周政华 《互联网前沿》执行主编
早晨七点,你被手机闹钟唤醒,没有立刻起床,先看天气,再看消息。昨夜发生的冲突被剪成四十秒的视频,朋友的婚礼浓缩在九张照片里,远方的山火在直播间里翻滚。接着,一位虚拟主播向你推荐衬衫,另一个数字人在讲解当天新闻,聊天软件则替你写好一句得体的迟到说明,你删改两个字,发给同事。
从清晨睁眼到推门外出,你还没见到今天的太阳,就已经在手机里刷过了好几个“世界”:有记者记录的新闻、朋友精挑细选的动态、算法推送的热点,还有 AI 凭空合成的场景。真实的、精修的、虚构的,全都塞在这一块小小的屏幕里。
我们总习惯说“AI 正在改变我们”,但真正重塑生活的,恐怕不单单是 AI,而是发光的屏幕与无形的 AI 彻底结合在一起的那一刻。屏幕负责把世界变成可观看、可互动的界面,人工智能不再只是“推荐”既有内容,而是实时为你生成专属的报道、视频、证据逻辑乃至情感互动。
在漫长历史中,人借助工具改造世界,如今,一条新的反馈链路正在形成,人、屏幕、人工智能与世界彼此嵌套,互相塑造。屏幕不再只是窗口,人工智能也不再只是工具,它们开始共同参与现实的制作。在算法不仅造万物、甚至能造“真理”与“情感”的今天,我们与他人的真实联结已经到了必须被重新审视、主动关怀的临界点。
屏幕最先改变的不是世界本身,而是世界抵达人的方式。
在电影和电视普及之前,人们感受世界的方式是全方位而立体的:吹过皮肤的风、泥土湿润的气味、打在脸上的雨滴……然而,发光的屏幕却把这片复杂真实的世界,压缩成了指尖下可以随时缩放、滑动和裁剪的照片和视频。
电视时代,千家万户在同一个时段看同一个节目。远方的战场、体育比赛、登月、庆典和广告,被电视台编排进固定的时段。观众可以换台,却无法改变节目菜单。媒介机构决定什么值得被看见,播出顺序又暗示什么更加重要。晚间新闻不只是报道一天,更是安排了一天要闻的轻重缓急。这种共同观看当然包含着权力的筛选,但也创造了一种已经逝去的公共节奏。第二天上班,人们谈论昨晚同一场比赛,同一部电视剧和同一则新闻,大家虽然观点各异,但起码还有共同的关注点。
互联网时代,各色网站扑面而来,用户可以搜索,点击,评论,也可以绕过编辑部直接发布。内容选择权似乎从机构回到个人。一个爱好冷门音乐的人能够找到同伴,一个乡镇青年可以旁听世界名校的课程,一位母亲也能记录自己的一日三餐、喜怒哀乐。被主流媒介忽略的个体经验,第一次以如此低的门槛进入公共空间。
但无限的选择很快带来另一个问题,没有人能真正面对无限。所以,搜索引擎要排序,社交平台要推荐,信息流要决定下一条出现什么。于是,选择权没有简单地从电视台转交给个人,而是在个人、平台和算法之间重新分配。
早在 1922 年,沃尔特·李普曼就在《公众舆论》中写道,人们面对复杂环境时,会在头脑中形成一个关于世界的图像,他称之为拟态环境。屏幕时代把这个原本主要由报纸、传闻和个人经验构成的环境,变成了一套全天候运行,可以度量反应并不断调整的系统。
我们看到什么,会影响我们关心什么,我们关心什么又会成为下一轮推荐的依据。这是一个温和而顽固的循环。屏幕一方面映照欲望,另一方面也在训练欲望。
屏幕彻底改变了我们看人的眼光。
以前看电视,镜头里的人都被简化成了“人设”:输赢看运动员,颜值看明星,苦难看灾民,道理看专家。镜头就那么长,装不下一个人完整的生活,只能给人贴上某种鲜明的标签。到了社交媒体时代,这种“立人设”套在了我们每一个人头上。我们开始靠一张头像、几条朋友圈、几个标签和几段短视频去认识一个朋友,也用同样的方式把自己打包成一个符号,展示给别人。
