AI赋能：人工智能与媒体产业链重构

解学芳 张佳琪

【摘要】  人工智能经过几十年的发展在移动互联网时代呈现爆发式增长态势，AI赋能媒体产业引起颠覆性变革，也成为未来媒体发展新常态。人工智能技术重新定义了媒体，拓展了媒体内涵，使媒体走向智媒体。智媒体具有物联网与大数据驱动、自我进化、人机交互三大技术特征。人工智能沿着媒体价值链正在快速颠覆信息采集、内容编写、内容分发、内容审核与监测的方式，重构传统媒体产业生态系统。与此同时，AI赋能下，“人工智能+媒体”给数据信息、价值判断和著作权带来新挑战。

【关  键  词】人工智能;智媒体;产业链;重构

人工智能时代的来临给诸多行业带来颠覆性变革，也使媒体行业发生显著变化。人工智能与媒体产业的融合扩展了现有的超媒体、新媒体、社交媒体等媒体概念，产生了集智慧、智能与智力于一体的智媒体。

一、人工智能与媒体的融合：智媒体

1956年，McCarthy在美国Dartmouth大学学术研讨会上首次提出“人工智能”概念，开启了全球人工智能研究的历史进程。2016年以来，发源于互联网行业的人工智能开始向互联网以外的行业延伸，在诸多领域引发颠覆性变革。大数据、云计算、语音/图像识别和深度神经网络等与人工智能相关的技术被越来越多地运用到传媒领域，使得媒体与人工智能深度融合，推动了媒体的智能化发展。

人工智能技术重新定义了媒体。人工智能颠覆并重构了人与媒体、人与信息的关系以及媒体生态，使媒体从“众媒”向“智媒”转变[1]。从学者的研究与界定来看，官建文认为，智媒体是智慧互联网在大数据、云计算技术基础上提供个性化信息服务的媒体，并且智媒体的智能化程度能够随着数据量的增加而提高[2]。郭全中指出，互联网媒体的未来形态是智媒体，认为“智媒体是立足于共享经济，充分发挥个人的认知盈余，基于移动互联、大数据、虚拟现实、人机交互等新技术的自强化的生态系统，形成了多元化、可持续的商业模式和盈利模式，實现信息与用户需求的智能匹配的媒体形态”[3]。二者均强调了智媒体的技术基础以及智能信息服务。鉴于此，笔者认为，智媒体是在大数据、云计算、语音识别等人工智能和机器学习相关技术基础上，以用户为中心提供智能化信息服务，且不断自我进化的一种新媒体形态。

从智媒体的特征来看，较之传统媒体与新媒体，智媒体因AI技术的嵌入而更具技术特征。第一，物联网与大数据驱动。物联网将物体与人联系起来，实现了万物皆媒。物联网形成的大数据则是提供智能化信息服务的基础。智媒体从海量数据中快速获取有价值信息，提供智能分析，甚至能利用各种非结构化数据进行结构化解释[4]。第二，自我进化。智媒体的技术基础是深度学习，算法能够模拟生物神经网络的结构和学习过程，通过分析大量训练数据来学习，体现不需要具体的规则或理论来指导就能解决特定问题的智能行为[5]。正是智媒体具有深度学习的能力，并且迅速发展的量子计算技术能够满足智媒体深度学习的硬件需求，因此，智媒体会随着数据的增加和算法的改进不断自我进化到更加智能的状态。第三，人机交互。人机交互技术使得智媒体的传播更具交互性和智能化。基于语音识别、图像识别、意图识别等技术，智媒体能够人机对话，完成文字、语音、图片形态的交互问答，以聊天机器人形式出现的非虚拟会话代理，已经成为社交媒体和消息传递应用程序的重要部分[6]。

二、人工智能对媒体产业链的重构：生产、分发与审核智能化

人工智能技术沿着媒体产业价值链，为媒体内容生产赋能，正快速颠覆着现有的媒体产业链，重构整个媒体产业生态系统。

1.信息采集走向多元化

信息采集是内容生产的前置环节。传统媒体受制于人感官的局限性，信息采集存在不全、遗漏和变形的可能。智媒体时代，人工智能颠覆了传统的信息采集方式，一切智能终端都可成为信息的采集者和传播者，大大拓宽了信息的来源途径。人工智能采集的信息主要有两类数据：一类是利用智能手机、智能可穿戴设备收集的用户数据，包括健康状况、生活习惯、运动数据和地理定位等各项数据;另一类是利用GPS、无人机的图像传感等功能收集的环境数据，主要包括交通、温度和空气质量等信息。人工智能实现了信息采集自动化、即时化，强化了信息的深度和广度，为优化新闻信息源起到了关键性作用。在空间维度上，各种传感设备成为信息新渠道，可以进行文字、数据、影像追踪，获取更大范围的信息;在时间维度上，传感器实时监测对象的动态变化，AI获取的信息不仅描述现有状况，还可预测未来发展趋势[7]。此外，在实际应用方面，新华社MAGIC智能生产平台能通过算法获取各类数据，并将其自动处理成结构化的数据，方便内容生产者获取更多的资源。AI信息采集已成媒体行业发展常态。

