智媒时代人工智能应用的影响及应对

王友帝 翟光勇

【关键词】智媒时代;人工智能;挑战;对策

1956年，人工智能概念诞生于达特茅斯的一个研讨会上，几经起落，时至今日，人工智能技术已经得到了极大发展，并广泛应用于各个领域之中。现今世界上主要的国家或地区都从战略层面制定了人工智能的发展策略，如欧盟于2019年4月8日发布的《可信赖的人工智能道德准则》正式版，意图在人工智能的道德发展方面制定规则和指南。而以谷歌、Facebook、腾讯等为代表的科技商业资本更是纷纷布局人工智能领域以期取得先发优势。虽然从目前来说，人工智能技术依然需要进一步的发展，但其在信息传播领域的应用已带来了诸多变革，从媒介生态到日常生活，它几乎渗透到了各个角落，正在将人们引向智能媒体时代。

一、人工智能的发展：媒介智能化的动力

人工智能中的“智能”概念涉及了心理学、神经学以及生物学等诸多学科，是一个相对复杂的概念。按照欧盟人工智能独立委员会提出的定义：“人工智能（AI）系统软件（也可能是硬件）系统是由人类设计，给出一个复杂的目标，在物理或数字维度通过感知环境数据采集、解释收集到的结构化或非结构化数据、知识推理或处理信息，从这些数据中得出并决定实现给定目标的最佳操作。”[1]该定义不仅符合现阶段人工智能技术的发展状况，同时也为未来的发展留足了空间。人工智能的发展分为三个阶段：专用人工智能、通用人工智能与超级人工智能。目前的人工智能研究还处于第一阶段，主要研制解决特定问题的专用人工智能。[2]也就是说目前多数人工智能只是看起来是智能的，并不是真正的智能，其行为只是固定程序的产物，自主学习发展的能力较低。而现阶段为了实现“智能”，研究人员多使用理性的概念来对人工智能系统进行规范，理性是智能概念的重要组成部分。[3]目前，人工智能系统实现理性主要有三个步骤：首先是机器感知，即通过传感器感知环境从而收集和解释数据，然后对数据进行处理或推理，最后做出相对来说最好的决定，并通过执行机构改变环境。实现理性的过程应用在信息传播领域与信息的生产、推送与呈现相结合产生了诸多智能偏向的变化，如：传感器新闻、机器人写作以及算法推送等，人工智能技术成为媒介智能化的巨大动力。

（一）新闻生产的智能化

智能媒体时代的信息采集环节，以传感器为载体、大数据处理技术为支撑的传感器技术对丰富和优化新闻源起到了重要作用，搭载传感器或数据处理器的任何物体都有可能成为信息的采集者，人工智能技术在信息采集环节的应用不仅拓宽了信息的来源途径，也扩增了信息的采集维度。[4]与此同时，各种写作机器人的出现已经不再是新闻，传统的新闻信息生产环节复杂繁琐，需要耗费诸多人力物力，而人工智能根据特定算法规则进行数据挖掘并结合Web技术直接发布，节省了大量的资源，尤其是在金融、体育等领域，新闻生产的流程被大大简化，稿件的数量大大增加，记者得到了极大的解放;而央视在2019年“3·15”晚会开播之际推出的人工智能主播“姚小松”更是凸显了人工智能替代主持岗位的巨大潜能，与“姚小松”类似的人工智能主播在发声和面部表情方面都不逊于真人，且在短时间内就可生成新闻播报视频同时实现“零失误”，大大提高媒体行业效率。信息的采集、制作到发布，新闻生产整体都在人工智能技术的推动下朝着智能化方向大步前行。

