摘要：在数字化、平台化与人工智能广泛嵌入文化生产的背景下，当代文化的符号机制正经历由解释逻辑向生成逻辑的深刻重构。通过整合皮尔斯符号学中关于解释项的三分法及洛特曼“符号域”理论，本文揭示了解释机制主导权从人类阐释主导的动力解释项，向平台算法操控的直接解释项，再到内化于AI模型的最终解释项的系统性转移。相应地，三种文化形态逐步生成：数字语境中的开放文化网络、平台治理下的流量机制以及AI语境中递归式的生成结构，三者共同构成嵌套交织的多层符号域。人工智能通过“解释项的技术内化”与“对象的符号悬置”，重构了皮尔斯经典的三元符号关系，推动了以人机协作与试推逻辑为核心的新型意义生成机制。这一转向不仅改变了当代文化语境中的符号生产方式，也为理解数智时代的人文认知结构提供了新的理论视角。
赵星植、张铁风：数字域、平台域与AI域：数智时代符号域的生成逻辑[J].当代传播，2026（3）：35-40.
在过去的20年中，随着数字化、平台化与人工智能的持续推进，人类文化的符号活动机制正经历深刻的结构性变迁。从网络早期的数字文本流通，到平台算法主导的内容分发，再到生成式AI直接产出符号文本，符号活动的空间、结构与动力机制皆发生了根本性转变。本文认为，这一变迁不仅涉及媒介形态的变化，更根植于意义机制本身的演化。
为理解这一复杂过程，本文回到符号学的两大核心理论传统：查尔斯·桑德斯·皮尔斯关于符号三元结构与解释项机制的理论，以及尤里·洛特曼提出的“符号域”（semiosphere）概念。皮尔斯的分析揭示了再现体、对象与解释项之间的动态关系，尤其是其区分直接解释项、动力解释项与最终解释项的逻辑框架，为分析意义生成机制的演化提供了精确的微观工具；洛特曼则从文化整体性出发，强调符号域的“边界—翻译—自组织”机制，揭示了符号如何在不同文化空间之间迁移并生成新的结构。二者结合，使我们既能在微观层面追踪解释项主导权的转移过程，又能在宏观层面刻画文化空间的边界变动与结构重组。
本文的核心论点在于数智时代的文化变迁，其根本动力源于解释项主导权的系统性转移。这一符号表意机制的深层变动，塑造并定义了三种相互关联的文化结构：数字符号域、平台域与AI域。在数字符号域，主导权属于人类阐释者，意义的生成由网络用户自由生产的动力解释项驱动；在平台域，主导权转移至平台，算法对直接解释项进行集中化控制与分发，从而引导用户阐释行为；在AI域，文化的法则与习惯（即最终解释项）被技术性地内化为模型，使其能够绕过传统表意过程直接生成符号内容。
本文并不将这三个“域”视为独立的线性阶段，而是理解为一种层叠嵌套、相互依存的结构：数字符号域是基础层，由数字媒介中介的人类符号交流构成；平台域在其内部运行，通过算法化与数据化手段集中管理用户的文本与行为模式；AI域依托平台，将前两域的产出物通过预训练等方式内化为自身的生成能力。
在这个三阶段模型中，数字符号域不仅是时间上的起点，更是机制上的基础。按照皮尔斯的解释项三分法，数字符号域以动力解释项为核心——意义通过即时的阐释行为生成，并依赖人类的能动参与。在洛特曼的框架下，这一时期的文化边界高度开放，跨界翻译与再语境化极为频繁。这种开放性一方面促成了符号内容的指数级扩张，另一方面也为平台域的算法集中化干预提供了肥沃的土壤。
一、数字符号域：动力解释项主导的开放文化空间
数字符号域（Digital Semiosphere）是由互联网技术中介、以数字化符号文本为基本单元的人类符号交流空间。这一文化空间的根本特征源于符号意义生成机制的结构性变化：解释项的主导权发生了系统性转移，由用户个体的动力解释项，即由实际的心理—行为活动所触发的即时阐释结果，并占据了行动主导地位。为理解这一过程，需要先厘清“符号域”与“解释项”这两个关键概念。
