人工智能与新闻业变革的技术和文化逻辑

黄典林 白 宇

一、引言

现代新闻业的出现和发展过程始终处于不断演变的信息传播技术的影响之下。[1]20世纪下半叶以来，以网络化、移动化、数字化、智能化等为核心特征的新信息传播技术的发展和快速普及，在全球范围内掀起了一股技术融合和媒体变革转型浪潮，以报刊和广播电视为主体的大众新闻传播媒体形态受到日益趋于融合和智能化的新媒体技术的冲击，面临巨大的转型压力。在这一过程中，受到影响最大的是以传统媒体形态为支撑的新闻业。网络化条件下大数据和人工智能算法技术的崛起，对传统新闻观念和新闻生产以人工为主的产业模式构成挑战，从而在新闻业中引发了一场以智能化、自动化和精准化为特征的“量化转型”。[2]这主要表现为大数据新闻、可视化数据新闻等精准量化新闻产品形态的出现，以及基于算法预测的智能化新闻信息分发机制的快速普及。通过从网络以及其他可获得的渠道中挖掘和分析与特定主题相关的海量数据，从而对基本事实、发展趋势、差异等可量化特征进行数据化总结、归纳和比较分析，是这些数据新闻生产技术的主要特点。[3]由此出现的新闻算法程序，或所谓新闻写作机器人，能够通过人工智能和大数据分析技术对资讯类新闻信息进行快速分析处理，实现比人工记者更有优势的生产效率，同时又能基于用户的新闻信息消费行为特征对后续新闻主题进行智能化筛选和推送。新技术进入新闻业，不断提高新闻生产过程的自动化程度，必然对传统新闻业的价值观念、生产机制、消费模式、产业结构和功能产生冲击，从而在记者等新闻从业者群体中引发“自动化焦虑”。[4]也正是在这种背景下，出现了所谓新闻写作机器人可能会逐渐挑战甚至取代人类记者的看法。

在中国新闻产业和学术界，除了技术和产业层面的冲击和变化，人工智能算法技术在新闻生产中的应用还造成了新闻观念以及社会政治层面的后果。曾经对中国社会转型发挥巨大作用的专业主义媒体的迅速退场，商业主义和国家主义主导的产业和表征秩序迅速占据新闻传播领域的核心位置，从而产生了以商业化和资本化为核心逻辑的技术主义崇拜和社交媒体平台的泛娱乐化对公共话语的殖民化趋势。[5]面对这种复杂局面，人们或是从操作逻辑出发试图对传统媒体困境的制度和技术根源进行解析，并积极探索传统媒体突围的战略和策略路径；或是从传统新闻媒体专业实践面临的困境出发，探析新闻业生产模式和技术逻辑的转换背后所蕴含的政治意义，尤其是对新闻业所承担的社会瞭望和公共性建构使命的消解表达了批判性忧思，并提出重构新闻专业价值立场的愿景。[6]

但无论是从纯技术视角还是从社会政治角度做出回应，我们无法回避的一个基本现实问题是人工智能算法技术的出现、发展和应用究竟在多大程度上改变了传统新闻观念、新闻生产和消费的技术和社会条件？不可否认的是，随着平台化媒体的崛起以及人工智能技术的发展，新信息传播技术的性能与社会主体的实践过程、社会结构以及人类思维过程的嵌入性关系进一步加深，这的确对传统机构新闻业在全球范围内的生存构成了挑战。大数据和算法机制在许多领域已经取代了传统的信息生产、分配和消费模式，但就新闻生产而言，智能化信息生产模式会在多大程度上替代以人类主体为核心的信息生产模式？具体而言，在新闻业中，机器人写作、大数据计算、融合信息生产平台等智能化技术操作是否会在一定程度上取代新闻采编者和把关者等传统的生产主体，从而改变传统新闻业所依赖的价值系统和实践逻辑？在面临大数据和人工智能技术不断扩张的形势下，这些命题构成了新闻业从业者和研究者不得不面对的紧迫课题。围绕这一核心问题，本文的目的是要借助跨学科的技术视野，从新闻这一特殊的人类文化实践的内在逻辑出发，从技术和文化两个维度来讨论人工智能与新闻生产之间的关系，从而对新闻从业者以及新闻业转型的技术逻辑做出批判性解析。

