新書推薦：
《
揉碎浪漫（全两册）
》
售價：HK$
70.3
《
古籍善本
》
售價：HK$
537.6
《
人民币国际化报告2024：可持续全球供应链体系与国际货币金融变革
》
售價：HK$
87.4
《
道德经新注 81幅作者亲绘哲理中国画，图文解读道德经
》
售價：HK$
143.4
《
清俗纪闻
》
售價：HK$
98.6
《
镜中的星期天
》
售價：HK$
76.2
《
世界前沿技术发展报告2024
》
售價：HK$
188.2
《
可转债——新手理财的极简工具
》
售價：HK$
65.0
|
| 編輯推薦： |
紧跟前沿科技动态：
ChatGPT带来的技术浪潮持续席卷社会各行各业，我们每个人也被技术追赶的脚步持续提醒着思考人与技术的关系，人们需要在这个ChatGPT不断引发关注，但也仍亟待完善的阶段，紧密追踪和深入剖析技术对于每一个领域的影响。传播发生在每个人每天生活中的每个方面，掌握新技术对传播的影响，往往就是意味着理解了技术如何影响时代脉搏的跳动节奏。洞察传播学范式变更的重要性不言而喻。尽管学术界是一个相对封闭的稳定圈子，但传播的触角已经延伸至社会的每个角落，社科学术的各领域新发现都难免带有传播技术嬗变的痕迹，因此也需要对其加以持续关注。
作者重磅权威：
作者喻国明为传播学领域的重要学者，在传媒经济、认知神经传播学等领域深耕多年、积淀厚重，其新作往往是新闻传播学界的重要关注对象，作者在传播学领域的学术影响力和号召力将使得这本新书成为又一本*读书。喻国明是北京师范大学新闻传播学院教授、博士生导师、北京师范大学传播创新与未来媒体实验室平台主任，国内传播学领域最知名的专家之一，第七届国务院学位委员会新闻传播学学科评议组成员、北京市社会科学联合会副主席、中国新闻史学会传媒经济学专业委员
|
| 內容簡介： |
|
本书深入探讨了AIGC传播时代媒介的变化、人机互动的变化与人的变化。生成式AI的核心技术引发了内容生态、媒介行业的升级。在此情景下，传播内容与形式的更新依托于生成式智能技术，进而凸显了认知的重要性，产生了新的认知竞争。认知成为衡量传播影响力的重要因素，如何实现认知的“破圈”也成为了传播的关键点。未来的传播转型需要着眼于认知竞争，不断拓展认知带宽与价值带宽，重塑用户使用体验。生成式智能技术的影响投射于传播学领域，表现为行为传播学的价值进一步提升，成为传播学科未来发展的重要趋向。在元宇宙与生成式智能技术的加持下，行为传播学的研究更为迫切，生成式智能技术也为这一领域的研究提供了更充分的条件和更活跃的动力。本书提供了生成式智能时代的传播实践生态和传播学术研究的导航和概览，并且在认知这一关键因素方面具有突出特色。
|
| 關於作者： |
|
喻国明，***长江学者特聘教授、第七届国务院学位委员会新闻传播学学科评议组成员、北京师范大学新闻传播学院学术委员会主任、北京师范大学传播创新与未来媒体实验平台主任。我国传播学实证研究的领军者、传媒经济学的奠基人及认知神经传播学的开创者之一，其著作有《游戏与元宇宙》等。
|
| 目錄：
|
第一部分｜生成式 AI 的崛起
第一章? ChatGPT：生成式AI掀起浪潮
第一节? ChatGPT是什么
第二节? ChatGPT开启智能互联时代
第三节? ChatGPT对于人的又一次重大的赋能赋权
第四节? ChatGPT影响传播生态和传播者角色转变
第五节? AIGC传播时代社会与传播的治理之道
第二章? 生成式AI引发传播革命与媒介生态的重构
第一节? ChatGPT在拟真和功能维度步入全新阶段
第二节? ChatGPT核心技术的三个关键词
第三节? 三重维度激发传播领域变革
第四节? AIGC传播时代传播与社会的治理之道
第三章? 生成式AI趋势下智能互联的新特点、新机制与新趋势
第一节? 开启智能互联时代的里程碑
第二节? 智能互联时代的新特点
第三节? 智能互联时代的新机制
第四节? 智能互联时代的新趋势
第四章? 生成式AI浪潮下内容生产的生态级演进
第一节? 生成式AI内容生产的关键要素
第二节? 生成式AI内容、权力与价值逻辑的升级
第三节? 媒介内容生产与传播生态的协同演进
第五章? 未来内容生产者的身份转变与逻辑重构
第一节? 提示工程师诞生的必然性、偶然性、适应性
第二节? 在历时性和共时性层面的媒介变革与权力赋予
第三节? 协同视域下提示工程师与新闻业的关系演进与身份转变