（二）内容推送的精准化

人工智能在信息推送方面的应用更是极大改变了信息分发及民众获取信息的方式，无论是文字信息流还是短视频信息流，用户所接受的都与自身的特点和喜好密切相关。传统的大众媒体面向全体受众，所有受众接受同样的信息且方式比较固定。而随着信息时代的发展，信息过剩现象随之出现，媒介如何获取民众的注意力以及民众如何从海量信息中获得自己所需要的信息，成为信息时代的焦点。而利用人工智能的算法推送能够帮助人们摆脱信息过载和选择困难。算法是一组计算机可以执行的明确命令，人工智能聚合用户相关信息后通过聚类分析、比较分析以及关联分析等算法进行用户画像，而后根据用户的不同特征进行精准信息推送，不仅使平台用户获得了自身想要的信息，也增强了用户对相应平台的粘性，而整个过程除了算法编写外，剩余的环节几乎离开了人类的干预。

（三）信息体验的场景化

人工智能不仅仅应用在软件方面，在各种硬件设备方面的应用也尤其引人注目，典型代表为增强现实技术（AR）和虚拟现实技术（VR）以及混合现实技术（MR）和影像现实技术（CR）的发展。AR和VR无需多言，MR和CR则是在AR和VR概念基础之上进一步发展出来的体验及交互技术，比如微软的HoloLens全息眼镜就可以在一定意义上视作MR技术的应用，因为该设备可以使人和数字内容进行交互而不是单纯的体验。CR技术则通过设备将影像直接投入用户的视网膜上，让用户大脑以为自己看到了“真实”的景象。目前，信息主要以视频、音频、文字或者三者的混合形式进行传播，而AR和VR以及MR和CR则将人工智能技术与外接设备相结合，使用户获取全方位沉浸式的场景感官体验。马歇尔·麦克卢汉曾说“从社会意义上看，媒介即讯息”，[5]也许AR和VR以及MR和CR也将成为未来真正有价值有意义的“讯息” ，它们将成为我们感知世界的新方式，重新形塑我们理解和思考的习惯。

二、人工智能的应用：实践中面临的挑战

如上所说，人工智能技术可以说是媒介智能化发展的催化剂。新闻生产过程越来越智能化，但究其根本，信息的采集、制作到发布都离不开人工智能的数据收集和应用;算法推送信息虽是人工智能的良好应用，但由于算法系统的动态性与自运转性，没有任何人能清晰判定某条新闻是否能发送到某位用户的终端，新闻分发的权力由人移交至人工智能;[6]而信息體验的场景化以及新的媒介交互方式更是可以使人工智能系统在不知不觉中搜集用户的信息。我们不能否认人工智能技术的巨大潜能，但其发展方向对信息传媒业以及整个社会有着很大的影响。鉴于此，我们不能只看到人工智能技术引领人类大步向前迈进的景象，其应用和发展带来的挑战也不能忽视。

（一）来源广泛：数据质量存疑

人工智能技术在聚合数据方面的效率毋庸置疑，但目前人工智能技术仍属于专用人工智能阶段，此类人工智能多数在特定的领域有所建树，并且超越人类。在围棋领域与著名棋手柯洁进行对抗的“AlphaGo”即属此类。此类人工智能系统的运行主要依靠人类编写的算法和程序，聚合的数据来源也主要是各个机构、个人发布，由操作人员输入或者自行收集并分析得出的。目前互联网上的信息仍然在以指数级增长，任何人或机构都可以在互联网上发布信息，信息存在错误或者疏漏的可能性极大。若相关算法的编写不够智能，不能过滤掉错误的信息或者人工输入的信息存在偏见和错误，那么其得出来的数据结果也自然存在不足之处，数据质量自然存疑。

（二）技术歧视：算法产生偏见

一般来说，人工智能系统不仅仅需要人类进行底层算法编写，在其投入使用之前，还需要相关人员对整个系统进行培训，而在整个系统运行的周期中，学习这一行为贯穿始终，无论是机器学习、深度学习还是强化学习，都需要建立在数据和算法的基础之上。而人工智能系统使用的数据集，包括培训系统和操作系统的数据集可能会受到无意的历史偏见、不完整性和拙劣的执行模型的影响。[7]偏见可能存在于最初的算法编写及培训人员之中，也可能存在于各种来源的数据集中，这将导致偏见在人工智能系统中的继续，从而对某些人或群体产生直接或间接的偏见和歧视，使这些群体更加边缘化。在信息传播领域，对于算法推送产生“信息茧房”的担忧已经不是杞人忧天，若是进一步的存在有意或者无意的信息歧视，受到侵害的将不仅仅是受众的知情权，媒体的公信力和自身存在的意义也会受到极大的损害。