“符号域”的概念源于洛特曼，用以指代所有符号活动得以发生并获得意义的统一符号空间。他将其定义为一个先决性的整体，而非孤立符号或文本的简单相加，即“整个符号空间可看作单一的机制……一个可称为符号圈的‘宏观系统’……符号圈是一个符号空间，在它之外，哪怕仅仅只是符号过程的存在，都是不可能的”。这一宏观系统通过两种特性进行运作：首先，边界是符号域存在的首要条件，它划分内外，是文化交流与意义生成的活跃区域。洛特曼将边界的功能描述为一组“双语翻译的‘过滤器’”，它通过转码、翻译外部信息从而实现文化的自我更新与意义增殖。其次，符号域内部由不同结构、不同发展速度的子系统构成。洛特曼指出，正是“跨越这些界限的信息翻译，不同结构和子结构之间的相互作用……导致意义的产生和新信息的形成”。这种内部的持续对话是文化创新的根本动力。在数字时代，这些特性被显著放大，表现为文化边界的高度开放与流动，跨界翻译与交流的频率骤增，新的文化元素得以快速跨越边界、进入并被整合进既有符号系统。这种动态结构宏观上塑造了一个去中心化、多元共生的文化空间，赋予个人阐释行为前所未有的广度与速度。
“解释项”则是理解意义阐释机制的关键。皮尔斯将解释项分为三类，分别对应其第一性、第二性与第三性的范畴：首先是直接解释项（Immediate Interpretant），即符号自身内含的、被理解的可能性，是其固有的可解释性，属于第一性；其次是动力解释项（Dynamic Interpretant），即符号在特定情境下对一个阐释者实际产生的效力，是具体、偶发的阐释行为，属于第二性；最后是最终解释项（Final Interpretant），即经由无限的阐释实践，社群最终会达成的一种稳定的共识、习惯或法则，属于第三性。这一“直接—动力—最终”的逻辑次序，构成了符号意义的解释链条。
然而，数智时代的文化变迁却展现出不同的历史顺序：它始于动力解释项，而非直接解释项。理解这一点需要区分“逻辑发生顺序”与“历史变动顺序”。皮尔斯的解释项机制描述的是符号解释的内在逻辑，而现实的文化机制则受社会与技术条件影响。
文化机制的变动以动力解释项为起点而非直接解释项，其原因在于：数字媒介的出现，将文化解释的重心从固定的文本本身转移到了开放的、即时的社会文化实践之中，也即以符号文本为中心转变为以符号互动为中心。在印刷媒介或经典文本文化中，直接解释项（文本的潜在意义）和最终解释项（文化权威）相对稳定，阐释活动围绕其展开。但在互联网的即时文本与多模态传播环境中，符号的“潜在意义”变得极不稳定甚至过度透明；它们在迷因（meme）文化、改编和二次创作中被不断改写。因此，文化实践的现实起点无法再锚定于一个内在的直接解释项，而只能是动力解释项所代表的、流变的、生成性的阐释活动本身。它导向阐释者对所接收符号的一次实际的解释行为，可以是一种情感共鸣、一次认知领悟，或者是数字语境下可见的思想及身体行动，如一次点击、评论或转发。
这种主导权的转移在与前数字时代的对比中表现得尤为清晰。在前数字时代的符号域中，符号生产和传播的结构本质上是中心化和等级化的，由作者、知识精英和文化机构控制，从而对个体表达进行结构性影响。符号的生产与流通遵循广播式的“一对多”单向传播模式。巨大的资本与技术门槛，如印刷机、发行渠道、广播许可等，将符号的传播、解释权力牢牢掌握在少数专业化的文化机构手中。对于普通受众而言，其在接触符号文本后产生的阐释行为（即动力解释项的效果/产物），绝大多数被禁锢在私人的内心世界与地方性的小范围社交之中。这些想法、评论与感受，因缺乏公共发表的渠道而无法有效汇聚成公共话语。在这种结构性影响下，个人的动力解释项是一种次级的、几乎“不可见”的符号行为。