二、人工智能算法技术与新闻业变革

在当代中国语境下，新闻业更多是作为一种具有政治属性的宣传工作来定位的，新闻实践中的技术要素，尤其是与知识和信息生产相关的新传播技术，并不是实践者和研究界关注的重点问题。尽管早在1984年就有人提到“新闻工作面临‘新的技术革命’的挑战”[7]，但真正从技术上对传统新闻业构成颠覆性影响的则是过去十几年间发生的新传播技术革命，尤其最近几年来以人工智能和移动互联网为主要内容的新媒体革命，迫使传统新闻业不得不面对转型的巨大压力。在这样的背景下，研究界对人工智能的崛起所带来的一系列技术变革，特别是智能机器人新闻写作技术的出现对处于大众传播业核心位置的新闻记者的职业角色和功能定位的挑战，乃至对整个传统新闻业生产模式的颠覆性影响做出了不同程度的理论反应。

从2010年开始，国内新闻传播研究者开始引介西方新闻教育机构为了适应人工智能等新技术的挑战而展开的跨学科教育模式尝试，重点探讨如何在新形势下培养同时精通计算机技术和新闻报道方法的新型新闻人才，从而为数字化和智能化媒体条件下机器人新闻报道与人类记者的良性融合做好专业准备。[8]同时，人们对这些技术可能引发的不利影响，尤其是对人类作为唯一智能主宰地位的挑战充满了忧虑，担心大量人类现有的职业和分工将被智能化机器人所取代，从而可能引发大规模群体失业，或导致大量现有群体被新的智能化技术支撑的劳动体系所抛弃。[9]作为这种忧虑情绪在新闻业的反映，人们开始关注人工智能介入新闻业所引发的一系列技术和专业伦理问题，以及大众报业时代形成的现代记者群体及其所代表的新闻价值理念体系在人工智能时代究竟面临着何种命运。

尽管可能会引发一系列挑战和问题，但以智能化算法技术为基础的新闻写作机器人的出现，依然被视为“人工智能技术在新闻传播领域的一个现象级应用”。这种智能化新闻生产技术在规格化新闻资讯写作、基于语料库语言风格的智能化定制和长尾效应、对海量信息进行标签和聚类的智能化处理以及建构结构性的分析结论和全局视角等几个方面具有远超人类新闻工作者的能力。不过，在当前弱人工智能条件下，尽管传统新闻工作者的职业角色必然要发生相应的变化，但在短时间内智能化新闻生产机器人尚无法完全取代人类记者，因为“在大跨度的复杂变量的处理和判断方面、在微妙情感关系的处理和表达方面，尤其是在价值规则的制定和参照框架的选择方面，人的智能和介入不可或缺”[10]。

在新闻产品的具体生产和呈现形态上，数据新闻成为当前新闻业中的热门话题。作为新闻生产日趋智能化的趋势之一，数据新闻的逻辑是对网络化平台上的海量数据进行大数据计算，并从复杂的现象中推导出关系、趋势和结构，从而超越传统新闻片段式的、个人化的经验性描述。新闻写作机器人在这一过程中可以与人类记者进行配合，发挥信息整理、标记和语境功能。但也有人认为，现有的这种新闻写作机器人和人类记者间的互补状态在几十年内或许会出现重大变化。例如，自动新闻写作软件“叙事科学”(Narrative Science)的开发者就认为，随着人工智能技术的不断进步，这一软件将从目前消息类新闻写作的低端状态逐渐转移到“新闻产业链的上端——从产品新闻(commodity news)到解释性新闻，甚至是细节丰富的长篇报道”，到那时，“将不再存在‘叙事科学’不能写出报道的领域”。[11]

本质上，所谓自动化新闻或机器人新闻是“除了最初的程序设定外，在有限的或没有人工干预的情况下，将数据转化为叙事性新闻文本的算法过程”。[12]以大数据算法、人工智能和自然语言生成技术为基础，自动化新闻的出现深刻改变了传统新闻业的生产和消费模式，从而对新闻消费者的信息决策、政治和社会议程的设置方式，包括客观性和可信性在内的传统新闻价值要素、新闻机构的法律和伦理责任以及对传统新闻业从业者的职业地位产生了深刻影响。[13]从技术上说，作为针对特定问题，能够通过特定计算程序把数据输入转化为特定结果输出的一系列数据计算规则，算法具有动态性。而以算法为基础的新闻生产是一种通过自然语言生成技术实现的准自动化过程，包括基于大数据的输入，基于相关特征对数据进行筛选分析处理从而将其转化为语义结构，以及最终在特定输出平台呈现出来这三个阶段。自然语言生成和大数据技术的结合使得人工智能化的新闻生产技术触及人类的创造性和表达领域，对新闻生产中的劳动分工和角色分配产生影响，促使人类记者的角色逐渐从直接的信息筛选、加工和写作等活动中脱离出来，转而成为对算法和数据程序规则进行设定和管理的间接角色。这必然要求处于转型中的新闻业及其从业者必须把算法和编程能力纳入新闻工作专业基本技能的范畴。尽管算法新闻依然高度依赖结构化的数据，对高度差异化或具有内在冲突的数据依然无法结合复杂语境进行有效处理，但从新闻业的机构和专业功能的角度来说，很大一部分传统上由人类记者所承担的工作将逐渐被人工智能所取代，这是不可避免的基本趋势。[14]

