智能媒体大时代：变革媒体世界的新机遇与新思维

刘庆振 牛媛媛

智能传播是对媒介边界以及媒介产业边界的一种全新的拓展，智能的嵌入改变了媒介的生存方式。在智能媒体时代，媒介产业从业者当前所从事的百分之八十以上的工作内容都将被智能设备所取代，从最外围报刊书籍的印刷到最核心新闻内容的采编，从最枯燥的内容排版到最有趣的广告创意，传播的基础设施在智能化。媒介设备在智能化，媒介产业的作业流程、所有环节乃至所有细节都在变得越来越智能化。

物联网、大数据、智能算法、深度学习、区块链等相互关联的智能技术已经为智能媒介传播范式的开启做足了基础设施、生产要素、引擎驱动和发展动力等多方面的准备。它们与媒介产业中任何一个板块、一种要素、一个环节的创新组合都将引发一场化学反应，并催生出一种截然不同于以往的智能媒体新业态。

这一切都在不断地发生着颠覆性的变革，智能媒体正在并将继续刷新媒介产业的传播景观。

一、智能媒体是数字媒体的高级阶段

今天，几乎所有的大众媒体类型和组织都已经拥有了它的数字化形式，而且我们可以肯定地下结论声称几乎绝大多数传统媒体都已经完成了它的数字化转型，“经过了二十年的数字化、网络化和产业化进程之后，无论是传统媒体还是新兴媒体，其基础设备、关键技术、内容格式、组织流程和互动方式都已经基本实现了数字化和网络化的管理与运营。”[1]然而，数字化却不是媒介进化的终点站，它只不过是个中转站而已，事实上，当所有大众媒体忙着数字化转型的时候，那些原生的数字媒体却早已经开始了迈向更高维度、更高阶段、更高能力的征程——智能化。

“人工智能技术在新闻传播领域的全面渗透是近年来的一个现象级的发展。未来传媒业的发展，很大程度上与人工智能技术的引入和应用关联在一起。人工智能技术不仅形塑了整个传媒业的业态面貌，也在微观上重塑了传媒产业的业务链。”[2]整体来看，智能媒体产业所涵盖的主要范围，可以参考Fransman对于ICT产业的分类方法，将其划分为内容、网络、硬件和平台四个层次，[3]在这四个方面的创新与变革，使得当前的智能媒体生态在本质上完全不同于过去的数字媒体生态乃至更传统的大众媒体生态，它们之间的融合发展正在重新定义媒体的基本价值、核心能力、商业模式和服务形态，更深层次地，智能媒体生态的加速进化还将重构更多的经济领域、文化领域和社会领域。

二、智能媒体的基本特征

作为基础设施的物联网。每一个被物联网所连接的物体都将具备智能媒体的属性，包括小到一块手表大到一台汽车，越来越多的物体都将被嵌入一定程度的媒体智能。一旦接入物联网，它们就会开始实时的自我监控并全面地记录、分析和洞察我们的生活，在需要引起注意的时候它们还会主动与我们进行交流。例如，无论是电视机、洗衣机还是电冰箱、试衣镜，它们都会按照我们的媒介接触习惯和内容偏好程度进行初始的程序设置，并且在社交工具（如微信）中关注我们或成为我们的好友，一旦我们所追的美剧或韩剧有了更新，它们会根据我们所处的特定场景将这一内容推送到最合适的智能设备上。事实上，物联网中所有智能媒体节点生成的关于用户的数据将会成为网络中最主要的数据流，它们创造了内容生产者与用户之间新的价值链，而这将会比任何一个智能设备本身更有价值。这样，智能硬件设备将会逐渐趋于免费，人人都可以低成本地获得多样化智能设备而成为物联网世界的一个智能节点。而这些设备之间的连接与互动将会切切实实地创造一种新的智能，它不仅仅能纠正某种错误，而且甚至能在根本上阻止错误的发生。如果没有物联网技术作为基础设施，我们就不能更加精准的确定某一位具体用户所处的时空、场景、状态和情绪，无法确定这些便无法进一步向他推荐更符合他彼时彼地的个性化信息，那也就意味着所谓智能媒体沦为了一句空谈。

构成生产要素的大数据。在整个世界被物联网化的过程中，网络连接和智能节点所产生的数据量也开始呈指数级增长。事实上，“数据已经存在于全球经济中的每一个部门，就如固定资产和人力资本等生产要素一样，如果没有它许多现代经济活动根本不会发生……土地、人力、技术、资本这些传统的生产要素，甚至需要追随数据资产重新进行优化配置，数据资产成为最重要的生产要素。”[4]数据大爆发中蕴含着媒介产业的新机遇以及我们对传播业务、媒体用户进行深入、全面、立体了解的能力，这种对先进数据技术的掌握和运用能力是智能媒体时代的产业竞争必须具备的技术基础与核心能力。对于传媒产业而言，大数据分析与应用的主要目标是通过分析用户习惯和兴趣偏好，来找到新的突破口，使媒介内容的生产过程更加智能化、更加符合用户需求。