数字媒介则以其“多对多”的网络分布式结构颠覆了这一模式，催生了以动力解释项为主导的符号表意机制。这具体表现在三个方面：首先，数字媒介显著提升了动力解释项的可见性与存续性。相较于私人阅读或交谈中即时消散的观点，论坛的回帖、博客的评论都意味着一个动力解释项被永久留存，可供检索与引用，使原本私人的阐释转变为公共事件。其次，它将分散的阐释行为编织进庞大的意义网络，通过超链接、@引用、再创作等机制，孤立的动力解释项可以与其他符号文本快速建立连接，形成“符号→动力解释项（及新符号）→新的动力解释项……”的无限衍义链条。再次，它使动力解释项具备了反向塑造符号意义的力量。当海量的动力解释项围绕同一符号汇聚时，可能产生足以改变甚至颠覆其原初意义的累积效应。例如，一个严肃的文本可能被戏谑性评论解构，一部小众作品也可能被热烈讨论推向大众视野。因此，数字符号域的符号表意机制，其核心特征就是动力解释项的解放与主导。文化的最终解释项也不再由权威自上而下赋予，而是从海量动力解释项的互动中暂时性地涌现为共识，这体现了数字语境下阐释权力的结构性转移。
这种由动力解释项主导的微观表意机制，通过其集体性的涌现，使传统符号域演化为数字符号域，并形成了新的结构性特征，即“技术—社群”的二元边界与“再语境化”的翻译机制。首先，在奠基期的数字符号域中，这一边界呈现为一个独特的“技术—社群”二元结构。技术性边界由网络协议与平台架构定义，提供了相对中立的、普遍适用的规则框架。在此之上，无数动力解释项的汇聚与协商生成了文化性的社群边界，它由共享的文化语言、阐释框架及集体情感所维系，执行着建构文化认同、过滤外部信息的功能。由此，数字符号域可被视为卡斯特所描述的“网络社会”，通过“信息流空间”而非物理空间的形式，体现了去物质化、网络化、流动性强的特点。例如，一个拥有千万粉丝的YouTube频道、一个热门游戏的玩家社区（如MineCraft服务器）或一个因共同话题（#标签）而聚集在微博平台的兴趣群体，它们的边界不再由地理空间界定，而是由用户关注、API接口和平台架构等技术—社群边界来划分。
其次，符号域的翻译机制，从一种文化精英活动转变为一种以“再语境化”（re-contextualization）为主要形态的、普遍化的日常实践。这种翻译的动力源于个体的阐释。每个用户的心智本身就是一个独立的符号域，任何对外部文本的解释（即动力解释项的生产）都是一次将其再语境化到个人心智内部的翻译过程。数字媒介则为这种原本内在的“翻译—阐释”行为提供了前所未有的外部化和公共化渠道。当用户通过评论、转发或二次创作发表其阐释产物时，便将一个既有文本抽离其原始语境，置于一个新的公共语境之中，从而赋予其全新意义。例如，截取一张电影图片制作成表情包就是一次典型的、日常化的再语境化翻译：它将电影中特定场景的意义，成功翻译出适用于日常网络交流的新意义。由此，动力解释项产物（即数字符号文本）的意义重心发生了偏移，文本意义不再内在于自身，而是更加强调其在使用语境中的“符用意义”，创新地、动态地生成于该文本与其他文本、平台和用户互动的网络关系之中。
最终，动力解释项的解放以及由此驱动的符号域结构变迁，共同编织出一个以“文化网络”为形态的全新文化样态。数字技术将文化解释的权力从精英阶层移交给广大的个体用户与网络社群，使传统符号域中那个稳定、单一的中心随之消解，取而代之的是由无数“技术平台—数字社群”节点构成的分布式网络。在此网络中，任何能够被用户阐释的符号现象都能够被“文本化”，囊括了“推文、电影、电子游戏、计算机代码、日常生活行为和仪式，以及它们的集合”。这种文化网络拥有两种内涵：一是以文本（信息、符号、解释项）为节点的文本文化；二是以人（个体用户、社群）为节点的认知生态。对于文本文化而言，一个符号的文化价值取决于其内在的可解释性、引发阐释行为的效力，以及在一个社群内部获得的价值共识。詹金斯从“粉丝”角度建构的“参与式文化”（Participatory Culture）便是这种文本文化的典型例证。