国内学者对这种技术发展态势推动新闻业变革的趋势已经有足够的清新认识，并对之进行了三个方面的重点概括：首先，“将从基于互联网数据抓取的断点式自动生成模式，逐渐转换到基于物联网持续性数据抓取的自动生成模式”“通过持续不断地获取物联网当中的各项数据，进行更加广泛和深入的数据挖掘与提炼，在新闻报道的广度和深度方面将有明显的提高”“写作、编辑、分析(评论)‘三体合一’的真正意义上的新闻写作机器人终将成为新闻业的中坚力量”。其次，全面承担事务性的程式化工作，记者的职业内涵将发生质变，“除了具备传统的人文修养和在文字表达、视觉呈现上的功底，对记者在软件开发、数理逻辑分析等技术素养方面的要求也将相应地提高。”最后，智能化新闻生产技术的开发和应用将成为国际传播竞争的重要领域。[15]

总之，以人工智能算法技术为基础的数据新闻或自动化新闻的确在诸多方面对传统新闻业的信息生产、分发和管理机制，以及对新闻从业者的职业角色和功能定位都构成了巨大冲击，对新闻记者的工作属性和技能内涵提出了新要求。传统大众传播时代的新闻工作以记者和编辑人员在遵循特定新闻价值要求的前提下从事的人工采编流程为主，相比之下，智能化媒体时代的新闻工作中的科学技术成分大大提高：新闻采访、编辑和写作实践不再是个案式问询和记录的过程，而是基于网络大数据的深度挖掘和趋势分析，新闻生产，尤其是特殊领域的资讯类新闻信息生产的时效性、成本收益比、信息准确性、新闻产品的个性化推送和匹配性都得到了极大的提高。可以说，人工智能算法技术支撑下的新闻生产极大地降低了新闻机构在资讯类新闻信息生产过程中的成本，有利于新闻业在数量和质量两个方面提高资讯服务的品质。另一方面，这也对新闻从业者，尤其是作为传统新闻业主体的人类记者提出了新要求。面对新技术的挑战，一味地陷入焦虑或抵制并不是正确的应对之策，相反，应当积极调整知识结构，尽快适应智能化媒体工作的生产模式、组织环境和技术要求，才能确保在人机共存、人机写作的新环境下凸显人类记者的优势。

三、人工智能算法技术的内在局限性

人工智能算法技术在新闻业的大规模应用所带来的一系列深刻变化，的确对人类记者的地位构成了挑战。随着人工智能技术的不断发展进步，人类记者是否会逐渐处于弱势，乃至面临最终被淘汰的命运？对这一问题的回答难免要回到与人工智能技术的本质相关的基本问题，即智能化的信息机器究竟能否模仿人类的思维方式，像人脑那样工作，具备人类的直觉、情感和潜意识等思维能力？不可否认，人工智能技术的迅猛发展对人类社会已经产生了巨大影响，这种影响甚至被认为足以匹敌工业革命对人类社会曾经带来的冲击，从而被称为第四次工业革命。[16]不过，从目前的技术态势来看，尽管自从人工智能的理念和相关技术出现以来，科学家的终极目标就是实现机器模仿甚至超越人脑的理想，但迄今为止，实现这一目标的过程并不顺利。这与人工智能的内在技术逻辑有直接关系。