优化资源匹配的计算能力。计算能力已经正在并将继续深入地改变整个媒介产业的竞争格局。在超级智能媒体的生态中，一切与一切相互连接，这不但极大地拓展了媒介和媒介产业的内涵和外延，甚至将揭示越来越多事物的内在本质。我们正处在自从现代媒介产业诞生以来的长达一百多年的去中心化进程的风口浪尖之上，非常便宜而且无处不在的计算技术和计算能力则是这一进程的关键引擎。

加速智能进化的机器学习。智能媒体传播范式是媒介融合的高级阶段，但是我们现在所处的时代仅仅只是智能媒体传播范式的萌芽阶段，当前的智能媒体生态会在永不停歇的进化中被更新的智能生态所取代，而加速这种进化的除了技术本身的进化之外，最关键的就是处于智能网络中的智能媒体自身的学习能力。事实上，真正的智能媒体一定不会是某种完全独立的硬件设备（如未经联网的手机、平板或机器人），它泛在于整个由百万亿智能媒体节点组成的超级物联网之中，它是灵活的、嵌入式的、分布式的、没有固定形态而又无处不在的，任何与这一超级智能媒体的连接都是对其智能的分享与贡献，而脱离了这一网络的独立的智能媒体设备或节点则无法获得快速而聪明的协同学习和能力升级。智能媒体的生态系统会随着人们日益增多的使用而不断自我进化到更加智能的状态，它会将这次在媒介产品运营中学习到的经验运用到下一次的操作中，并随着数据的激增和算法的改进而持续进步。越多的人和物被接入并使用智能媒体生态系统，它就会变得越智能，这将会激励着更多的智能设备成为其中的网络节点，从而形成智能媒体生态进化的正向反馈和良性循环。

三、智能媒体的传播观与方法论

智能媒体的出发点是个性化媒介需求。今天，安装在智能手机、智能电视、智能平板、智能手表等设备上的五花八门的应用程序正在借助个性化推荐技术竞相成为尼葛洛庞帝所说的这种“界面代理人”角色，以期满足每位个性化的用户天差地别的信息互动和内容消费需求。在本质上而言，用户的个性化需求存在已久，只不过在过去信息渠道稀缺和媒介资源稀缺的环境下被忽视了。这一方面是因为传统大众媒介的印刷技术和广播技术无法支持大规模的个性化内容生产和分发机制，另一方面则是由于用户对于信息、内容和娱乐的消费需求还处在较为初级的卖方市场阶段。但随着网络传播和计算传播技术的普遍安装和广泛应用、传播话语权从传者本位向用户本位的过渡以及信息产品供求关系的天平逐渐向买方市场倾斜，这时候无论在基础理论层面、现实供求层面还是在传播技术层面，差异化的供给和个性化的需求之间达成某种意义上的精准匹配就成了一种市场必然。对用户的异质性特征和个性化需求的关注成为智能媒体的逻辑出发点。从这个点出发去审视新闻资讯行业和视频娱乐行业，今日头条、抖音、一点资讯、快手、趣头条等智能媒体时代快速崛起的传媒新秀显然没有沿着大众传播的路径继续探索，而是在解决现实传播问题的十字路口，选择了“利用智能算法，对用户接触信息的习惯和喜好进行数据分析和定位跟踪，并直接向用户推荐他们感兴趣的信息，”[5]而这里的用户是立体的、动态的、异质性的个体用户。尽管算法推荐并不排斥群体用户的共性需求，但大众媒体在很大程度上已经解决了同质化受众的传播问题，因此，智能媒体更倾向于将其核心焦点放在解决当前更为迫切的个性化传播问题上面。

智能媒体的本质是实现供需精准匹配。尽管谈到智能媒体必然会使人联想到错综复杂的个性化的资讯推荐系统、程序化的广告投放平台、专业化的新闻写作分发软件、智能化的舆情监测管理工具等具体应用，其中涉及到的信息采集、数据建模、算法开发、工具优化等技术操作更是让除了数据科学家和算法工程师之外的大多数普通研究者、从业者和用户望而生畏，但抛开这些具体层面的信息技术暂且不谈，其实智能媒体的本质并不复杂：利用数据主义和计算主义的方法及工具，实现信息产品供给和媒介消费需求双方的精准匹配。例如，当前各大移动应用软件盛行的个性化内容推荐系统，虽然离不开大量高深的算法和架构，“但其基础原理是朴素的：更好地了解待推荐的内容，更好地了解要推荐给的人，从而更高效地完成内容与人之间的对接，”[6]也就是我们这里所强调的内容供给与用户需求之间的精准匹配，“利用算法推荐，可以实现对用户画像的动态描述，进而达到千人千面，让每个生产者的新闻智能化精准匹配用户……让‘适合我的新闻资讯’成为新媒体传播的常态。”[7]再如，计算广告应用中非常重要的程序化投放环节，也需要高度依赖复杂的广告投放引擎、高效的迭代计算框架等关键技术，但所有这些技术应用都同时服务于一个最核心的问题，那就是“为一系列用户与环境的组合找到最合适的广告投放策略以优化整体广告活动的利润，”[8]也就是“计算广告”理念的早期倡导者和实践者Andrei Broder所主张的计算广告的本质在于“在特定语境下完成特定用户和相应的广告之间的最佳匹配。”[9]在智能媒体时代我们重点要做的是想尽一切办法提升算法推荐系统的匹配度或精准度，借助于快速发展的深度学习技术和人工神经网络手段，我们完全可以做到这一点，匹配算法能够“从极大的数据量中学习，对未来做出预测，让机器变得更加聪明，”[10]从而更加准确地预测用户在特定场景下的具体需求，循序渐进地提升匹配度。换句话说，趋于完美的智能传播模式应该是这样的，“你只会遇到那些此时此刻与你完全匹配的事物……唯一在前方等着你的就是那成堆的令你疯狂的事物。”[11]