粉丝的“文本盗猎”（textual poaching）本质上就是一种普遍化的再语境化翻译，例如同人写作中将原著中的角色置于与原著不同的世界观中展开故事，创造新的意义。这些新的文本相互勾连，构成了独立于“读者身份”的“同人文化”，它“是一种常态的、不断扩展、看似无所不包，但同时又持久存在、能够维持强大传统并创造出经久不衰作品的文化”。这恰好验证了解释项层面的三种文化价值：一是原文本（如《星际迷航》《星球大战》《哈利波特》等）因其通俗性和想象力而具备了极强的可解释性；二是它对创作者产生了强大的效力，激发了参与式文化的成员“相信他们的贡献至关重要”的信念；三是这些创作在一个社群中获得了价值认可，从而激发了社群的情感连结与参与。
当以用户为节点时，该文化网络成为一个孕育集体认知的综合性环境，这正是莱维（Pierre Lévy）所设想的，作为新型知识空间的理想环境。与传统的社会群体不同，该网络中的社群是自组织的，是基于共同智力事业与情感投入而形成的自愿联盟。这种集体智慧的运作，遵循着知识分布式共享的原则。正如莱维所言，“没有人知道所有事情，每个人都知道一些事情，所有知识都存在于人类之中”。这种模式从根本上改变了知识的生产与凝聚方式，如协同编辑、共同维护的网页百科，它使整个群体能够有效利用远超任何个体所能及的、更广泛的专业知识与技能。知识的价值不再体现于个体的占有，而是在社群网络的共同生产与互惠交换中得以实现和增殖。
值得注意的是，莱维将集体智慧描述为一种“可实现的乌托邦”，它并非技术配置的必然结果，而是需要努力争取的愿景。现实也是如此，前文所论述的数字符号域更接近一个理想的数字文化模型，其历史参照物是商业逻辑全面主导平台之前的奠基期互联网。在当代社会语境中，平台资本主义的全面介入使得这个文化网络形成了强大的算法中心。它通过推荐机制、流量分配和内容审核，反过来限制、引导甚至操纵着广大用户的阐释行为。这种模式能够最大化平台商业利益的数据价值，在很大程度上取代了符号文本以及知识本身的价值高位。因此，数字符号域中动力解释项与文化创造力的所谓“自由”，在现实语境中已成为一种被严重制约的、需要批判性审视的理想状况。
二、平台域：直接解释项被操控的商业文化空间
如果说数字符号域的特征在于动力解释项的主导所带来的开放性，那么平台域的出现则是商业资本与技术架构对这一开放文化空间进行系统性操控的必然结果。平台域内嵌于数字符号域之中，它并非一个全新的空间，而是从前者内部“平台”这一技术架构的质变中演化而来。“平台”这一术语本身是模糊的，从技术层面看，是指一个支撑应用程序设计和使用的基础设施，如计算机硬件、操作系统或是能使用户或第三方设计和部署应用的在线环境。像YouTube类平台，正是建立在这样的技术基础之上，提供视频内容的存储、传输和播放等服务。但同时平台也是一种话语建构，该词的运用是这些公司精心设计的策略，旨在向用户、广告商、政策制定者等不同群体塑造一个积极、中立的形象。互联网的早期数字平台在很大程度上扮演着提供中立技术支持的角色，其主要功能是为动力解释项主导的符号文本生产提供基础架构。然而，随着Web 2.0的深化，特别是“注意力经济模式”成为商业逻辑的核心，平台成为一个融合了商业资本、技术架构和多元应用的复杂系统平台。平台不再满足于仅作为基础设施，为了将数字符号域中大量的动力解释项生产转化为可预测、可盈利的商业价值，它必须夺取意义解释过程的主导权。这一过程并非通过直接生产内容来实现，而是通过一种更为精妙的间接方式：将主导权从用户即时、自发的阐释行为（动力解释项），转移至对符号潜在可解释性（直接解释项）的系统性控制。平台域的文化结构正是建立在这一主导权转移的基础之上。
