大語言模型服務在社會傳播管理中的應用
責編：gltian ｜2025-04-18 18:04:042025年3月13日，烏克蘭國立大學教授尤里·季亞琴科（Yuriy Dyachenko）及其團隊在瑞士Frontiers期刊發表文章《大語言模型服務在社會傳播管理中的應用》（LLM Services in the Management of Social Communications）。報告創新性地提出三元認知框架，在卡尼曼雙系統理論基礎上引入“系統3”（社會條件行為系統），揭示人類決策受直覺反應、理性思考和社會文化規范三者共同作用的復雜機制。
《大語言模型服務在社會傳播管理中的應用》
編譯：和風
全文摘要與關鍵詞
1.雙系統理論解構人類決策機制：通過系統1（直覺）和系統2（理性）兩種認知系統來理解人類決策。
2.三元認知框架：系統1（直覺）&系統2（理性）&系統3（社會條件+身份認同）均影響人類行為。
3.AI工具在傳播管理中的應用
①利用AI工具優化傳播管理策略：系統1——LLMs通過快速生成基于大規模數據集的語言模式，實現即時、直覺式溝通；系統2——LLMs處理復雜信息，生成邏輯清晰的輸出，適用于詳細解釋或解決溝通中的問題；系統3——LLMs學習并遵循社會文化規范，確保輸出符合社會道德與傳播倫理；
②LLMs在傳播管理中面臨的挑戰：偏見傳播風險、依賴自動化的風險。
4.實驗設計方案
①實驗步驟：信息創建、行為建模、數據分析；
②實驗變量：信息類型、用戶參與度；
③實驗局限性：解釋偏差、外部因素。
5.解決信息傳播和反饋管理的難點：利用虛擬人格模擬受眾反饋。
6.結論：
展望未來，本研究為AI賦能的社會傳播指明了關鍵的研究路徑。亟待解決的重要挑戰包括：減少潛在偏見、確保信息真實性、構建負責任的AI部署框架。技術專家、倫理學家、社會學家和傳播學者之間的跨學科合作，對于優化這些策略將起到至關重要的作用。通過持續開發更為精細、契合語境的AI溝通工具，尊重個體與集體的認知過程，我們有望開啟更具包容性、信息豐富且蘊含變革潛力的社會互動新模式。
在數字時代，社會傳播發生深刻變革，社交媒體平臺日益影響公眾輿論、文化話語和集體決策。通過自適應通信系統，這些數字網絡創造了新的“集體智慧”形式，使群體能夠更高效地交換信息、比較觀點和做出決策。然而，這種社會傳播的演變既提供了機遇，也帶來了有效管理公共話語和理解其對公民行為影響的挑戰。
01
雙系統理論解構人類決策機制
- 雙系統理論：通過系統1和系統2兩種認知系統來理解人類決策
在這種社會傳播背景下，人類決策的復雜性可以通過丹尼爾·卡尼曼的雙系統理論來理解。雙系統理論即通過系統1和系統2這兩種認知系統來理解人類決策。該模型揭示了直覺與理性在認知過程中的動態互動，影響從日常選擇到重大決策的一切。
系統1（直覺）——主導快速本能反應：自動且快速運作，無需努力且無意識地進行決策。它通常被稱為直覺系統，因為其涉及即時的本能反應，而無需經過深思熟慮。系統1的運行通常是快速、自動、無意識的，并依賴啟發式模式。
系統2（理性）——修正直覺潛在偏差：涉及更深思熟慮、費力且有意識的決策過程。它專注于需要投入認知努力的活動，包括復雜計算和邏輯推理。系統2的運行較慢且更具方法論，通常用于評估和修正系統1生成的初步決策。當個體致力于邏輯推理任務，或是面臨需深思熟慮的抉擇（諸如數學運算或道德難題）之際，系統2隨即啟動。
02
三元認知框架
2.1 系統3（社會條件）
系統3（社會條件）：社會條件影響行為模式。在丹尼爾·卡尼曼提出的人類認知雙系統理論的基礎上，該理論將系統1（直覺）和系統2（理性）視為決策過程的關鍵框架。本研究引入第三系統（系統3），以捕捉更廣泛的人類行為基礎。系統3代表由社會條件所塑造的行為模式，其深受社會規范與自我認知的雙重影響，體現了個人決策過程中，除潛意識和理性因素外，社會文化環境的深遠作用。