要理解人工智能技术的内在实质，必须从其发展的历史中脉络进行把握。从原理上说，人工智能技术的发展有两种途径，一种是符号处理与逻辑运算系统；另一种是神经网络运算系统。前一种方法主要是将现象转化成符号，运用逻辑系统来实行运算。后一种则是近年来引人注目的新技术，它不依据人类的整体设计，只是给出一个一般规则的神经网络系统，通过运用数据库做训练来让网络自己进行学习。这两种技术都被称为人工智能，原因在于它们恰好反映了人类信息生产实践的两种性质：首先，人类在微观上是通过神经网络来进行信息处理的；其次，我们的语言系统又是建立在逻辑基础上的。这两种途径在历史上存在着一种潜在的竞争关系。在人工智能技术发展的初期，神经网络的发展明显劣于符号逻辑系统的发展。但在当下的第三次人工智能热潮中脱颖而出的却是神经网络系统。

神经网络系统技术的发展经历过三次热潮。从20世纪50年代提出的适于简单模式分类的感知器学习算法(Perceptron)是第一代人工智能。[17]这种处理系统是非常简单的三层构造(输入层、中间层、输出层)。这种有学习能力的系统在当时受到瞩目，引发了第一次神经网络系统热潮。但是到了20世纪60年代末期，这种技术在原理上的极限被广泛认知，第一次神经网络系统热潮结束。第二次热潮是20世纪80年代，由于“隐藏层”的应用神经网络型人工智能解决了一些之前没能解决的复杂问题，再度受到关注。但由于后来随着计算点的增加导致计算时间耗时过长等原因，到20世纪90年代的时候第二次热潮也终结了。在21世纪以来的第三次热潮中，出现了十层以上的多层结构神经网络系统，即所谓的深度学习(deep learning)技术。[18]这种系统能够自主进行学习，在模式识别和声音识别等领域展现出了超越人类的能力，比如打败人类棋手的AlphaGo。与原来的神经网络系统不同，在学习处理大量的信息数据时深度学习技术不需要通过人类所提示的正确答案作为反馈，而是通过层层抽象的方式对概念进行构建，并在对数据集的处理过程中对建构的概念系统进行改良。

就目前所见的人工智能技术发展态势而言，近代以来在新闻生产中居于主导地位的采编工作者是否面临被取代的命运？尽管在大众技术主义和商业主义话语中，人工智能可能会取代新闻记者等新闻创作性工作主体的说法甚嚣尘上，但从目前人工智能技术发展的基本逻辑中我们无法得出这样的结论，原因涉及预测与合理化、过程黑箱操作、复杂概念学习、模拟大脑的可行性等四个方面，前两点可以归结为潜意识与意识机制问题，后两点可以归结为心灵还原论的可行性问题。

图1 写作机器人能否取代人类记者的四个技术维度

第一，预测与合理化问题。人工智能从根本上是预测(prediction)系统，不是合理化、统一化或后测(postdiction)系统，即依据已经获知的事实进行解释和综合判断的能力，而后者正是人类智能中最重要的组成部分。著名生物学家Benjamin Libet等人的研究发现，在主体意识到自己计划某个行动的若干秒之前，大脑活动已经开始。这意味着，在意识到决定采取动作之前其实大脑已经无意识地引发了行动的欲望。因此，从某种意义上说，主体所感受到的自我决断的“自由意志”实际上是有意识地对先前已经存在的无意识决定的一次意识上的再确认，而这个再确认过程即可以理解为通过自动的无意识机制产生的结果。这种人类智能通过意识处理对信息进行再统合的基本功能，在目前的深度学习网络中完全无法实现。[19]

第二，过程黑箱操作的问题。神经网络型人工智能内部处理机制完全为黑箱状态。在涉及重大伦理争议的情况下，把决策交给这种内部处于黑箱状态的人工智能系统是否存在严重的伦理风险也是一个没有解决的难题。人工神经网络虽然可以进行高度的智能处理，但是由于该处理系统并非事先由人完全设计的，而是通过之后的自主学习而获得的信息处理网络系统，因此学习完成后的网络状态意味着什么，只能从结果来进行判断，内部运作机制是什么无法知晓。当然这种技术用于模式识别、语音识别和书写识别并不存在任何问题，但如果需要处理的是一些涉及生命安全和重大利益关切的议题时，由于内部结构为黑箱状态，以人工智能为基础的决策是否适当，就会涉及伦理风险。伦理问题因此成为人工智能应用的一个重要障碍，从而成为研究人员所关注的一个议题。[20]

