财新热点 | 人工智能时代下新闻业的“死亡与重生”

 “人工智能”来自英文 Artificial Intelligence，简称 AI，是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。

人工智能在新闻领域的应用

个性化的产品推送与订制

01

人工智能会根据用户行为为用户进行画像，推送符合他们兴趣与爱好的新闻信息，不同于传统媒体划分用户群体的方法，人工智能下的精准推送是建立在对用户的实际操作行为、心理感知等各个方面之上，从而进行快速准确地生产与投放。

广告推送

02

运用机器学习技术可精准发现目标消费者、目标消费者的消费情境，精准评估分渠道广告效果。广告传播的边界逐渐模糊，广告正在发展成为有价值的信息。

用户行为发现

03

可以通过对大数据平台的使用做到用户数据的实时获取，这样可以得出更为精准的用户行为分析，同时可以从更多角度来审视数据，从而指导新闻的生产。

舆情监测

04

可通过对交互内容的人工智能处理得出用户意见，及时发现舆论热点和相关的舆情观点，对新闻产业和国家安全有着重要意义。

人工智能对新闻行业的冲击

1.员工和用户的双重迁徙：受众的数字化转身与行业性跳槽

2015 年两位普利策奖得主离开新闻业，再度敲响了传统媒体的人才流失的警钟。新闻行业所提供的薪酬不再能吸引顶尖人才。美国职业资讯网站CareerCast发布的2016年美国最差和最好的工作榜单（主要依据环境、收入、前景与压力四项指标做评估），报纸记者连续三年被评为美国最差的工作。

2.内容生产衰退：同质化与深度优势不再

员工和用户的流失的同时，传统媒体的内容生产能力也在退化。内容的同质化与深度报道优势弱化是新闻行业正在经历的病痛。

一是传统媒体数字化和业务转型逐渐成为工作重心。如今，传统媒体深知转型升级的必要性，几乎都在紧跟互联网发展的脚步，全面布局新媒体。为了顺应受众的阅读习惯和阅读方式，他们开辟多个内容接收终端，但其内容的质量和品质并没有得到良好的延续。

二是传统媒体在深度报道重要领域的阵地失守。国际新闻和调查报道是传统媒体在深度报道方面的重要领域，而现在国际新闻报道数量持续下降。反观数字新闻媒体，由于得到更多的资金支持，反而有更多的资源在国际新闻这一领域大展拳脚。另一方面，充满风险、高成本的调查性报道日益稀缺。深度报道的从业人员减少、报道数量降低，直接削弱了传统媒体的深度基础。

3.商业模式失灵：广告收入流失到数字产业

近年来，越来越多的广告营销公司把注意力转向数字领域，网络媒体和移动平台 告也逐年上升，传统平面媒体则备受冷落。 一方面，传统媒体广告收入逐渐降低，数字化转型收效甚微。另一方面，网络广告份额持续走高，新型的网络广告模式不断兴起，广告商对网络广告的重视和依赖不断加强。

人工智能对新闻生产的影响

1、全新的新闻生产：从专业生产，走向“专业生产+用户生产+机器人生产”

随着人工智能技术的逐渐成，传统新闻生产的方式将逐渐被颠覆。过去依靠专业记者生产内容（PGC）的手工模式，继走向“专业生产+用户生产”（PGC+UGC）的Web2.0模式后，又将走向Web3.0新阶段：算法生成内容（AAC），与PGC和UGC三者鼎立。

未来人工智能至少会从内容生产和消费两端对媒体发展带来变革。人工智能与物联网、大数据深度结合，将催生真正意义上的“精准媒体”，在图像识别、视频处理、跨文本翻译、数据库激活等领域，推动媒体融合快速发展。

2、全新的议题设置：从流水线生产，走向个性化定制

传统媒体的议题设置，主要取决于当时的新闻热点、宣传管理部门的指令、媒体同行的选择和编辑记者的经验。但是，人工智能技术出现后，媒体议题设置和编排分发的旧有规则被打破了。

首先，人工智能技术使得“用户画像”更清晰，可以为用户量身定做内容；其次，人工智能技术可以为受众进行场景化适配，这是传统议题设置望尘莫及的；最后，人工智能技术使媒体更加社交化，更加注重对社交媒体数据的收集和挖掘。 

3、全新的运作方式：从内容为王，走向全产业链运作

人工智能技术，将使传统媒体内容开始向移动化平台聚合，推动传统新闻媒体的改造。机器人写作相比人工新闻的优点不言而喻。其写稿速度最快可达到毫秒级，无人匹敌；其应用大数据技术处理海量数据的能力让人类望尘莫及；它不知疲惫、产量惊人、准确性高，大大提高了传统新闻工作者的效率。生物传感机器人，可以把观众的真实体验实时地呈现出来，供创作方分析、供观众了解自己，也可以让记者从中发现有新闻价值的东西。某种程度上，机器人的算法，比编辑记者更懂受众。