（三）依赖智能：人类价值降低

人工智能系统既可以使用符号规则，也可以学习数字模型，它们还可以通过分析环境如何受其先前行为的影响来调整自己的行为，但目前人工智能系统的运行存在“黑盒”现象。如前所说，目前多数人工智能系统除了在算法编写阶段需要人类的参与，其自主运行后，从信息的选择、收集、分析到推送，基本上离开了人类的参与。如果以准确度来衡量一些人工智能系统的自主学习技术可能是非常成功的，但是人类在理解系统如何做出决策方面却几乎是不透明的。从这个过程看来，虽然人类是算法的编写者和系统的创造者，但人类的主导地位却下降了，自身存在的价值也被动减少了。

（四）暗藏隐患：公众隐私受损

人工智能系统的信息来源不仅仅是用户公开的信息，还包括与系统的交互过程中输入或者生成的关于用户的信息。在商业利益或其他动机的驱使下，为了找到更精准的受众，人工智能系统会被利用来收集用户的隐私信息，相关信息被收集起来后，不仅仅是数据匿名以及访问的权限存疑，且当数据库受到攻击时存在极大的泄漏风险，而最终信息是否会被收集起来歧视用户自身或者使用户自身陷入困扰也存在疑问。如2018年3月Facebook上超过5000万的用户信息数据被一家名为“剑桥分析”的公司用于政治选举用途;2018年11月30日，万豪国际集团旗下喜达屋集团发生客户预订数据库信息泄露事件，高达5亿的个人信息被泄露。使用算法推送信息原本是想让用户获得更好的使用体验，但如果用户因为质疑隐私信息能否得到有效保护而失去对人工智能系统的信任，那便与初衷南辕北辙了。

三、人工智能应用发展的挑战应对

人工智能被开发研究的目的是为了使它更好地服务人类，希望人工智能成为带来进步和创新以及促进人类发展的一种手段。同样，人工智能应用于信息传播领域也是为了促进信息的流通，改进民众获取自身所需信息的方式，帮助人类更好地生产生活。随着人工智能系统在信息传播领域的应用，人们的日常生活与其产生了愈发紧密的联系，所以，人们在追求最大化人工智能系统好处的同时，也要防范和最小化它们可能带來的风险。因此，本文针对前文提出的挑战和问题，从数据治理、算法机制、人类地位以及公共监管方面对人工智能应用发展带来的问题提出应对之法，以期减少人工智能的应用发展可能带来的风险。

（一）数据治理：提高数据质量

人工智能数据的一个重要来源就是互联网，而人工智能系统使用的数据集的质量对该系统所发挥的作用和能力来说至关重要。如果其自行收集或人工输入的数据存在固有的偏见或者错误，那么输出的结果也必然是含有偏见的和错误的，依据这些数据进行学习的人工智能系统也自然会存在问题。如果相关媒介采用此类输出数据进行传播，那么无意中就会成为偏见和错误继续存在的推手。因此，除了在算法编写阶段赋予人工智能系统选择筛选能力，在测试和运行阶段也应该对数据进行处理和清洗，尽可能保证可使用数据集的完整性和客观性，提高人工智能系统所使用数据的质量。

（二）模型改善：优化算法机制

对于人工智能系统来说，良好的算法就像人的神经系统。从数据的自主选择和筛选到信息的制作推送再到其自身的自我学习能力，优秀的算法模型无疑能使人工智能系统运行得更为良好且保证其服务人类。因此在初始阶段就应规范设计思想，将符合规范的思想体现在整个算法编写的过程之中，以避免其可能带来的负面影响;其次在算法编写阶段要设置好系统应该遵守的界限，防止其失控;最后要设立相应的反馈机制来保证人工智能系统的运行符合规范。在信息传播组织和机构采用的人工智能系统中，应该在初始阶段就将相关的媒介伦理及规范转化为人工智能系统需要遵守的数据指标体现在系统中，并设置监督反馈系统，以保证人工智能系统成为传者和受者的助手的同时避免一些次生伤害。

