彭兰老师最新讲座总结：人工智能与新闻传播业

扫码加入21新传考研群

什么？彭兰老师又双叒叕参加讲座了？没去听？不知道？怎么办？

没关系。

学姐正带着热乎的干货考点总结向你走来，你只需要打印、阅读、背就好了！全程保姆式服务，从源头提升你的学习效率。千万不要让文章放在收藏夹里吃灰哦（微笑）。

1

 讲座人物介绍

本次讲座的承办单位是清华大学新闻与传播学院，主讲人有孙茂松、彭兰、郑路三位老师。（见下图）。为节省时间，本文将着重介绍彭兰老师和郑路老师的分享内容，对孙茂松老师讲座内容不做过多分析。有兴趣的同学建议b站看全程。

2

 彭兰：智能内容生产中的人机关系

彭兰老师的讲座内容可以称的上是行走的考研答案。

近年来学界对于人工智能与新闻传播的考查频数之高简直超越人的想象。但人工智能技术年年翻新，其与新闻传播学科的结合与思考也在不断变化，同学们仍不可忽视对人工智能专题的总结与学习，常学常新，小心驶得万年船。

彭兰老师的讲座分享主要分为了三个方面。

▼第一方面：人工智能是如何与媒体行业形成勾连的,媒体的需求与人工智能如何能形成更加有效的合作

这部分内容其实就是【人工智能对新闻传播的影响】、【人工智能对媒介内容和传播格局影响】等考题答案的回答。彭兰老师的讲座就是此类题的答题模板，同学们可以将小标题和案例背下来在考场上灵活运用。

首先，彭兰老师提出了“人工协同与人类增强”概念。

Tip

人类增强——即指进入21世纪以来，NBIC技术推动了“人类增强”的相关事件与思考。NBIC指的就是纳米（nanotechnology）、生物（biotechnology）、信息(Information Technology)、认知(Cognitive Science)的缩写，人工智能作为信息技术与认知技术的结合体在其中扮演了重要的角色。

彭兰老师认为从媒体产业来说，内容生产力的增强是人类增强的一个方面。人工智能对人类提供了在内容信息的认知与识别方面的帮助。具体体现有如下几个方面：

1：信息采集力增强：从“人”到“物”的多层面贯穿

借助智能设备和传感器，机器设备可成为人的延伸，帮助人类获得更强的信息获取与判断能力，达到运用物力来增强人力。

例如从语音信息采集到文本信息的转化，两会中记者佩戴的智能AR眼镜采访等。可以在一定程度上增强和辅助记者的采访效率。

图片来源于：

彭兰老师智能生产中的人机关系讲座PPT

再者利用大数据的数据新闻模式，也增强了报道的角度与方式。彭兰老师在这里举了疫情期间，人民日报利用第一财经数据中心的数据所制作的武汉物流短视频【物流数据看变化，武汉醒了！】，利用将大量数据可视化的方式，向人们展示了1月到4月之间，武汉市区中心机动车禁行与重启的情况。

图片来源于：

彭兰老师智能生产中的人机关系讲座PPT

2：智能加工力增强：从图文到音视频的全媒体贯通

所谓智能生产力的增强，是指一种宽领域的、多媒体内容生产方式。内容的生产不再局限于人工文字书写，而是扩展为音视频智能编辑、智能化写作、智能主播等多种智能化生产模式。彭兰老师在介绍中认为，未来将是一种从劳动密集型加工向智能增强型加工发展的过程，内容生产的分析力、预测力和提炼力都将在智能化生产中体现出来。

3：智能整合力增强：拯救碎片化信息

面对大量碎片化的信息，内容的分发在未来要注重合乎逻辑的、整合型的内容分发模式。从相关文章的自动配发、多媒体的智能组合、信息专题的智能化聚合三个方面出发，减少碎片化信息的内容。

例如，南都H5新闻“战役”新闻运用了大量人力去做物料的收集，未来随着人工智能技术的精进，这项工作交由人工智能来完成，减轻人力运作的压力。

4：核查判断力增强：新“把关者”与新机制

近年来，后真相、假新闻的信息在网络中大量传播。智能技术可以从来源分析、语义分析、交叉验证、演变跟踪等方面，从源头把关新闻信息，帮助人工进行信息审核，减少网络中假新闻、后真相等负面现象的发生。

