人工智能技术以其迅猛的发展态势，深度嵌入当今社会生活，为用户的社会参与、公共空间的开拓以及公共价值的塑造提供了新的路径。人机交互界面的多次迭代，自然语言处理技术的日渐成熟，尤其是2022年底ChatGPT的发布，促使生成式人工智能的发展速度显著提升。作为人机交互的智能中介，生成式人工智能在数据处理和语言学习方面具有强大的理解和互动能力，能够与用户建立一种人机深度融合的“共同体”关系。基于算法、大模型、图像、声音等技术的生成式人工智能，会使用户感受到另一个社会实体的存在，从认知、情感、行动维度激发用户的社会临场感，从而将人机交互的虚拟空间拓展为一个被人工智能渗透的新公共领域，显示出更具开放性、共享性、交互性的公共性特征。基于这一现状，生成式人工智能技术如何构建新公共领域并促进公共性的生成，已成为人工智能时代一个全新且重要的课题。

一、生成式人工智能的技术想象与公共性生成

清华大学新媒体研究中心将“生成式人工智能”（GenerativeArtificialIntelligence）明确界定为“基于Transformer等算法模型，在海量语料预训练基础上，经过微调、人类反馈的深度学习、价值对齐等步骤实施的人机对话系统、图文自动生成系统等多模态技术与工具”。它以强大的数字内容生产能力和深层交互功能推动了知识生产、人机互动、智能互联等领域的演进，掀起新一轮AI发展浪潮。

1.多模态协同：创设信息公共性。生成式人工智能使原有各信息模态的边界被打破，不同类型的信息可以在多模态之间实现映射和转换。这一技术的更迭演进决定了其在当代社会的应用场景和影响范围不断扩大，延展至文本生产、音视频制作、电子商务、游戏开发等各个领域，能够打造个性化服务、推动数据运算、加速内容开发，同时也将个体对公共信息的获取与再造置于一个空前平等的状态。在技术架构方面，生成式人工智能的技术共享实践——对海量数据训练和大语言模型的应用大大降低了信息挖掘的成本，提高了信息的使用效率，降低了用户使用信息的门槛，实现了多模态协同与技术融合，促进了多领域间的信息交换，并通过用户的连接延伸出一个公共信息和数据汇聚的平台，从而在更大程度上实现了信息和数据的公共性。

2.技术扩散适应：平衡公共利益。生成式人工智能具有强大的内容再生和创新扩散能力，基于开源模式构建的网络化效应与协同循环生态，将碎片化的信息整合、重组，使信息产生了前所未有的深度和广度。开发者通过社区共享代码，方便企业将其垂直嵌入具体应用场景，用户在实际应用中反馈、回流至开源社区，实现场景化适配和远超闭源模式的扩散效率，能够在认知层面建立起更为可信、透明的技术形象。

德国社会理论家哈贝马斯认为，公共空间的构建促进人们参与沟通并形成代表公共利益的共识。人工智能技术使信息密度在数据库与算法的加持下不断提高，公共空间也从现实的社会空间延伸到网络上的虚拟空间。数据和算法向社会的渗透和扩散，使用户更积极地参与到社会系统的运行之中，在生成式人工智能创建的差异化公共空间中进行主体间的互动，完成从信息到知识、知识到人类智慧的跃迁，从而实现公共利益的平衡和公共价值的再造。

3.AI身份流变：人机互动中的公共理性建构。生成式人工智能模型正在从单纯的内容输出扩展为能够自主学习和行动的智能体，模拟人类思考，并同人类进行对话和互动。以往被作为技术或工具看待的AI在人机交互中的主体身份可以发生相对灵活的改变。如果直接将AI定义为机器，AI的功能就停留在了回答问题的层面，人类产生的所谓主体间情感就不可能是真实的；反之，若将AI定义为平等的行动者，则其智能化的身份特征就被凸显出来。