【主持人语】2024年，诺贝尔物理学奖、化学奖授予人工智能（AI）科学家，被外界普遍认为是对人工智能赋能科学研究（AIforScience，AI4S）的认可。同时，这也激励了学术界探索人工智能赋能社会科学研究（AIforSocialScience，AI4SS）的热情。甚至有些AI专家认为，人工智能赋能社会科学研究的前景将比赋能自然科学研究更大。如何从认识论、方法论层面审视AI4SS？AI4SS究竟会给人文社会科学研究带来什么突破，将如何改变各具体学科的面貌？AI4SS的大规模流行，可能产生何种问题或风险，又该如何应对？类似问题，近来已经引发诸多热议。本次笔谈聚焦“人工智能赋能社会科学研究（AI4SS）的跨学科反思”，从哲学、马克思主义理论、经济学、法学、新闻传播、艺术学以及数学、人工智能等进行跨学科研究，抛砖引玉，以期推动该领域研究的进一步发展。（刘永谋）

　　AI生成影像将编码过程内化于深度神经网络的黑箱之中，通过对海量视觉数据的概率建模，以统计拟合直接作用于感知层面。这一拟合在接受端系统性地消除了感知阻力，使受众的认知框架向低摩擦、高同质性的方向持续收窄；在生产端则将具身性创造实践压缩为提示词交互，两端经由媒介生态的循环反馈相互强化，共同加速了具身性的消解。值得警惕的是，当影像不再承载经验性判断，而仅输出概率化的视觉模式，受众区分经验记录与统计生成的感知辨别力也将趋于弱化，影像作为人类经验之记忆与表达载体的基本功能或将面临不可逆的结构性危机。

　　生成式AI视觉内容的生产规模正在经历急剧且持续的膨胀。据Adobe在2025年MAXLondon大会上公布的数据，其旗下生成式AI工具Firefly平台自2023年3月上线以来，累计生成的视觉内容已超过220亿件，其中涵盖图像、视频和矢量图形；到2025年6月，这一数字攀升至240亿件以上。这仅仅是一个商业平台的产出，更为广泛使用的Midjourney、StableDiffusion、DALL-E，以及中国国内的即梦、可灵等工具的生成量尚未计入。在中国，截至2025年6月，生成式AI整体用户规模已达5.15亿人，普及率为36.5%,其中视觉内容的生成已成为重要的使用场景，近三分之一的中国网民使用过AI制作图片或视频。一系列数据与调研显示，生成式视觉内容正在从工具性的辅助角色转变为日常内容生态的结构性组成部分。

　　2026年4月，OpenAI发布ChatGPTIm-ages2.0模型，进一步验证了人类区分AI生成影像与真实照片的准确率已趋近随机猜测水平。当生成规模持续膨胀而感知辨识同步失效，AI生成影像已然超越了对现有视觉秩序的补充或干扰，开始从内部改变影像生产、接受和积累的基本方式。这一改变的核心在于，AI生成影像以概率建模与统计拟合取代了经验性判断，直接作用于感知层面而非意义层面。当这种拟合足够成功，影像便不再需要承载意义即可被接受，不再需要记录经验即可获得视觉上的可信性。本文试图追问这一转变的深层影响，并借助神经媒介性（Neuromediality）等理论，从感知接受、创作生产与内容生态三个层面展开分析。

　　一、注意力经济、生成式影像与神经媒介性的理论前提

　　影像作为一种技术性视觉媒介，其形态在近两个世纪的演变中经历了巨大的分化。从摄影的静态记录到电影的时间叙事，从逐帧手绘的动画到数字环境中的计算机生成图形，影像的技术基底、视觉形态与表意机制在不同的媒介分支中呈现出显著差异。然而，这些差异存在一个共同特征，即影像在其生产过程中始终受到人类主体经验性判断的深度介入与结构化组织。这种经验性判断不仅受创作者的灵感或天赋等主观因素的影响，更是一种基本的构成条件，即影像之所以呈现为某种样态，在每一个具体的决策节点上，都可追溯到一个人类主体基于其积累的经验所做出的判断。摄影师对快门时机的选择和对构图边界的裁定，是在拍摄现场的感知情境中做出的即时判断；电影导演对素材的取舍、对镜头衔接节奏的编排，是在漫长的制作过程中反复权衡的结构性决策。贯穿媒介形态差异的是一个共同的深层事实，即在生产过程的每一个环节，始终存在着至少一个以自身经验介入并进行结构化产出的人类主体。

