设想你向 AI 说：“你刚才理解错了，我想表达的是……”这句话把系统放在了一个可以被纠正、可以继续回应的位置。与此同时，你可能完全清楚它是一套人工设计的系统。
这个场景由本栏目编写。我们需要怎样的概念，才能同时描述这两件事，而不急着把使用者分成“只当工具”或“已经当成人”？Guzman 与 Lewis 的人机传播研究议程提供了一个入口。
一分钟读懂
- 读者用途：区分系统的交流功能、被赋予的角色，以及人们怎样理解人与机器的界限。
- 文献性质：2020 年期刊论文，整合相关理论与既有研究，提出人机传播研究议程。
- 核心结构：从功能、关系与本体边界三个方向，研究技术进入交流者位置之后的问题。
- 阅读边界：把机器作为交流对象研究，不等于证明它具有人类心智，也不表示所有人都会把它当成人。
01 · 从传递消息到回应消息
Andrea L. Guzman 与 Seth C. Lewis 发表论文时分别署名北伊利诺伊大学与俄勒冈大学。文章发表于《New Media & Society》2020 年第 22 卷第 1 期，关注能够参与消息生成和回应的 AI 技术怎样挑战已有传播概念。p. 70 ↗
传统的人际传播图景，往往把人放在交流者位置，把技术看成消息经过的渠道。作者指出，对话代理、社交机器人与自动写作系统，使这种划分需要重新讨论：人有时不只是通过技术向另一个人说话，也在直接回应技术。pp. 71–73 ↗
这并不表示传播研究以前完全忽略技术。作者回顾了相关人机交互和媒介研究，主张在这些积累上继续拓展。把论文概括成“第一次发现人会与机器交流”，会抹掉它自己承认的研究历史。pp. 73–74 ↗
同样，机器成为研究中的交流者，也不意味着它从此不再充当中介。原文明说，技术不应被固定在单一角色；我们需要根据形式、功能，以及人们怎样理解和使用它，研究具体交流。p. 74 ↗
02 · 功能：我们在回应什么
议程的第一个方向，是功能层面。系统如何被设计成交流者，人们又怎样识别这种位置？声音、语言表达、身体形态和其他线索，都可能进入理解。作者讨论的是可以继续研究的问题，并借助已有研究说明这些问题的来由。pp. 75–77 ↗
一个细节特别重要：对机器表现出社会性的回应，不应直接解释成使用者相信机器就是人，也不能据此断定对人和对机器的行为完全相同。原文对此给出明确提醒。pp. 76–77 ↗
因此，开头那句“你理解错了”，可以成为交流行为的材料，却不能单凭一个“你”字判断使用者的完整信念。更有信息的追问可能是：为什么这样说？期待系统接下来做什么？它的回应怎样影响后续行动？这些是本栏目的研究延伸。
作者还提醒，沿用人际交流的类别有助于开始研究，但旧类别不应永远限定新现象。研究既可以比较相似，也要允许差异出现，而不是预先把人机交流规定为人际交流的较差复制品。pp. 75–77 ↗
03 · 关系：一个称呼带来什么期待
第二个方向涉及关系。人们怎样理解 AI 相对于自己的位置，又怎样在这种互动中理解自己？系统可以被设计成助手，公众话语也可能赋予它某种角色。角色并不完全由界面设计者单方面决定。pp. 77–78 ↗
论文以自动新闻写作为例讨论这种扩展：承担某一有限写作功能的系统，也可能被称为机器人记者。功能名称与社会角色之间的距离，会影响我们提出什么比较、寄予什么期待。p. 78 ↗
由此可以设想两个学习者都称 AI 为“老师”，但一个人只想获得解释，另一个人期待它评价自己是否已经理解。他们使用同一个词，却未必建立同一种关系。这个例子由本栏目编写，需要进一步了解实际使用才能判断。
反过来，称 AI 为工具的人，也可能不断与它协商表达方向。因此，研究关系时可以把称呼、实际动作、期待与接受范围放在一起看。单独问“你把它当什么”，可能得到一个重要入口，但不是完整解释。
04 · 关系也连接到别人