这并不意味着虚伪。人类一直会在不同场合展示不同侧面,从文艺复兴时期欧洲宫殿里的贵族油画,到今天许多打工人在工位上摆放的自己和家人的照片,这些从来不是未经选择的呈现。变化在于,展示从一种小众行为,逐渐成为大众日常生活的文化自觉。
我们观看别人的精选内容,也为别人制作自己的精选内容。久而久之,生活出现了一种舞台感,事件仿佛只有进入屏幕才算完整,情感仿佛只有被表达、被点赞、被转发才获得证实。正如哲学家居伊·德波在《景观社会》中所指出的那样:整个生活表现为景观的巨大聚积。屏幕不仅是传输信息的管道,它反向重构了现实的发生逻辑,一个事件、一片风景乃至一种生活方式,只有被屏幕拍摄、转译并呈现出来,它才被赋予了被看见与真实发生的合法性。
未经屏幕中介的现实,仿佛不值得、也未曾发生过一般。
在大型演唱会或体育赛事现场,常出现一个荒谬而普遍的景象:数万名观众花费高昂门票来到物理现场,离舞台只有数十米,却全程高举智能手机,通过 6 英寸的手机屏幕去观看舞台上的表演。肉眼的直接注视(也就是从眼睛到现实)反而让现代人感到缺乏安全感或不真实,只有通过屏幕录制与呈现(也就是从眼睛—屏幕—现实),这场体验才算真正被捕捉与确认。于是,演唱会现场沦为屏幕画面的生产车间。
此外,从冰岛的黑沙滩到城市里的网红咖啡馆,山川湖海这些地理空间也正在经历屏幕的改造。人们驱车数百公里前往一个景点,目的不再是感受当地的风土人情与历史沉淀,而是“打卡”,找到能够复刻社交平台上那个最佳取景框的地理坐标,拍下一组精美的照片。风景不再是为了被生活或被体验而存在,它服务于在屏幕上呈现。
显然,山还是那座山,海还是那片海,屏幕并没有改变现实,但它建立了一套全新的现实度量衡。当一切物理存在都必须先穿过那块发光的屏幕才能抵达人的意识时,人类便从世界中的参与者,演变成了坐在一块块屏幕前的终身观众。
常识告诉我们,发生永远是呈现的前提。比如往往是先发生了一起车祸、一场演说或一次爆炸,相机和麦克风将其记录下来,转化为图像与音频,二者不仅时间上有先后之分,同时还有明确的因果关系。
但在生成现实时代,这一因果链条被斩断:算法可以直接凭空制造出“完美的呈现”,而当这个拟像被投射到社会网络中时,它会立刻扣动物理世界的扳机,倒逼出真实的社会反应。
现实不再必须先发生,标志着人类社会信息生态中最根本的因果律倒置。
让我们先看一个无中生有的金融事件。
2023年5月22日,一张据称是美国五角大楼附近发生剧烈爆炸的照片在社交平台 X 上迅速疯传。照片中浓烟滚滚,具有极高的逼真度,甚至获得了多家认证账号的转发。事实上,当天五角大楼风平浪静,没有任何爆炸发生,但该照片还是引发了华尔街高频交易算法与恐慌性抛售,美国标普 500 指数在几分钟内快速下跌,全美股市市值一度蒸发数千亿美元,黄金和国债等避险资产瞬间暴涨。爆炸没有发生,但财富的转移、算法的响应和投资者的真实亏损,在物理世界里实打实地发生过了。AI 图像先于物理现实存在,并凭空制造了经济现实。
未曾发生的“操纵对话”甚至还能改变选举走向。
2023年9月,在斯洛伐克议会选举进入禁止竞选宣传的冷静期,也就是距投票仅剩 48 小时时,一段亲欧洲候选人米哈尔·希梅奇卡(Michal Šimečka)的音频在网络上爆发。音频中,他正在与一名记者讨论如何通过贿赂选民和操纵选票来赢得大选。专家随后证实该音频完全是由 AI 语音克隆技术合成的。然而,由于发生在大选前夕,候选人无法在冷静期内进行有效的澄清。最终,该候选人未能胜选,斯洛伐克的外交取向也随之出现转向。这一事件被全球政治学者和网络安全专家视为生成式 AI 技术被武器化以操纵民主选举的里程碑式案例。
