胡思洋，湖南科技大学人文学院硕士研究生

陈功，湖南科技大学人文学院副教授

摘要：生成式人工智能的“喷涌式”发展猛烈冲击了网络信息生态，诱发了“第五领域”的系统性失序。一场由AI生成内容触发的“验证性流行病”在数智社会中迅速蔓延，导致了网络信息空间的结构性危机。为探究这一危机病症的发生机制，本文从新闻传播学的理论传统出发，结合近年来计算机科学领域对AI可信度的研究，构建起跨学科互构耦合的数智治理框架，为竞争秩序下多层次编织的网络空间治理提供协同规制参考。

关键词：智能传播；网络信息失序；验证性流行病；发生机制；数智治理

引言

哈贝马斯认为在人类社会交往的过程中，存在一个开放、平等、自由的“公共领域”，它能作为民主对话和意见表达的关键载体，揭示了人类交往实践的多样性。电子媒介的出现尤其是互联网、卫星通信的发展将世界连接成了一个互联互通的“地球村”，这一变革使得网络空间转化为“类公共领域”的主阵地，并成为了继海、陆、天、空后的“第五领域”，极大地拓展了公共生活的边界。公众在此开启了自由表达的热潮，但在这一“热”现象的背后也伴随着接踵而来的网络生态危机。

生成式人工智能的“喷涌式”发展已然介入网络空间之中，智能传播视域下的网络空间治理作为全球网络治理中“新旧议题”的结合，为传统的网络空间治理埋下了“数字治理”“人工智能治理”的隐患。无论是基于“命令-控制”的强规制，还是侧重市场自律的弱干预，在应对技术的高度自主性、主体的多样弥散性、损害的跨域传导性以及场景的复杂耦合性时，均已显现出系统性不适 [1] 。生成式AI的强涌现性、隐蔽性、敏捷性使传播风险呈指数级扩增，传统“事后纠偏”治理模式彻底失效 [2] 。这种技术的快速迭代所带来的结果是始料未及的，正如贝尔纳·斯蒂格勒在《技术与时间：爱比米修斯的过失》一书中所言：“问题的实质在于弄清楚我们是否能够预见或引导技术的进化 —— 即技术的力量”。 [3] 从而在把握现代技术特殊性的前提下，营造健康、合理、智能、多元的网络信息生态竞生秩序。

一、智能媒介赋能下网络信息失序的结构性危机及其传播表征

在传统新闻传播学当中，信息的“可验证性”（Verifiability）是新闻专业的基石，亦是公共领域理***往的前提 [4] 。而生成式人工智能的崛起从根本上动摇了这一基石，并引发了网络信息失序的结构性危机 —— “验证性流行病”。这是一种在智能传播环境下，由于AI生成内容在源头上难以溯源，在传播中快速“畸变”，在接收端验证成本激增而导致虚假信息、模糊信息如流行病般在网络空间扩散，进而致使社会整体的事实核查失灵与共识共建机制陷入功能性紊乱的状态。

“验证性流行病”这一结构性危机的核心特征就在于网络信息生态中的各个关键环节并非独立运作，也并非偶然的技术漏洞或个体行为偏差，而是互相作用、连贯运行、协同失效的工作闭环，最终导致整个网络社会生态信息验证能力的系统性坍缩（图1）。因此，在智能媒介赋能下的网络空间中，一旦某一个传播环节逻辑错乱或存在局限，就极易诱发从生产、传播到接收端的“蝴蝶效应”。

（一）生产端：AI内容规模化产出，模型幻觉固化“拟像霸权”

生成式AI打破了内容生产的专业壁垒与验证门槛，形成“无验证即生产”的规模化产出模式，而模型认知幻觉则成为了失真内容的核心源头，固化失真惯性。这种系统性幻觉并非偶然误差，而是大语言模型自回归生成逻辑与训练数据偏差导致的固有缺陷。

“幻觉”（Hallucination）一词最早可以追溯到神经科学和心理学领域，它原指感觉信息接收器在处理外界刺激时对客观经验的不准确主观重构 [5] ，后被英国剑桥词典选为年度词汇并增加了一个新定义，即人工智能产生虚假信息的行为。它是一种内容生成层面的虚构现象，是涉及模型内部推理过程中的事实漂移与逻辑断裂。大模型幻觉主要可分为“事实性幻觉”和“忠实性幻觉”两种 [6] 。前者是指由于生成的内容与可验证事实发生冲突、无法验证或过度主观而产生的事实矛盾和事实捏造，后者则是指由于偏离用户指令、与用户提供的语境产生矛盾或机器自身内部推理混乱而产生的幻觉。而导致这两种幻觉产生的主要原因包括语料数据偏见与算法偏差、模型结构与推理逻辑缺陷、任务提示模糊与人类输入诱导 [7] 。