第三，复杂概念的学习问题。目前的人工神经网络并不能处理带有意向性的复杂概念。当下神经网络的革新主要用于模式识别、语音识别，以及于对这些识别的预测，即简单的新数据重组等。这些信息大多数都是由相对特征较强的一般性概念所构成。但即便是这种简单的概念，深度学习也不能完全正常掌握。例如，谷歌开发的深度学习系统所获得的“猫”的概念[21]，对其多大程度上具有概念属性，不少学者持否定态度。[22]而从当代心灵哲学的视角来看，诸如经济、货币、道德、社会等与人类自身行为意向性相关的词语就更加难以进行物理性质的还原操作。这些概念与图像模式或者声音模式有根本性区别，因为它们可能在人类社会中本身就存在着定义不确定性的问题，在这种情况下，一个自身的内在性质难以确定的概念相关的信息很难转化成数据库进行学习。[23]

第四，模拟大脑的可行性问题。有人将解决这些问题寄希望于神经科学或所谓脑科学，但人类大脑结构高度复杂，模拟大脑是一个无限趋近拟合的工程，目前的技术水平无法在科学操作性的意义上模拟出人脑的运作机制。包括情感在内的高级认知机能概念呈现出无法进行统一操作化界定的状态。[24]我们希望模拟出一套人类情感系统，首先要为情感系统进行定义，而情感系统目前在偏向自然科学的定量化神经心理学研究之中有多种理论并行存在，例如，基本情感理论[25]、身体符号情感论[26]、纬度情感论[27]等。相关的高级认知机能概念都呈现这个状态。因此，在操作性科学定义尚不清楚之前，无法构建出一个确切的与此定义相关的符号逻辑处理系统。神经网络系统也面临着同样的问题。神经科学的发展会给人工智能的革新提供很多非常有价值的信息，但解决根本性问题不是一个量的问题而是一个质的问题。神经科学在解决这个难题方面目前尚无可靠结论。

当下关于人工智能讨论最为热烈的话题之一是深度学习以及自然语言生成技术。比如，已经有人工智能程序能够写出与人类语言很相似的诗歌。其背后的技术形式是在围棋上战胜人类的类神经网络式人工智能。这种人工智能参照了动物的中枢神经系统，即分散并列式处理，其特点是将外界现象切割成非常小的信息单位(以诗歌为例，最小的信息单位就是字或词)，然后通过有结构的多层网络进行信息的统合与分类，根据样本数据分析不同的字与词之间的关联和排列结构，再将此种结构对新的数据进行应用，如此反复训练。虽然不同的网络设计包括了不同的算法模型，但这一点不影响我们对这种人工智能的整体性理解和把握。人工智能写诗的工作按照上述特征，就是以现有诗歌为样本数据，通过这些数据来让人工智能网络“学习”，从而得到一个词语排列结构的规则。然后赋予该网络一个刺激性输入(例如声音、图像或文字)，已训练完毕的人工智能网络会根据这个刺激性输入激活的其他语言信息进行规则性语句生成，最终得到的就是一首机器人自动生成的诗歌。我们可以用下图来说明这一技术过程的基本机制：

图2 人工智能的诗歌创作技术模型

但上述原理并不意味着机器的“思考”过程就等同于人类的思维过程，更不意味着人工智能算法机制生产出来的诗歌或新闻等文本产品与人类主体生产出来的类似作品具有同等的创造性或文化特征。根本原因在于，人工智能技术始终无法突破符号操控的层次，也就无法出现具有心灵和主体观念的机器。换言之，它无法像人类那样具有自我意识，从而可以制造出复杂的概念、价值和意义体系。在人工智能和心灵哲学领域最权威的当代思想家约翰·塞尔反对超自然认知主体的存在，也不认可心灵的外在主义。[28]基于这一哲学立场，他认为，与人工智能技术中普遍存在的认为心灵和智能可以独立存在于一种信息机器系统中，从而可以加以编程、修改和控制的假设不同，人类的思维和意识过程是一个身心合一的具身性(embodiment)体系，而不只是形式意义上的象征操作过程。即便是试图模仿人类大脑神经网络的多层平行信息处理机制，人工智能依然不能创造出人类的意识本身。[29]尽管人工智能算法能对特定的结构化信息进行识别，甚至随着技术的进步，它可以对情绪、情感以及态度等相对复杂和模糊的信息进行甄别和定位，但人工智能在对这些信息进行处理的过程中自身并不会产生相应的复杂情绪和情感反应。换言之，它始终不会产生“自我”概念，对“自己”在做什么以及为什么要这么做进行解释，从而赋予自身的存在一种意义和价值。而人类意识的独特之处则在于，人类不仅知道自己在做什么，这样做的意义为何，而且对自身的行为的意义进行阐释，将其与复杂的自我情感和社会语境相结合，从而产生无穷无尽的意义阐释的可能性，并在自我反思的过程中对此前的意义体系进行修正，从而产生特定的观念谱系和文化史。而这些都是只能对信息的符号形式特征进行学习和分析的人工智能和机器人程序无法做到的。