2.内容编写实现自动化

内容编写是内容生产的最重要环节。人工智能基于数据科学、分析和机器学习算法，可以实现新闻的自动创建以及档案材料、文本和字幕的自动或辅助分析，实现运动和现场活动的智能可视化和实时分析，自动编写与生成内容，即实现智能机器写作。智能机器人通过自然语言理解、群智形式的修正反馈等技术，能够对数据进行分类、关联和过滤处理，内容生产的模式从PGC（Professional Generated Content）、UGC（User Generated Content）向AGC（Automatic Generated Content）转变[8]。机器人具有明显的数据处理优势，可以在短时间内处理大量数据，擅长撰写涉及大量数据、连接逻辑简单、数据准确度很高的结构化稿件。因此，目前写作机器人适用于生成规范化、可模板化和重复性高的内容，以财经新闻、体育赛事、天气预报为主，形式多为快讯、短讯和财报。此外，智能机器写作大幅提高了内容生产的速度与数量，减少了人为的技术差错，并不断降低生产成本。比如，封面传媒自主研发的封巢智媒体系统是模块化、集成化的内容生产系统，通过机器人写作、机器辅助写作提高采编效率;腾讯Dreamwriter、新华社小新、微软小冰等写稿机器人被用于体育、财经和生活资讯等报道领域。

3.内容分发实现智能化

人工智能对算法的突破性进展在于能够不断改进当前的推荐体系，兼顾普遍相关性与个体差异，使用户有机会接触更多可能感兴趣的优质内容。人工智能可以收集用户在媒体上的行为、兴趣和位置等关联信息，形成和优化用户画像，提供精确化、智能化的内容推送服务。人工智能还可以通过图像识别、人脸识别与情感识别等技术手段，构建知识库和图谱挖掘，基于情感识别的内容推荐算法建立内容与用户的连接。与人工分发相比，人工智能在内容分发过程中的优势有两点。一是智能分发的范围大幅度延伸，根据用户的行为数据分析能够发现用户生活、兴趣以外有潜力的内容。二是媒介传播的时空体验与感官体验提升，智媒体运用虚拟技术实现场景重构与深度交互，并以第一人称的逻辑展开叙述，使用户获得的信息从二维向三维跨越。此外，人工智能建构的知识图谱改变了用户对媒体的认知，人工智能自动推送适应不同认知水平人群的内容，塑造了新的用户信息获取方式。例如，2018年，全国两会运用了智能机器人进行内容分发;搜狗联合新华社推出的站立式AI合成主播参与了2019年两会报道;长江云智能机器人记者云朵进行独立采访，通过实时生成图文内容、播放有关视频进行报道，助推了媒体行业智能化创新的进程。

4.内容审核与监测走向实时化

网络时代，海量内容产品与数据信息的审核费事、费力，而人工智能在这方面有很大优势。一方面，人工智能可以实时监测各类新闻事件、社交媒体信息的真实性，基于大数据轨迹找到信息的原始出处，通过交叉比对判断真实性，保证新闻信息的客观性。另一方面，人工智能可以对视频内容进行审核，通过算法等技术多维度对视频的类型、元素和关键词进行智能分析与审核，保障视频内容服务的合规性。此外，人工智能技术还能够监测内容的版权，通过数据挖掘、图像识别、数据比对，全平台、全时段监测内容的传播情况，快速识别内容的转载及修改行为，定性非法转载、洗稿、盗文、抄袭等侵权行为，并实时生成相应的版权监测报告。实际上，人工智能在内容审核和监测方面已有多年应用历史，自动核查技术也一直在优化中。早在2012年，《华盛顿邮报》开发了Truth Teller，它能自动对新闻内容进行即时核查;此后，杜克大学技术与核查合作研究所与德克萨斯大学的计算机科学家团队合作研发了智能机器人ClaimBuster，使得内容审核和检测能力大大提升。在国内，新华社发布的“媒体大脑”具有人脸核查功能和版权监测功能，能够进行新闻事实核查以及新闻的版权监测追踪。可见，在实践层面，人工智能将重复性的审核与监测工作自动化、智能化，快速查证不确定信息，大大降低了人力审核的成本，提高了运作效率。

三、“人工智能+媒体”的机遇与挑战：技术、价值与法律

“人工智能+媒体”是传统媒体转型、新媒体异军突起的重要手段，个性化推荐内容、机器人写稿、AI合成主播等新业态、新模式不断涌现。与此同时，人工智能与媒体行业的融合也面临技术、价值与法律方面的诸多挑战。