鲍德里亚提出拟像理论并将其分为三个阶段：仿造、生产、仿真，用以强调媒介和符号对现实的模拟与替代。而智能传播时代即处于第三阶段，人工智能拟像不再是简单的仿造、生产，而是通过数据学习训练和模型逻辑构建自己的拟像真实，并催生出鲍德里亚所预言的“超真实”拟像。由于互联网的海量性和复杂性以及AI大模型的无限繁殖、多层级扩散和“自生性狂欢”，网络空间中的现实在超真实主义中崩溃，“拟像霸权”就此形成。

同时由于人工智能拥有远比人脑强大的数据库和中央处理器，因此人们会不自觉地相信并且逐渐依赖AI所生成的内容，不论其是真是假。其快速、智能、便捷、海量的特点也使得网络空间中的生产主体发生位移。人类行动者“主动”向人工智能让渡了主体权利，而技术黑箱所产生的大模型幻觉导致人类被动接受大模型的输出，甚至被其反向塑造，诱发“被动遮蔽”。这种不可验证内容的工业化生产为“验证性流行病”提供了海量“传染源”，人们在网络空间已经分辨不出何为真何为假，真实的界限在网络空间不断游移。

（二）传播端：算法推送构建失真闭环，流量逻辑消解验证需求

斯蒂格勒提出技术本身具有“药理学”特性，它既是解药也是毒药。要想在“乱花渐欲迷人眼”的信息世界中精准获取既符合个人兴趣又蕴含实质价值的内容成为智能传播时代亟须优化的核心议题。而算法推送的规训逻辑成为 “验证性流行病”的核心传播载体，通过精准匹配与流量加码，构建 “失真内容 — 高度互动 — 广泛传播”的工作闭环，形成“劣币驱逐良币”的逆淘汰格局，彻底消解受众的验证需求与传播生态的自我净化能力。

算法推送系统依据其原理可分为三大类别：基于协同过滤、基于内容和混合推荐算法。但其本质上都是扮演的数据信息筛选器的角色，其核心运作方式在于全面监测并深入解析用户的检索行为、浏览历史以及交互轨迹，进而进行数据侧写、系统清洗和高效甄别，构建精细化的用户画像。最后根据用户偏好倾向、价值取向等关键因素，为用户匹配高契合度、强个性化的内容资源，实现用户需求与场景的深度耦合与优化配置。这一过程不仅有助于提升内容生产池的质量，也能促进平台的健康可持续发展。然而，在当前媒介生态下，个体选择性接触的强化效应、流量至上的商业逻辑以及网络迷因文化的广泛传播，叠加技术革新的持续推进，使得人类社会逐步呈现“熵增状态”，算法推送的“毒药”特性也开始凸显，进而引发多维度深层次的社会议题。

人类被算法这一代具以一种更加隐蔽的方式所控制，成为“数字拜物教” [8] 的忠诚信徒，实现对人类的隐性操控。算法茧房与信息同质化强化了AI内容的验证惰性，受众如若长期接收算法推送的同质化 AI 内容，会逐渐形成 “信息认知舒适区”，从而对异质化的真实信息产生排斥，同时丧失主动验证信息的意识与能力。喻国明教授的“深度媒介化”理论认为，算法已成为重构社会认知的核心力量，其主导的信息分发逻辑会塑造受众的认知惯性，使得受众默认算法推送内容的“合理性”，无需额外验证 [9] 。它使用户沉浸于仿真世界之中并为其定制个性化的“牢笼”，将用户置于信息孤岛形成“智能遮蔽”；它甚至还与各路资本、各方利益“合谋”，将消费者封锁在商业链路闭环之中，使其沉迷于流量热点追逐战而忘却了信息内容本身的验证需求。

