AI的伦理与偏见 |「AI × 传播」读书会第二季第十四期

导语

本期「AI × 传播」读书会第二季第十四期，北京师范大学在读博士胡弈璇将聚焦“AI的伦理与偏见”这一主题进行分享。本期读书会从AI伦理视角，分析内容生成、机器传播主体与算法分发如何改变信息生产与传播机制，梳理AI偏见的表现与成因，并探讨AI生成内容对信息生态与用户认知的影响及伦理治理方向。

集智俱乐部联合北京师范大学新闻传播学院许小可教授、北师大珠海校区计算传播学研究中心周晓禹老师共同发起。读书会立足工具—对象—范式三重核心维度，完整搭建AI与传播交叉领域学习体系：拆解AI作为传播研究工具的实操方法、剖析AI作为新型传播主体的社会影响、探索人机协同驱动的传播学全新研究范式，一站式理清三大核心议题：如何借助AI开展传播研究、如何将AI本身作为传播研究对象、如何把握人机协同带来的学科变革。

报告简介

人工智能正在从单纯的信息处理工具，逐渐转变为参与内容生产、社会互动和知识传播的智能主体。生成式AI可以生成文本、图像和视频，AI智能体开始参与社交互动，平台算法进一步影响信息的可见性与传播路径。这些变化不仅提升了信息生产与传播效率，也重新引发了关于真实性、公平、自主性、责任和社会影响的伦理讨论。

本报告从人工智能伦理与传播视角出发，首先讨论人类伦理面临的价值冲突，以及AI技术发展为何需要伦理引导。随后围绕AI传播生态中的内容生成、机器传播主体与算法分发三个层面，分析人工智能如何改变信息生产和传播机制。在此基础上，进一步讨论AI偏见的表现形式，包括社交网络中的表征偏见、交互偏见和分配偏见，并从数据构建、人工反馈和部署交互三个阶段分析偏见如何产生。最后结合AI生成内容对内容生态、用户认知和信息空间结构的影响，讨论人工智能时代传播伦理治理的方向与挑战。

分享大纲

一、引言：从人类伦理到人工智能伦理，讨论伦理为何成为AI发展的必要条件，区分伦理作为方向、约束与纠偏机制的作用。

二、人工智能伦理基础：回顾人类伦理中的功利主义、多样性、自主性与历史遗产困境，分析AI价值对齐面临的根本挑战，以及AI目标设定、约束设计和持续纠偏中的伦理问题。

三、AI传播伦理：从合成内容、机器传播主体和算法分发三个层面分析AI如何重构传播生态。结合生成式AI内容可信度、AI参与社交互动以及平台推荐算法案例，讨论真实性、责任归属和传播公平问题。

四、AI偏见表现：聚焦AI进入社交网络后的偏见表现形式，分别讨论表征偏见、交互偏见和分配偏见。分析AI如何影响不同群体的社会形象、互动体验以及信息曝光机会。

五、AI偏见成因：从数据构建、人工反馈和部署交互三个阶段分析偏见形成机制。讨论训练数据筛选、人类反馈强化学习以及真实使用环境中的反馈循环如何影响AI行为。

六、AI生态影响：探讨生成式AI大规模进入传播环境后对内容生态、用户认知和信息空间结构的影响。结合社交平台实验、说服实验和AI智能体网络模拟，分析AI如何改变信息生产、认知形成和社会连接结构。

七、总结与展望：回顾AI伦理从价值选择到传播治理的完整框架，强调AI伦理不仅是限制技术风险，更是在技术发展过程中协调效率、创新与人类价值的重要机制。

核心概念

人工智能伦理（AI Ethics）：研究人工智能系统在设计、开发、部署和使用过程中涉及的价值判断、责任分配与社会影响问题，关注AI是否符合人类价值、社会规范与基本权利要求。

人工智能传播伦理（AI Communication Ethics）：关注人工智能参与信息生产、传播和互动过程中产生的伦理问题，包括内容真实性、传播主体责任、算法分发公平以及社会影响。

表征偏见（Representational Bias）：指AI生成或传播内容中，对不同群体、身份和社会角色的呈现存在系统性倾向，可能强化刻板印象或造成群体形象的不平等。

交互偏见（Interactional Bias）：指AI参与传播互动时，由于语言、身份或社会属性差异，对不同用户产生不同回应、互动体验或关系机会。

分配偏见（Allocational Bias）：指AI系统在资源、注意力、曝光机会或传播影响力分配过程中，使不同群体获得不均衡结果。

主讲人介绍

主讲人：北京师范大学在读博士。研究兴趣包括LLM传播仿真、群体认知干预和人工智能治理。

参考文献

[1] Russell, S. (2021). Human Compatible: Artificial Intelligence and the Problem of Control . Penguin Books.