四、在信息和文化之间：人工智能与新闻业转型的双重逻辑

早在1982年，《世界科学》杂志发表的《会思考的计算机》一文在向中国学界介绍计算机和人工智能领域发展动态时，即已指出：“一方面在制造模仿人类行为最简单的基础性的机器中遇到难题，而另一方面在所研制的几个具有高度专门技能的样机中却又连获成功。”[30]几十年的技术发展似乎并没有完全突破这一基本态势，即当前人工智能在处理高度专业化的信息处理任务方面具有远超人类智能的能力，但在处理语言表达、情感、审美等基本的人类思维过程方面却始终存在困难。在关于未来人工智能是否能够取代人类工种的调查预测中，无论是欧美科研人员的调查[31]，还是日本野村综合研究所的调查[32]，结果都显示，在艺术、宗教、历史、哲学等需要对抽象的或意向性概念进行复杂处理的创造性知识生产领域，以及涉及与他人进行密切合作或依赖复杂的劝服过程等交流性质强烈的职业不会受到太大的影响，而与此相对的是以固化的、机械重复的系统性知识为主的行业将受到人工智能很大的冲击，被取代的可能性极高。

因此，尽管有技术乐观主义者认为，随着人工智能技术的不断进步，新闻写作机器人终究会彻底替代人类记者[33]，但从新闻作为一种需要调用复杂主体能动性和语境文化资源的创造性活动的本质来看，当下人工智能以及以人工智能为基础的各种新信息传播技术的发展，例如，大数据、云计算、智能写作等，并不会完全取代人类记者在新闻生产中的价值。从这个角度说，人工智能以及以此为核心要素的新信息传播技术的快速发展和普及，的确会对传统新闻业的生产和消费模式产生巨大影响，但这种影响并不足以大到可以完全取代记者等人类信息生产主体的程度。尤其是新闻媒体相关的信息生产活动并不是一个孤立的经济和信息处理的技术过程，更涉及复杂的政治制度和文化语境。

根据康德的看法，理性“以两种方式与其对象发生关系，即要么是仅仅规定这个对象及其概念……要么还要现实地把对象做出来。前者是理性的理论知识，后者是理性的实践知识”[34]。因此，不是知识依照对象，而是对象依照知识。这一人类哲学思想中哥白尼式革命发现提醒我们，作为一种复杂的叙事艺术，新闻是科学性和艺术性结合的产物，也是科学理性和实践理性相结合的产物。新闻工作并不是被动地对存在于主体世界之外的客观事实的科学记录，新闻产品不只是具有科学意义上的信息属性，同时也是在复杂的人类文化和道德秩序中进行的创造性实践的产物，具有强烈的文化和伦理属性。一方面，它具有一定的客观性，是对客观实在的一种描述性的话语实践，反映了与客观的经验世界有关的事实特征，这要求新闻生产过程在一定程度上要有实证主义的科学精神；但另一方面，以人的主观思维和客观对象的二分为基础的实证主义的科学方法只是人类认识世界的方式之一，人类从认知和经验维度对外部世界的事实信息进行把握的过程绝不是直接而无条件的，相反，这种把握过程离不开人类的语言、观念和表征体系所构建的意义系统。因此，新闻实践过程不只是人类对外部世界信息的一种被动的镜子式记录，而是主体通过人类文化世界所提供的观念系统对外部世界进行知识建构和价值化的过程。换言之，新闻为人们提供的价值除了纯粹事实性的信息价值之外，还有特定语境下文化系统通过新闻主题的排序、新闻规范的设定以及叙事风格的选择所体现的社会价值观和意识形态。人们对新闻故事的追逐，固然是满足信息需求的一种表现，但同时更多的时候也是对特定历史语境下的价值偏好和意义秩序的一种选择。