（三）接收端：技术检测结构性真空，公众“验证基模”失能

AI 检测技术的局限性与人工审核资源的短缺形成双重真空，使得大量不可验证内容顺利流入传播市场。即便是当前最先进的技术检测方法，也难以精准识别混合作者（AI+人工）生成的内容。2025年，Kumar等学者在NAACL会议上发表的研究表明，传统检测方法对混合式生成内容的 AI 生成部分识别准确率不足 50%，而其团队提出的 MixRevDetect 方法虽将 F1 值提升至 88.86%，但仍无法解决“高规范度 AI 内容易被误判为人工创作，而低规范度的粗糙人工内容则易被判定为AI生成”的问题 [10] 。同时，媒体行业在大量引进AI工具的过程中大幅裁减事实核查编辑与内容审核成员，形成了“AI内容激增、审核人员锐减”的矛盾局面，进一步加剧了“验证性流行病”的扩散。

于公众而言，在他们面对由AI生成的真假混杂的“完美信息”时，其所依赖的诸如信息来源权威性、文本粗糙程度等直观验证基模已不再可靠。“验证能力赤字”使得受众无法成为遏制危机的“防火墙”，反而可能成为失真信息的二次传播者。这就迫使受众个体要么投入高昂的认知成本去核实一切，要么放弃验证，完全依赖情感或群体身份进行判断 [11] 。就前者而言，若投入了高昂的验证成本但效果甚微时，公众的“感觉真实”就会取代“事实真实”。在技术检测失效和验证基模失能的共同作用下，这种“后真相”心态不再是偶然的社会心理，而是演变为“验证性流行病”的社会心理症状 [12] 。公众既对AI内容的可信度产生怀疑，又因认知门槛、成本过高与工具缺失无法展开有效验证，最终陷入一种“被动接受、盲目质疑”的矛盾状态，动摇了公共领域的根基。

二、“验证性流行病”的发生机制

既有研究大多聚焦算法黑箱和数据污染，从技术层面解读可验证性问题。但从新传学科视角来看，“验证性流行病”的发生机制并非单一技术缺陷所致，而是技术逻辑、传播实践、符号解构等在多层级上耦合失效的结果。

（一）技术原生层：生成过程的“验证性剥离”

斯蒂格勒借助“爱比米修斯的过失”这一神话确立了人类本质上是“有缺陷的存在”，而为了生存，人类需要技术来弥补缺陷。他认为技术并非外在于人的工具，而是构成人之所以为人的本质条件，人类利用技术作为“代具”来弥补自身不足，但同时，技术本身也自带“缺陷”。

生成式AI的工作原理是基于概率生成合规律的文本序列，而非直接对现实世界进行指涉报道，这就导致其生产和输出在本质上具有“事实无根性”。同时，AI内容的生产由于缺乏传统新闻传播中事实核查的环节，剥离了传统内容生产中的“验证工序”，使内容从生成之初就缺乏内置的、可审计的验证线索。用户无处也无法验证辨明其真伪，致使AI内容脱离人类的直接把控。

（二）传播实践层：多元验证主体的“协同失灵”

在多元主体竞相角逐的信息生态系统中，智能传播的迅猛发展推动信息验证主体发生偏移、扩充，专业媒体、事实核查机构、人工智能、领域专家、知情公众等共同参与到信息符号验证过程中。信息的庞杂性与技术的冲击性极大提升了信息环境的复杂性，同时也使这一松散的“验证网络”过载并“失灵”。

面对海量的、跨领域的AI内容，传统核查的时效性与覆盖面显然跟不上步伐，加之诸如微博评论罗伯特等社交机器人这种执行不同任务的非人类行动者带来的“计算宣传”，严重扰乱了网络信息舆论氛围，导致信息混淆、误解，或无法被有效验证和利用，引发信息失序 [13] 。比约恩·罗斯及其团队研究发现，即便是极少数机器人的介入也能精准地引导舆论，使其朝着机器人所拥护的立场渐进式转变。其实验数据表明，在虚拟网络世界中，只需要2%-4%的机器人参与即可扭转三分之二的公众认知，进而引发螺旋式的沉默过程，最终导致机器人的观点被接受为感知到的多数观点 [14] 。

这种通过计算宣传还可以模仿专家口吻生成似是而非的内容，利用“权威幻象”绕过公众的初步验证滤镜 [15] ，导致专家系统权威消解，侵占真实事实信息的传播空间。这不仅降低了公共信息的可信度，更破坏了公众在“类公共空间”中理性对话的基础，导致事实“异化”。网络空间由“共识建构场”退化为“冲突再生地”，从而在结构上助长“验证性流行病”的蔓延。

