自2016年来，人工智能就成为新传研究非常重要的一个领域，这个领域我们都看过不知道多少论文，背过不知道多少的“喂饭材料”。
然而，以后的喂饭材料可能又要变了，而且可能让机器人给你喂。
这就是最近在社交媒体中刷屏，甚至在小红书之后冲上海外APP榜单第一名的Deepseek。
什么是Deepseek？这是由中国公司深度求索开发的语言大模型。最新版本为 Deepseek R1。与两年前ChatGPT 的发展历程一样，Deepseek很早以前已经是国产大模型的第一梯队，但在2024年年末实现了厚积薄发，12月赢得了在科技圈内部的一致赞誉。1月则彻底出圈。为什么Deepseek如此引人注目？简单的说有两方面原因：从技术圈来看，有两个点很吸引人。一是“把豆腐做出鸡滋味”，通过模型压缩、知识蒸馏等技术，Deepseek用远小于ChatGPT的算力，做出了不亚于ChatGPT、Bard、Gemini等科技巨头的顶级大模型的成果。第二点是Deepseek是一个彻底的开源模型，这意味着它向公众开放了代码和资源，任何人都可以自由使用、修改和分享。企业、公司、媒体都可以利用Deepseek去改造成自己的小模型。甚至媒体中的不同部门也可以改造出自己的定制化小小模型。而且算力成本也大大降低，甚至两台高性能电脑就可以搭建一个适用于Deepseek的工作站。而从用户角度，Deepseek 最大的特点则是性价比超高。此前最顶尖的大模型 ChatGPT - o1 plus 需要200美元一个月，不仅昂贵，而且国内用户很难使用。而Deepseek 则可以免费用。同时，Deepseek对中文内容的支持令人惊叹，如果说以前的应用还是高中水平，Deepseek几乎已经达到了优秀本科生的水准 —— 甚至更高。![]()
“以崇洋公知的语气嘲讽deepseek”（这个笑死我了，真的像）
我用 Deepseek生成了论述题答案，结果有点惊人……
这么有意思的工具，当然要做一个非常实用的测试：生成论述题答案。我输入了经典的题目“新媒体时代沉默的螺旋现象是否存在？”一题，这是它的思考过程。
新媒体时代“沉默的螺旋”是否存在？ ——理论演进与现实挑战德国学者诺埃勒-诺依曼（Noelle-Neumann）1974年提出的"沉默的螺旋"理论，其核心逻辑包含三个关键链条：1.社会孤立的恐惧：人类具有对群体归属的本能需求，为避免成为"异类"，会主动感知舆论气候；2.准统计感官机制：通过媒体曝光度判断意见分布，高曝光观点易被误判为"多数派"；3.螺旋强化效应：少数派自我沉默→表面优势意见扩大→真实意见分布扭曲，形成动态螺旋。在传统媒体时代，该理论具有较强解释力。央视《新闻联播》式的单向传播，报纸"把关人"机制，使得舆论气候呈现明显单向性。1980年美国总统选举中，传统媒体营造的"里根必胜"舆论场，直接影响选民最后抉择，成为经典案例。（1）社交媒体平台形成超10^6量级的传播节点（Twitter日均5亿条推文，微信月活13亿）（2）算法推荐系统（如TikTok的ForYou算法）创造个性化信息茧房，个体感知的"舆论气候"呈现碎片化（3）MIT研究显示，Facebook用户平均接触对立观点的概率低于7%（1）匿名机制（Reddit匿名发帖占比68%，斯坦福实验表明，匿名环境下少数派发言意愿提升42%）（1）"逆火效应"：当遭遇主流观点压制时，23%的个体会强化原有立场（耶鲁大学,2022）（2）"少数派回声室"：QAnon等阴谋论社群通过加密通信工具形成对抗性舆论场（3）算法助推的"负面螺旋"：Twitter仇恨言论传播速度是普通内容的6倍（MIT媒体实验室）当前学界提出"动态多螺旋模型"（Dynamic Multi-Spiral Model）：1.