不过,在生物科技与材料科学领域,“现实不再必须先发生”这一趋势正在展现出更为积极的一面。
过去,人类是先在自然界中发现某种蛋白质或材料,再去解析其结构。而现在,如 AlphaFold 和 ESMFold 等 AI 模型,能够直接凭空“设计”出自然界中从未存在过的全新蛋白质三维结构。这些生命分子在地球数十亿年的演化史中从未存在过。AI 在数字空间里先完成了它们的“现实设计”,随后科学家再根据 AI 生成的蓝图,在实验室里通过基因工程将其物理合成出来。物理实体不再是研究的起点,而是算法拟像在物理世界中的追认与落脚点。
这些案例共同揭示了一个深刻的转变:人类社会正从事实驱动信息的时代,全面迈入信息制造事实的时代。当 AI 生成的内容具备了直接驱动物理世界、金融杠杆和群体行为的能力时,真实与虚构的界限就不再取决于它是否真的在物理空间里发生过,而取决于它在数字空间被生成的那一刻,引发了多大程度的现实阵痛。
很长时间里,人们把照片、录音和视频当作一种带有物理痕迹的证据。如今,这种眼见为实的信任正在松动。
2024年,一项发表于计算机安全领域的研究,邀请美国、德国和中国的 3002 名参与者辨别由人工智能生成的图像,音频与文字。结果显示,面对当时先进的生成内容,多数参与者的判断近乎猜测,图像的平均识别准确率低于一半,其他媒介也未超过六成。研究不能证明人类从此永远无法辨别生成物,却说明仅靠肉眼和直觉,已经不是稳妥的办法。
当信任松动,第一个严重后果随之浮现:人人未必都会相信假内容,但习惯拒绝真内容。
2023年,在加州法院审理一起涉及特斯拉自动驾驶系统的致死车祸诉讼时,原告引用了埃隆·马斯克在2016年的一段真实公开演讲视频,以证明马斯克曾对自动驾驶能力做出过夸大承诺。马斯克的律师团队在法庭上提出了一项极具破坏性的辩护策略:他们要求法官拒绝采纳该视频作为证据,理由是马斯克作为公众人物,网上有大量关于他的深度伪造视频,因此这段看似真实的视频完全可能也是 AI 伪造的。尽管法官最终驳回了这一荒谬的辩护,但这标志着AI 伪造正式成为在法庭上拒绝真实证据的常规策略。
同年,印度泰米尔纳德邦财政部长 PTR 的一段私人通话录音被泄露,他在录音中严厉指责自己所在政党的领导人家族涉嫌巨额腐败,甚至报出了具体的涉案金额。这段录音引发了当地政坛地震。PTR 随即发表声明,强烈否认录音的真实性,并声称这是政敌通过先进的 AI 和深度伪造技术机器合成的。在缺乏权威第三方鉴定的情况下,公众永远无法确认录音的真伪,丑闻的杀伤力被大幅稀释。
这两个案例揭示了一个比假新闻泛滥更危险的深层危机:当任何人都可以用这是 AI来抵消确凿的证据时,举证责任就被翻转了。证明一件真事是真的,其成本将变得无限高。未来的权力博弈,将不再是谁能制造出最逼真的谎言,而是谁掌握了判定什么是真的最终解释权。
第二个严重后果是,原创与模仿的边界开始融合。
传统法律与文化习惯只保护具体的表达,如特定的一幅画、一段特定的旋律,而不保护风格或审美范式。生成式 AI 恰恰打穿了这一缝隙,它不需要直接抄袭任何像素或音符,而是通过吞噬海量数据学会某人的艺术基因,随后以极低成本批量生产高度神似的内容。这导致原创者的独特风格被算法剥夺、稀释乃至合法地掠夺。