这一解释主导权的转移始于平台对用户阐释行为的数据化。在数字符号域中，用户的点击、点赞、停留时长、评论、转发等行为，是动力解释项的直接效果。而在平台域中，这些行为首先被剥离了其丰富的语境意义，转化为可被量化、聚合与分析的数据点，这些数据构成了算法治理和决策的基础。平台将用户的每一个互动行为都置于其数据监测之下，并将其归入复杂的、动态更新的用户画像之中。用户在进行自我表达或消费的同时，也在无意识地进行着一种数字劳动：促成用户进行符号行动的动力解释项，反过来又成为训练与优化算法系统的生产资料。平台正是利用这些被捕获的数据，实现了对直接解释项的精准操控，其主要工具便是由算法驱动的“推流机制”或内容分发系统。算法根据用户画像，预测最能引发其积极行为（如长时间观看、点赞互动）的符号文本，并优先推送至其信息流中。这意味着，用户所接触到的符号文本，其“可见性”不再是随机的或由社群热度自然决定的，而是被算法根据特定商业目标精心安排的结果。其最终效果是，平台为每个用户都量身打造了一个看似个性化、实则高度受控的“意义的可能场域”。用户看到的是一个经过算法预先筛选和组织的、充满了潜在可解释性的内容集合（即直接解释项的集合），如微博的个性化热搜，或Twitter用算法时间轴取代原本时间顺序的信息流。这个场域持续强化用户既有的偏好，久而久之便固化为一种“信息茧房”，极大压缩了用户接触异质性信息、产生全新阐释的可能性。因此，平台通过捕获动力解释项（用户行为数据）来操控直接解释项（内容可见性）的闭环，构成了其权力的基础。它不直接控制用户的思想，却通过构建用户思想的前提，即他们所能接触到的符号环境决定了意义可能会被如何阐释。
当这种对直接解释项的微观控制被系统化、规模化之后，在洛特曼的框架下，符号域的翻译机制、中心—边缘结构与边界性质也发生了变化。首先，翻译机制从数字符号域中用户间的“文本对话”，转向了以算法为核心的“行为建模”。这种翻译机制的转变意味着文化逻辑从“语言”转向了“经济”。正如班科夫所言，数字时代的文化逻辑是经济的，它不再是传统符号域中经由语言文本阐释的文化习惯的长期积淀，而是将时间和注意力等稀缺资源效益最大化的过程。在平台域中，翻译的主体不再是用户，而是平台的算法系统。算法并不理解文本的语义与语境，它所翻译的是用户的行为数据，并以此构建起关于用户的动态行为模型，再将最可能引发特定行为的内容“回译”给用户。这是一个以行为预测与引导为目的的技术闭环，它取代了开放的、无限衍义的文本对话，成为平台域内信息流动的主要方式。这种转变也确立了一种新的“中心—边缘”结构，即“算法中心”的确立。在数字符号域中，文化的“中心”是流动的、由社群注意力自下而上地形成。而在平台域中，算法本身成为一个强大、稳定且不可见的结构性中心，它决定了内容的可见性分配，即推送给广大用户的信息流。用户的角色从潜在的中心创造者，转变为这个算法中心的边缘接收者与数据提供者。这个中心由平台的所有者所掌控，其运作的根本目的并非意义交流或文化创新，而是服务于祖博夫所描述的“监控资本主义”闭环：攫取数据、生产预测产品、销售给商业客户以实现利润最大化。平台所有者拥有捕获、存储和转售数据的权力，而无需向公众追索或补偿。用户在接受平台服务条款后，对其数据失去了主导权，彻底沦为这个“中心—边缘”不对称结构中的边缘数据生产者。
随之，平台域的边界不再是由阐释社群的文化认同所构建的、模糊而流动的边界，而是由计算机代码和商业逻辑所划定的、精准而坚固的“算法边界”。这个边界体现在两个层面：一是用户个体层面的“信息茧房”，算法为每个人都构建了一个个性化的信息边界，将其与异质性信息隔离开来。二是平台整体层面的边界，每个平台都致力于将用户和数据锁定在自己的生态系统之内。这种边界不再是文化活动的结果，而是技术与商业战略的产物，“平台并非通用技术，而是迅速朝着封闭的、私有化的网络方向发展”，其目的是最大化平台的控制力与商业价值。
