算法敘事的傳播塑造與走向

當(dāng)下，生成式人工智能已深刻嵌入傳媒產(chǎn)業(yè)。《中國(guó)網(wǎng)絡(luò)視聽發(fā)展研究報(bào)告（2026）》顯示，截至2025年12月，中國(guó)網(wǎng)絡(luò)視聽用戶規(guī)模達(dá)10.99億人，微短劇單日使用時(shí)長(zhǎng)（129分鐘）已超越長(zhǎng)視頻。生成式AI正在驅(qū)動(dòng)敘事調(diào)整，敘事不再只是人的表達(dá)，而是人與算法協(xié)作的產(chǎn)物。敘事傳遞、空間生成和觀眾信息接收方式，正在發(fā)生深刻變化。算法敘事傳播的轉(zhuǎn)向，正在重新塑造人與信息、人與媒介之間的基本關(guān)系。

從設(shè)計(jì)走向算法涌現(xiàn)

在傳統(tǒng)電影中，空間服務(wù)于敘事。編劇寫場(chǎng)景，導(dǎo)演排調(diào)度，美術(shù)搭置景。觀眾依靠正反打、軸線規(guī)則、蒙太奇等穩(wěn)定的空間語(yǔ)法理解故事。這套程序保證了傳播的可預(yù)期性。然而，AI影像的生成方式與此截然不同，算法生成的雪山、森林、城市等場(chǎng)景，并不參照現(xiàn)實(shí)物理空間，而是通過對(duì)海量數(shù)據(jù)的學(xué)習(xí)與模式識(shí)別生成的虛擬景象。從技術(shù)上講，AI并非在“繪畫”場(chǎng)景，而是在向量空間中基于概率分布“定位”場(chǎng)景，通過統(tǒng)計(jì)特征模擬生成畫面。因此，上一幀是江南水鄉(xiāng)，下一幀可能突變?yōu)橘惒┒际校@是算法基于特征向量相似性的概率生成的結(jié)果，而非導(dǎo)演的刻意跳接。

傳統(tǒng)傳播依賴共享文化規(guī)則實(shí)現(xiàn)意義傳遞，而AI敘事以“概率鄰近性”取代“意義連貫性”。觀眾接收的內(nèi)容不再是創(chuàng)作者的可預(yù)判意圖，而是算法對(duì)用戶數(shù)據(jù)的實(shí)時(shí)響應(yīng)。敘事邏輯由此從意圖驅(qū)動(dòng)轉(zhuǎn)向數(shù)據(jù)驅(qū)動(dòng)，傳播的可預(yù)期性被打破。如快手AI短劇《山海奇鏡之劈波斬浪》由AI生成劇本、畫面與配音，人類導(dǎo)演僅負(fù)責(zé)提示詞與后期篩選。視頻生成技術(shù)給影視創(chuàng)作帶來(lái)無(wú)限想象力，但當(dāng)前AI短劇普遍存在“轉(zhuǎn)場(chǎng)太快”“邏輯跳躍”等敘事問題，平臺(tái)算法基于高完播率持續(xù)推薦，進(jìn)一步加劇了用戶對(duì)敘事的碎片化觀感。在沉醉于AI帶來(lái)變革的同時(shí)，我們需要深入探究數(shù)據(jù)驅(qū)動(dòng)的敘事調(diào)整，將對(duì)社會(huì)情感和公共輿論產(chǎn)生何種影響。

從線性敘事走向碎片化參與

敘事的連續(xù)性構(gòu)成內(nèi)容可理解的基礎(chǔ)。空間統(tǒng)一讓觀眾知道“我在哪里”，時(shí)間推進(jìn)讓觀眾理解“前因后果”。算法分發(fā)正在解構(gòu)這種連續(xù)性，并同步重塑觀眾的角色。算法從大眾傳播轉(zhuǎn)向精準(zhǔn)觸達(dá)，同一作品在不同用戶的信息流中呈現(xiàn)不同樣貌。算法推動(dòng)短視頻形成“文本鏈”，用戶、算法、文本共構(gòu)意義，內(nèi)容被不斷拆解、重組、再語(yǔ)境化。短視頻平臺(tái)上的一條影視片段經(jīng)過評(píng)論、二度創(chuàng)作后，原敘事意圖可能被徹底改寫。這種敘事節(jié)奏更快、可組合性更強(qiáng)，但敘事的一致性被弱化，觀眾的理解成本增加，傳播意圖與解碼之間的損耗顯著上升，碎片化追劇使觀眾的角色從敘事參與者轉(zhuǎn)變?yōu)橐曈X瀏覽者，他們不再關(guān)心情節(jié)的因果邏輯，而是滿足于片段帶來(lái)的瞬時(shí)情緒沖擊。

