官方钦点！今年这个AI考点99%会考｜专题保分变简单10

爱传播新传考研爱传播新传考研

2024-08-30

2025新传全国考研：416887440

后台回复“答题冲刺”，打造冲刺安全感后台回复“实务突击”，补阙拾遗一应俱全后台回复“论述批改”，轻松锻练高分后台回复“实务批改”，点亮你的答题技能

今年二十届三中全会中特别提到了对“健全网络综合治理体系”作出系统部署，明确提出“完善生成式人工智能发展和管理机制”。一时间，新闻传播业关于生成式人工智能的论文如春雨般涌出。

播播找来去年的论文一翻，结果发现，惊奇发现，从去年起，各院校竟然偷偷摸摸地开始考察了！再经国家一推，今年再考察的可能性高达99%啊！

往年真题

生成式人工智能（名词解释，郑州大学334，2024；名词解释，云南大学334，2024）

生成式人工智能AIGC（ArtificialIntelligenceGeneratedContent），请你谈谈AIGC对新闻业的机遇与挑战。（论述，上海师范大学643，2024）

chatgpt等生成式人工智能在媒体业务应用。15分（分析，安徽大学334，2024）

chatgpt等生成式人工智能对新闻业务消极影响和应对策略。15分（分析，安徽大学334，2024）

aigc(生成式人工智能)对新闻生产的正负影响(论述，中南财经政法大学334，2024）

生成式人工智能对新闻报道和新闻伦理的影响。（论述，南开大学842，2024）

概念及特点

ChatGPT 是由美国公司 Open AI 开发的一款自然语言处理技术，采用了生成式人工智能技术，可以模仿人类的自然语言交流，包括问答、对话、文章生成等多种任务。ChatGPT是基于大规模的文本数据训练的深度神经网络模型，可以根据给定的输入文本生成相关的输出文本，或者根据上下文生成连贯的文本。（复杂概念）

生成式人工智能指使用生成式建模和深度学习的技术，使用现有的数字内容创建新的文本、图片、音频、视频、代码、Logo、数字主播等内容的技术。（简易概念）科技咨询机构高德纳（Gartner）强调，生成式人工智能产出的数据与原始数据相似，但不是简单的复制，而是生成全新的内容。

1.强大的创造力和模仿力：ChatGPT可以生成各种类型和风格的内容，比如新闻、故事、诗歌、歌词、代码等，而且可以根据用户的需求和偏好进行个性化和定制化的生成ChatGPT还可以模仿不同的人物、语言、口音等进行对话，比如名人、政治家、卡通人物等。

2.高度的智能化和自适应性：ChatGPT可以根据输入数据和输出数据之间的关联性和逻辑性进行智能化的推理和生成，而不仅仅是简单地复制或拼接数据。ChatGPT还可以根据用户的反馈和评价进行自我学习和优化，提高其生成内容的质量和效果。

3.广泛的应用性和价值性：ChatGPT可以在各个领域和行业都有广泛的应用前景和价值，比如教育、医疗、娱乐、艺术、新闻传播等。ChatGPT可以为用户提供更加便捷、高效、多样、有趣的信息服务，比如科普内容、专业解读、权威指导、创意娱乐等。（3个特点及关键词就好）

发展现状

人工智能模型可大致分为决策式/分析式人工智能（Discriminant/Analytical AI）和生成式人工智能两类。传统的决策式/分析式人工智能的特点是学习数据中的条件概率分布，根据已有的数据进行特征提取，并进行分析、判断和预测。

例如，深度挖掘用户和物品的关联关系，将商品、店铺精准推送给用户，或者通过对用户观看、停留、点赞等行为的实时分析，精准刻画用户画像，再根据兴趣标签将内容实时推送给用户。生成式人工智能在决策式/分析式人工智能的基础上发展而来，更强调学习归纳后的演绎创造，即在一组数据上进行训练，并学习底层模式，以生成反映训练集的新数据。（现有的两种类别）

互联网案例：

1.京东：2023年2月10日，宣布推出产业版ChatGPT——ChatJD，将通过在垂直产业的深耕，快速达成落地应用的标准。

2.百度：2023年3月16日，发布知识增强大语言模型“文心一言”。根据“文心一言”官网，该模型能够与人对话互动，回答问题，协助创作，高效便捷地帮助人们获取信息和知识，帮助用户更好地表达自己的观点和思想，从而激发灵感和创意。

