从放大到合成：生成式 AI 前后认知操作的比较分析

认知操作在地缘政治领域引发关注，这是一场关于公共感知与决策的安静而严谨的斗争。尽管此类操作在机器驱动的放大背景下已受广泛研究，但生成式 AI 的出现引入了一套可能从根本上改变这些操作设计与执行方式的新能力。通过生成式 AI 所可能演变的认知操作将使缺乏适当缓解策略的国家处于敏感位置。为此，我们比较了 2016 年与 2024 年美国总统大选中 X（前身为 Twitter）数据集中的行为与语言协调模式。我们整合了超过 133,000 条帖子的语料库，应用帖子类型分布、语义聚类、时间同步分析以及基于 Jaccard 的词汇重叠度测度。研究发现，2024 年语料库与 2016 年呈现显著差异：原始内容比例从 59% 提升至 93%，转发几乎消失；词汇重叠度从平均 Jaccard 分数 0.99 降至 0.27，帖子聚集在同一主题下却用截然不同的语言表达；时间协调从普遍的跨语义同步转为叙事性的共现。综合这些模式指向以主动内容生成和叙事特定定向为组织逻辑的运作方式——这与生成式 AI 的参与相吻合。这些发现为未来研究提供了关于生成式 AI 在认知操作链条中作用的实证基线，也为面向后生成式 AI威胁环境的安全从业者开发检测框架提供了实用参考。