人工智能对新闻伦理的挑战

01

算法歧视

算法并不客观，算法模型和数据输入决定着预测的结果。算法决策在很多时候其实就是一种预测，用过去的数据预测未来的趋势。而过去的歧视可能会在算法中得到巩固并在未来得到加强，因为错误的输入形成的错误输出作为反馈，进一步加深了错误。

一方面，如果将算法应用在犯罪评估、信用贷款、雇佣评估等关切人身利益的场合，一旦产生歧视，必然危害个人权益。另一方面，深度学习是一个典型的 “黑箱”算法，连设计者可能都不知道算法如何决策，要在系统中发现有没有存在歧视和歧视根源，在技术上是比较困难的。归根到底，算法决策其实缺乏对未来的想象力，而人类社会的进步需要这样的想象力。 

02

隐私忧虑

很多AI系统，包括深度学习，都是大数据学习，需要大量的数据来训练学习算法。数据已经成了 AI 时代的“新石油”。这带来新的隐私忧虑。

一方面，如果在深度学习过程中使用大量的敏感数据，这些数据可能会在后续被披露出去，对个人的隐私会产生影响。

另一方面，考虑到各种服务之间大量交易数据，数据成为新的流通物，可能削弱个人对其个人数据的控制和管理。当然，现在已经有一些可以利用的工具来在AI时代加强隐私保护，诸如经规划的隐私、默认的隐私、个人数据管理工具、匿名化、假名化、差别化隐私、决策矩阵等等都是在不断发展和完善的一些标准，值得在深度学习和AI产品设计中提倡。 

03

责任与安全

霍金、施密特等之前都警惕强人工智能或者超人工智能可能威胁人类生存。但在具体层面，AI 安全包括行为安全和人类控制。安全往往与责任相伴，如果按照现有的法律责任规则，因为系统是自主性很强的，它的开发者是难以预测的，包括黑箱的存在，很难解释事故的原因，未来可能会产生责任鸿沟。

如何应对人工智能

1、不能一味沉溺于“内容为王”的路径依赖，而要考虑“内容+技术+渠道 +市场+人才”的全产业链运作。片面强调“内容为王”，对科技发展视而不见，最终会导致彻底边缘化，丧失媒体的主流舆论阵地。

2、媒体除了培养“全能型记者”，还要引进软件算法工程师。一方面，媒体需要复合型的人才队伍，需要记者掌握多元化的知识结构，使其除了必备传统“报台网” 的采访、编辑和写作技巧，懂得文字、图片、音频、视频的制作技能，还要懂得微博、微信、客户端等新媒体平台的发稿流程。另一方面，媒体队伍需要专门的算法工程师。媒体队伍的知识结构，不能局限于中文、新闻、传播等文科领域，还需要大量的IT人才， 满足新时代的融合趋势。

3、面对人工智能技术的步步紧逼，不能画地为牢，需要打破藩篱，既要开展传统媒体与新媒体的一体化运营，也要做好内容集成服务商，在媒体聚合平台安营扎寨（如媒体公众运营号），还可以主动聚合自媒体（如发起自媒体联盟），实现平台共享。

结语

现阶段，无论是自动写作软件、还是视频自动剪辑，都不过是对传统新闻从业者的初级拟态，从这一点看，人工智能短期内取代的主要是菜鸟写手，媒体老炮们的地位依旧岿然不动，理论上不会引发新闻业大规模的失业浪潮。但是，如果未来人工智能加速进化，发展出不同于图灵机之外的技术逻辑，那才是新闻业真正的凛冬。

我们无法想象五十年后的世界，一如五十年前无法预测今天的科技成就。拥抱人工智能可能被其吞噬，而抗拒新技术无异于自杀。从悲观的角度看，人工智能正在摧毁传统新闻业残存的基础；从乐观的角度看，人工智能正在把新闻业变成一个全新的内容产业的一部分。对于新闻业来说，这是最好的时代，也是最坏的时代。

参考文献：

[1]方洲.浅谈人工智能对新闻业的重塑[J].传播力研究,2019,3(21):52.  

[2]杜娟.从“人机协同”看人工智能时代的新闻伦理构建[J].社会科学研究,2019(04):197-204.  

[3]闫燕勤,钱永江,俞定国.基于人工智能的电视数据新闻自动化生产技术研究[J].广播与电视技术,2019,46(06):38-41. 

[4]王太隆. 人工智能环境下新闻生产流程重构研究[D].河北大学,2019.  

[5]周飞飞.人工智能在新闻业的发展与对策研究[J].传媒论坛,2019,2(08):145.

[6]张亮.人工智能时代新闻生产的流程再造[J].出版广角,2019(03):40-42.   

[7]谢雨湘.人工智能对新闻业的影响及思考[J].传播力研究,2019,3(09):243.

[8]牛文静. 人工智能技术对新闻伦理的挑战与应对策略[D].河北经贸大学,2019.

如有任何问题，可咨询财新小助手哦

小助手小蓝

小助手卷卷

往期精彩推送↓