因此，从本质上来说，新闻的魅力不只是提供精准的事实描述，而是作为一种讲故事的过程所具有的创造性和道德力量。新闻记者进行新闻报道的目的不只是如实报告发生了什么，更重要的是要帮助人们以一种全新的不同的方式理解世界，从而改造世界。新闻报道不只是各种素材机械组合的过程，与人类的一切创造性劳动一样，它离不开道德和情感等规范性价值体系和文化观念作为技术性生产过程的基础。因此，作为一种意识形态[35]，新闻不只是对外部世界的实证主义式的白描，而是带有特定视角和倾向的对现实的社会建构，带有文化和社会价值色彩的阐释过程始终是新闻从业者以及新闻用户参与新闻生产和消费过程中不可或缺的要素。不仅报道了新闻，还要解释为什么报道新闻，对新闻写作这种实践的意义进行自我阐释，并在特定社会语境下的意义结构中与读者形成一种可持续的文化传播关系。[36]

与人类记者相比，机器人记者即便在进一步发展的条件下具备分析情绪或软性事实，并识别不规则或异常数据信息的能力，但依然无法理解人类表达中的细微之处，也无法形成价值判断和道德使命感；而正是这些无法量化的意义内涵影响到了记者的个性化报道方式，对新闻报道的角度以及对新闻价值的设定产生了重要作用，同时也凸显了新闻业除了具有经济效应外，更加重要的是具有丰富的社会和政治意义。[37]基于这样的原因，有论者提出，“人工智能可以给新闻业带来新的传播速度、创造新的阅读体验、形成新的分发机制，但无法逼近事实背后的复杂真相、无法提供针对现实的深度解释”，故而对智能化新闻的未来应当重点考虑“在物联网环境下重新定义新闻，对智能化新闻应保持理性期待，在新闻业应用人工智能的技术创新中要张扬人的价值”[38]。

以当前处于深刻转型中的中国新闻业实践为例，尽管智能化新媒体平台的迅速发展和政治刚性边界收缩导致的话语机会萎缩对传统新闻生产构成了巨大冲击，以致无论从人才资源配置、价值逻辑还是从产业模式上来说，传统新闻业都正在向新型的新闻业态转化；但以传统人文主义和公共性价值为核心的新闻实践并没有被新技术完全消解，而是在生产模式和话语范式上试图适应新的媒体环境，从而形成新的实践方式和话语模式。其中，尤以源自特写文体和文学化新闻传统为基础的非虚构写作最为引人注目。“它之所以能够在当前特定情势下成为一种强势新闻叙事模式，恰恰是因为非虚构话语的叙事特征在公共性退场、消费性和文学性兴起、话语实践的参与性和对话性日益凸显的情况下最能符合新时代的传播生态和政治经济格局的需要。”[39]这种新闻话语范式转型与社会语境之间的对应性，显然包括了传统新闻生产者对以人工智能和大数据为核心的新信息传播技术的冲击进行“抵抗”的文化反应。

总之，如前文所述，尽管人工智能算法技术正在快速发展，并可能在不久的将来出现突破性的进步，但人工智能形成真正意义上的类似人类思维过程的“意识”尚无可能。这种缺陷导致人工智能技术始终停留在不断完善对信息和象征形式进行分析和控制的层次，而无法发展出独立思考的“心灵”机器，也就不可能具备人类主体基于大脑神经思维过程和以身心合一性为基础的主体意识所形成的意义建构能力、文化创造性和道德感。基于这一原因，我们认为，人工智能算法技术的发展和新闻写作机器人技术的广泛应用只是重新界定了新闻生产中人类主体与机器或信息技术之间的关系，重构了新闻生产的产业形态和专业规范以及从业者的专业角色定位和职业能力要求，而并不会对人类新闻工作者的地位构成根本性的挑战。人类记者的使命不在于与人工智能算法技术去竞争量化信息生产的效率，而是与机器形成一种良性互动的合作关系：一方面充分掌握人工智能和算法技术的知识和技能，从而能够更好地驾驭它们；另一方面则需要扬长避短，充分发挥人类记者在对新闻事实进行语境化意义阐释和价值赋予方面所具有的创造性优势。两者的关系不应当是一种冲突或零和游戏关系，而应当是一种分别发挥优势、相互配合的合作关系。随着新闻的信息属性日益成为智能化机器承载的功能，在高度饱和的海量资讯造成的信息重负之下，人们对新闻的文化属性的要求也必然更为迫切，而这恰恰是人类记者所具备的不可取代的优势之所在。