1.技术维度：数据信息安全风险凸显

人工智能与媒体行业的融合存在数据异化的风险。过度依赖智媒体推荐信息易产生信息过载与信息过窄两大问题，加剧拟态环境与信息茧房效应。大数据及机器智能算法支撑的信息个性化推荐自动屏蔽用户不愿意关注的信息，这将导致个体的信息孤岛化，使具有相同志趣、持相似观点的人群不断圈层化、社群化，拉大了社群隔阂，不利于公共信息的传播和社会意见的整合 [9]。此外，人工智能也面临自动生成虚假内容的挑战，亟须在科技伦理、法制建设方面加强顶层设计与制度安排。

数据信息安全问题在人工智能时代将进一步凸显。智媒体的个性化推送功能建立在全面数据化、可追踪的用户个人信息基础上，从而助推用户信息成为重要数据资产。由于个人信息进入人工智能处理范围的成本较低，数据信息易被获得和关联，对数据的分析、比对和匹配容易形成对用户的全面追踪，给用户的信息安全、隐私权等带来风险。由此可见，人工智能时代，个人信息保护与数据治理刻不容缓，如何平衡个人信息保护和数据开放成为数据治理难题。

2.价值维度：价值判断标准转移

人工智能时代，内容信息的选择标准、生产逻辑受到算法的影响。由于人工智能技术的赋权，机器基于算法可以根据用户的个人兴趣定向生产与分发信息，其内容价值判断标准更加强调用户的关注和流量。毫無疑问，人工智能技术无法代替人在价值判断和伦理审视方面的作用，过度智能化容易导致情感温度的缺失和伦理把关的缺位。第一，人工智能的算法通过推送用户感兴趣的内容，影响和引导着受众的自主意识。第二，在算法推送机制下，把关信息价值的主体从人变成机器，用户点击量成为主要的评判标准，但是算法对信息的语义理解是有限的，无法解读语言背后的隐藏含义或者结合社会环境进行深层次分析，很容易造成新闻偏见和新闻价值的缺失。第三，“人工智能+媒体”基于用户个体数据进行信息分发，使议程设置的参与主体多元化、议程设置的方式与机制多样化，一定程度上会带来用户对公共领域的关注度有所弱化[10]。鉴于此，人工智能赋能媒介生产与内容推介工作所潜含的价值风险将对受众的媒介素养提出更高要求，受众在接纳人工智能自动化信息的同时，需要建立起独立的媒介批判性思维[11]。

3.法律维度：著作权审视

随着人工智能和媒体融合的不断深入，从文本新闻、小说、诗歌、电影剧本到视频新闻，人工智能生产与创作的作品不断涌现，对现行的著作权制度提出全新挑战。实际上，关于人工智能著作权问题争论的焦点在于人工智能创作的内容是否构成作品。目前，学界的研究可以归为三种观点。第一种观点认为，人工智能生成内容不属于作品，人工智能仅是支持创作过程的工具，其本质在于算法和数据处理，生成的内容不是来自人类独立的智力贡献，不符合著作权法对作品独创性的要求。第二种观点认为，人工智能独立完成的内容构成受著作权保护的作品。比如，早在1988年英国颁布的《版权、外观设计和专利法案》就考虑到了计算机生成作品的问题，指出在没有人类作者的情况下，文学、戏剧、音乐或艺术作品可能由计算机生成[12]。第三种观点认为，我们不能机械地坚持人工智能生成内容一律不是作品，应该建立一种标准来判断人工智能生成内容的可版权性[13]。如果人工智能生成的内容具有著作权法所认可的作品意义，则可在理论上被认定为“作品”。

此外，关于人工智能著作权问题争论的焦点还在于人工智能作品的著作权归属。一种观点认为，由于人工智能能独立“创作”作品，我们应当承认人工智能本身享有著作权。另外一种观点则强调人工智能作品的著作权应当归属于人工智能的创作人、开发人、所有者或使用者。从权利有效实施的角度来看，人工智能沒有法律上的意识能力和行为能力，没有独立的责任财产，无法处理著作权权利的行使、保护、处分以及相关的义务和责任问题。因此，人工智能创作物的版权只能归属于现行法律所承认的、与人工智能创作活动有密切联系的自然人或法人主体[14]。不同于前两种观点，还有学者认为，人工智能作品的著作权归属于人工智能的虚拟人作者，由法官将该版权的具体权能分配给相关自然人或法律主体[15]。由此可见，目前关于人工智能作品的著作权归属问题尚未达成共识，甚至伴随人工智能的深入，从法律维度审视人工智能作品著作权的讨论将更加多元化。