　　经验性判断并不仅仅是影像生产的事实性条件，同时也构成了影像得以承载意义的基础。一切视觉经验都发生在当下，并在发生的同时流逝而去，影像技术的文化意义正在于它能够将这种流逝的经验以符号化的方式固定于某种媒介之中，使之获得超越原初时空的传播性。但影像所保留的从来不是经验本身，而是生产者的经验性判断作用于技术过程时所留下的印记，即对各种可能性中某些特定选项的选择、对时间流的特定截取与重组、对视觉元素之间特定关系的建立。这些印记赋予影像以超越视觉表面的符号深度，构成了一个多层级的符号结构，而观众观看影像时，所面对的正是这一结构。意义的获取要求观看者穿透视觉表面，对生产者的经验性判断所编织的符号关系进行持续的解码。

　　南希・凯瑟琳・海勒斯（NancyKather-ineHayles）将这种认知模式界定为“深层注意力”（deepattention），即对单一对象的长时间持续专注，它构成复杂意义建构活动的认知基础。影像所承载的意义分布在叙事的时间绵延之中，嵌入构图、剪辑节奏与视听配置的层级关系之内，其解码本质上是一个时间性过程。在这个意义上，深层注意力是与影像内在符号产生深度共鸣的重要认知条件，深层注意力的削弱必然意味着符号文化功能的衰减。

　　影像在其生产过程中凝结的多层级符号结构，一方面要求观众以持续的认知投入对其进行解码，另一方面也使影像承担起超越即时感知的文化功能。斯蒂格勒（Ber-nardStiegler）将影像等外部记忆载体概念化为“第三持存”（tertiaryretention），以区别于胡塞尔提出的第一持存（感知）与第二持存（记忆）。第三持存的意义在于，它使人类经验不再仅仅依赖个体的生物性记忆，而能够借由技术物的中介参与集体记忆的形成与文化意义的代际传递。影像在生产过程中凝结了人类主体的经验性判断，观众可以通过解码这些判断所编织的符号结构，回溯到一种可辨识的人类经验组织方式，在阐释中重新激活被固化的意义。由此可见，经验性判断的构成性在场、深层注意力与第三持存三者之间构成一个相互依存的结构。经验性判断的在场为影像提供了可解码的符号深度，深层注意力为这一解码提供了认知上的实现条件，第三持存则将解码所获得的意义经验沉淀为可传递的文化记忆。这一结构的完整运作，是影像作为人类经验之记忆与表达载体的基本条件。

　　然而，这一结构并不具有超历史的稳定性，它始终受到媒介生态的制约与塑形。伴随数字媒介技术的扩散与信息生产规模的急剧膨胀，一种新的结构性压力逐渐成形。戈德哈伯（MichaelGoldhaber）将其概括为注意力经济的逻辑：在信息过剩的条件下，注意力成为真正稀缺的资源，媒介系统的竞争因此围绕注意力的捕获与保持展开。这一逻辑在推荐算法与平台分发机制中十分明显，并催生了以高密度感官刺激为核心、依托算法进行规模化分发的碎片化视听内容。其接受模式对应于海勒斯所描述的另一种认知状态，即“超级注意力”（hyperattention）,在多重信息流之间快速切换、偏好高刺激输入。两种认知模式在当前媒介生态中共存，但在注意力资源有限的前提下，深层注意力所依赖的持续性解码机制始终处于被消解的态势之中。斯蒂格勒将这一趋势的文化后果概括为“象征性贫困”（symbolicmisery）：当文化工业以标准化的方式大规模生产符号产品，个体参与意义建构的空间被持续压缩，感性经验趋向同质化。