圈层化螺旋：不同社群形成独立舆论场（如微博超话、知乎话题，B站"鬼畜区"与"学习区"用户重叠度不足15%3.跨平台螺旋：信息在微信→微博→抖音间链式传播（重大舆情事件平均跨3.2个平台发酵清博大数据）4.沉默-爆发周期：长期压制的少数意见可能突然引爆（#MeToo运动在十年潜伏期后全球爆发）初期反疫苗声音占比不足5%，但通过Telegram等加密平台形成坚固社群。当接种率达70%后，反疫苗群体在Twitter使用#MyBodyMyChoice标签发起反扑。最终形成46%支持 vs 32%反对 vs 22%沉默的复杂分布（Pew Research）起点中文网"整改事件"初期，90%书友持反对态度但保持沉默LOfter等亚文化平台率先发声，3天内话题阅读量破10亿最终平台修改规则，形成"沉默—爆发—协商"的新型螺旋路径清华大学团队基于微博数据的参数拟合的“舆论动力学方程”显示：dX/dt = αX(1-X/K) - βX^2 + γA(X) 目前，α值下降至1970年代的38%，β值增长17倍，γ值成为主导变量（权重占比54%）。显示了算法已经成为“沉默螺旋”最重要的因素。1.增强现实（AR）带来的场景化沉默：元宇宙中虚拟形象可能强化群体压力2.脑机接口时代的神经级感知：直接读取他人情绪倾向可能重构"准统计感官"3.量子计算驱动的超复杂建模：处理10^100量级的意见组合可能性沉默的螺旋并未消失，而是进化为更复杂的"多体螺旋系统"。传统线性传播中的单向压制，转变为非线性、多稳态的舆论生态。新媒体的匿名性降低了孤立恐惧，但算法权力构建了新型认知牢笼。当我们在微博热搜中看到某个话题"爆"标时，这既可能是真实民意的涌现，也可能是算法与资本共谋的伪螺旋。理解这个时代的舆论场，需要同时打开传播学、复杂系统科学和计算社会学的三重透镜。在新媒体时代，沉默的螺旋现象依然存在，主要体现在以下几个方面：1.网络暴力与排斥的威慑：在新媒体的热点事件中，网络上很容易迅速形成一种主导性的意见倾向。例如在一些明星绯闻、社会争议事件中，一旦某种观点成为主流，持少数不同观点的人可能会担心受到网络暴力或被群体排斥而选择沉默。像重庆万州公交车坠江事件初期，很多网友将责任归咎于女司机，对女司机进行了大量的指责和谩骂，那些认为应该等待更多事实真相的少数声音就显得很微弱，部分人因害怕被攻击而不敢发声。2.虚假信息与极端观点的误导：新媒体环境下信息传播快速且复杂，虚假信息或极端观点容易迅速扩散，营造出一种看似强大的 “多数意见” 氛围，对其他人形成压力。比如在一些谣言传播事件中，谣言内容快速传播并被大量人转发，让很多人误以为这就是大众普遍的看法，而那些理性思考、质疑谣言的人可能会被淹没在信息洪流中，感觉自己的声音无足轻重，从而选择沉默。3.算法推荐的信息茧房效应：新媒体平台的算法推荐机制会使人们更多地接触到与自己观点相似的信息，形成相对封闭的信息圈，进一步强化自己的认知，也在一定程度上类似于 “沉默的螺旋” 中人们对优势意见的趋同。人们在自己的信息茧房中，会觉得自己的观点就是主流观点，而对于信息茧房外的不同观点缺乏了解和包容，当遇到不同意见时，可能会本能地排斥，使得不同意见难以得到充分表达，沉默的螺旋得以形成。4.社交媒体的群体效应：社交媒体上基于兴趣、身份等形成的各种群体，群体内的意见往往具有一致性。