5：协同力增强：分布式生产的基础

人工智能可帮助用户进行云端系统支持的协同生产、区块链模式的协同生产与分发以及人力+物力的协同生产。例如2017年新华社就推出了服务于全国媒体的“现场云”平台，现场云提供了基于移动端口实时采编发功能，增强了人与技术之间的协同分布式生产能力。

6：智能分发力增强：多维坐标关联内容和人（算法维度）

彭兰老师认为，未来算法会更加注重人的社交关系。这不仅意味着将关系作为内容推送的参考依据，更意味着通过内容来实现人的关系连接与整合。加强了网络中的社群归属。

Tip

彭兰老师讲了这么多怎么运用呢？其实老师非常明确的从上述六个点中指出了人工智能对于新闻传播的帮助，从信息采集、智能加工、信息整合、核查判断、协同生产、多维分发这六个方面进行了相关的总结。简直黄金答题模板，彭兰老师亲自帮你写答案，此时不背，还在等啥！

▼

第二方面：如何从人的视角对产业变革深层意义的思考：人还是机器？记者没有存在价值了？

这部分讲座内容是对人工智能机技术更深层次的思考，探索人在人工智能视角下的价值。友情提示，在答题中加入这部分的探讨，没准可以使分数更上一层楼哈。

1：信息采集优势：人的主观观察、描述VS机器的客观呈现

不同于机器采集信息，人采集新闻会受到现场环境的影响，新闻内容也由此会缺乏一定的客观性。不同于机器可保持对现场的客观呈现。但机器对现场的呈现也并不是完全的客观呈现，机器背后依旧会有主观因素的干扰，新闻内容依旧需要人的主观内容与色彩，对于新闻报道的丰富和个性依旧重要。

2：内容产出优势：机器的信息加工vs人的观点表达

人的观点的表达、评论方面比机器更加有优势，受众需要具有观点性的表达，媒体也可利用观点进行舆论引导。

3：信息增值方向：机器的知识生产VS人的意义创造

机器可通过自身的进化增强知识生产的深度和广度。但目前机器写作还只停留在对于数据知识点的描述，缺少对于意义的创造，人类的意义生产仍是一种高级的产出。

4：内容生产中的决策依据：机器的精准指导VS人的经验、直觉判断

数据并不为王，人的经验与直觉依旧重要。人类不能单纯依靠数据的推荐结果，而是要培养自身对于新闻选题策划的判断力。

5：创作本质：机器的“计算性”创作VS人的内驱性表达

机器虽然可以作诗作曲，但其本质仍是机器的计算。人类所需的内驱性表达是机器无法满足的，内驱性生产可以满足个人的内容生产欲望。

6：传播中的互动 ：机器的仪式化互动VS人的共情性交流

人和机器程序性的互动仍不能达到人与人之间的共情性的交流方式。例如，智能主播的主持并不会替代主持人或播音员。因人类拥有更强的共情交流能力。

▼第三方面：人对机器能力的克制应用与约束

人工智能的反思！划重点！这一部分的内容每一个小标题都可以被拿来当做论述题考量。建议同学们根据老师的ppt进行相应的专题总结~尤其是【算法】模块，简直热点中的热点，热中之王！2019年北大新闻与传播真题名词解释！2020北师学硕【信息茧房、回音室、过滤气泡的联系与区别】也与算法知识点息息相关！总体来说，这部分内容对我们辩证思考人工智能技术提供了很好的物料。

1：内容减法：智能化生产的“产能”克制

智能化技术大大提高了内容生产的产能。但大量的信息也容易入侵到人们生活的每一寸空间，导致信息过载的问题严重。同质类内容的大量供应，带来了内容总体的“价值密度”变小的负面效应。同时，内容过载也会带来用户注意力的进一步分散，思考专注力下降的等问题，使得受众陷入到信息焦虑症之中。

2：数据伦理：“数据权力”的克制与约束

图片来源于：

彭兰老师智能生产中的人机关系讲座PPT

彭兰老师提出了上述对于数据内容的思考。她认为，媒体对数据应用处理上述提出的角度之外，还应从新闻真实性的角度进行考量。因为在今天的后真相问题中，我们发现，本来应该作为真实性、可唤醒的重要基础的数据，如果使用不当，反而可能导致媒体报道的偏差，在一定程度上加剧后真相的蔓延。