在当下社交平台，AI生成内容的“验证”往往被量化为点赞数、评论数的多少以及转发、再看、打赏等互动指标，情感共鸣取缔了事实核查，形成了“验证流量化”的异化逻辑，扭曲社交验证机制。

此外，就单一平台而言，其斥巨资建立起的严格AI内容验证系统具有高成本性与“负外部性”，即严格审核可能导致属于本平台的流量流向其他平台。而在注意力经济的竞争逻辑下，平台由于缺乏足够的内部动力去彻底解决验证性问题，便往往采取“最小化合规”策略，致使验证责任在平台、用户、创作者之间呈现结构性漂移。

（三）符号解构层：拟像真实削减验证阈值

智能传播在拓宽信息触达率、强化语境维度、优化互动感受的同时，亦导致符号能指与所指之间的稳定关系发生动摇，能指在不同语境之中游移，所指与原本的内涵脱钩流变。在鲍德里亚描述的“拟像社会”之中，真实与表象、意义和肤浅的界限已然在符号狂欢中模糊。生成式AI生成的高度逼真的内容营造了“符号优于真实”的传播环境，使受众对“可验证性”的阈值和需求降低，被虚假的真实感所替代。

语言在AI生成中干涸，灵魂的舌头就此被阉割。人们在生成式内容的灰烬中起舞，却忘了自己本可铸造语言的金身。受众在接收AI生成的内容时，容易受到“技术权威”认知的影响，对其产生盲目信任而忽视对内容真实性的核验。由AI生成的内容往往会刻意模糊事实边界，采用模棱两可的表述吸引受众关注，而受众在不同语境下对内容的差异化解读，则易引发舆论极化与社会对立。这种基于语义模糊性的传播，使得AI内容的可验证性进一步降低，最终导致“验证性流行病”在网络空间中持续蔓延。

语义的流动性和多重解读性在阐释冲突性议题中被极端化，符号争夺和话语对抗就此激发，致使社会共识难以形成，理性思考让位于情绪宣泄。这种符号互动逻辑的异化让受众不再依据事实本身，而是通过观察AI内容是否符合“拟真实”的符号特征来判断内容真伪。当符号意义漂浮不定，用户则不断生产更离奇的内容组合来争夺关注，斯蒂格勒提出的“注意力剥削”问题便在此浮现。这种恶性循环导致文化符号的“通货膨胀”，迫使创作不断加码荒诞程度、诱发情绪狂欢，最终逼迫受众主动放弃对内容可验证性的追问。

三、智能传播视域下“验证性流行病”的规制理路

随着持续革新的节奏，一切偶然性都变得不可能，面对各体系相互配合、相互补充的和谐整体可能崩溃的危险，必须控制一切变化 [16] ，合理安排未来。生成式人工智能的突破性进展，正在以前所未有的速度重塑网络空间的冲突形态与治理逻辑。而面对智能传播视域下“验证性流行病”这一网络信息失序的结构性危机治理，则需以“原汤化原食”的手段。从生成式人工智能的基础性构造 —— 数据、算力、算法、模型着手，围绕AI生成内容的验证逻辑展开深度分析，并借助新传+计算机科学的跨学科视角，促成生成式人工智能的可持续发展，从而建构起健全的“验证生态”发展模式。

（一）数据的源头嵌入式验证

数据作为AI生成内容的“起点”，其清洗与抓取的范围影响了人工智能进行初步训练的门槛；作为喂养智能生成系统的“燃料”，其质量高低与流向直接影响了网络信息环境的生态质量。单一化的数据管制已然落后，只有建立起动态化、精密型的源头嵌入式验证，才能实现验证线索的全程可溯。

要解决数据信息“事实无根性”的源头问题，就必须强制实施“生成式内容来源与属性标注”，要求所有由AI生成的或深度修改的内容携带一套可验证的“数字出生证明”，为后续的智能检测与人工核查提供一套标准化入口。这并非简单的“AI标签”，而是一套携带机器可读、抗篡改的元数据，能够标明其生成模型、创作时间、修改历史以及人类参与度的检测标准。

还可研发出一种动态的、基于密码学的内容指纹和反向溯源技术，突破静态水印的单一局限。利用对抗性水印技术，使AI模型在生成内容时主动嵌入难以察觉但可稳健检测的信号；再通过网络溯源对大规模传播的“不可验证性信息”进行跨平台传播路径图谱绘制，冲破“验证性流行病”的毒瘴。

