间接地参与训练和控制算法系统。如用户对推荐结果的评价和跳过广告的选择，不仅改变了信息的呈现方式，还赋予了用户权力。用户的积极作用既体现在使用算法实现目标的能力上，也体现在保持批判性思维和抵制算法生成结果的能力上。基于此，用户可以通过与算法持续对话不断优化内容生成以达到用户目标。
算法可供性不仅是算法之于人的可能性，同时，它还体现对人的赋权，以及人对算法的操作与规训。智能技术融入媒介产品是由人类指导以满足内容生成、内容传播、商业逻辑和技术目的。智能算法是媒体逻辑的结果和表现，即媒介内容创作、分发和使用的规范和过程的结果和表现，以及程序员和用户如何理解、设计并编程这些规范和过程。算法可供性是迭代形成的，即生产者、媒介平台和用户的惯习、规则、选择性注意模式以及在其生命周期中学习和适应的动态迭代过程。这就是Altheide [8]所说的“媒体螺旋”：智能媒介中不同内容的生产、传播和消费等并非孤立的，它们将借由不同使用者对算法的调适在底层相互渗透并相互影响。
4. 智能媒介的三重自反性
自反性通常指主体的自我反思和自我对抗[9]。它可以表现在个体、群体、制度、社会结构等不同层面。在社会发展进程中，主体对自身活动的反思和对抗反过来影响社会生活本身。这就导致人类社会不断经历着解构中重构、分散中重组的流变。此种流变带来社会结构的不断变迁和思维范式的不断超越，并将社会导向不可预测的未来。自反性兼具了认识论意义上的自我反思、思维范式的变迁重构和由此带来了实践后果上的不确定性风险等多重含义。
4.1. 认识层面：智能媒介从对人的模仿到自我反思
人对媒介的反向可供，为媒介平台的进化奠定了基础。算法在对人的行为习惯学习模仿中动态调节模型参数，持续精进内容生产的质量，优化传播策略的精准度，并革新人与人、人与媒介之间的互动模式。
除了在与人的交互中学习之外，人工智能还在自我指导、自我对弈和自我训练等算法的加持下，初步具备了自我反思的能力。人工智能技术从对人的模仿和学习逐渐进入智能体间相互学习和自我反思学习的新发展阶段。值得注意的是，拥有自我进化能力的人工智能系统已经在一些领域初步显现了不凡的能力。如谷歌DeepMind的AMIE系统在疾病诊断准确性方面超过了初级保健医生，微软的WizardLM-22系列大模型在性能上超过了GPT-4。与传统大模型不同，这两个模型使用了AI生成训练数据、渐进式学习、AI训练AI等具有自主学习能力的自我演化模型，代表了大模型训练范式的转变趋势。随着自我演化模型的不断发展，人工智能在知识和价值层面的自我反思能力将不断增强。也许在不远的将来，自反性将不再是人类所特有，人类也将不再是推动社会发展、制度变革的唯一动因。
4.2. 关系层面：从媒介是人的延伸到人是媒介的延伸
工具是身体的延伸这一观点由来已久[10]。麦克卢汉将这一观点运用到媒介研究领域。他在《理解媒介：人的延伸》一书中运用了这一思想并成为他理解媒体和技术及其影响的核心思想。麦克卢汉[11]开启了一种真正的针对“媒介”自身的思考路径，引领了如今已经遍及人文与社会科学各领域的“媒介转向”。
事实上，媒介是人的延伸只关注了媒介研究问题的后半段，即媒介产生后人的使用问题；却忽视了问题的前半段，即媒介是如何产生的？媒介的产生相对独立于人的需求。基特勒在对媒介技术的历史性考察中发现，媒介技术的发展并不是为了满足人类需求，而是由社会技术系统进步和发展所促动[12]。新兴的媒体技术促成人类新需求的诞生和发展。在麦克卢汉的理论建构中，媒介技术与人类身体之间的关系是一种“单向”的、决定性的关系。然而，现实是媒介技术与人类身体之间是能够互相影响的“双向”关系。“传统媒介是‘惰性的’，若非人类的促动，它可能会止步于技术物层面，而难以向媒介物转化”[13]。从人这一角度来看，媒介是人的延伸无疑是成立的。因为人类有目的地使用技术物，是技术物转化为媒介物的前提，同时也是人类满足特定社会需求的手段。
