导语
本期「AI × 传播」读书会第二季第九期，北京师范大学新闻传播学院在读硕士研究生李珺将聚焦“AI的记忆”。本次分享从传播学视角探讨AI记忆：作为记录偏好、延续对话的传播行动者，分析其形成机制与人类记忆差异，讨论测量问题，并结合虚假信息、个性化传播、人机关系、新闻生产与推荐系统等场景，审视其对信息理解、关系维系与传播伦理的影响。
集智俱乐部联合北京师范大学新闻传播学院许小可教授、北师大珠海校区计算传播学研究中心周晓禹老师共同发起。读书会立足工具—对象—范式三重核心维度，完整搭建AI与传播交叉领域学习体系：拆解AI作为传播研究工具的实操方法、剖析AI作为新型传播主体的社会影响、探索人机协同驱动的传播学全新研究范式，一站式理清三大核心议题：如何借助AI开展传播研究、如何将AI本身作为传播研究对象、如何把握人机协同带来的学科变革。
报告简介
本次分享以AI的记忆为题，首先从传播学视角说明为什么需要研究AI记忆，指出随着大语言模型、智能助手和推荐算法进入日常传播场景，AI正在从一次性的信息生成工具转变为能够记录用户偏好、延续对话历史、调用过往信息并参与关系建构的传播行动者。进一步介绍AI记忆的主要形成机制，并结合人类记忆与遗忘机制进行对照，讨论AI记忆在结构、功能和边界上的特殊性。同时，分享也将介绍AI记忆的测量问题。最后，将结合虚假信息判断、个性化传播、人机关系建构、新闻生产与公共记忆、平台推荐系统等传播学场景，讨论AI记忆如何影响信息理解、关系维系、平台治理与传播伦理。
分享大纲
1. AI的记忆引入
1.1 AI记忆问题的提出
1.2 AI记忆与人类记忆的异同
1.3 AI记忆的传播学意义
2. AI记忆的形成与运行机制
2.1 训练记忆：模型参数中的知识沉淀
2.2 上下文记忆：当前交互情境的维持
2.3 长期记忆：用户历史与外部记忆系统
2.4 记忆的更新、调用与遗忘
3. AI记忆的量化
3.1 AI记忆测量的维度与方法
3.2 从技术性能测量到传播效应测量
4. AI记忆在传播学研究中的案例
4.1 虚假信息判断：先前记忆如何影响后续辨别
4.2 个性化传播：从用户画像到持续互动
4.3 人机关系建构：被记住如何改变信任与依赖
4.4 新闻生产与公共记忆：AI如何参与历史信息的调用
4.5平台推荐系统：行为记忆与注意力分配
5. AI记忆与传播系统的重构
5.1 传播主体：从无记忆工具到有记忆的沟通者
5.2 传播关系：记忆驱动的个性化与类社会关系
5.3 传播权力：从信息控制到记忆控制
5.4 风险与批判：隐私、偏见与虚假记忆
核心概念
AI记忆：人工智能系统用于保存、组织、检索并在后续任务中使用信息的机制或组件，旨在支持跨时间步、跨任务或跨会话的持续性信息利用。
集体记忆：由法国社会学家莫里斯·哈布瓦赫（Maurice Halbwachs）于1925年首次提出，用以指代一个特定社会群体的成员共享往事的过程和结果。哈布瓦赫认为过去是在当下的社会互动和媒介传播中被不断重新讲述、重新诠释和重新塑造的，集体记忆是被社会当下的需求、权力结构和传播技术主动建构的动态过程。
记忆权：指个人和集体以自己的方式讲述、保存和传播过去经历的权利。它既包含"被记住"的权利，也包含"遗忘"的权利，既关注数字时代的个人信息控制，也关注群体的集体记忆与文化传承。记忆权的终极目标是通过权利话语来保障记忆过程的多元性和公正性，营造包容、开放、互相尊重的传播伦理环境。
持久化记忆：指AI系统将信息以持久、可检索的形式存储，使其能够在进程重启、会话切换、时间跨度跨越后仍然保持可用的一种记忆机制。
主讲人介绍
主讲人：李珺，北京师范大学在读硕士，研究兴趣方向包括计算叙事、视觉传播与智能内容生产。
参考文献
[1]Sannidhanam, A. H. (2026). PERSISTENT MEMORY MANAGEMENT FOR STATEFUL AI CONVERSATIONS IN PRODUCTION SYSTEMS. Journal of Intelligent Computing and Electronic Systems, 1(1), 29-43.