3.阿里巴巴：2023年3月22日，公开透露正大力投入人工智能与云基础设施建设，腾讯混元AI大模型覆盖NLP（自然语言处理）、CV（计算机视觉）、多模态等基础模型和众多行业与领域模型，还将推出万亿中文NLP预训练模型，将AI能力不仅应用到工业质检、智能制造等产业场景，还应用于医疗、助老、生物多样性保护、农业等多个社会领域，解决社会痛点。

对新闻传播业带来的冲击

1. 自动化新闻撰写

生成式人工智能可以完成多模态文本转换，还能模仿人类的不同情绪口吻来输出内容。目前，按照任务类型划分，传媒机构生成式人工智能的应用形态有写作机器人、数智记者和 AI 主播等。人工智能在灾害事件（地震和暴雨等）、天气预报、财经、体育等垂直领域的报道方面，具有明显的时效性优势。

包含生成式人工智能在内的人工智能，将记者从转录、翻译、校对等流程性工作中解放出来。传媒机构希望利用智能工具提升生产力，放大人类记者在新闻深度和事实核查等方面的独特优势，发展解释性报道和建设性新闻，进而巩固行业边界。

案例：

美联社（AP）美联社利用名为“Wordsmith”的自动化写作平台，能够实时根据数据生成新闻报道。特别是在财务报告和体育赛事中，AP的AI系统能在短时间内撰写大量文章。例如，在每个季度的财报发布时，Wordsmith可以快速生成数千篇关于不同公司的报道。这一流程不仅提高了报道的速度，还确保了内容的准确性和一致性。

2.个性化内容推荐

生成式人工智能实现跨平台内容聚合和分析，还能根据用户需求提炼总结出核心关键信息，产出定制化内容。因此，生成式人工智能有望发展成为“下一代网络入口”，也将再次改变内容分发逻辑。

案例：

Flipboard Flipboard是一款新闻聚合应用，使用算法分析用户的阅读习惯和兴趣，以提供个性化的新闻推荐。它通过AI技术，实时更新用户的内容推荐，使得用户能够在海量信息中快速找到感兴趣的内容。这种个性化服务提升了用户的满意度，增强了平台的用户粘性。

3.虚假新闻检测

人工智能推动事实核查进入新的发展阶段，各国传媒机构和科技公司逐步探索“AI 治理 AI”模式。国际事实核查网络（IFCN）等组织以及相关主题国际会议，推动全球事实核查创新运动的制度化发展。其中，机器作为行动者的角色受到重视。

案例：

Facebook的Fact-Checking Initiative Facebook与多个独立事实核查组织合作，开发了AI工具，用于识别和标记虚假新闻。这些工具分析社交媒体上分享的内容，比较信息的来源和事实数据，标记出可能的假新闻。通过这种方式，用户在浏览新闻时能够更容易识别不实信息，这在提高平台可信度的同时，也帮助维护了信息生态的健康。

4.多媒体内容生成

未来，生成式人工智能和 AR/VR 等技术结合，将会以逼真的感官体验和自由设定，让用户沉浸式体验各类新闻场景。此外，生成式人工智能还能对新闻内容作出调整，以满足不同用户群体的阅读习惯偏好。新闻阅读程序“Artifact”，可以用不同的风格总结用户感兴趣的文章内容，将其改写成 Z 世代喜爱的风格或一系列便于在社交媒体传播的表情符号。

智能社会与图像社会叠加，使世界更加趋于图像化、影像化。用户的认知模式也随之转变，从借助全面、客观、深度的信息进行“认知”转向习惯于通过影像和主观情感联想进行“体验”。

案例：

Reuters AI News 路透社（Reuters）运用AI技术生成新闻视频和图像。AI系统可以根据新闻稿自动创建视频摘要，结合相关图像和图表，使得报道更加生动。例如，在重大新闻事件（如国际会议或自然灾害）发生后，AI能够迅速生成涵盖事件重点的视频，供用户快速了解情况。这种自动化的多媒体生成不仅提升了新闻的吸引力，还加快了内容的传播速度。

新闻业应用生成式人工智能风险

1.信任危机：新闻真实的冲击

本质上，生成式人工智能并不拥有自主检验内容真实性的能力，它生成、输出内容的质量取决于其数据库和模型训练的水平，它对内容的检验则取决于人类使用者的反馈和驯化。“一本正经地胡说八道”不止一次地出现在生成式人工智能的实践中。