当某个群体形成一致意见时，个体为了融入群体或避免冲突，即使有不同想法也可能会选择附和而不是提出不同意见。比如在一些粉丝群体、地域群体中，当群体对某一事件或观点形成统一态度后，个体为了不被群体排斥，会压抑自己的真实想法，保持沉默或随声附和。两相对比，可以看出Deepseek的特点 —— 一句话，虽然有点简略，但是确实Deep！Deepseek的答案是一种论文风格，不仅呈现了各个不同的理论方向，而且还建立了自己的模型（Dynamic Multi-Spiral Model这一表达虽然在中文论文中有提到，但是英语中是没有的）。在未来趋势里的三条思路也让人耳目一新，至少元宇宙和脑机接口的应用确实是我也没有想到的。结尾也写的不错（三重透镜表达很有意思）如果我们看看Deepseek的思考过程，会发现它还有一个优点是结构和框架比较完备，例如“新媒体环境的特点”、“区分不同的平台和情景”“反向沉默螺旋”这几个点，以及“实证研究的结果”（对我们来说就是要多举例子）。这也非常值得同学们学习。不过，Deepseek的小点过于简单，更像是一个一句话的提纲，比较考验同学的扩写能力。豆包在这一点每个段都写的比较详细，和书上理论比较一致，更像简答题的答案。但是创新性欠缺，同时论述深度也较为单薄。但是总体来说：豆包更适合初试入门，Deepseek适合复试拔高。两者都可以成为大家备考的好帮手。那么如果考“Deepseek 对新闻传播的影响”，我们应该写什么呢？本来这个问题也想问Deepseek，但没办法，人家还挺谦虚。其一，相较于以前的人工智能，Deepseek 深度推理能力和分析能力使得它不仅能进行一般性新闻写作，而且可以参与评论、通讯等新写作。这能够给新闻评论员以更多可以参考的新思维角度。同时，通过Deepseek的思考过程展示功能也打开了“算法黑箱”，人们不再是被动人工智能的答案，而可以详细了解人工智能的思维过程，从而进行更精细的调整和协作。其二，相较于以前的人工智能，Deepseek 生成的内容可读性与情感唤起能力大大增强。（虽然它自身不具备人类的情感）这不仅使得人工智能的内容生产范围进一步扩展（从金融、体育新闻到泛新闻到更广泛的文化内容），而且也增进了人工智能的人机沟通甚至满足个人情感需求的能力。人机传播、人机交流将成为未来非常具有潜力的传播领域。其三，相较于以前的人工智能，Deepseek构建一个更开放、更低价、更个性化化的人工智能应用生态。各行各业都可以以较低的成本用 Deepseek 建立自己的生成式人工智能应用，生成式人工智能将会更加普及，更适应不同应用场景的特定需求。体现在传媒领域，专注不同方向的媒体也可以用Deepseek训练适应自己生产内容的专有模型，提升媒体智能化水准。其四，Deepseek通过将算法开源，降低算力成本，一定程度上也改变了早期生成式人工智能被发达国家、大型商业公司垄断的现状，减小了算力鸿沟带来的传播不平等。但开源的人工智能也可能会产生更复杂的伦理与监管问题，需要出台更有效的监管政策以防止滥用。其五，Deepseek的出现也意味着与人工智能的新传研究需要进入新阶段。新传研究者需要减少固闭自封，对新技术细节如算法、设计逻辑有更多的了解，以更好的把握技术趋势。减少对人工智能固定的刻板印象和静态描述（例如缺乏人情味），更多从人机协作的关系视角去把握人工智能（例如人工智能不一定理解情感，但在人的指点下，仍可以做出具有情感唤起属性的内容）还可以更多在研究过程中使用人工智能，甚至借鉴人工智能提供的许多研究视角，真正在智能时代实现“Seek Deeply”。编辑：瓦叔
撰文：瓦叔
![]()
