北京
想象一个场景：你昨天和智能助手讨论过某个项目，今天再打开对话，它还记得你的偏好和进度。这不是科幻片，而是大语言模型、智能助手和推荐算法进入日常传播场景后正在发生的事——AI正从一次性的信息生成工具，转变为能记录用户偏好、延续对话历史、调用过往信息并参与关系建构的传播行动者。
这个转变，改变了传播的基本单元。过去我们讨论传播，默认是人与人之间的信息流动；现在，AI带着记忆参与进来，成为传播链条中一个不可忽视的节点。北京师范大学硕士研究生李珺在集智俱乐部「AI×传播」读书会第二季第九期上，从传播学视角系统梳理了AI记忆的形成机制、量化方法，以及它在虚假信息、个性化传播、人机关系等场景下的影响与伦理挑战。
AI记忆的三层结构：从参数到对话再到外部系统
要理解AI记忆，先得拆开它的形成机制。李珺将其分为三层：训练记忆、上下文记忆与长期记忆。
训练记忆存在于模型参数中，是知识的静态沉淀——模型在训练阶段从海量数据里学到的规律，固化在参数里，不随单次对话改变。上下文记忆则维持当前交互情境，让AI能理解你此刻在说什么、想要什么。长期记忆通过外部系统实现跨会话的持久化存储，让AI能在下次对话时调用过往信息。
这三层机制共同构成AI记忆的结构，也让它与人类记忆形成对照。人类记忆会遗忘、会重构，AI记忆则更接近一种可检索、可调用的数据资产——这既是优势，也是风险来源。
记忆如何改变传播：五个场景里的实际影响
AI记忆不是抽象概念，它在具体传播场景中产生着实质影响。李珺列出了五个典型应用案例：
- 虚假信息判断：AI能否调用历史信息来交叉验证当前内容的真实性，直接影响谣言识别的准确率。
- 个性化传播：记忆让AI能根据用户偏好调整信息呈现方式，传播从"广撒网"转向"千人千面"。
- 人机关系建构：当AI记住你的喜好和经历，对话会变得更像"熟人交流"，信任感随之变化。
- 新闻生产与公共记忆：AI在新闻生产中调用历史资料，可能重塑公共记忆的形成方式。
- 平台推荐系统：记忆驱动的注意力分配，决定了你看到什么、看不到什么。
在这些场景里，记忆成为影响信息理解与关系维系的关键变量。AI不再只是工具，而是带着"历史"参与传播的沟通者。
权力重构与伦理风险：记忆带来的新问题
记忆驱动下，传播系统的主体、关系与权力正在重构。AI从无记忆工具演变为有记忆的沟通者，传播关系转向记忆驱动的个性化与类社会关系——你可能会对AI产生类似对朋友的信赖。与此同时，平台权力从信息控制延伸至记忆控制：谁掌握记忆，谁就掌握了对用户行为的解释权和预测权。
这种重构伴随着明确的伦理风险。隐私问题首当其冲——AI记住的偏好和对话历史，本质上是对用户数据的持续采集。偏见问题同样棘手：训练记忆中的参数沉淀可能固化社会偏见，而长期记忆的调用方式也可能放大某些刻板印象。虚假记忆则是另一个隐患——如果AI基于错误的历史信息做出判断，它可能比人类更坚定地传播错误。
这些风险不是遥远的假设，而是AI记忆进入日常传播后正在发生的现实。当AI开始记住你，传播的底层逻辑已经改变——问题不再是"要不要让AI有记忆"，而是"我们如何设计记忆的边界与责任"。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