四、AI时代媒体智能化的未来与反思

人工智能已然成为一种智能化、信息化的潮流，人工智能技术的发展将继续推动媒体与人工智能的深度融合，促进媒体智能化的深入发展。

跨媒体智能技术是人工智能的基石，也是人工智能未来发展的重要方向。随着科技的进步与发展，信息的获取、传输、处理和分析逐渐从一种媒体形式转变为多种媒体形式。不同媒体类型的表现形式虽然是异构的，但是它们可以共享相同的语义，具有潜在的相关性。基于跨媒体知识图谱，人工智能从许多松散相关的数据模态中定义、搜索和提取各种媒体类型的相关信息源，创建涉及语言、视觉和听觉的图像识别机制与感知分析技术平台;媒体将以更加灵活便利的方式来检索和管理多媒体大数据，进行知识获取和分析，包括网络内容监控、网络信息趋势分析等。目前，跨媒体分析方法的智能系统在很大程度上依赖于结构化输入，还无法应对跨媒体场景中日益复杂的信息检索、内容监控等任务需求[16]。因此，我们要持续深化和拓展对人工智能技术的理解，发挥人工智能对媒体的推动与导向作用，加大技术研发的投入，开发更有效地捕捉数据对象之间高阶相关性的学习机制，为异构媒体类型信息的获取、挖掘和呈现构建跨媒体分析与推理系统。

人工智能领域的语义识别和分析、深度学习等技术将继续推动媒体产业向智能化的方向快速发展。人工智能激发和促进了社交媒体服务，加强了社交媒体内容推荐。AR、VR技术和可穿戴设备以及其他相关人机集成产品的突破性进展，将不断产生出更丰富、更自然的交互模式，强化用户的存在感和参与感，极大地增强用户的互动体验感。此外，智能技术越来越多地支持用户从自身的角度和经验出发，在互联网、社交媒体上通过交互式服务获取、生产、共享信息。目前，智媒体提供的个性化交互式服务需要基于用户即时数据响应，由于社交媒体平台的各种异构和动态特征，对目标人群进行深层次的评估比较困难，这就对智媒体安全和隐私保护提出了更高要求。因此，我们要集成生物智能系统与机器智能系统，研发人机混合智能，在媒体提供交互性服务与体验的同时，建构同时具备服务可用性、透明度和质量保证三大特征的社交媒体生态系统，发挥区块链技术、5G技术的优势，保障媒体内容的安全交互、共享和数字版权管理，不断提高媒体平台的信任感和安全性[16]。

|参考文献|

[1]谢国明. 人工智能：媒体的机遇和风险[J]. 新闻战线，2017（7）：2-3.

[2]官建文. 媒体·融媒体·智媒体[J]. 传媒，2015（8）：36-37.

[3]郭全中. 智媒体的特点及其构建[J]. 新闻与写作，2016（3）：59-62.

[4]OLeary D E .  Artificial Intelligence and Big Data[J].  IEEE Intelligent Systems，2013（2）：96-99.

[5]Sudmann A.  On the Media-political Dimension of Artificial Intelligence： Deep Learning as a Black Box and OpenAI[J].  Digital Culture & Society，2018（1）：181-200.

[6]Araujo T .  Living up to the chatbot hype： The influence of anthropomorphic design cues and communicative agency framing on conversational agent and company perceptions[J].  Computers in Human Behavior，2018（1-2）：1-69.

[7]喻国明，兰美娜，李玮.  智能化：未来传播模式创新的核心逻辑——兼论“人工智能+媒体”的基本运作范式[J]. 新闻与写作，2017（3）：41-45.

[8]许志强，刘彤. 人工智能视域下媒体创新发展与数字生态体系探索[J]. 中国出版，2018（16）：36-39.

[9]方埜展. 封面新闻如何细分市场，打造年轻人的“智媒体”[J]. 中国记者，2017（3）：42-45.

[10]董向慧，吴阿娟，陈杰. “人工智能+媒体”蕴含的风险及对策[J]. 新闻战线，2018（7）：117-118.

[11]王昀. 新媒介研究拐点：人工智能时代传播学的现貌与反思[J]. 编辑之友，2018（2）：60-66.

[12]Holder C，Khurana V，Hook J，et al. Robotics and law： Key legal and regulatory implications of the robotics age （part II of II）[J]. Computer Law & Security Review，2016（4）： 557-576.

[13]易继明. 人工智能创作物是作品吗[J]. 法律科学（西北政法大学学报），2017（5）：137-147.

[14]李宗辉. 人工智能创作物版权保护的正当性及版权归属[J]. 编辑之友，2018（7）：80-87.

[15]袁真富. 人工智能作品的版权归属问题研究[J]. 科技与出版，2018（7）：103-112.

[16]解学芳，张佳琪. 技术赋能：新文创产业数字化与智能化变革[J]. 出版广角，2019（12）：9-13.