社會認同塑造非理性決策路徑。系統3反映了社會條件、身份認同和社會規范對行為和決策的影響，這一點可以在社會認同理論（Social Identity Theory）的框架內加以研究。該理論解釋了個人的自我認同如何來源于群體歸屬感和社會類別，并進一步影響其行為與決策。例如，一個強烈認同環保的人會自動選擇環保產品，而不會進行系統2典型的成本—收益分析，也不同于系統1直覺式的本能處理方式。
2.2 三元認知框架
三元認知框架整合文化規范變量。引入這一理論使我們能夠融合系統1和系統2的認知效應，同時兼顧外部社會環境，構建出一個三元認知框架。具體而言，行為不僅受到本能反應（系統1）和理性思考（系統2）的雙重影響，還受到社會條件與身份認同（系統3）的深遠塑造。系統3的演化步伐相對遲緩，映射出文化規范與社會價值觀隨時光流轉而逐步變遷的漸進歷程。它構建了一種機制，能夠將社會認可與否的信息融入個人的決策考量中，從而深遠地影響個體的長期行為模式及道德觀念。
身份認同關聯社會歷史脈絡。此外，系統3深化了我們對身份認同的理解。它不僅僅是潛意識本能（系統1）與理性考量（系統2）的簡單交互結果，更涉及個體在社會“鏡子”中的自我認知。在此情境下，身份認同的內涵變得更為豐富，它不僅涵蓋了個人的自我反思與理性評估，還深刻關聯著文化、社會及歷史等多重因素如何交織影響個體的身份建構，以及個體在面對社會期望時的順應與抗爭。
03
AI工具在傳播管理中的應用
3.1 利用AI工具優化傳播管理策略
整合人工智能（AI）工具，特別是大語言模型（LLM），標志著技術與社會互動的重大進步。通過三元認知框架（系統1、系統2和系統3），我們可以利用AI驅動的工具來優化傳播管理策略。
大語言模型（LLM），如GPT（生成式預訓練變換器），革新了自然語言處理（NLP），使機器能夠理解和生成類人文本。
這些模型在三元認知框架的交匯點上運行：
- 系統1（直覺）：LLMs通過快速生成基于大規模數據集的語言模式，實現即時、直覺式溝通；
- 系統2（理性）：LLMs處理復雜信息，生成邏輯清晰的輸出，適用于詳細解釋或解決溝通中的問題；
- 系統3（社會條件）：LLMs學習并遵循社會文化規范，確保輸出符合社會道德與傳播倫理。這對于保持溝通的禮貌性、合適性和社會責任感至關重要。
在內容創作方面，AI工具擅長生成博客、報告、營銷文案等文本內容，確保語法正確、風格合適，并能根據目標受眾的文化背景進行調整，體現出對系統3的精準對齊。
在社交媒體管理中，LLMs可分析并生成社交媒體內容，管理帖子和互動，以符合社會規范。它們還能調節討論、過濾不當內容，并維護品牌語調，展示了系統3在傳播管理中的高級應用。
3.2 LLMs在傳播管理中面臨的挑戰
- 偏見傳播風險
AI可能會繼承訓練數據中的偏見，導致不恰當或有害的傳播輸出。這與系統3的倫理考量直接相關——確保AI輸出公正且符合社會價值觀需要持續的監測與更新。
- 依賴自動化的風險
過度依賴AI可能削弱人類在系統2和系統3方面的認知能力。如果個體過分依賴AI進行溝通，可能導致其在復雜信息處理和社交規范理解方面的能力下降。
因此，將LLMs應用于傳播管理，展示了AI技術與人類認知框架之間的強大協同效應。通過強化直覺、理性以及社會條件所塑造的溝通方式，LLMs不僅提升了傳播策略的效率與效能，更開辟了前所未有的機遇，同時也伴隨著新的挑戰。
04
實驗設計方案
4.1 實驗步驟
- 信息創建
使用LLM生成針對特定行為或態度的多種版本信息。這些信息在語氣、框架和內容上進行系統性調整，以探討身份和世界觀一致性的不同層面。同時，使用標準通信策略創建對照信息，以便與LLM生成的信息進行比較。
- 行為建模
跟蹤用戶對每條信息的互動指標，如點贊、分享、評論和頁面停留時間，以衡量參與度。
- 數據分析