在傳統(tǒng)觀影中，觀眾通過共情角色、推測(cè)情節(jié)主動(dòng)參與意義建構(gòu)。在算法分發(fā)的視聽生態(tài)里，敘事連貫性下降，觀眾的注意力從理解情節(jié)更多轉(zhuǎn)向掃描畫面，從參與者變?yōu)殚g歇式卷入者。高強(qiáng)度、快節(jié)奏的算法影像通過密集的畫面變換不斷爭(zhēng)奪用戶的視覺注意力，而不再邀請(qǐng)觀眾沉浸于故事本身。觀眾既是消費(fèi)者也是生產(chǎn)者，每一次點(diǎn)擊、點(diǎn)贊、停留都成為算法的訓(xùn)練數(shù)據(jù)，進(jìn)而影響后續(xù)推薦。在這種機(jī)制下，觀眾的每一次滑動(dòng)都在為算法“喂食”，完成敘事權(quán)力的隱形轉(zhuǎn)移。表面上看似主動(dòng)共創(chuàng)，實(shí)則觀眾的選擇仍受到算法的持續(xù)引導(dǎo)，人的自由意志與技術(shù)的規(guī)訓(xùn)之間形成微妙張力。

算法已經(jīng)結(jié)構(gòu)性地框定了觀眾的觀看選擇，決定什么內(nèi)容被優(yōu)先呈現(xiàn)、何時(shí)呈現(xiàn)、以何種順序呈現(xiàn)。在此語(yǔ)境下，觀眾的自主選擇還剩多少？這不僅是傳播效果的問題，更是我們需要直面的傳播倫理的核心議題。

算法敘事需要回應(yīng)的命題

制定新型規(guī)范保障。2026年4月，國(guó)家廣電總局首次將AI漫劇納入網(wǎng)絡(luò)微短劇分類分層審核體系，按投資額與題材分級(jí)管理，并要求標(biāo)注“AI生成”。下一步可研究探討制定“算法敘事連貫性指南”的可能性；學(xué)術(shù)層面可開發(fā)量化評(píng)估指標(biāo)。

提高敘事信息的可信度。AI驅(qū)動(dòng)的深度合成技術(shù)使真實(shí)與虛構(gòu)邊界日益模糊。BBC與歐洲廣播聯(lián)盟聯(lián)合研究顯示，主流AI助手回答新聞?lì)悊栴}時(shí)，約45%存在重大錯(cuò)誤，31%存在嚴(yán)重來(lái)源問題。我國(guó)《人工智能生成合成內(nèi)容標(biāo)識(shí)辦法》（2025年9月起施行）已對(duì)AI生成內(nèi)容的顯式標(biāo)識(shí)（如“AI生成”水印、語(yǔ)音提示）與隱式標(biāo)識(shí)（基于元數(shù)據(jù)嵌入）提出覆蓋“生成—傳播”全鏈條的強(qiáng)制性技術(shù)規(guī)范，但新技術(shù)標(biāo)準(zhǔn)的執(zhí)行仍需監(jiān)管端、平臺(tái)端與用戶端的持續(xù)磨合。

明確傳播主體的責(zé)任歸屬。當(dāng)敘事的生產(chǎn)與分發(fā)從人類主體的意圖表達(dá)逐步轉(zhuǎn)向算法驅(qū)動(dòng)的統(tǒng)計(jì)輸出，傳播活動(dòng)中的責(zé)任歸屬問題便趨于模糊。當(dāng)前，制度體系在實(shí)踐中暴露出兩方面明顯短板，一是部分平臺(tái)曾嘗試援引“技術(shù)中立”原則以規(guī)避責(zé)任；二是深度合成內(nèi)容所牽涉的責(zé)任鏈條，既涵蓋數(shù)據(jù)提供者、算法開發(fā)者，又有平臺(tái)運(yùn)營(yíng)者與內(nèi)容發(fā)布者等多個(gè)分散節(jié)點(diǎn)，難以將責(zé)任鎖定于單一主體。在此背景下，工業(yè)和信息化部等部門于2026年4月聯(lián)合印發(fā)《人工智能科技倫理審查與服務(wù)辦法（試行）》，已初步搭建起覆蓋人工智能研發(fā)與應(yīng)用全周期的倫理審查與合規(guī)管理框架。如何在算法的微觀決策層面進(jìn)一步明確傳播鏈條上各方的責(zé)任邊界，仍有待學(xué)界與業(yè)界共同協(xié)作、持續(xù)探索。

算法生成的敘事越來(lái)越逼真，卻也越來(lái)越難以追溯其源頭。觀眾日漸習(xí)慣于碎片化、高強(qiáng)度的視覺消費(fèi)，傳統(tǒng)意義上真實(shí)與虛構(gòu)的邊界隨之模糊。面對(duì)這一局面，傳播學(xué)的回應(yīng)不能停留在現(xiàn)象描述上，而應(yīng)主動(dòng)介入。一方面，在理論上重新界定算法時(shí)代的可理解性與共鳴，另一方面，在實(shí)踐層面提供學(xué)理支撐。這既需要學(xué)術(shù)界的前沿探索，也依賴業(yè)界的透明度提升，更有待政策層面的分級(jí)細(xì)化與監(jiān)管協(xié)調(diào)。

作者系陜西師范大學(xué)文學(xué)院博士研究生

來(lái)源 ： 中國(guó)社會(huì)科學(xué)報(bào)

責(zé)任編輯： 劉娟

新媒體編輯：張雨楠

如需交流可聯(lián)系我們