　　在这一媒介生态背景下，以生成对抗网络、扩散模型为代表的生成式算法技术实现了高效发展与广泛应用。AI生成影像通过对海量视觉数据的概率建模，实现端到端内容生成，生成过程本身不再依赖对物理现实的光学记录，也不以符号解码与意义积累为运作逻辑，而是以视觉上的拟合直接作用于感知层面。拟合是指统计学意义上的逼近，生成与训练数据中的视觉模式高度一致的输出，其优化方向指向感知上的可接受性，而非意义上的可阐释性。这一技术演进与注意力格局的变迁共同指向两个相互关联的趋势，一是受众接受影像信息的模式由深度理解向感知响应的转移，二是影像生产对人工介入环节的系统性压缩。就第三持存而言，传统影像所固化的是具体的人类经验，而AI生成影像则将大量经验压缩为统计参数，输出提取后的概率化视觉模式。由此，技术物与人类经验之间的关系发生了结构性变化。

　　当媒介的运作逻辑从意义积累转向概率建模，媒介与受众神经感知系统之间的关系也随之发生结构性变化。约尔格・芬格胡特（JoergFingerhut）提出的“神经媒介性”概念为理解这一变化提供了重要的分析框架。芬格胡特借鉴预测加工（PredictivePro-cessing）理论，强调媒介物与神经预测系统之间并非单向的刺激—反应关系，而是通过“人工习惯”（artifactualhabit）形成动态的双向耦合。人工习惯是指受众在长期与特定媒介形态的交互中形成的感知预期与加工模式，例如电影观众会逐渐内化蒙太奇的叙事逻辑，形成对镜头切换、节奏变化与空间转场的预测性框架，这一框架反过来又塑造他们对新影像内容的感知方式。基于这个理论框架，媒介技术的变革所改变的不只是人们看到什么，而是人们如何看，即感知系统的预测性编码框架本身在媒介环境的变迁中被持续重塑。

　　AI生成影像在这一分析框架中的特殊性在于，它在技术层面即概率意义上的生成模型与人类神经预测系统之间存在同构关系，两者都以概率建模为核心运作机制，都以最小化预测误差为优化方向。传统媒介物与受众之间总是包含一定程度的张力，文学要求读者调动想象以弥合文字与意象之间的间隙，电影要求观众适应导演个人化的视觉语法，动画以其风格化的造型激发观众在真实与变形之间的感知协商。这些张力正是人工习惯得以形成与更新的动力来源，也是感知系统在与媒介物的反复协商中保持自身可塑性的条件。当媒介物本身就是一台概率机器，它输出的是统计学意义上“最可能被接受”的视觉模式，这一耦合关系便被推向了一种新的临界状态：媒介物与感知系统之间的张力趋于消弭，耦合不再是需要主体去适应和协商的动态过程，而是趋向一种无摩擦的拟合。

　　二、无缝性、光滑美学与感知结构的重塑

　　AI生成影像的技术优化目标指向感知上的可接受性，而非意义上的可阐释性。这一目标差异深刻地塑造了AI生成影像的视觉形态与认知效果。在视觉层面，这一逻辑的集中表现是高度的无缝性（seamlessness），即消除一切可被感知为异常的视觉间断。扩散模型通过逐步去噪的方式生成影像，每一步去噪都是对噪声图案中潜在视觉结构的概率性提取，最终输出的影像在纹理连续性、色彩过渡、空间一致性等维度上达到人类难以辨别的程度。这种无缝性并非传统意义上的逼真。比如说，摄影的逼真建立在与物理现实的索引性关联之上，是现实经由光学过程留下的物质痕迹，但AI生成影像的无缝性则建立在对人类视觉感知模式的统计学拟合之上，它不是再现现实，而是拟合感知。两者在视觉效果上可能难以区分，但在本体论层面上指向截然不同的生产逻辑与意义结构。