在这种由算法中介的全新符号域结构下，一种以数据表现为核心、以吸引注意力为首要目标的文化流量形态，取代了数字符号域中有机连接的文化网络。如果说文化网络是文本与社群之间有意义的连接，其运行机制近似于雅各布森（Roman Jakobson）所言的转喻轴（组合轴），即通过不断组合创造新的意义链，那么“文化流量”则是算法将具有相似行为模式的用户与内容进行高效聚合，其运作逻辑更接近于隐喻轴（选择轴）。在此，算法将原本应保持潜在的聚合轴元素（即相似、可替换的内容），以线性的方式呈现为一种组合文本（如信息流）。这正是平台域文化样态的根基：意义不再通过转喻式的连接而生长，而是通过隐喻式的不断替换，被固化在一个由算法定义的狭窄范围内。
这一文化语法的功能在于将用户注意力转化为商业价值。以社交平台“小红书”为例，其“种草”文化鼓励用户分享消费体验，看似是社群分享，实则是一种“隐形劳动”。用户在追求自我表达的同时无偿生产了大量营销内容。这些内容既可以吸引更多用户注意力，又能服务于品牌营销、驱动电商交易，并产生高价值商业数据。因此，一个符号的价值不再由能否激发新的阐释（动力解释项）衡量，而是被窄化为可量化的数据表现，即点赞数、转发量、完播率等。为了获得算法的青睐，创作者会依据算法的“规则”来调整创作，即“玩可见性游戏”。这种对“算法可识别性”的追求，导致那些最能刺激用户感官、迎合既有偏见的内容被算法放大，从而抑制了文化的多样性与批判性。其结果是一种意义的封闭与加速消耗，文化热点如漩涡般迅速聚集注意力，又迅速消散，难以形成有沉淀、有记忆的集体文化。因此，平台域的文化样态是一种在商业逻辑驱动下，以生成和引导文化流量为目标的被干预过程。它高效、精准，却将丰富的意义阐释活动转变为一种服务于算法的反馈机制：用户的阐释行为（动力解释项）被不断激发，但这些激发不再是为了开创新的意义，而是服务于强化算法的判断，最终将自身更深地限制于这个由相似之物构成的文化流量漩涡之中。因此，平台域的文化样态本质上是一种由算法塑造的商业文化空间。它牺牲了开放的文化网络，换取流量的可预测性与商业化价值。
三、AI域：最终解释项被内化的递归文化空间
AI域的形成，正是依托于平台域所提供的三大资源，海量可供训练的数据、强大的计算设施与迫切的商业需求，它是将前两域积累的符号产出物进行压缩与内化的结果。这一过程实际上是将海量的、具体的人类符号表意实践用于预训练，从而提炼出关于“何为有意义的符号序列”的解释法则与习惯，进而将其运用于AI的符号生产。这正是解释项主导权从对直接解释项的外部操控，转为对生成法则的内部应用的根本原因。由此，符号的阐释逻辑转变为生成逻辑。AI通过将人类文化得以形成的终极法则，即皮尔斯意义上的最终解释项，直接技术性地内化为模型自身，从而掌握了意义生产的源头。尽管在商业模式上，AI域在很大程度上仍依托于平台域存在，但其符号生成技术的革新性正在从根本上重塑人类的数字文化空间。
这一主导权向最终解释项的转移产生了“预测生成”这一符号生产范式，并从根本上改变了符号与世界的关系。最终解释项是符号经过充分的社会性流通与社群性阐释后达成的理性的、稳定的意义，它通常表现为一种法则、习惯或被广泛接受的共识。例如，西方文化语境中“龙会喷火”就是一个典型的最终解释项，其意义植根于神话、文学与影视作品所建构的文化共识。而在AI域中，这种原本属于社会文化范畴的抽象法则被技术性地内化。大语言模型的预训练过程正是这一内化的具体体现。AI学习“龙会喷火”并非通过理解神话，也非学习现实经验，而是通过处理海量人类符号文本，发现“龙”与“火”这两个符号间极高的共现概率。它将人类语言与文化中数以亿计的用法、范式、风格与逻辑关联，编码并压缩为自身庞大的神经网络权重。这些参数的组合，实际上就构成了一套关于“何为有意义的符号序列”的技术性法则。换言之，人类文化中那些经过长期演化才形成的“最终解释项”，在这里被转译为一套可计算、可执行的技术符码。