作为人工智能深度学习领域的一个分支，自动编码器、生成对抗网络等技术业逐渐被应用到深度伪造中，智能生产、操纵、修改数据，通过媒体传播虚假信息，给政治安全、经济安全、社会安全、国民安全等国家安全领域带来了诸多风险。其引发的真相危机将重构人、技术与媒介之间的信任关系与价值关系，为新闻传播带来失实风险、侵权风险和算法权力滥用等伦理风险。

2.平台拓展：资本逻辑的引诱

生成式人工智能使数据的地位越发凸显。数据质量直接关系到生成内容的质量。而商业平台在语料库、用户资源上具备天然优势。相反的，这一过程中，用户将进一步失权。数据是平台最重要的资产，用户作为原始数据的生产者，却并不拥有数据的知情权与所有权。

在生成式人工智能的加持下，资本化的平台能够将其庞大的用户资源转化为可以盈利的数据，并在传播格局中占据更为主动的位置。在和生成式人工智能互动的过程中，用户在无知觉的情况下成为不断帮助平台训练、优化人工智能逻辑的数字劳工，但却并不能得到自己应有的收益，智媒时代以来的数字剥削将被进一步扩大。

在缺乏约束的情况下，“按需生成”也可能成为商业平台的陷阱。商业平台以何种方式、何种程度使用用户的行为及隐私等数据资源是不可见的。用户向生成式人工智能吐露的信息越多，自身数据被资源化的程度越高，继而成为商业平台赢者通吃的一个环节。

3.伦理之争：道德风险的忧虑

首先,回归生成式人工智能的技术逻辑,它输出和生成内容的质量,取决于它输人的数据及其模型训练的水平。如生成式人工智能的技术代表ChatGPT,它目前依然依赖其从特定时期网页中提取的大量文本数据和用户反馈强化学习来调整模型。

借助网络爬虫得到的在线数据是天然存在着偏见,不接入互联网的地区和不熟悉互联网使用的人群被排除在外,成为智能传播时代下的“隐形人”。（算法偏见）

其次,网络数据的质量令人忧虑。相当数量的研究发现,生成式人工智能模型中编码了偏见和刻板印象,会大量生成并在用户中传播看似准确却毫无意义的信息。这种看似准确却毫无意义的信息是“非本真的”(imnauthentic)“闲言”,它不仅未能便利沟通反而阻碍了沟通。而偏见和刻板印象加剧了群体间的撕裂。在被边缘化的少数群体中,生成式人工智能生产的内容正在扩大而不是弥合鸿沟，加重而不是缩减偏见。（内容同质化和公共议题失焦）

最后,隐私安全问题越发凸显。生成式人工智能超大体量的数据需求导致算法在抓取数据的同时增加了用户信息泄露的风险。2023年3月，OpenAI公司便发生了隐私泄露事件，ChatGPT出现漏洞,约有 1.2%的 ChatGPT用户数据被外泄。隐私问题作为伴生在数字传播时代的病疾,在智能传播的背景下更需要警惕。（隐私风险）

总结

在与技术的相互规训和共生中，人类需要共同承担维护公共利益和价值观的责任。生成式人工智能具备“成为道德上被接受的新闻内容生产主体”的潜力，但它只是有限道德代理者，无法替人类做出道德决策和承担责任。

生成式人工智能的技术迭代和监管具有明显的区域特色和文化差异，但其作为一种新兴媒介所引发的风险具有相似性。在此过程中，人本主义仍然是应对风险的基本价值取向，发展对社会负责的 AI 是人类社会的共同目标，建立一个情境兼容的全球性信息治理框架是大势所趋。

本期推荐论文

添加小助手备注“生成式人工智能”专题，即可获取推文中所有论文哦！

🔍 想深入了解人工智能的考点和答题技巧吗？🎓

✨ 明晚9点，加入大仁老师的直播间，解锁你的学习新方法！

🚀 别错过，精彩内容等你来探索！ 🌟

参考文献：

[1]张博昊.ChatGPT与新闻传播：生成式人工智能的伦理风险与社会责任[J].新闻传播,2024,(14):41-43.

[2]郭小平,郭瑞阳.生成式人工智能在新闻传播业的应用及其风险应对[J].青年记者,2024,(06):5-13.DOI:10.15997/j.cnki.qnjz.2024.06.005.

[3]唐铮,林子璐.生成式人工智能与新闻业：赋能、风险与前瞻[J].新闻与写作,2023,(11):97-104.