　　这种无缝性与韩炳哲（Byung-ChulHan）对光滑美学（theSmooth）的批判不谋而合。当代文化正经历一场全面的光滑化运动，从杰夫·昆斯（JeffKoons）抛光的钢铁雕塑到智能手机的触控界面，从社交媒体上经过滤镜修饰的自拍到消费品设计中对一切棱角与粗糙感的系统消除，光滑已成为当今时代的标签。光滑远超任何一种风格趋势。光滑之所以令人愉悦，是因为它不造成任何伤害，不产生任何抵抗，它呈现的是一种纯粹的积极性，一种经过打磨的、无棱无角的表面，将一切可能引发不适、摩擦或认知阻力的要素预先排除。这种对阻力的系统性消除在深层上构成了对否定性的全面排斥，使主体不得不面对不可同化的他者，不得不在抵抗中重新调整自身感知框架与意义结构。没有否定性的介入，感知便退化为一种无须协商的表面滑行，主体在流畅的愉悦中丧失了与世界发生深层理解的能力。

　　神经媒介性理论为理解这种感知变迁提供了认知科学的解释框架。在预测加工理论看来，感知系统主动基于先验模型生成对未来感觉信息的预测，感知的核心过程是预测与实际输入之间的误差信号（predictionerror）的处理。当预测与输入高度匹配时，误差信号最小化，感知系统处于平稳运行状态；当二者发生偏差时，误差信号增大，感知系统需要进行调整，要么修正预测模型以适应新的输入模式，要么主动搜索符合既有预测的环境信息。神经媒介性概念的核心贡献在于，正是在这一持续的误差处理与模型更新过程中，人工习惯得以形成与演化。受众通过与特定媒介形态的反复交互，逐渐建立起与该媒介特征相匹配的预测性编码框架，这一框架既是媒介对感知系统的塑造结果，也反过来规定了受众此后如何感知和处理同类媒介内容。

　　这一机制应用于AI生成影像的分析，可以揭示无缝性在感知层面造成的深层后果。由于AI生成影像的输出已经被优化为在统计学意义上最能被人类感知系统接受的视觉模式，它倾向于系统性地最小化预测误差。这意味着受众在接收AI生成影像时，其感知系统处于一种低误差、低调整需求的运行状态。短期来看，这带来的是感知上的流畅与愉悦，正是光滑美学中无摩擦的快感在感知层面的实现。然而，长期浸泡在这种低误差环境中的后果远超获得的愉悦感。感知系统的预测模型通过不断处理误差信号来更新自身，误差信号既是系统需要消除的对象，也是推动模型演化的动力来源。当误差信号被系统性地最小化，预测模型的更新动力也随之减弱，人工习惯趋向固化，感知系统在与媒介物的交互中逐渐失去了保持自身可塑性的条件。

　　由于生成模型的优化方向始终指向训练数据中概率最高的视觉模式，其输出自然会趋向对现有视觉经验中统计主导模式的复现与强化。人物形象趋向刻板化的审美类型，面部特征、身体比例与表情模式被缩减到训练数据中高频出现的狭窄区间；视觉构图趋向模式化，色彩关系趋向经过反复验证的高接受度组合。那些在统计分布中处于边缘位置的视觉形态，例如非主流的身体特征、陌生化的构图策略，以及带有文化特殊性的视觉元素，都会因为概率权重较低而在生成过程中逐渐边缘化直至消失。受众在持续接收这类输出的过程中，其预测性编码框架会逐渐以这些统计主导模式为基准进行校准，对偏离这些模式的视觉形态的容纳能力随之下降。审美判断由此趋向一种狭隘的一致性，感知系统不再适应多样性与异质性，而是走向偏好同质性与可预测性。光滑美学中否定性的消除，与预测加工理论所描述的误差信号最小化，在此形成了一条共同的认知回路，这一回路持续地重塑着人工习惯。