第四节? 生成式AI浪潮下新闻工作者的逻辑重构
第六章? 生成式AI对重要传播内容的生态赋能与价值迭代
第一节? 生成式AI型塑短视频信息新生态
第二节? 基于知识媒介生成式AI赋能的质性描述
第三节? “资源-竞争-繁衍”：短视频价值迭代的逻辑架构
第四节? 生成式AI短视频发展的趋势和转向
第七章? 生成式AI浪潮下版权生态的态与势
第一节? 版权范式的时代转型
第二节? 以“知识元”为核心的版权图谱
第三节? 整体观与过程观下的版权价值衡量体系
第四节? 价值回报形式和价值分配新途径
第二部分｜ AIGC 传播时代认知争夺的转向
第八章? 策略性传播范式的全新转型
第一节? “不战而屈人之兵”的认知竞争
第二节? “元传播”——传播范式变革的核心问题
第三节? 智媒技术与微粒社会重书传播规则
第四节? “刺激-认知-反应”的研究范式升维
第九章? 把握AIGC传播时代的脉搏
第一节? 未来传播影响力再探讨
第二节? 媒介生态变革下构建未来传播影响力的基本尺度
第三节? 未来传播的时空属性与个体认知结构的耦合
第四节? 未来传播的关键点在于实现认知“破圈”
第十章? 认知带宽：AIGC传播时代用户洞察的新范畴
第一节? 个性化传播时代与个性化媒介效果研究范式
第二节? 认知带宽的概念
第三节? 认知带宽的评价方式与影响因素
第四节? 认知带宽的研究议题与研究指标
第十一章? 元宇宙视域下认知竞争逻辑的重塑
第一节? 媒介社会中认知资源的有限性与信息无限性的矛盾
第二节? 中介化视角下个体带宽与媒介的关系
第三节? 认知竞争逻辑下信息加工与个体带宽的匹配过程
第四节? 元宇宙时代智能技术与个体带宽的耦合
第十二章? 认知竞争时代的传播转向与操作策略
第一节? 认知竞争时代的传播转向
第二节? 认知竞争的操作路径解析
第十三章? 人们的媒介认知如何影响其媒介使用
第一节? 基于用户逻辑的媒介认知的三个维度
第二节? 媒介认知的全民偏向
第三节? 用户的媒介认知差异与使用差异
第四节? 情境适切指标与媒介使用行为
第十四章? 体验时代的传播转型
第一节? 体验时代：非理性认知逻辑的转型
第二节? 体验时代下认知形态的新特征
第三节? 体验时代下影响人们认知建构的路径
第十五章? “认知竞争”的关键性分析视角
第一节? 个体视角：注意资源有限性与社会认同
第二节? 媒介视角：深度媒介化与媒介赋权
第三节? 社会视角：超级个体的社会
第四节? 未来图景与可能范式
第三部分｜ AIGC 传播时代行为传播学的构建
第十六章? 行为传播学的学科价值、研究方向与关键议题
第一节? 传播话语的阐释危机
第二节? 传播学重构的思维转向
第三节? 行为科学的崛起启动传播学的重构
第四节? 社会发展逻辑下行为传播学的超学科构建
第十七章? 行为传播学：未来传播学学科构型的核心范式
第一节? 行为、行为研究及其与传播学的契合之处
第二节? 行为传播学的基本内涵、使命承载与研究路径
第三节? 行为传播学的基本分析维度及其系统性互构
第十八章? 元宇宙视域下传播行为的路径模型与拓展机理
第一节? 从社会演化的视角看待行为研究的进路
第二节? 传播环境的升维
第三节? 人类行为的演化
第十九章? 统摄性范式下的中层理论与范式补充
第一节? 问题的提出
第二节? 重构还是统摄
第三节? 范式统合从范例开始
第四节? 差异易感性媒介效应模型作为“问题-解答标准”
第五节? 行为传播学的研究方法
第六节? 行为传播学范式定位的传播研究
第二十章? 深度媒介化视域下的社会治理：基本范式与底层逻辑
第一节? 深度媒介化过程中社会涌现的新现象
第二节? 深度媒介化社会治理的困境
第三节? 深度媒介化社会治理的新逻辑
注? 释
后? 记
|
| 內容試閱：
|
AIGC传播时代理解传播模式的全新路径（节选）
技术的演进与范式革命开启智能传播时代
“通用人工智能”（artifificial general intelligence，AGI）也称“强人工智能”，指的是具有一般人类智慧、可以执行人类能够执行的所有智力任务的机器智能。机器可以实现智能，以人的思维方式去分析问题，提出观点。当下，通用人工智能的兴起促使聊天机器人不断更新演进，例如 ChatGPT 与“文心一言”的出现。与以往不同的是，这种对话式机器人捕捉的并非是人的生理数据，而是人类语言，并且通过大语言模型（large language model）的训练与人类对话。目前的聊天机器人可以遵循人类价值观，具有更多细节生成能力，可以拒绝回答知识范围外的问题，同时具有建模对话历史和进行上下文学习的能力。在应用方面，除了聊天对话，ChatGPT 的插件化特征将可能进一步赋能智能场景，加速社会其他领域在生产和消费模式方面的变化，成为迈向强人工智能的关键一步。