（二）算力的多元参与式验证

算力是智能传播时代的“新动力”，它代表了目前生产力的最高水平。其分布式和稀缺性正加剧全球“智能鸿沟”的扩张，而构建多元参与的验证网络，是攻克“验证性流行病”、确保网络空间治理规则普惠性与可行性的动力基础。具体而言，则需从平台、社会基础设施与政策制度切入，形成治理合力。

平台不仅仅是信息通道，也必须承担起“验证网关”的积极责任。在推荐与排序算法中，技术平台可以建立“可验证”认证体系，对敏感领域的信息资源进行溯源计算与审查追踪，将对内容可信度的评价纳入核心验证权重，优先呈现带有可验证标记的内容。对涉及重大公共利益且验证线索缺失或矛盾的内容，则自动触发限流机制，为人工核查争取时间 [17] 。同时还可开放数据赋能第三方核查通道，在保护用户隐私前提下，为权威事实核查机构提供接口支持，助力其快速识别与追踪疑似虚假信息集群。

政府与相关公益基金可投资扶持以算力为基础的“公共数字核查基础设施”建设，并面向整个社会开放。这种用于信息验证核查的“公共图书馆”能够有效降低社会的验证成本，更好地服务受众验证需求，对抗商业平台的垄断。

制度层可背靠大模型的强大算力建立“生成式AI模型的传播影响评估”，在AI内容发布前，由跨学科团队借鉴环境进行“传播影响评估”，预测其可能引发的验证性风险，并制定相应的缓解措施。同时需要依据《生成式人工智能服务管理暂行办法》，细化“验证失灵”的法律责任，推动全链条责任追溯机制的法律落地。设立“AI内容治理跨学科委员会”，针对技术迭代带来的新问题，组织委员会进行跨学科的探讨并定时更新检测标准与监管手段，避免“验证滞后”。

（三）算法的协同适配式验证

算法的“黑箱”特性及其潜在的歧视，是诱发“验证性流行病”的核心动因。构建算法的协同适配式验证机制，就是要从效率优化转向服务于公共可信度。

监管机构与独立研究所可授权开放可验证的算法接口与审计工具，对主流推荐算法的关键参数与输出结果进行有限度的、可验证的审计。并透明公开结果，让用户能直观理解AI内容的传播线路，让“验证性流行病”变得可观察、可质疑。借助算法备案制度，事前预先界定并固定问责点，强制要求平台依据备案信息阐释算法机制，并结合具体可量化的客观损害结果予以归责 [18] 。

同时开展“公共验证素养教育”，联合国教科文组织等机构牵头制定全球算法素养教育框架，将批判性思维与验证追问训练纳入公民教育体系，对算法“脱敏”“祛魅”，提升公众对算法操纵的免疫力，增强生成式治理中“赋能多元主体”的核心要义，发展互助的“众包验证”文化。这能有效将公众的集体智慧纳入验证生态，形成专业核查之外的补充验证。

（四）模型的规则闭环式验证

智能传播时代的网络空间不再是单一静态的活动场域，而是一个前赴后继的动态的有机体。因此，其治理必须覆盖贯彻“孕育生成”到“弥散消退”的全生命周期，并依据其不同环节演进进行动态分级响应。作为具有自主演化性、数据依赖性与算法黑箱性三大核心技术特征的大模型，其自主演化性可能导致输出内容超出预设范围，带来安全性隐忧，因此在研发阶段进行充分的对抗性测试和价值观对齐至关重要 [19] 。

在AI生成内容初期，要进行强制性的多边“红队测试”。即由跨学科的专家团队来模拟恶意攻击者，对预先通过测试的备选模型进行攻击性测试，验证其是否会被滥用于生成虚假信息、造成信息污染、进行网络诈骗、引起社会对立等潜在风险。将人类反馈强化学习（RLHF）等“价值观对齐”技术作为研发的必备环节，确保输出内容与人类共同利益大体一致。

在AI内容部署阶段，要建立实时性能监测的动态风险分级评控系统。一旦监测到某个内容在特定任务上表现出超越当前等级的风险时，系统便自动触发高层监管要求。同时，推广AI内容验证“监管沙盒”，允许创新模型在真实世界环境中进行测试，监管者与开发者共同观察、评估并同步更新治理规则。