3：算法伦理：风险判断与技术克制

图片来源于：

彭兰老师智能生产中的人机关系讲座PPT

❶马太效应：算法分发可能使某些内容传播效果被放大，而另一些内容被算法遮蔽。如果不及时得到修正，这种马太效应会越来越强。（插播下文郑路老师对于抖音和快手算法的对比，更有体会）。

❷ 算法下畸形的拟态环境：与马太效应相关，算法也可能造成信息环境这一“拟态环境”的整体的不平衡，虽然拟态环境不可能完全反应真实的世界，但它至少努力体现现实环境的多样性。但算法在这一部分未必会起到正面作用，其体现的有可能是企业、平台的价值导向。

❸ 算法偏见：人类文化是存在一定的偏见的。而算法在某种程度上继承和放大了人类的偏见，基于算法的内容生产与分发也可能会同样带有某些偏见，这也会影响到算法所构建的拟态环境均衡值。

❹ 算法“囚徒”：这一问题虽然根本上不是算法造成的，但算法有可能会强化它。算法也有可能使人在其他方面成为囚徒。例如个人成为平台的囚徒，以及人沉浸于个性化算法带来的“幸福感”中失去自制力。尼尔·波兹曼在《娱乐至死》中警告的两种力量正在“合体”，一直看着“你”的老大哥，也可能正是将“你”带向“幸福沉迷”的工业技术。

❺ 算法黑箱：算法黑箱是指，在计算机领域专家看来，深度学习算法仍然缺乏人类这样的联想、记忆、学习、推理等高级智能。因此，目前的深度学习还是一个典型的“黑箱”算法，连设计者可能都不知道它是如何决策，也就是说，当机器在进行自我学习和自主决策时，可能会产生黑箱。

3

郑路：算法的价值取向

与社会后果：以抖音和快手为例

1：技术、算法中立与价值选择

图片来源于：

郑路老师算法的价值取向与社会后果：以抖音和快手为例讲座PPT

平台的价值取向影响了其算法的价值取向。郑路老师通过对抖音与快手两个平台的算法模型对比发现，不同的算法模型会产生不一样的网络特征与后果。

其中以流量经济为运营准则的抖音所呈现出的结果是一种幂律分布模型，即造成了抖音生态系统中的马太效应，头部网红和内容会收获更多的链接，使得一些内容在抖音中被极大的遮蔽。

不同于抖音的算法模型，以降低基尼系数为算法模型的快手，形成的后果就是一种长尾分布。有用户粘性强，内容生态呈现多元化等特征，算法导致的内容遮蔽现象也相较于抖音来说少了很多。

Tip

郑路老师的这部分内容可以被当做算法偏见或网络中马太效应等问题的案例运用到我们的考试当中，丰富答案的构成。

2：算法的社会及经济后果

图片来源于：

郑路老师算法的价值取向与社会后果：以抖音和快手为例讲座PPT

郑路老师认为，以优先推荐的算法构成的抖音呈现的生态是一种自由市场注意，而快手是民主社会主义。

基于此，不难看出，算法技术虽然是中立的，但是制定算法的平台却是带有主观意见的“有形之手”。平台的价值在很大程度上影响了算法的设计，应用平台的用户也将在这一算法技术的布局下服从平台的规则。在如今的媒介化社会，伴随着媒介对个体生活的入侵，我们更应呼唤的企业设计算法过程中的人文价值取向，以人为本，拒斥过度的资本逻辑。

➤ 最后，运用彭兰老师的一张PPT总结。

图片来源于：

彭兰老师智能生产中的人机关系讲座PPT

在内容生产中，机器在某些方面可以增强人力，例如在时效、产能、信息维度和挖掘深度方面。但人则需要把握内容生产的基本方向，对可能出现的黑箱、黑洞进行纠正。机器将人从重复性的劳动中解决出来，但这种解放不是以对人的核心价值与能力削弱为代价的。在人机协同的大趋势下，人与机器，不应是对立的关系，而是相互结合，相互矫正的运营机制。

参考文献：《增强与克制:智媒时代的新生产力》彭兰2019

/END/

小编 | 悦悦

责编 | 北北

声明 | 文中所有配图均来源于网络，

版权属于原作者或网站，此处仅为配图表达。

如侵犯到您的权益，请留言通知我们，万分感谢。

   加小助手领取福利 

 推荐阅读 

点击阅读原文，即可报名暑期集训班～