　　就记忆机制而言，这种感知结构的重塑具有深远的后果。传统影像之所以能够在受众的记忆中留下深刻印记，部分原因在于它们提供了某种感知阻力。叙事的复杂性要求持续的认知投入，意义的多层性要求反复观看与重新阐释，正是在主体与媒介物之间的反复协商中，影像所生成的感知经验得以超越即时的感官印记，转化为深层的、可供回溯的记忆痕迹。人工习惯之所以具备价值生成的能力，正是因为它使受众与影像之间形成了一种携带价值负载的深层关联，这一关联构成了记忆得以沉淀的认知条件。当媒介不再提供需要主体去适应和协商的感知阻力，当影像的接受过程被优化为一种近乎无摩擦的感知滑行，这种价值负载的深层关联便失去了基础。影像所生成的记忆更多地停留在即时层面，难以转化为可供反复回溯与重新阐释的深层经验。

　　三、生产者身份的分布式解构

　　传统影像的生产者，无论是摄影师、电影导演还是动画师，都在与媒介工具的长期交互中形成了一套具身性的创造能力。摄影师通过多年的实践积累对光线、构图与快门时机的直觉性把握，电影导演通过反复的拍摄与剪辑形成对叙事节奏与视觉语法的身体化理解，动画师更是长期浸淫在手与眼、手与笔的训练与工作中。这些能力是在主体与特定媒介工具的长期适应性交互中逐渐沉淀的身体化实践，对应神经媒介性框架中人工习惯在生产端的形态。媒介技术的物质性虽然约束生产者所占据的位置，然而正如弗里德里希·基特勒（FriedrichKit-tler）在媒介物质主义中所反复强调的，技术有其独立于人类意志的自身发展逻辑,人在媒介系统中始终是功能节点，而非绝对的主人。在传统影像生产中，生产者可以通过与媒介工具的长期交互，将这一节点位置转化为具身性的创造实践，通过身体操作将意义刻入媒介物质。这种具身性的实践能力构成了传统作者身份的物质性基础。

　　AI生成影像的介入使这一关系发生了根本性的改变。影像生成过程的内部运作，从噪声的初始化到潜在空间中的迭代去噪，从注意力机制的运算到最终像素的输出，对生产者而言都是一个不透明的黑箱过程。生产者与生产过程之间的交互被压缩为自然语言提示词的输入与视觉输出的接收这两个端点，中间环节的具身性操作被清除。生产者由此从一个与媒介工具进行具身性交互的创造主体，转变为输入提示词的触发节点，影像生产者从创造者向操作者的身份滑移。

　　由此，传统作者身份所代表的单一生产主体被解构，根据人类经验性判断在生产过程中的介入程度与方式，作者身份在纯人类创造和机器主导生产两端之间游移不定。

　　表1体现了各模式之间生产过程与构成性条件的质性分野。从纯人类创造到工具辅助创造，经验性判断的介入方式发生了变化，但其构成性地位未被动摇；从人机协同创造到机器主导生产，变化的不仅是介入方式，而是经验性判断在生产过程中是否仍然占据构成性的位置。AI生成影像的特殊性在于，它使作者身份加速向机器主导的一端滑移。例如，在商业性视觉内容领域，大量电商平台的产品展示图、社交媒体广告素材与营销视觉内容已转向由文生图工具批量生成，生产者的工作从拍摄、布光与后期修图转变为提示词的编写与输出结果的筛选。又如，在影视制作领域，2025年发布的由AI完整生成的短片与广告已不在少数，部分作品从分镜设计到最终画面输出全程由生成模型完成，人类的介入被限定在前期的文本描述与后期的质量把关。对个人创作者来说，像Midjourney、StableDiffusion这类工具，已经让文字表达主导影像生成。普通用户只需几秒就能生成一幅视觉内容，过去需要专业摄影师或插画师付出数小时乃至数天的努力，由此，影像生产的专业门槛在技术上几近消除。这些现象共同表明，机器主导的生产模式正在从实验性的技术展示迅速扩展为日常影像生态的组成部分。