通過比較不同信息版本的參與度和行為數據，評估哪些信息更有效地影響行為，從而判斷其在身份共鳴和世界觀一致性方面的效果。
數據隱私保護：所有數據收集均符合隱私法律和平臺政策，僅使用匿名化和匯總數據進行分析。在不收集直接反饋的情況下，確保用戶知曉平臺數據使用的相關政策。
4.2 實驗變量
自變量（Independent variable）：信息類型（LLM生成 vs. 對照信息）
因變量（Dependent variable）：用戶參與度（如點贊、評論、分享等）
4.3 實驗局限性
● 解釋偏差（Interpretation Bias）：在缺乏直接反饋的情況下，研究人員需要考慮用戶對不同信息的互動差異背后的原因。
● 外部因素（External Factors）：社會事件或社交趨勢可能獨立于信息內容影響用戶行為。
本實驗設計采用間接測量的方法，深入評估了LLM生成的信息對用戶行為產生的具體影響，進而為傳播管理中的有效性問題提供了有益的見解。通過分析不同信息策略對用戶參與度的影響，可以推斷信息與用戶身份和世界觀的契合度，以及信息在不依賴直接用戶反饋的情況下，對提升用戶忠誠度的實際效果。
05
解決信息傳播和反饋管理的難點
虛擬人格模擬受眾反饋。針對信息傳播和反饋管理的困難，我們提出使用虛擬人物進行模擬。我們運用了Anthropic公司的Claude 3.5 Sonnet模型來訪問LLM，并依據受眾的思維模式，對原始信息與修改后的信息進行了對比分析，以評估其效果。
AI模擬人類態度復雜性。Argyle等人（2023）的研究指出，GPT系列語言模型通過細粒度的響應和與人口統計特征相關的設計，能夠精確模擬不同人群的回應分布。這表明LLM能夠再現人類態度的復雜性、多面性，以及思想、態度與社會文化背景之間的交互作用。
然而，Dillon等人（2023）指出，將AI作為研究參與者使用時應考慮一些限制：“LLM在研究特定主題、特定任務、特定研究階段和特定樣本模擬時最有用。”因此，我們創建了10個虛擬人格，并設定任務，要求其針對原始信息和修改后信息進行反饋模擬。
圖1. 由大語言模型提出的信息修改方案
- 基于以下兩個維度評估其反饋
對信息的態度（Attitude to the message），評分范圍為 -3（極端負面）到 +3（極端正面）。
因收到信息而產生的行動意圖（Intention to act），評分范圍為 0（完全不會行動）到 3（一定會采取行動）。
虛擬受訪者回答的圖表解釋見圖2。
圖2. 虛擬受訪者對原始信息（頂部）和修改后信息（底部）響應的圖形解釋
06
結 論
三元認知框架拓展認知理論邊界。本研究通過引入創新的三元認知框架（triadic cognitive framework），為利用大語言模型（LLM）進行社會傳播管理提供了新的見解。基于虛擬人格的實驗結果揭示了AI驅動的傳播管理所蘊含的潛力與挑戰。盡管經過LLM修改的信息導致受眾態度出現顯著的負向變化（中位數下降2.5個單位），但在行為意圖方面卻呈現出輕微的上升趨勢（中位數上升0.2個單位）。這一出乎意料的現象凸顯了信息框架、認知系統與潛在行為反應之間錯綜復雜的交互作用。
跨學科合作優化AI策略。展望未來，本研究為AI賦能的社會傳播指明了關鍵的研究路徑。亟待解決的重要挑戰包括：減少潛在偏見、確保信息真實性、構建負責任的AI部署框架。技術專家、倫理學家、社會學家和傳播學者之間的跨學科合作，對于優化這些策略將起到至關重要的作用。通過持續開發更為精細、契合語境的AI溝通工具，尊重個體與集體的認知過程，我們有望開啟更具包容性、信息豐富且蘊含變革潛力的社會互動新模式。
參考文獻：
https://www.frontiersin.org/journals/artificialintelligence/articles/10.3389/frai.2025.1474017/full