与技术发展一致的是，科学研究也在不断经历着范式革命。科学研究的目的是发现客观事实，总结客观规律。图灵奖获得者詹姆斯·尼古拉·格雷（Jim Nicholas Gary）用“四种范式”描述了科学发现的历史演变：第一范式被称为“经验范式”，它源于几千年前，基于对自然现象的直接观察。第二范式被称为“理论范式”，它探寻理论模型，例如牛顿运动定律和爱因斯坦的相对论。其往往用一个或多个表达式描述理论，但在很多条件下无法求解。第三范式被称为“模拟范式”。随着 20 世纪计算机技术的发展，第二范式得以在更广泛的情形下求解，从而产生了基于数值计算的第三范式。第四范式被称为“大数据范式”或“数据密集型范式”。21 世纪，算法、数据和算力成为人工智能的三大基石，在处理海量数据方面，机器学习成为第四范式的重要组成部分，它能够对大规模实验数据进行建模和分析。而随着深度学习和 ChatGPT 为典型代表的人工智能技术的发展，科学研究即将进入第五范式，即“人工智能范式”。
智能技术的演进令人对技术产生了一定意义上的畏惧感和恐慌感。以 ChatGPT 为代表技术的插件化在整合语义世界的同时，还能够介入其他世界，致使技术使用者和社会运作逻辑均面临全新的关系整合。从社会与技术互构的角度来看，为了应对技术革命对社会的全方位重构，在技术“狂飙”的表象下，也需要对技术的使用者和人与技术的关系重新展开梳理和反思。因此，在当下深度智能化的社会中，本书以人机关系为切入点，在分析技术可见性，即人工智能对信息传播秩序和范式的重构的基础上，进一步剖析人工智能重塑人类认知的不可见性，进而提出走向人机融合和技术伴随的思想，以及这种思想引导下的全新问题域。这一分析沿着“人-技术-世界”的逻辑框架，为智能传播时代重新理解媒介、人机交互以及人本身提供启发。
智能传播时代信息传播范式的重构
技术的发展路线
人工智能，简单来说就是通过模拟人类智能来解决各种问题。纵观人工智能的发展，迄今为止，人工智能已经历两落三起，从 1956 年达特茅斯会议开启人工智能的生长历程，而后第一次人工智能的寒冬袭来，1973 年的莱特希尔报告是这次低谷期的标志。这一报告虽然支持人工智能能够研究自动化和计算机模拟神经和心理的过程，却对机器人和自然语言处理等子领域的基础研究持严重怀疑态度。之后，随着神经网络的发展，自然语言和机器视觉起步，人工智能的研究在 20 世纪 80 年代进入第二次高潮。然而，由于第五代计算机研制失败，神经网络发展受阻，人工智能陷入第二次低谷期。1990—2010 年，人工智能的研究重心由知识系统转向机器学习。2011 年至今，数据量大幅增长，边缘计算、类脑计算的发展，以及机器学习、无监督预训练等研究都得到了突破性进展。
根据人工智能的不同发展程度，约翰·R. 赛尔（John R.Searle）将其分为弱人工智能（weak AI）和强人工智能（strong AI）。弱人工智能理论认为计算机是辅助人类开展实践的工具，而强人工智能理论则认为计算机拥有人脑的认知功能，是具有自我意识能够进行自主学习、自主决策的人工智能。强弱人工智能的区分在于是否具有意向性，是否具有类脑的意识，能够自主进行决策。在这样的技术划分下，ChatGPT 等聊天机器人远未达到强人工智能的范畴，目前还处于模拟人类语言和对话的思维能力层面。不过，其可以作为深度智能化的一种代表性产物，通过大语言模型朝着上下文学习、复杂逻辑推理能力方向发展，满足人类需求，通向强人工智能。
信息传播的范式重构
人工智能促进了智能互联时代的到来，使智能传播达到主流地位。过往中心化的传播模式在遭受互联网为代表的去中心化逻辑冲击后，进一步被智能逻辑所突破。这一突破颠覆了过去以公开或者半公开的信息和内容为特点的互联网应用模式，走向以数据和算法驱动的新模式，成为一种不再向大众公开、也无法通过搜索引擎抓取内容的“暗网式”大集市。
