算法新闻：技术变革下的问题与挑战

智能新闻的本质是算法所引起的新闻采写和传播革新。与新闻生产相关的人工智能包括机器学习、自然语言、语音处理、视觉信息等技术。人工智能注重用户的兴趣与体验，并将其反馈到新闻生产和分发流程中，算法是这一过程中的核心元素。本文所研究的算法新闻既指智能写作，也包含新闻分发领域的智能推送，它已经部分颠覆了传统的新闻传播业流程和生态。因此深入分析算法新闻面临的挑战及其对策，具有很重要的现实意义。

算法新闻的优势

“算法新闻”运用预先编制的软件程序自动完成新闻生产、新闻分发、信息搜集与用户反馈。作为一种新型采写和传播工具，算法在新闻生产环节部分取代了传统记者和编辑的劳动，在新闻分发环节部分取代了传统发行者和营销者的劳动，实现了产业自动化处理。因此，智能传播时代的新闻业正经历着历史性的“算法转向”：新闻价值的评估标准由经验判断转向实证测量，新闻生产模式由“手工作坊”转向人机协同，新闻叙事由线性叙事转向交互性叙事，新闻的推送方式由大众化覆盖转向个体化定制，表征现实的机制由记者中介转向算法中介。

第一，新闻生产自动化。用于新闻生产、分发的程序一旦由算法工程师完成，并被植入新闻生产环节，则新闻信息采集、分析、文稿撰写、编辑等后续新闻生产行为均可由程序自动完成，主导传统新闻采写活动的人将悄然隐于幕后，成为“若隐若现”的存在。如果说智能新闻生产是（工业）自动化在生产性服务业的深化，基于算法的新闻分发是市场细分、商业个性化趋势在新闻业的展开，那么，以效率为核心所建构起来的现代化生产流水线完美地出现于新闻生产领域，把受众最感兴趣和最需要的新闻元素聚集于一个平台加以结构化，极大地提高了新闻数据处理的广度和速度，并解决了传统新闻生产批量化就难以个性化、个性化就难以批量化的矛盾，使新闻生产按照人类预设方向批量化、个性化地生产，极大地满足了公众日益多样的信息需求。

第二，对用户需求的强大穿透力。在分发环节，算法基于用户兴趣、习惯和体验的深度反馈而形成精准、高效的目标投放。大众媒介时代作为解码者的“受众”变成了集编码解码于一体的“用户”——“‘用’代表了其主动性，而‘户’代表了其独特性、差异性”。算法在新闻分发环节构建了个性化推荐机制：一是传统的排行榜推荐，以新闻阅读量、点击量、转发量、评论数或点赞人数等量化数字为依据，将新闻内容分门别类排序后推荐给用户；二是协同过滤推荐，针对拥有相似阅读、购买行为的群体，通过识别有用的关联物来分析、预测他们的兴趣爱好并据此向其推荐相关的新闻内容；三是内容精准推荐，即通过对用户行为历史记录的数据分析，为其绘制兴趣图谱，再将与“用户画像”相适应的新闻内容精准地推送给用户。如果说传统新闻分发是基于媒体对受众的调研和预测而主观认定受众喜欢的新闻，具有一定的盲目性，那么，智能分发则建立于大数据和智能追踪技术对受众的兴趣画像上，使新闻分发更具准确性和针对性。

传统的新闻分发像超市，媒体根据受众市场预测准备若干新闻供受众选用。由于媒体难以同时满足所有受众的信息需求，媒体和受众之间呈一次性消费关系，媒体和用户的粘黏度不高。而算法推送能够持续不断地为目标用户推送其感兴趣和需要的信息，由于能够敏锐捕捉服务对象细微的信息需求变化，媒体推送内容也随之调整，使信息服务转变为追踪式全程服务，极大地增加了媒体和用户的粘黏度。

第三，依赖大数据资源提高新闻报道的预测性。基于大数据的算法拥有模拟数据时代无可比拟的预测功能，它通过全样本的相关性分析，在不知晓因果性的情况下就可以做出精准的预测和有力的推论。大数据“这个系统依赖的是相互关系，而不是因果关系。它告诉你的是会发生什么，而不是为什么发生”。相比于传统新闻小数据时代，大数据更强调用户数据的完整性和混杂性，这种数据不仅能帮助我们接近事实真相，而且能准确地推测受众所喜欢的新闻。

技术变革产生的问题与挑战

在互联网兴起之初，麦克切斯尼就预见性地批判道，在每次媒体革命中，空想家都不同程度地告诉我们新技术将如何魔术般地打破现有媒体、文化和知识垄断的局面，然后打开通往一个更加平等和公正的社会秩序之门……数字革命似乎不是减少媒介权力的过程，而是进一步促进媒体对美国社会生活的整合与商业渗透。算法技术在为新闻业赋能的同时，也带来了诸多问题和挑战。