作者的关系视角并不只讨论人与系统之间是否亲近，还涉及技术进入社会空间之后，人的身份、劳动和权力关系怎样成为问题。论文借助批判与文化研究，提出对设计中嵌入的价值及自动化交流的社会影响继续研究。pp. 78–79 ↗
把它带到专业学习，可以追问：当一个人越来越多地向系统请求反馈，原有同事交流怎样变化？哪些问题更容易说出来，哪些情境知识又可能缺席？这里可以出现不同结果，不必预先假定同事关系一定被替代。
同样，一个看似个人的使用决定，可能与组织是否提供时间、谁有权评价成果有关。本栏目把这些问题与协作式专业学习连接，是为了扩大观察范围，而不是让本文承担它没有完成的组织效果研究。
关系研究因此可以把视线从“人是否喜欢 AI”移向具体安排：谁的声音被听见，哪些判断进入最终作品，谁还有机会提出不同解释。
05 · 边界：交流者不等于人
第三个方向在原文中称为 metaphysical aspects，涉及人、机器以及交流本身如何被界定。本篇用“本体边界问题”来帮助理解：当技术表现出某些原本与人相连的交流功能，我们如何划分、解释这些类别？pp. 79–81 ↗
这不是让读者接受机器已经具有意识。作者并不想把 AI 描述成新的物种，而是把人们怎样划定边界、这些理解如何影响行为，作为哲学讨论与经验研究都可以进入的问题。pp. 79–80 ↗
例如，一个人可以承认系统是人工生成回应的，同时仍然愿意感谢它；也可以用冷静的工具语言描述系统，却高度依赖它的意见。这是编辑设想。要解释这些组合，需要更多材料，不能仅靠礼貌用语或拟人称呼下结论。
文章也讨论交流者身份披露等伦理问题。对今天的应用，我们可以继续问“谁在生成消息，接收者如何知道”，但具体规范需要另行查阅，不能把 2020 年的理论议程当作当前规则说明。pp. 80–81 ↗
06 · 研究启发
可以把一次交流记录与当事人的解释对照：系统做了什么，人期待什么，怎样说明双方区别。功能、关系与边界三个方向可帮助组织观察，但不是三种互斥的用户类型，也不是判断谁更成熟的等级。pp. 75–81 ↗
07 · 延伸阅读与练习
- 想理解渠道与交流者的区别？ 读原文 pp. 71–74，特别注意作者保留了技术作为中介的可能。原文 ↗
- 想看三个方向怎样展开？ 读 pp. 75–81，区分作者回顾的已有研究与新提出的问题。原文 ↗
- 想把角色问题接到实际分工？ Seeber 等（2020）从团队设计提出另一份议程，两篇提出的问题可以互补，不能相互充当效果验证。论文 ↗
- 想接到生成式 AI 的教师经验？ Lyu 等（2025）提供当代材料，可进一步追问使用者如何解释信任、怀疑与角色期待。论文 ↗
回看一次你纠正 AI 的对话。 以下是编辑练习，不是关系分类测试。
- 功能：它做了什么，让我决定继续回应？
- 期待：我希望它改正事实、理解意图，还是评价我的想法？
- 边界：哪些回应我会接受，哪些判断仍需其他依据？
- 情境：这次交流与我同其他人的工作有什么联系？
不急着给自己选择一个固定标签。先把这一次交流说清楚，关系才会成为可以讨论、可以比较的材料。
原文与版本
Guzman, A. L., & Lewis, S. C. (2020). Artificial intelligence and communication: A Human–Machine Communication research agenda. New Media & Society, 22(1), 70–86.
核对范围：正文 pp. 70–82；页码采用期刊印刷页码，本地 PDF 第 1 页对应 p. 70。版权年为 2019，引用采用 2020 年卷期。文中引用的既有实验未逐项独立重核；教学场景和回看练习为编辑延伸。
更新于 2026-09-13 · v0.1。