[2] Ouyang, L., Wu, J., Jiang, X., et al. (2022). Training language models to follow instructions with human feedback. Advances in Neural Information Processing Systems , 35, 27730-27744.

[3] Spitale, G., Biller-Andorno, N., & Germani, F. (2023). AI model GPT-3 (dis)informs us better than humans. Science Advances , 9(26), eadh1850.

[4] Huszár, F., Ktena, S. I., O’Brien, C., et al. (2022). Algorithmic amplification of politics on Twitter. Proceedings of the National Academy of Sciences, 119 (1), e2025334119.

[5] Blodgett, S. L., Barocas, S., Daumé III, H., & Wallach, H. (2020). Language (Technology) is Power: A Critical Survey of “Bias” in NLP. Proceedings of the Annual Meeting of the Association for Computational Linguistics , 5454-5476.

[6] Bai, X., et al. (2025). Artificial intelligence can influence human decision-making through persuasive communication. Nature Communications .

时间信息

2026年10月15日周四14:00-16:00，腾讯会议线上进行。

感兴趣的朋友下滑扫描二维码报名，加入「AI × 传播」读书会第二季后，可进入学员群进行交流。

报名读书会：

「AI × 传播」读书会第二季

传播学从现象出发。今天，AI 已经深度进入信息生产、内容分发、社会互动、公共判断和知识生产过程。它既是工具，也是媒介；既是研究对象，也是协作者；既提升效率，也制造新的偏见、信任和责任问题。AI × 传播成为一个新的领域。2025年8月至12月，集智俱乐部联合许小可、张子柯、王成军、廖好四位老师发起第一季“AI × 传播学”读书会，吸引了225人报名参与。由来自北京师范大学、南京大学、复旦大学、浙江大学、香港城市大学、深圳大学等高校的15位主讲人，围绕计算叙事、智能传播、人机传播、传播拟真四个方向，绘制了 AI × 传播领域的前沿地图。

由集智俱乐部联合北京师范大学新闻传播学院，北京师范大学珠海校区计算传播学研究中心许小可教授、周晓禹讲师共同发起，我们将从“工具-对象-范式”三重维度出发，系统梳理 AI × 传播的实践路径——如何用 AI 做研究，如何研究 AI 本身，如何理解人机协同的新范式。

扫描海报中二维码报名参加读书会

报名方式：

第一步：微信扫码填写报名信息。

第二步：填写信息后，付费报名。如需用支付宝支付，请在PC端进入读书会页面报名支付：

第三步：添加运营助理微信，拉入对应主题的读书会社区（微信群）。

PS：我们鼓励围绕传播学、人工智能及相关具体问题的深入探讨。为保证讨论质量，请避免发表脱离本期读书会主题、缺乏实证基础或过于空泛的哲学思辨类内容。

若讨论内容明显偏离主题，经主持人提醒后仍未调整，为维护整体学习环境，我们将不得不将该成员请出讨论群，并根据其实际参与进度，对未参与部分按比例办理退费。

感谢您的理解与配合，让我们共同营造一个专注、深入、有收获的共学空间。

加入社区后可获得的资源

完整权限包括：线上问答、录播回看、资料共享、社群交流、信息同步、共创任务获取积分等。

特色退费与激励机制

我们提供以下两种途径，让您的投入获得实际回馈：

1. 任务达标退费路径
   

   认领并合格完成任意两期字幕任务，即可退还全额报名费，并额外获得集智专属周边奖励。

2. 运营成长激励路径
   

   合格完成一个字幕任务后，可申请成为运营助理。在读书会项目顺利结项后，将退还学费。表现优异者，还有机会获得额外的奖学金。

相关内容推荐

1.读书会推荐阅读材料

扫描下方二维码可跳转至集智斑图网站阅读文章：「AI × 传播」读书会第二季读书会推荐阅读材料。

2.往期公众号相关内容推荐