然而，从智能媒介诞生的视角看，人是媒介的延伸。人工智能技术不会增强人类智能。人构成了智能媒介得以诞生的环境。遍布角落的传感器和随身携带的智能设备使人类成为智能媒介的感知终端和边界。智媒大脑在云端通过对人类行为数据的汇聚和分析，辅助和协调人类的内容生产、传播、交互、消费等行为。通过对人类群体和个体的行为适配，达到协同和群智的效果。进一步来看，人工智能技术产品并非单一功能的技术机器、也非具体的某个平台界面，而是由广泛分布、相互独立、协同调用的模块组合而成。这些模块可以是网络基础设施、软件系统、智能体、传感器网络以及人类及其操作行为等多种形态。它们的构成生动演绎了德勒兹的根茎式组装的媒介本体论。面对智能化媒介产品，人们不需要问“什么是”这种本质性问题，因为智能媒介产品在动态演化中，它并没有一个最终形态。人工智能技术向智能媒介的转化，并非向传媒媒介那样需要人类的促动。这一转化过程具备一定的自我组织和自我转化的能力。人类与人工智能技术产品“拼图”上的其他元素一样互为媒介。人类成为智能媒介的媒介，并由此成为自身的媒介。
4.3. 实践层面：智能媒介应用带来不确定性
智能媒介在满足人们个性化需求的同时，其自反性也为应用带来诸多不确定性。智媒平台的开放性带来了内容生产的大众化。充斥各类自媒体平台的资源大部分是由非专业人士和人工智能程序共同生产。这为内容真实、准确的要求带来挑战。利用深度伪造技术制作的名人虚假言论视频，借助自媒体平台广泛传播会对人的认知造成更严重误导。美国新闻可信度评估与研究机构在2023年底发布的一份报告称“人工智能正在成为下一个‘错误信息超级传播者’”。世界经济论坛2024年年初公布的《全球风险报告》中指出人工智能生成的错误和虚假信息成为人类世界在短期内要面对的头号风险[14]。
此外，在大数据时代，个人信息几乎无处可藏，无论是虚拟的媒介空间还是布满各类传感设备的社会空间，个人数据的获取和分析变得无孔不入。大部分数据采集分析甚至是在用户不知情的情况下进行。此外，随着数据分析能力的提升，平台能够以无法想象的方式汇聚和分析数据。在此过程中，隐私保护变得更加困难。例如健身追踪应用Strava发布了一张显示用户活动的全球热图。却无意间泄露了有关冲突地区军事人员和基地位置的敏感信息。这一事件表明，看似无害的数据加工可能会对隐私产生严重影响。
再者，算法“黑箱化”运算过程使结果的公平性、可解释性、可审查性面临挑战。当技术以隐藏方式只向用户提供输出结果时，决策过程的透明性就成为一个现实问题。智能媒介算法不透明已经带来了一些危及公平性的重要事件。如有研究发现大多数人脸识别算法对男性面孔的识别优于女性，简历自动筛选系统会因性别、种族等属性而给出带有偏见的评测、购物平台根据用户购买记录进行价格歧视等。
更进一步，传统媒介监管和治理体系无法适应智能时代媒介监管需求。首先，面临多元的监管对象。动态组装、个性演化的智媒产品涉及多类型用户和不同公司产品。这超出了传统媒介审查对象和范围；其次，算法黑箱增加了审核和监管的难度。最后，面临动态的审核内容。数据和模型通常是先于监管而存在。比如训练大模型所用的数据、智能媒介平台利用爬虫获取网络公开数据等。传统的面向具体内容和问题的审查无法对这些内容进行动态监控。
5. 不确定性的规制——智能媒介伦理可供性的生成
从可供性视角来看，智能媒介伦理可供性是破解智能媒介应用后果不确定性的一个可行路径。具体来说：
首先，形成动态演进、情景适应的媒介伦理准则体系。智能时代媒介伦理准则的生成既需要自上而下的哲思和辨析，也需要自下而上的调查和众包。自上而下的伦理构建方式具有操作性强、解释性强的特点，人工智能体的道德规范由人类设定和执行，保证了统一性和可解释性。而自下而上的伦理构建方式考虑到智能媒介伦理体系的复杂性、丰富性和情景性，为人工智能体提供一个可以主动学习道德能力的伦理环境，以保证人工智能体具备计算能力去适应不同的环境，从而能够在复杂的情形下正确行动。
其次，提供人与智能媒介互动的伦理风险分析界面呈现。生成伦理准则是智能媒介伦理可供的基础。伦理感知与实践还需要借助界面使用户直观理解和感知到智能媒介结果生成、推送等背后的基本过程、原理、结果的适用范围和可能存在的不准确性、隐性风险等问题。这样会增加系统内容生成和推送的透明度、可解释性以及为用户选择提供依据。
最后，借助伦理双向可供，实现敏捷治理。对于用户、平台、监管部门等不同用户，提供不同类型伦理风险分析界面，并通过允许使用者在交互界面中对发现的伦理风险问题进行反馈、追踪以实现伦理风险的过程性监测。同时，通过允许用户对智能媒介生成的内容采取接收、拒绝等行为实现风险提示和预防。此外，通过用户在伦理风险分析界面上的不同互动操作和反馈信息的汇聚和分析，智能媒介算法可以不断提升智能体识别伦理风险的能力。
基金项目
本文系教育部人文社会科学研究一般项目“教育人工智能伦理风险感知的影响因素及其作用机制研究”(项目编号：23YJA880007)的阶段性研究成果。