第一，新闻判断与算法的偏见。从确定选题、素材搜集到构思、写作和编辑，选择判断一直是新闻工作的一项核心能力。在智能新闻生产过程中，传统新闻记者专业判断的权威性受到了算法判断的极大挑战。基于算法的新闻生产，将超越记者即时性判断错误，使新闻生产的价值判断乃至文字语法都不会出现失误，真正实现了新闻的客观性。但这种新闻客观性充其量是所谓的“算法客观性”，它表现为程序运行或数据计算过程中的无偏差，而算法构建过程则有可能植入人的价值偏见：一是算法设计者的价值偏见，如设计者对问题的理解、数据和变量选取、综合评价等方面的主观偏好，将被纳入新闻算法程序，进而影响算法新闻写作；二是输入数据的偏见，在真实世界被数据化过程中，算法所依赖的数据本身可能是有缺陷的，如果客观世界数据化过程被植入偏见，则将影响新闻的客观性；三是算法局限的偏见，把纷扰复杂的现实世界转变为利用大数据模拟的简化模型时，算法系统本身并非是完美的，总是存在着局限。因此从现有智能新闻实践看，三种偏见似乎是难以避免的，都或多或少地存在于新闻写作和传播过程中。

新闻判断与算法偏见的严重性还在于新闻算法程序无法自动纠正所可能包含的价值偏见。如果算法程序设计者具有某种价值偏向，所依赖的新闻事实处理模型包含诸如喜爱低俗信息、漠视弱势群体乃至种族歧视等内容，那么，智能新闻写作必然继承和沿袭这些偏见，并为目标受众推送包含这些偏见的新闻作品。

第二，权力的转移与新闻人把关角色的淡化。人工智能的广泛运用一方面让记者能够讲述一些过去由于资源或技术限制而无法讲述的故事，用户也享有了诸如互动和个性化推送的新体验，另一方面，如何平衡传播中的回音室问题和新闻公共服务的理念成为最大的挑战，而这一挑战来源于市场条件下新闻具有公共产品和商品双重属性的矛盾。

传统媒体时代新闻人通过把关来平衡新闻双重属性所造成的矛盾，然而进入智能传播时代后，媒体把关人功能被严重削弱：一是信息通过各种互联网社交平台扩散，新闻信息绕过把关人自由地流向目标受众，把关人不能发挥传统媒体那样的信息过滤、引导作用；二是让渡给算法，通过海量数据来识别用户，再根据用户的兴趣爱好来生产、分发内容。由于算法新闻以流量为导向，用户的喜好和行为左右新闻生产的内容及其分发形式，迎合算法所描绘的用户口味便成为新闻人的第一要务，新闻人的价值能动空间日趋逼仄。过去新闻人判断新闻价值的依据是它“有多重要”，而算法时代的依据则是“有多少人感兴趣”。如果智能传播时代的新闻机构越来越依附于垄断用户眼球的互联网巨头，那么平衡公共利益与市场利益的权力也就不掌握在新闻媒体手上。于是，新闻的服务对象从社会公众转变为拥有购买力的用户，媒体从社会公众的精神守望者变为“流量工厂”的经营者，算法解构了蕴含于传统新闻中的公共性。

第三，信息传播窄化。由于新闻把关人难以发挥作用，媒体完全依照商业逻辑进行个性化推荐，从用户的角度来看，信息窄化现象就难以避免了。桑斯坦认为，人们原本持有的偏向在加入某些团体后，由于缺乏竞争性观点的协商沟通，这些偏向被持续加强，言行将越来越极端。虽然传统媒体环境也可能发生这种现象，但互联网让志同道合的匿名者能轻易而频繁地沟通，更容易成为群体极化的温床。

智能传播加速了信息窄化进程，有可能使群体极化趋于严重。一是媒体推送的信息更趋于同质化，使受众彻底被其包裹。互联网时代信息茧房现象建基于网络提供的大量信息，使网络用户具有信息选择主动权。基于个人信息爱好，用户往往选择阅读与兴趣爱好和价值观一致的信息。在此过程中，用户多少能接触一点非同质化信息，而智能传播主动过滤非同质化信息，让用户永远处于被同质化信息束缚之中。二是智能传播路径使更多的受众结成信息联盟而共享同质化信息，加速了群体极化。智能传播对技术的依赖度远远超过传统媒体时代，而技术的自我路径选择让更多的用户很容易与“志同道合者”建立联系，形成更大的同质化信息群体，从理论上说这个群体的人数可以无穷多，能让身处其中的用户误以为自己属于“正确”一方，进而接受越来越窄化的信息。

算法变局下的应对之策

第一，在生产环节，以人为本而非效率至上。许多学者表达了对算法技术的担忧：那些对政府、商界和个人生活决策有关键作用的算法和智能系统日益脱离人的控制，人逐渐成为了智能系统的助手。这样一个智能系统构筑了包含电子监控和算法决策的未来互联网世界，它成为每个人的远程控制者。当整个人类社会被大数据、算法等新技术纳入到数据主义的体系中后，人的一切行为被数据化，于是，人类的自由意志将面临终结。有学者呼吁必须用人文关怀来实现工具理性和价值理性的再平衡，这种担忧的核心是如何避免商业机构对市场效率的极致追求。

