2025新传前沿121:人工智能如何充当“社会润滑剂”？
🌟机器社会资本重构网络连接，缩短资源流通路径。机器社会资本的核心功能之一是通过AI大模型建立高效、规模化的人机连接网络，显著优化社会资源流动路径。传统社会资本依赖人际或账号间的链式网络（如跨领域知识需多级引荐），而机器社会资本则以大模型为中心节点，与用户建立海量“一对一”的直接对话关系。这种连接模式具有三重优势：规模上，单一模型可同时服务数亿用户（如ChatGPT用户半年破亿），远超人类账号影响力上限；效率上，响应延迟低至0.3秒（GPT-4o），消除人际沟通的停滞损耗；路径上，将多级人际网络压缩为“人-机”二级路径（如用户直接向大模型获取跨领域知识）。更重要的是，机器集群（如垂类智能体）作为基础模型的网络延伸，代理人类完成信息检索、市场分析等任务（如Microsoft智能体替代跨团队协作），进一步缩短资源中转环节。这种由机器主体建构的再中心化网络，通过降低信息搜寻与传递的时空成本，成为社会运转的高效“润滑剂”。
🌟机器社会资本融合信任机制，深化资源交换深度。机器社会资本的独特价值在于其构建了人际信任与系统信任的复合体，突破了传统信任关系的边界，促进更高效的资源交换。作为信任客体，大模型兼具双重属性：一方面，其拟人化交互（如角色扮演、情感回应）通过递进式对话建立情感联结，形成类似人际信任的亲密感（如用户将AI视为伴侣）；另一方面，其算法机制与机构背书（如OpenAI技术迭代、隐私承诺）又赋予其系统信任的可靠性。这种交融性使机器社会资本的信任机制呈现动态特征：用户可能在一次对话中交替产生对“拟人角色”的情感依赖（人际信任）和对“技术工具”的能力信赖（系统信任）。相较传统社会资本（人际信任限于熟人圈层，系统信任多为单向获取），机器社会资本能同步承载情感倾诉与专业咨询（如用户既倾诉隐私又查询政策），显著拓宽资源交换的范畴与深度。这种由机器行为范式催化的复合信任，降低了用户的心理防御门槛，使社会资源的双向流动更顺畅。
🌟机器社会资本驱动规范适配，优化问题解决效能。机器社会资本通过技术赋能的规范体系显著降低社会行动成本，其核心在于以算法规则实现高效的问题解决适配。机器规范包含三层运作逻辑：技术层通过强化学习的“奖励机制”（如内容去毒规则）定义交互边界，类比社会规范中的禁令系统；宏观层受政策与资本塑造（如中国政府推广DeepSeek、OpenAI商业化导向），形成制度性约束；微观层则依赖用户与模型的动态协商（如提示词优化社区共享最佳实践）。这种规范体系直接转化为高效问题解决能力：用户只需输入需求，大模型便能代理完成认知劳动（如AI搜索替代传统检索-筛选-整合流程），将用户角色简化为决策者。相较人际协作需协调多方认知与时间成本（如团队会议），机器社会资本通过标准化的规范接口，实现零摩擦的任务代理（如Dynamics365智能体自动执行营销全流程）。这种“规范-效能”的闭环，使机器成为降低社会摩擦、提升运行效率的关键“润滑剂”，但其效能边界仍受限于模型数据覆盖度与用户技术素养。
————
任吴炯,张洪忠.机器社会资本的结构与功能：AI大模型应用是更高效的“社会润滑剂”吗？[J].新闻大学,2025(05):44-56+119.