智能传播时代与大众传播时代的不同之处体现在其技术基础、媒介的连接尺度、传播场景的实现、内容生产机制、媒介的赋权机制及社会组织方式等方面（见表 0.1）。这些差异共同造就媒介进化的方向，即以人为尺度，不断丰富人的行动自由度，扩大人的实践半径，提升人的认知和情感体验，在广度和深度方面实现人的价值和需求。人工智能能够通过“私人定制”式的场景体验，结合大语言模型满足人在总体上的类属需求，同时附加算法工程师结合对人的微观考察满足“私享需求”，在连接尺度方面，走向细颗粒度的连接。并且，这种连接也包括“反连接”。在大众传播时代，个人对媒介信息的抵抗和“反连接”一般是通过信息回避、媒介使用的“间歇性中辍”和“算法抵抗”等方式被动地实现。“反连接”是一种情境性的需要。在智能传播时代，AIGC 以私人助手的身份与人对话，提供了一种价值的中间尺度和社会认知的参照系。在技术的功能可供性下，用户可以自主选择个人的价值偏好和叙事模式偏好，通过用户自身的媒介使用素养和理性判断能力避免生成信息茧房。
第一章 ChatGPT：生成式AI掀起浪潮（节选）
ChatGPT 是一项颠覆性的技术，问世短短两个月便吸纳了过亿的活跃用户，一举成为全世界热议的焦点，“出道即巅峰”。作为一名研究者，当这种大潮涌来时，既要有拥抱新生事物的热情和勇气，也不能随波逐流、失去学术逻辑的方寸。热现象、冷思考，要看到更深层次的逻辑变化和更高意义上的结构效应，以便为社会和时代的发展提供来自学界的独特视角和智慧，这也是学术界诸公的社会责任。我是做传播研究的，更多的情况下是从传播和传媒的角度解读 ChatGPT 浪潮下的传播革命与媒介生态，分析其到底会导致和引发什么样的革命性改变及生态级意义上的社会重构。
第一节? ChatGPT是什么
ChatGPT 比较准确的翻译是“生成型预训练聊天机器人”。它拥有语言理解和文本生成能力，能够通过连接大量的语料库训练模型，实现上知天文地理，下知世间万象的互动聊天，不仅如此，它还能完成撰写邮件、视频脚本、文案、代码和翻译润色等任务。
生成型
ChatGPT 在生成内容方面是把资料本身按照其逻辑关系进行重新梳理和整合。它生成的文本是有结构的，不是材料的堆积，同时这一结构与人类表达的语义越来越接近。ChatGPT 与以往的智能搜索工具不同，它具有内在的关联性，引入了关系范畴、关系变量，把内在要素甚至包括它与人的关系、与场景的关系都进行了相应的处理。也就是说 ChatGPT 呈现的内容是以一种结构化的方式呈现出来的。
预训练
“预训练”意味着 ChatGPT 通过深度学习这一底层的智能化技术，在人的干预之下，对海量的文本进行大量的训练学习。在这种训练学习当中，ChatGPT 不断提升自己的匹配能力和意义关系配置协同能力。
聊天型机器人
ChatGPT 的核心能力是卓有成效地运用了 RLHF（reinforcement learning with human feedback，即基于人类反馈的强化学习）。这一技术解决了生成模型的核心问题，即如何让人工智能模型产出和人类的常识、认知、需求、价值观尽可能匹配的文本。
基于 ChatGPT 的底层技术逻辑，它在中短期内功能性扩张的主要方向是：归纳性的文字类工作、代码开发相关工作、图像生成领域工作、智能客服类工作。有人把 ChatGPT 的这些功能表现个案说得神乎其神，似乎可以立即替代人的大部分认知和理解性的工作，其实是对于目前 ChatGPT 这种新型人工智能应用的误读。ChatGPT 本质上依托于一个参数量巨大的神经网络模型，其训练过程基于网上现有的语料，而这些训练数据本身良莠不齐，并不都是优质文本，因此有可能出现真假不分的事实性错误问题。此外，ChatGPT 给出的答案只是基于其理解生成的最佳结果，而其预训练存在知识盲区，且可能根据字面意思进行推理而出现“一本正经胡说八道”的现象。比如，自然语言理解困难之一是语境问题，缺乏上下文可能导致对语义的理解不准确，进而导致 ChatGPT 给出错误的文本输出。特别是对于常识的理解偏差的问题，这是由于 ChatGPT 基于大量文本进行预训练，而常识（比如“下雪不冷化雪冷”）通常不会直接收录在这些文本中，因此缺乏对常识的掌握，进而生成离谱的回答。换句话说，ChatGPT 目前所能替代的一些工作，主要是归纳性的，而不是创造性的。比如，ChatGPT 可以写好论文的文献综述，但真正要实现创新、创造，恐怕目前预训练的模式所能达到的高度还远不能望其项背。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