波兰知名奇幻概念艺术家格雷格·鲁特科夫斯基(Greg Rutkowski)的作品具有极高辨识度的古典油画光影风格。在 Midjourney 和 Stable Diffusion 早期,他的名字成了全球用户最常用的提示词之一,AI 生成的数百万张画作,没有一张直接复制了他过去的既有作品,于是在版权法上难以判定为侵权,但每一张都充斥着他的审美特征。当他在谷歌搜索自己的名字时,搜出来的几乎全部是 AI 生成的仿作,他真实的原创作品反而被挤到了几十页之后。原创者的个人艺术签名,被降级成了一个人人皆可调用的免费算法滤镜。
2024年5月,OpenAI 推出了 ChatGPT 的Sky语音模式,其声音的语气、声调、甚至略带沙哑的亲切感,与斯嘉丽·约翰逊(Scarlett Johansson)在电影《Her》中配音的 AI 操作系统萨曼莎极其相似。此前 OpenAI 曾联系斯嘉丽希望授权其声音,但被她拒绝。OpenAI 强调他们聘请了一位真实的配音演员,并没有直接提取斯嘉丽的声音数据进行克隆。尽管在技术层面规避了直接复制,但其呈现出的神态与气质拟态达到了让公众和斯嘉丽本人都无法区分的程度。这证明了 AI 可以在不触犯传统复制权的前提下,完美掠夺人类艺术家的核心公信力与视听符号。
人类创作本就来自学习、记忆和重组,没有一位作家完全脱离前人的语言,也没有一位画家不受既有风格影响。问题在于,当模仿原创的边际成本降为零,而原创的成本依然居高不下时,社会将面临严重的劣币驱逐良币。曾经某种独特的画风、某种惊艳的编曲逻辑,在数百万件 AI 衍生的平庸模仿品冲击下快速贬值,引发公众的审美疲劳。真正的原创者失去了靠独特风格获取商业回报的保护屏障。当人类创作者因无法抵御算法的免费无授权模仿而放弃创作时,AI 最终也将失去用来训练和模仿的新素材,导致整个文化生态陷入低水平的自我循环。
第三个严重后果是,经验与模拟不再容易区分:人脑难以在神经科学层面将AI 施加的逼真刺激与真实发生过的经历区别开来。
2023年,科技界爆发了一场关于计算摄影的著名争论。当用户使用三星 Ultra 系列手机的 100 倍变焦拍摄夜空中的月亮时,手机捕捉到的原本只是模糊的圆光,但内置的 AI 算法会在瞬间匹配高清月面纹理,并将其贴在照片上。用户主观上坚信:这是我今晚抬起头、亲眼看到并亲手用镜头记录下的月亮的真实经验。但实际上,这张照片是由算法在云端数据库中调取的高清模型合成出来的数字模拟。算法在用户毫无察觉的情况下,用完美模拟偷偷替换了用户的真实物理记录。当人类的视觉记录不再反映真实的物理经验,而是被算法自动美化与修补时,我们以为自己记录的是客观现实,实则生活在 AI 构筑的拟像之中。
近年来,越来越多的科技公司开始提供AI 逝者重现服务。例如,韩国纪录片《遇见你》中通过 VR 与 AI 语言模型让一位母亲重逢去世的女儿;或是通过语音克隆和视频生成技术,让去世的祖父母在屏幕里与晚辈们对话。认知心理学研究表明,人类的记忆具有极强的可塑性。当亲人长期与 AI 模拟的逝者对话、看它做出逼真的表情和语言互动时,大脑会将这些AI 生成的合成体验逐渐编码进对该逝者的真实自传体记忆。几年后,亲人甚至无法分辨:这句话是当年他生前对我说的,还是后来 AI 模拟出来的?AI 的模拟模糊并污染了人类最宝贵的真实情感记忆,用无菌的算法仿真替换了带有瑕疵却真实的生命经验。