[2]Dai, Luote, et al. "Too much memory, too little trust? How AI customer service memory depth violates relational boundaries in retail service." Journal of Retailing and Consumer Services 94 (2027): 105007.
[3]Kandala, R., Manchanda, N., Moharir, A. K., & Kandala, A. (2026). EchoGuard: An Agentic Framework with Knowledge-Graph Memory for Detecting Manipulative Communication in Longitudinal Dialogue. arXiv preprint arXiv:2603.04815v1.
[4]Talebirad, Y., Redman, E., Parsaee, A., & Zaiane, O. R. (2026). Memory Is Communication: The Frontier Between Remembering and Signaling. arXiv preprint arXiv:2608.17053v1.
[5]Ausin, M. S., Chaurasia, A., Miller, A., Agnew, J. D., Lasko, R., Raglow-Defranco, M., ... & Mukherjee, S. (2026). Multicall Memory in an AI Care Agent for Chronic Care Management Among Older Adults: Retrospective Observational Study. JMIR Formative Research, 10(1), e87704.
[6]Bainbridge, W. (2026). Challenges of Artificial Intelligence Memorialization. Journal of Ethics and Emerging Technologies.
[7]Jiang, F., Pan, C., Dong, L., Wang, K., Dobre, O. A., & Debbah, M. (2025). From Large AI Models to Agentic AI: A Tutorial on Future Intelligent Communications. arXiv preprint arXiv:2505.22311v1.
时间信息
2026年9月3日周四14:00-16:00，腾讯会议线上进行。
感兴趣的朋友下滑扫描二维码报名，加入「AI × 传播」读书会第二季后，可进入学员群进行交流。
报名读书会：
「AI × 传播」读书会第二季
传播学从现象出发。今天，AI 已经深度进入信息生产、内容分发、社会互动、公共判断和知识生产过程。它既是工具，也是媒介；既是研究对象，也是协作者；既提升效率，也制造新的偏见、信任和责任问题。AI × 传播成为一个新的领域。2025年8月至12月，集智俱乐部联合许小可、张子柯、王成军、廖好四位老师发起第一季“AI × 传播学”读书会，吸引了225人报名参与。由来自北京师范大学、南京大学、复旦大学、浙江大学、香港城市大学、深圳大学等高校的15位主讲人，围绕计算叙事、智能传播、人机传播、传播拟真四个方向，绘制了 AI × 传播领域的前沿地图。
由集智俱乐部联合北京师范大学新闻传播学院，北京师范大学珠海校区计算传播学研究中心许小可教授、周晓禹讲师共同发起，我们将从“工具-对象-范式”三重维度出发，系统梳理 AI × 传播的实践路径——如何用 AI 做研究，如何研究 AI 本身，如何理解人机协同的新范式。
扫描海报中二维码报名参加读书会
报名方式：
第一步：微信扫码填写报名信息。
第二步：填写信息后，付费报名。如需用支付宝支付，请在PC端进入读书会页面报名支付：
第三步：添加运营助理微信，拉入对应主题的读书会社区（微信群）。
PS：我们鼓励围绕传播学、人工智能及相关具体问题的深入探讨。为保证讨论质量，请避免发表脱离本期读书会主题、缺乏实证基础或过于空泛的哲学思辨类内容。
若讨论内容明显偏离主题，经主持人提醒后仍未调整，为维护整体学习环境，我们将不得不将该成员请出讨论群，并根据其实际参与进度，对未参与部分按比例办理退费。
感谢您的理解与配合，让我们共同营造一个专注、深入、有收获的共学空间。
加入社区后可获得的资源
完整权限包括：线上问答、录播回看、资料共享、社群交流、信息同步、共创任务获取积分等。
特色退费与激励机制
我们提供以下两种途径，让您的投入获得实际回馈：
任务达标退费路径
认领并合格完成任意两期字幕任务，即可退还全额报名费，并额外获得集智专属周边奖励。
运营成长激励路径
合格完成一个字幕任务后，可申请成为运营助理。在读书会项目顺利结项后，将退还学费。表现优异者，还有机会获得额外的奖学金。
相关内容推荐
1.读书会推荐阅读材料
扫描下方二维码可跳转至集智斑图网站阅读文章：「AI × 传播」读书会第二季读书会推荐阅读材料。
2.往期公众号相关内容推荐
热门跟贴