在AI内容问责阶段，实施“责任制”，明确AI内容生成/深度修改者、传播者、使用者在不同场景下的法律责任，形成可核查的闭环治理。

四、结语

智能传播视域下的网络信息失序的结构性危机治理，是一个将多边主义的包容性、合法性、普惠性、共享性与生成式治理的适应性、精准性、动态性、结构性深度融合的复杂系统工程，二者不是简单的物理相加，而是化学相融。生成式人工智能将我们带到一个“验证稀缺”的时代，而“验证性流行病”的蔓延、扩散，不仅是技术信任危机，更是公共领域交往基础的结构性危机。生成式逻辑的“验证生态”治理不仅是为智能传播时代网络信息失序治理开具一份“复合处方”，更是为了实现网络空间系统和人工智能技术之间从“内容管控”到“生态赋能”，从“封闭问责”到“开放协同”的范式跃迁。

生成式人工智能融入网络空间是一个嵌套式发展、循环往复的过程，未来的研究与实践需更加注重技术迭代与制度框架之间的动态嵌套适配，完善结构耦合实践，持续推动跨学科、跨领域、跨国界的交流对话与合作，从而在技术狂奔的时代构筑起坚实而灵活的治理轨道。

基金项目：论文系湖南省社科联基金一般资助项目“大模型时代AI信息污染的伦理风险及其治理研究”（项目编号：XSP26YBZ116）阶段性成果。

参考文献：

[1]米加宁.人工智能驱动下网络空间的新冲突与治理方向 —— 基于生成式治理理论的视角[J].人民论坛·学术前沿，2025（13）：11-23.

[2]景奎，徐凤敏，王柯蕴.生成式人工智能传播风险：理论内涵、形成机理与治理策略[J].西安交通大学学报（社会科学版），2025，45（02）：130-138.

[3][法]贝尔纳·斯蒂格勒.技术与时间：爱比米修斯的过失[M].裴程，译.南京：译林出版社，2000：25-27.

[4]舒德森.新闻社会学[M].徐桂权，译.北京：华夏出版社，2003.

[5]Sacks O.Hallucinations[M].London：Pan Macmillan，2012：13.

[6]Huang L，Yu W，Ma W，et al.A survey on hallucination in large language models：Principles，taxonomy，challenges，and open questions[J].ArXiv preprint ArXiv，2023，2311：5232.

[7]刘俣孜，赵云泽.人工智能幻觉现象的生成机制与治理策略研究[J/OL].新媒体与社会，1-17[2025-10-23].https：//link.cnki.net/urlid/CN.20250806.1102.002.

[8]朱春艳，王卓伦.数字技术时代拜物教批判及扬弃[J].贵州师范大学学报（社会科学版），2023（03）：12-22.

[9]喻国明，耿晓梦.“深度媒介化”：媒介业的生态格局、价值重心与核心资源[J].新闻与传播研究，2021（12）.

[10]Kumar S，Garg S，Sengupta S，et al.MixRevDetect：Towards Detecting AI-Generated Content in Hybrid Peer Reviews[C]//Findings of the Association for Computational Linguistics：NAACL 2025，2025：944-953.

[11]KAVANAGH J，RICH M D.Truth decay：An initial exploration of the diminishing role of facts and analysis in American public life[R].Santa Monica，CA：RAND Corporation，2018.

[12]裴蕾.智能传播时代“后真相”情感的生成与治理[J].现代传播（中国传媒大学学报），2022，44（8），55-62.

[13]Wardle C，Derakhshan H.Information disorder：Toward an interdisciplinary framework for research and policy making[M].Strasboury：Council of Europe，2017.

[14]Ross B，Pilz L，Cabrera B，et al.Are social bots a real threat？An agent-based model of the spiral of silence to analyse the impact of manipulative actors in social networks[J].European Journal of information Systems，2019，28（4）：394-412.

[15]张洪忠，斗维红，任吴炯.“权威幻象”：生成式AI对传媒业的影响[J].新闻界，2023（2）：4-12.

[16][法]贝尔纳·斯蒂格勒.技术与时间：爱比米修斯的过失[M].裴程，译.南京：译林出版社，2000：49.

[17]叶秀敏.数字平台治理的“最小化合规”困境及其突破[J].学术月刊，2023，55（4），106-117.

[18]张凌寒.网络平台监管的算法问责制构建[J].东方法学，2021（03）：22-40.

[19]汪青松.大模型运行损害的归因范式与责任机制[J].东方法学，2025（04）：124-137.

来源：东南传播，2026年第2期，总第258期

本文引用格式：胡思洋,陈功.智能传播视域下网络信息失序的结构性危机及其发生机制和规制理路[J].东南传播,2026(2):154-157.