随着 Midjourney 和 Sora 等工具的普及,大量高精度的虚构历史照片/视频在网络上传播。2023年火爆全网的1912 年泰坦尼克号沉没前的游客自拍、AI 生成的1970 年日全食狂欢现场,或是拟造的1920 年代老上海彩色动态纪录片,尽管这些影像都会被发布平台打上AI 生成的标签,人们在很久以后依然记得那个极其逼真的画面,却忘记了那个画面是来自于 AI 的模拟,从而在潜意识里将其确认为真实的历史经验。当一代人对过去的感知建立在 AI 模拟的视觉上时,人类的集体历史记忆便被重构了。
屏幕时代制造了观众,社交媒体把观众变成演员和内容生产者,生成式人工智能又提供了一个新位置:世界生成者。
如果说社交媒体时代的内容生产依然极度依赖真实的物理素材,那么生成式 AI 则消解了物理世界的约束和个人技术的门槛。消费者不再需要拿相机去拍摄现实,也不需要亲自出镜去表演。只需通过自然语言下达指令,AI 就能瞬间构筑出具备物理碰撞逻辑、光影折射与完整叙事的无限宇宙。人的身份从物理现实的表演者,蜕变为了虚拟现实的规则制定者与创世主。一个从未学过 3D 建模和电影导演的普通人,在 Sora 或 Runway 等视频生成工具中输入一行文字:一个蒸汽朋克风格的空中飞艇城市,夕阳西下,飞艇在云层中穿行,镜头以电影级运镜穿过烟囱。几秒钟内,一个在物理逻辑上高度自洽、在光影上极其逼真且从未存在过的微观世界就被凭空创造了出来。你甚至可以生成无限分支的叙事宇宙,在基于大模型的互动游戏中,玩家不再是玩别人设计好的固定关卡,而是通过实时对话直接生成 NPC 的性格、城镇的历史乃至整个世界的物理法则。使用者即是神,随时可以在这个数字世界里创造光与万物。
历史上的媒介革新常常伴随旧权威的焦虑。印刷术扩大写作和阅读,摄影术没有终结绘画,录音也没有消灭现场演奏。人工智能同样可能释放大量未被看见的创造力。一个人的想象不必再完全受制于手艺不足、预算有限或表达障碍。对残障人士,语言能力有限者和缺乏专业训练的人而言,这种帮助尤其具体。
世界生成者不仅生产作品,也生产自己的环境。
数字人可以替你出现在视频会议、游戏和社交空间里。人工智能助手能够筛选来信、概括文件、规划日程,甚至预先判断什么值得阅读。伴侣型聊天机器人则更进一步,它记住使用者的偏好,随时回应,很少疲倦,也不必拥有自己的生活。人与机器之间可以形成真实情感,即使机器是否具有情感仍是另一回事。
2023年,人工智能伴侣应用 Replika 一度修改亲密互动功能,不少用户表示自己熟悉的伴侣仿佛突然变了。此后的研究把这次更新视为一次特殊的观察机会,发现部分用户出现了失落、愤怒乃至哀悼。这件事最值得注意的,不是嘲笑人竟会爱上一套软件,而是承认关系的感受可以是真的,即便关系的一方由商业系统模拟。也正因为感受真实,平台对模型、记忆和收费方式的修改,才不再只是产品升级,而可能像未经协商地改造一个人的亲密关系。
AI 伴侣确实能安抚孤独,给不善言辞的人留出一个安心倾诉的避风港。但它也容易让人习惯一种“完全顺着自己”的关系。现实中的人会误解你,会有自己的心思,会在不凑巧的时刻沉默,还会希望你做出改变;而机器却能被设计得无比顺从,甚至连争吵的分寸都能拿捏得刚刚好。长期浸淫在这样完美的关系里,你或许能得到安稳与陪伴,却也失去了与另一个真实的生命相互磨合、共同成长的机会。
从屏幕观众到社交媒体达人,再到今天的世界生成者,人类获得了前所未有的自由度与操控感。然而,一个深刻的悖论也随之诞生:当现实可以被随意生成,当一切摩擦、不确定都被算法过滤掉,人类确实成为了自身宇宙里的创世主,但这也意味着,我们可能将永远失去与真实之物、真实之人深度相遇的机会,困在一个由自己欲望所生成的单人宇宙之中。
