“场景盲视”是媒体生态学者伊娃·伯杰（Eva Berger）提出的一种症状，指人类无法或不愿关注自身所处的语境的一种普遍存在的症状，这种盲视是数字化技术“未曾预料到的进化后果”，而当下炙手可热的人工智能，可能是推动这一进程的核心“情境技术”（Contextual Technology）。
一、AI 如何加剧人类的去场景化，加深语境盲视
场景盲视的核心机制是将人类理解场景的能力委托给了算法和技术。AI 和场景技术通过感知、预测和替代人类的判断过程，使得对场景的关注变得多余，最终导致相应的人类技能萎缩。
1. 技术对人类场景感知的取代
“场景感知计算”（Contextual Computing）是 AI 的一个主导范式，其理念是计算机能够像我们的大脑解释刺激一样，感知和响应环境。
- 替代场景分析： 场景感知设备被赋予了在特定条件下运行和根据规则做出适当反应的信息，这些技术通过自我理解和阅读场景，使我们从场景化或意识到语境的需要中解脱出来。当技术具备场景感知能力时，用户反而会变成“场景盲视”。
- 预测与干预： 场景技术融合了移动设备、传感器、社交数据和对用户的深入理解，以建议用户可能采取的量身定制的、相关的行动。例如，淘宝可以根据用户的过去和场景数据来预测用户的需求。
2. 人类情感与关系的 AI 委托
AI 开始侵入人类最私密的情感和关系场景，取代了原本需要敏感度、同理心和现场感才能处理的互动，：
- 情感 AI（Affective AI）： 算法现在能够从面部数据中判断我们的情绪，并提供针对性的广告服务，以“让我们感觉更好或保持快乐”。
- 具身 AI（Embodied AI）： 例如 TwentyBN 公司的 Millie，它声称是世界上第一个具有场景感知能力的数字伴侣。它通过观察和理解用户所处的场景，以及正在做的事情来与用户互动。该公司声称这种方法对于“维护我们的人性”至关重要，但实际上是在将情感陪伴和场景理解的任务委托给机器人。
3. 身份与真实性的 AI 模糊
- 合成文本的泛滥： Chat-GPT等新型 AI 语言模型使用深度学习生成极其逼真、难以与人类文本区分的文本。这种合成文本对社会提出了重大挑战，因为它消除了上下文，使我们没有语境来辨别其真实性。算法生成的内容，又由算法进行响应和处理，形成一个反馈循环，加剧了信息生态系统的改变。
- 聊天机器人与虚拟助手： Siri、Alexa 和 Google Assistant 等虚拟助手模仿真实的人类对话，帮助用户进行语音翻译和命令识别。在这个过程中，我们获得了便利，但同时失去了我们的洞察力。我们甚至将自己的“超我”（Superego，即良知或自我约束）外包给了代码，例如 X（原Twitter）的“考虑提示”（Consideration Prompts）功能，能在用户发送可能带有攻击性的推文之前敦促他们重新考虑。
二、 语境盲带来的主要问题和症状
AI 加剧的场景盲视，体现在当今我们人类的多个症状中，包括认知能力的衰退、社会关系的冲突以及现实认知的扭曲。
1. 认知能力委托与萎缩
媒体生态学指出，当技能委托给技术后，未使用或不必要的能力会萎缩。
- 空间感知和方向感的丧失： 对 GPS 导航的依赖削弱了我们的空间记忆、方向感和对周围环境的注意力。AI 驱动的自动驾驶汽车或导航技术解除了我们自行规划路线和记住地标的需要，使我们在断网或电池耗尽时感到焦虑和茫然。
- 专业技能的下降： 依赖自动化系统（AI 的早期应用）导致飞行员失去手动飞行技能，以及医生过度依赖数据和技术而忽视观察和身体检查的能力。
- 理性思维基础的丧失： 计算器使人们放弃心算能力；学生将记忆功能委托给 Google，导致回忆率降低，听课时更倾向于逐字记录而非理解总结。
2. 算法偏见与社会冲突
AI 通过吸收人类社会的偏见，进一步加剧了基于身份和部落的冲突（High-Conflict Personality, HCP）。
- 偏见和歧视的放大： 由于 AI 通过观察人类学习，它继承了社会偏见和种族歧视。案例包括：犯罪预测算法错误地将黑人标记为再犯者；翻译软件将中性语言翻译成带有性别偏见的结果（如“他是一名医生,” “她是一名护士”）；自驾车未能检测到深肤色行人。
- 部落主义和极端化： 社交媒体算法旨在最大化参与度，因此它们也最大化了冲突。算法将用户细分为信仰社区，强化了“同温层”（Echo Chamber）效应，加剧了党派化和敌意，使得线上和线下的身份和语境发生冲突。
- 去场景化的冲突： 在没有语境的情况下，人类变得更容易被挑衅性的信息激怒，煽动情绪反应，导致“取消文化”（Cancel Culture）在美国的盛行。文化产物和历史事件的意义被剥离，例如特拉维夫诊所被迫移除一幅引用大屠杀证词的画作。
3. 现实认知的扭曲与错乱
AI 和算法控制的碎片化信息流，剥夺了我们判断信息真伪的语境基础。
- 妄想的正常化： 语境盲使得“妄想”（Delusions）得以滋生和正常化。当信息脱离逻辑或连贯的语境，人们更难对事实或虚构进行判断。例如，特朗普关于风能不可靠的言论，在一个语境盲的公共环境中难以被理性批判。
- 即时主义（Presentism）： 技术将一切事物推向“永恒的现在”，人们只存在于即时的当下，缺乏对过去记忆的关注和对未来的深思。
三、 解决方法与挽救措施
面对AI带来的场景盲视问题，以下是针对个体和人类整体的解决方案（或者只能说是一种挽救措施），旨在恢复人类的场景敏感性。
1. 针对个体的措施
这些方法旨在帮助个体重新建立自我与语境的连接，提高情感灵活性：
- 接受与承诺疗法 (ACT)： 作为认知行为疗法（CBT）的“第三浪潮”，ACT 策略包括接纳和正念，旨在提高心理灵活性。其核心是“自我即场景”（self-as-context）的概念，即帮助人们将自己从思想和情感的内容中分离出来，专注于自己是体验这些思想和情感的意识。
- 社交故事 (Social Stories)： 这是一种起源于自闭症领域的工具，通过简短的叙事，提供关于特定社会情境、期望和规则的精确信息。社交故事能够帮助人们理解“何时”（when）某种行为是合适的，而不是泛泛地知道“什么”（what）是社交技能。
2. 针对人类整体的治疗
要治愈人类整体的语境盲，需要更宏观的文化和媒体层面的分析：
- 媒体生态学作为语境分析： 媒体生态学被视为进行“语境分析”的工具，通过研究媒体作为环境、环境作为媒体，来理解情境或语境的结构。
- 批判性提问： 语境分析通过提出批判性问题，将技术从其“神话”（即认为技术是天赐的、自然的）中祛魅。这些问题包括：这项技术解决了谁的问题？它可能对哪些机构造成伤害？新技术带来了哪些改变，我们从中失去了什么？。通过这种方式，媒体生态学呼吁我们保持对当前的注意力和警觉。
然而，我们可能为时已晚，因为我们已经将保持距离、获得视角和理解语的能力委托给了技术，技术在我们心中已变得完全自然和不可避免。