这种技术内化催生了全新的“预测生成”范式。在皮尔斯符号学理论中，连接对象、符号与解释项的是“形式”，一种由三者在再现关系中所共享的抽象品质。传统上，形式来源于对象，如一位奇幻作家描写“巨龙喷出烈焰”，其创作的形式源于他对神话传说这一文化对象的理解与想象。然而，生成式AI彻底改变了形式的来源，它所运作的形式是一种从海量数据中提炼出的统计形式。AI所做的是依据这种内化的统计形式，预测出一个最符合概率法则的符号序列。这一范式的直接后果便是符号对象的系统性悬置。AI的预测生成从根本上绕过了对象、符号与解释项的三元关系。作家的描述指向一个丰富的人类文化想象共同体，但AI生成的描述在本质上不指向任何文化经验，只指向其自身的统计模型。由于其运作的统计形式本就源自一个封闭的数据宇宙，整个过程无需与外部世界（无论是物理的还是文化的）发生直接关联。这个生成过程在实质上并非一个真正的“符号过程”（semiosis），因为它不包含从对象到符号、符号到解释项之间的衍义过程。“模型的输出制造了意义在场的假象，但是实际上大语言模型一直是在一个向量空间中进行符号系统内部的自我指涉。”它是一个“从符号到符号”的、封闭的技术系统。
这种以最终解释项的技术内化为基础的符号生产机制，重塑了符号域的宏观结构，尤其体现在其翻译机制与边界形态上。在宏观层面，AI模型自身所内含的符号生成（解释）法则构成了AI域的中心，它是相对固化、倾向于自我复制的技术符码。这个中心是AI进行符号生产的依据，但它存在着一种“中心化”倾向。这些文本主要是已经编码（即被记录或数字化）为标准形式的、可见度相当高的文本，通常来自学术论文、新闻媒体或广泛阅读的数字内容，代表了人类知识中高度选择性的一部分。当它们被转化为AI模型的数据及参数时，就创造了一个主流文化的生成模型：AI模型更倾向于生成与其训练数据中高频符号相符的语言、图像或互动模式，这意味着生成的内容在语义、风格甚至意识形态倾向上往往是主流的，甚至包括文化偏见。本质上这是对既有符号库的概率性重组，它无法从外部引入异质性的符号意义，这导致了一种集中的文化形式，其中重复和可预测性占据主导地位。有研究发现，AI所展现出的文化倾向可能源于其训练所用的大规模文本数据中嵌入的真实世界文化倾向。例如，西方主流AI模型生成的图像可能“延续了西方对亚洲人的审美刻板印象，并且还在背景和配饰中混淆使用了来自日韩文化的符号元素”。
然而，文化意义的创新仍然发生在它与外部世界接触的边界，即AI模型与人类用户进行交互的动态界面。在这里，人机协同的“试推式翻译机制”发挥了核心作用，它将洛特曼意义上的翻译过程重塑为一个由人类主导的、持续进行的试推循环。这个循环始于人类用户向AI给出提示词，这本身可视为一个皮尔斯意义上的“令人惊讶的现象”（C）或待解决的问题。AI随即启动其内化法则进行试推，快速产出一个或多个在概率上最合理的符号文本，即一个解释性的假设（A）。然而，AI的试推是盲目的，其生成的假设是基于统计而非对现实情况的理解，这就需要人类进行假设的检验与修正，这正是洛特曼式翻译的发生之处：用户利用自身的现实经验，对AI生成的解释性符号文本进行判断与校准，将其翻译为与现实世界发生关联的、有意义的符号。如果假设不完美，用户则通过修改提示词或追问，向AI提出一个更精确的新问题（C’），从而启动新一轮的试推循环。这个持续的“试推—检验—修正”的循环，可以被看作是皮尔斯所说的“科学社群”探究过程的一个微观、加速的形式。由此，人机关系可被重新定义为“概率性假设的生成机器”与“经验性假设检验者”之间的持续互动。这种新范式也导致了认知负荷的转移：意义创新的主要负担从如何提出初始创意，转移到了如何从机器生成的海量假设中进行有效的筛选、判断与修正。
