导语

在AI快速发展的当下，AI不仅深刻影响着信息传播的方式，也为传播学研究带来了全新视角和方法。基于此，集智俱乐部联合北京师范大学许小可教授、浙江大学张子柯教授、南京大学王成军教授、深圳大学廖好副教授共同发起“AI×传播”读书会，从计算叙事、智能传播、人机传播与传播仿真四个板块向来共同探索AI与传播的前沿交叉，来深度理解传播机制和传播生态。

9月6日（周六）10:00将开启读书会第三期，由北京师范大学周晓禹讲师分享“大模型在传播行为中的认知加工”主题，将会以“双系统加工理论”为分析框架，系统讨论 LLM 在传播活动中如何展现类似人类的“快思考”（直觉启发式）与“慢思考”（反思与深度推理）的特征，由“接收—加工—输出”三阶段切入，拆解其从“信息生成工具”向“传播者”转变的潜力与风险。

分享简介

在信息传播日益倚重大语言模型（LLM）的时代，深入理解其背后的“认知加工机制”已成为传播学、心理学和人工智能领域共同关注的前沿议题。本次读书会以“双系统加工理论”为分析框架，系统探讨LLM在传播活动中如何展现类似人类的“快思考”（直觉启发式）与“慢思考”（深度推理）的认知加工特征。已有研究表明，大模型不仅能模仿人类的认知偏误，通过“快系统”迅速完成信息加工，还能在特定情境下激活“慢系统”，实现自我反思与复杂推理，从而影响信息的生成与传递效果。通过聚焦大模型在信息接收、处理与输出阶段的双系统特征，本次分享尝试为传播学、心理学与人工智能的跨学科对话提供认知视角，借助双系统理论，聚焦大模型的双系统加工机制，探讨其从“信息生成工具”向“传播者”的角色转变过程中的潜能与风险。

分享大纲

1. 大模型的双系统加工机制

2. 大模型从“信息生成工具”到“传播者”的角色转变

主讲人

周晓禹，北京师范大学新闻传播学院、计算传播学研究中心讲师，香港城市大学社会与行为科学系应用心理学方向博士和访问学者，清华大学心理系博士后，美国富布莱特学者。研究方向为计算情绪传播，虚假信息辨别的心理机制，AI在社会科学中的应用等。以第一作者身份在《Communication Research》《Emotion》等一流传播学、心理学期刊上发表多篇文章。

阅读清单

系统 1：快思考——启发式、偏见、自动化加工

1. Mukherjee, A., & Chang, H. H. (2024). Heuristic reasoning in ai: Instrumental use and mimetic absorption. arXiv preprint arXiv:2403.09404.

   提出LLM在推理中既会工具性使用启发式，也会模仿性吸收人类偏见，揭示系统1加工的双重来源。

2. Acerbi, A., & Stubbersfield, J. M. (2023). Large language models show human-like content biases in transmission chain experiments. Proceedings of the National Academy of Sciences, 120(44), e2313790120.

   通过传输链实验发现LLM偏向保留负面、刻板印象等信息，呈现出类人内容偏见。

3. Chan, S., Pataranutaporn, P., Suri, A., Zulfikar, W., Maes, P., & Loftus, E. F. (2024). Conversational AI Powered by Large Language Models Amplifies False Memories in Witness Interviews. arXiv preprint arXiv:2408.04681.

   LLM引导性提问可在访谈中激发虚假记忆，表现出对人类记忆加工的非理性干扰。

系统 2：慢思考——反思、调度、深度推理

4. Zhang, J., Dong, R., Wang, H., Ning, X., Geng, H., Li, P., ... & Zhang, H. (2025). AlphaOne: Reasoning Models Thinking Slow and Fast at Test Time. arXiv preprint arXiv:2505.24863.

   提出可调控LLM思维速度的模型，验证“先慢后快”策略优于传统推理路径。

5. Hagendorff, T. (2024). Deception abilities emerged in large language models. Proceedings of the National Academy of Sciences, 121(24), e2317967121.

   LLM在“错误信念任务”中表现出理解他人意图与主动欺骗的能力，揭示其隐含社会性推理能力。

6. Costello, T. H., Pennycook, G., & Rand, D. G. (2024). Durably reducing conspiracy beliefs through dialogues with AI. Science, 385(6714), eadq1814.

   AI通过与用户进行个性化、反思性对话，有效降低阴谋论信念，展现系统2驱动的信念修正作用。

参与方式

参与时间：2025年9月6日（周六）10:00-12:00 北京时间

报名加入社群交流

扫码报名（可开发票）

报名链接：https://pattern.swarma.org/study_group/67?from=wechat

扫码参与AI×传播读书会社区，加入群聊，获取系列读书会回看权限，加入AI×传播社区，与社区的一线科研工作者沟通交流，共同探索AI与传播的前沿交叉，来深度理解传播机制和传播生态。

视频号直播预约：

AI×传播读书会

在AI快速发展的当下，AI不仅深刻影响着信息传播的方式，也为传播学研究带来了全新视角和方法。基于此，集智俱乐部联合北京师范大学许小可教授、浙江大学张子柯教授、南京大学王成军教授、深圳大学廖好副教授共同发起“AI×传播”读书会，从计算叙事、智能传播、人机传播与传播仿真四个板块向来共同探索AI与传播的前沿交叉，来深度理解传播机制和传播生态。读书会自8月23日起，每周六10:00-12:00举行，预计持续12周。

我们将探讨如下核心问题：

1. 在人机共同参与的叙事生态中，叙事的生产、传播与接受机制发生了哪些根本性变化？

2. 在复杂社交网络环境中，如何构建智能化的信息可信度评估与虚假信息防控机制？

3. 如何运用深度学习和强化学习等智能方法，实现从个体到群体的精准化传播影响力最大化？

4. 如何构建适应人机混合传播网络特征的新型研究范式，以有效解析机器行为规律和人机协同传播机制？

5. 如何构建基于大语言模型的认知驱动型智能体仿真系统？

详情请见：当机器成为主体，传播学要如何应对？| AI×传播读书会发布