（三）保证主体地位：人类主导交互

目前人工智能系统的运行存在“黑盒”现象，人类无法清楚地知晓或者理解系统为何会得出特定的结论，且人工智能系统的运行过程大多数离开了人类的参与。Facebook公司是大力发展AI技术的科技巨头之一，相关项目组曾从众多的机器人中选出了AI机器人Bob和Alice进行社交网络助手试验，但除了算法所支持功能外，二者还进行了人类无法理解的自主对话，导致研究人员关闭了这两个机器人。虽然目前的人工智能系统还处于专用人工智能系统阶段，但随着技术的发展，人工智能的能力也在增强，如果拥有巨大影响力的媒体采用的人工智能系统失控，有选择的推送不适宜的信息且无法被及时察觉，那么带来的后果是难以预料的。因此，必须确保人工智能系统运行过程中人类的主体地位。媒体采用人工智能系统应该将其视作助手而不是主导，信息传播从业人员应该保持充分有效的自主决策能力，并且对相关人工智能系统运行的监督必不可少。

（四）公共监管：制定规则标准

对人工智能系统监管已经存在，其开发、部署和应用已经受到相关法律的监管，如：欧盟的通用数据保护规定（General Data Protection Regulation，GDPR）。除此之外，在某些特定的领域，如医疗领域，也有着相应的特定规则。人工智能系统的开发部署和应用遵守相应的法律法规是毫无疑问的，但是法律与技术的发展并不总是同步的，会存在技术发展得太快找不到相适应的法律条文或者与人们所熟知的道德规范不适应的情况。因此，公共监管的存在是十分有必要的。公共监管力量可以促使进行人工智能研究的相关国家、组织以及科技公司制定不同层面的行为准则或规章制度，把责任落实在具体层面，确保人工智能系统的发展应用符合伦理道德规范并改善人类的福祉。其次，并不是每个人都可以理解人工智能的工作原理并给予信任，因此公共监管组织可以为不同领域制定相应的或不同层面的认证标准，以促进人工智能更好地服务普通民众。从事信息传播的组织和机构采用的人工智能系统也应符合公共监管组织制定的规则和标准，甚至应该像医疗领域一样存在特定的规则，并且将其置于必要的监管之下。

结语

智能媒体时代，人工智能技术应用发展的速度让我们惊异，但技术是一把双刃剑，人工智能技术的应用给传者和受者都带来了诸多便利，甚至创新了我们感知世界的方式。但其应用发展带来的挑战和问题并不能忽视，只有直面挑战，解决问题和隐患，使人们相信人工智能，人工智能技术才能更好地服务我们的生活，引领我们走向更加“智能”的媒体时代。

注释：

[1] [3]High-Level Expert Group on Artificial Intelligence . A DEFINITION OF AI：MAIN CAPABILITIES AND DISCIPLINES[R]. https：//ec.europa.eu/digital-

single-market/en/news/definition-artificial-intelligence

-main-capabilities-and-scientific-disciplines.

[2] [6]陈昌凤，霍婕.人工智能技术在新闻传播领域的应用[J].新闻与写作，2018（08）：54-59.

[4] 喻国明，兰美娜，李 玮.智能化：未来传播模式创新的核心逻辑——兼論“人工智能+媒体”的基本运作范式[J].新闻与写作，2017（03）：41-45.

[5]马歇尔·麦克卢汉.理解媒介：论人的延伸[M].南京：译林出版社，2011：16.

[7] High-Level Expert Group on Artificial Intelligence .ETHICS GUIDELINES FOR TRUSTWORTHY AI[R].https：//ec.europa.eu/digital-single-market/en/news/ethics-guidelines-trustworthy-ai.

（作者：王友帝，安徽师范大学新闻与传播学院研究生;翟光勇，安徽师范大学新闻与传播学院副教授）

责编：周蕾