更重要的是，在AI模型这个中心与人类用户交互的边界上，形成了一种持续的更新机制：首先是即时性的校准。由于人工智能系统在本体论上缺乏对“此刻”的感知，唯一的办法就是不断更新其数据储备。因此，联网搜索等功能能够作为一种临时的校准工具，“消解在原来AI符号之中产生的幻觉”，确保信息在一定程度上的时效性。其次是更为根本性的校准。AI模型“固定的数据集是人为清洗的，会引入人的判断”，这可能“放大系统性的偏见”。正如卡斯特所指出的，当特定企业或国家开发的AI成为用户与互联网之间的接口时，它便通过特定的数据和算法在我们的头脑中塑造现实，这就是“接口权力”。因此，人类用户在边界处进行试推时的每一次反馈，无论是修正知识错误还是抵制刻板印象都至关重要。这些反馈有可能被用于更新训练语料或微调模型，从而对AI模型的最终解释项进行结构性的更新。这一人机协作的试推模式重塑了洛特曼意义上的符号域翻译机制与边界。翻译不再是不同文化符号域（如社群、语言）之间的对话，而是AI的假设生成与人类的现实校准之间的高速循环。
这种全新的符号域结构及其机制，形成了一种以“递归”（recursion）为核心特征的数字文化样态及其内在风险。“递归”是理解AI域自组织的关键，在宏观的人机协作循环中，系统的输出（AI生成的文本）可以成为系统未来的输入，从而形成一个不断自我引用、自我优化的符号循环。在这个闭环中，文化创新呈现出即时迭代的递归特征。它不再主要源于对外部世界的直接反映，而是更多地表现为对既有文化符号、风格和范式进行高速的、大规模的重新组合与杂交。AI凭借其强大的计算能力，可以在瞬间探索无数种风格的融合、叙事的变体和形式的创新，为人类创作者提供海量的灵感。文化创新从一种依赖个人天才的、偶发性的“突破”或“爆炸”，转变为一种可被系统性探索的、即时迭代的可能性空间。人类创新的角色自“从无到有的创造者”，转变为一个与高速运转的符号生成系统共生的“可能性的筛选者与精炼者”。
然而，正是这种高效的递归文化机制蕴含着“模型坍塌”的内在风险。所谓“坍塌”，具体是指模型在反复学习AI生成内容的过程中，逐渐出现信息收缩、偏差累积与生成能力退化的现象。由于AI的符号产物本质上是其训练数据的一种概率性重组，缺乏源于现实世界的异质性信息，因此当一个模型越来越多地学习由它自己或其他AI生成的“二手数据”时，一个负向的反馈循环便产生了，可能导致统计分布的逐渐偏离、信息多样性的缺失以及固有偏见的不断放大。换言之，大规模使用大语言模型在互联网上发布内容将污染用于训练它们的数据集。在这样的情况下，纯粹由人类生成的符号将变得越来越有价值。
尽管大型AI公司（如OpenAI）声称他们有严格的数据过滤和净化流程，但在AI生成内容（AIGC）无处不在的互联网上，完全避免AI生成内容被当作训练数据几乎是不可能的。人类在论坛、博客、社交媒体上发布的内容，可能本身就是借助AI完成的。因此，模型坍塌可能不是一个理论上的未来事件，而是一个已经在实践中缓慢发生的、难以察觉的过程。此时，人类在边界上进行现实校准的能力也会受到严峻挑战。如果人类所处的文化环境本身已经充斥着由AI递归生成的、逐渐脱离现实的符号（如大量的AI生成视频），那么人类进行校准所依据的现实经验和文化参照物本身也可能被改变。在这种情况下，AI系统将不再是文化创新的来源，而会退化为一个放大自身偏见、不断偏离经验现实的封闭符号循环，可能导致文化多样性的减损。因此，AI域是一个充满不确定性的递归文化系统，它在通过即时迭代极大提升文化生产效率的同时，也因其递归本质而蕴含模型坍塌与文化同质化的风险。如何维持AI系统与经验现实的有效连接，以及如何真正划分AI符号与人类符号，是AI域这一全新的文化形态为人类提出的重大挑战。
【作者简介】
赵星植，四川大学外国语学院教授、博士生导师。
张铁风，四川大学外国语学院博士生。
（此为删减版，图表及参考文献从略，原文参见《当代传播》2026年第3期）