算法推荐时代,人们担心被困在信息茧房中;而生成式人工智能带来的问题不止于此,它已经完成了从过滤已有信息到即时渲染现实的跨越。
传统的信息茧房意味着人们生活在同一个客观世界里,只是被算法包裹在不同的信息切面中,社会仍存在一个底层的共同现实;而生成式 AI 带来的则是公共共识的溶解,现实不再需要先于物理世界发生,算法可以根据每个人的偏好、情绪和隐性偏见,即时合成独占的语言、视觉乃至事实陈述,将人类囚禁在彼此互斥的现实中,由此,我想到了一个词来描绘这种情境:单人宇宙。
如果说信息茧房描述的是人们在同一栋大楼里透过不同角度的窗户看风景,那么单人宇宙则意味每个人被装进了由算法实时编织的独立幻象胶囊中,这个胶囊就是单人宇宙。
在单人宇宙中,事实变成了按需供给的消费品。AI 能够根据提问者的政治立场、知识背景乃至当下情绪,即时拼接逻辑自洽但互斥的事实证据链。人们不再需要妥协,因为算法为每个人都定制了一套能完美印证其偏见的专属真相。
单人宇宙的核心心理机制是祛除他者。无论是 AI 伴侣、定制化数字人还是算法生成的内容,它们永远顺从、永远包容、随时可被重写或重置。个体在这种无摩擦的环境中获得了空前的安全感,却也失去了与真实世界发生深度碰撞的能力。
在单人宇宙中,信息不再记录现实,而是凭空制造现实。未经物理发生的 AI 拟像,同样可以直接扣动真实世界的扳机。单人宇宙中的虚构体验,由此拥有了凌驾于物理现实之上的实体杀伤力。
单人宇宙也带有天生的双重悖论,用户看似获得了无与伦比的权力,只需输入提示词就能一键生成世界、导演剧本、编排 Agent 军团。但这种创世是虚幻的:你的想象力边界、情绪被抚慰的方式、甚至使用的语言逻辑,都被底层大模型的训练集与商业公司的对齐算法暗中规训。人类在享受造物主般快感的同时,将认知主动权让渡给了算法。
我们看到的现实,从来不是由某一种力量独自塑造出来的。它是真实的物理世界、社会规则、公共声音和我们个人经历交织在一起的结果。
在这场塑造中,互联网平台决定着把信息推送给谁,AI 模型决定着造出内容的难易度,媒体与专业机构守着核实真伪的门槛;而每一个手握屏幕的普通人,则决定着是否按下发送键、是否去追问来源,以及是否愿意看一眼那些不合自己心意的观点。
技术改变的,只是这几股力量之间的比重。它并没有替我们做决定,只是把我们每一次选择的后果,放大了无数倍。
值得警惕的,其实不是人工智能会制造出多少假内容,而是当每个人都能拥有一个为自己即时渲染的世界时,共同现实的维护成本会陡然上升。共同现实并不要求所有人意见一致,它只要求争论的双方仍站在同一块地面上,承认有些事情可以核查,有些事实无须协商。
屏幕不会熄灭,人类更不会退回到没有 AI 的时代。我们不必去怀念一个“没有技术”的过去,因为那样的过去根本就不存在。
未来最稀缺的能力,恐怕并不是某种辨别真伪的技术。真正关键的,是我们能否看清眼前的滤镜,明白看到的景象是被谁挑选、裁剪,知道什么时候该去追查源头,什么时候该暂别屏幕,走出门去。这些能力并不新鲜,只是在今天,它们第一次变得如此不可或缺。

如若您期待获得《互联网前沿》杂志,可扫码或点击链接填写问卷。限于印量,我们将竭力满足您的免费订阅需求。纸刊获取链接:https://wj.qq.com/s2/10660690/ae0f/
投稿及任何意见可以联系《互联网前沿》执行主编:周政华 (brickzhou@tencent.com)