算法之下，市场化媒体推送新闻的原则是效率，即点击率及其带来的收益。不论是新闻生产领域还是新闻分发领域的算法应用，都是商业效率逻辑在新闻业的表现。因此，算法新闻带来的终极问题不是算法本身的问题，也不是算法背后的程序问题，而是在效率（利益）第一的原则下，算法新闻会带来怎样的后果。如果所有的信息在推送给用户之前都被用经济标准加以检视，过滤掉违背这个标准的信息，那么，市场效益将成为算法新闻的唯一法则。

面对算法新闻的价值困境，必须坚持以人为本，技术为人所用，人机协同的原则，把社会效益作为算法新闻的生存基础。“高度依赖技术抓取能力的人工智能可以带来动态新闻却无法揭示真相，因为真相并非简要事实，而是掩藏在事实背后的复杂事”，验证事实和逼近真相仍然需要依靠职业记者。在算法设计环节，记者、编辑与算法工程师展开深度合作，将新闻职业理念融入算法之中；在新闻生产环节，无论采用人工模板+自动化数据填充的模式，还是人工撰写深度稿件，借助算法帮助记者发现选题、拓展报道的深度和广度、预判内容的传播效果等，都必须发挥人的主观能动作用。也就是说，算法新闻不仅要由人来主导，而且必须围绕为人服务的宗旨展开新闻传播活动，只有把基本新闻伦理和促进人全面发展的价值理念植入智能程序，才能使新闻传播活动更好地为人服务。

第二，在分发环节，打破大型商业平台的垄断。20世纪90 年代兴起的由少数跨国巨头垄断的全球商业媒介系统，随着互联网的普及，垄断的趋势变本加厉，形成了一种赢者通吃局面。人工智能较高的进入门槛更有利于资金实力雄厚和拥有海量数据的互联网巨头进一步垄断新闻传播业。人工智能在美国新闻业应用已呈现出技术巨头主导、专业媒体依附的格局，如谷歌、微软、脸书、亚马逊等互联网技术巨头主导人工智能核心技术的研发，大型主流媒体积极尝试人工智能技术的新闻应用，小型专业技术公司致力于提供专业的人工智能新闻产品，如Graphiq 和Agolo 等。由此可见，大型商业平台越来越垄断新闻业生产和传播工作。

如果大型商业平台从新闻采写领域垄断进一步发展到分发领域垄断，则不仅破坏新闻传播业的良性发展，而且将因其垄断倒逼新闻采写领域的价值选择。市场的逻辑永远是效益至上，垄断性大型商业平台势必按照市场商业逻辑迎合受众对低俗、恐怖、偏激、谣言等信息的追随，进一步弱化新闻作为社会公共产品的品味和作用。因此，首先要鼓励商业平台竞争，防止少数巨头垄断市场，必要时对分发商开展反垄断法律审查；其次积极扶持传统主流媒体转型，鼓励那些官媒利用内容原创优势，打造新的信息分发平台，扩大公众市场影响力；再次优化算法结构，寻求公共效益和经济效益的平衡，克服唯市场效率至上的缺陷，如《人民日报》推出的“人民号”所秉持的“党媒算法”，在主流价值观的驾驭下实现新闻公共性与个性化需求的平衡，起到了引领和表率的作用。

第三，在消费环节，提高算法时代用户的媒介素养。现代新闻业自19 世纪末诞生伊始就存在着迈克尔·舒德森所区分的两条报道路径：“故事”模式和“信息”模式，前者追求新闻的欣赏性和消费价值，后者则强调不加修饰地传达可以验证的信息。舒德森认为，一般受过良好教育的中产阶层倾向于信息模式，而工人阶级则更倾向于故事模式。无论哪种模式，都可以看出受众是新闻传播链的中心环节，提高受众的媒介素养，将极大地提升智能传播的效率和公共影响力。

一方面，通过全社会媒介素养教育，让受众在身边主动营造一个多样化的传播生态。信息茧房理论的前提假设是用户的资讯渠道只能依靠少数几种特定的媒介，用户只看资讯平台根据算法推荐的新闻信息，不看朋友圈，不用微博，也不阅读媒体公众号，久而久之，陷入信息茧房中。随着智能技术的飞速发展，公众有接触和使用多种传播工具的便利条件，但是，基于某种媒介使用偏好和信息偏好，有些公众排斥使用其他媒介，拒绝接受多样化信息，对这样的公众开展媒介素养教育，使其了解和掌握正确使用媒介方法，有利于营造良好的媒介环境。

另一方面，培养公众解读公共信息的能力。网络上，故事模式具有某种天然优势，公众往往沉溺于故事而不能自拔，沉浸于特定的场景和情结中，使其失去了对信息的选择性和批判性，变成网上懒于思考的飘荡的肉体。网络意见交锋和博弈是网络传播常态，任何网民都必须适应该环境，并从公共信息的创造性解读中获益，否则，将沦为排斥多元意见的孤独者。我们看到，无论是哪种情况都将诱导智能传播推送单一信息，进而致使用户自我封闭，最终为智能技术所奴役。因此，提高公众解读公共信息能力，使其主动选择多元化信息，有助于全面提高人的素质，不断优化智能传播效果。