　　表1：作者身份在人机关系谱系中所具有的生产特征、典型主体和理论内涵

　　在神经媒介性的框架下，这一光谱的滑动意味着一种特定类型的人工习惯正在生产端经历系统性的消解。传统影像生产中的人工习惯，如摄影师对暗房工艺的身体记忆、导演对胶片质感的直觉性感知，都是在主体与特定媒介工具的长期交互中形成的。这种习惯的形成需要时间的沉淀、身体的投入以及反复的失败与调整，它们不是通过语言指令传递的显性知识，而是嵌入身体图式的体认。当AI将影像生产的核心环节从身体性操作转化为语言交互，这些需要长期具身实践才能积累的人工习惯便失去了立身之所。知识蒸馏研究提出，复杂模型中蕴含的知识远不止于最终的正确输出，更包括对错误答案的概率分配所暗示的丰富关联结构。同样，具身性的创造实践所承载的，除了最终的视觉产出，还有在漫长学习中积淀的感知敏感性、审美直觉与对材料特性的身体化理解。当影像生产被压缩为提示词输入，这些丰富的知识便在生产流程的简化中被系统性消除。

　　这一生产端的消解与前文所论的接受端感知结构的重塑是同一过程的两个面向。在接受端，光滑美学消除了感知阻力，使受众的预测性编码框架向低摩擦的方向持续校准；在生产端，AI将具身技能转化为语言指令，影像生产过程从身体性操作退化为语言交互。二者通过媒介生态的循环反馈相互强化。当光滑成为接受端的默认预期时，生产端进一步以算法优化迎合这一预期，而生产端具身性的削弱，又使那些依赖个体经验才能生产的、带有粗粝质感的影像形态在源头上被排除。光滑的接受预期催生光滑的生产导向，光滑的生产导向又进一步巩固光滑的接受预期。媒介生态由此趋向一种悖论状态：表达工具日益丰富，而内容质感日趋单一。

　　四、结构性稀释与第三持存空洞化

　　AI生成影像大幅降低了影像生产的成本与门槛，其直接后果是内容供给规模的急剧膨胀。在注意力资源有限的约束下，这一膨胀并未拓展受众的意义获取空间，而是加剧了意义供给与注意力分配之间的错位。单位注意力所能分配给单一影像的时间与认知资源持续减少，影像作为意义载体的功能从根本上被削弱。意义不再因稀缺而获得重视，而是因过剩而趋于贬值。但与经济学中通货膨胀的类比不同的是，影像意义的贬值不仅是一个量化的分配问题，更涉及意义本身的质性退化。

　　这一质性退化的深层机制在于人工习惯的形成条件的瓦解。一张深具历史意义的新闻照片之所以能够成为集体记忆，并非仅仅因为它记录了某一事件，而是因为它在传播、阐释和代际传递的过程中与受众的感知系统形成了稳定关系。人们在反复观看、讨论、引用这张照片的过程中，围绕它形成了特定的感知预期、情感联想和意义框架。当影像的供给量激增而单位影像所获得的注意力骤降时，这种稳定关系的形成条件便被瓦解，影像难以从即时的感官刺激转化为持久的文化记忆。

　　与此同时，第三持存与人类经验之间的内在联系正在崩裂。传统影像作为第三持存所承载的是人类经验的符号化沉淀，观众可以通过影像回溯到经验的原点，在阐释中重新激活意义。AI生成影像则将大量经验压缩为统计参数，输出的是概率化的视觉模式，而非特定人类遭遇的符号化记录。当这类影像与传统影像在公共视觉空间中混杂流通，观众越来越难以判断哪些影像源于真实经验、哪些是概率化的视觉投射。这种不确定性构成了对集体记忆的侵蚀。

　　从神经媒介性的视角审视，第三持存的空洞化具有更为深远的含义。如果媒介物与神经感知系统之间的耦合关系决定了受众“如何看”世界，那么当主导性的媒介物从承载人类经验的符号化沉淀转变为概率分布的视觉输出，受众关于世界的预测性编码框架也将发生相应的调整。在一个由AI生成影像日益主导的视觉环境中，受众的感知系统可能逐渐适应将“概率上最优的视觉模式”等同于“真实的视觉经验”，这种适应一旦完成，区分经验记录与概率输出的认知能力也将趋于弱化。这意味着，第三持存空洞化的最终后果，是媒介作为人类经验之记忆与表达载体这一基本功能的结构性弱化，以及受众维持这一功能所必需的感知辨别力的不可逆的消损。