数据思维是智能媒体认识论的基础。大数据已经成为我们身处的这个当代世界的一个最基本特征，任何传播行为和传播活动都已经无法离开比特时代的海量数据而退回到原子时代那种简单的大众传播模式，当我们通过互联网浏览新闻的时候、当我们通过车载媒体收听广播的时候、当我们通过智能电视观看球赛的时候、当我们利用移动终端应用进行社交的时候，这些不同场景下的不同设备都在实时采集着与我们的信息传播和媒介消费行为密切相关的多维数据，并且直接将这些数据发送给远程服务器进行计算，以便能够在下一秒向我们提供更加便捷的路线导航服务或者更加有趣的内容推荐服务。也恰恰正是这些通过高密度存储设备和低成本云计算服务处理的海量数据，为传播领域的学术研究和应用开发提供了他们看待传播世界的新视角、探索传播模式的新观点、解释传播行为的新工具。尽管对于用户而言，传播行为或传播活动是实在而具体的，但在研究者和开发者的眼中，无论是单一信息的传播路径还是整个世界的传播结构，都表现为相互关联相互作用的抽象数据，正是这些规模大、变化快、维度多的整体数据而非过去传统统计学意义上的抽样数据，为今天的智能媒体提供了彻底不同于以往的看待传播世界的方式。因此，在这个意义上，我们不能将大数据仅仅停留在方法论层面的技术、工具和手段上，其更重要的价值在于，它是一种思维方式，是一种世界观。当传播学的世界观发生了本质上的变化之后，曾经看上去坚不可摧牢不可破的经典传播学生态体系中的枝枝叶叶和角角落落便都会随之发生相应的变化，有的部分黯然退场了，有的部分轰然倒塌了，有的部分悄然代谢了，有的部分骤然成长了。的确，正是因为对于用户、对于传播、对于世界的认知角度和认知层次在大数据时代发生了本质的变化，学术领域对传播活动的研究焦点才发生了转移，产业领域为用户提供的传播服务才得以不断地推陈出新，我们才有机会使用那些更个性化更智能化的媒体应用。

算法逻辑是智能媒体方法论的关键。在算法的逻辑中，我们每个人的地理位置、目光焦点、呼吸节奏、心跳速率、口味偏好、消费记录、情绪状态等都是一种可以通过量化手段呈现并能用来进行统计推理的基础数据，无论出于什么样的目的、选取其中的哪些维度、形成了何种相关的结论，其本质都是一种通过算法而得出的对于某个个体、群体、事件、行为的可理解的或可视化的定量描述。比如，算法可以得知用户感兴趣的商品、明星和内容，算法也能够总结出昨天的舆情事件从发酵到扩散再到高潮直至热度消失的整个过程，算法还能够预测哪些产品会成为爆款、什么样的短视频具有刷屏的潜力等。更复杂的算法还能够通过运用情感分析和语义分析技术综合考察用户在社交网站上发布的微博状态、图片内容、日志文章、视频类型以及评论回复等因素来推测用户的性格、职业、经济状况、可信赖程度等信息，以色列一位名叫盖伊·哈夫特克的创业者则利用网络游戏技术和深度学习技术开发了一套算法用来评价用户的理解力、洞察力、创造力和同理心等更加具体的性格指标，美国的一家创业公司则开发了能够浏览用户推特博文并以此为基础为用户定制个性化简历的算法。今天，我们正在把这些算法应用到更多更具体的领域中去，比如图像识别、影像剪辑、场景分析、新闻核查、噪音过滤等，尽管它们的功能和用途各不相同，但在智能传播领域中，所有算法的不同价值在根本上都服务于一个清晰的核心目标：在最合适的场景下，把最合适的信息产品，传播给最合适的用户。无论我们用算法选择用户喜欢的明星，还是用算法加工用户评论最多的桥段，亦或者是用算法针对不同用户调整排版风格或者字体大小，都是为了服务于精准匹配这一核心目标，使得我们向用户推荐的内容能够获得最优的传播效果、发挥最大的传播价值。

四、结语

我们正在从20世纪传统媒体时代的大众传播范式向21世纪智能媒体时代的计算传播或智能传播范式转换，而数字媒体则是这个转换过程中至关重要的一个历史阶段和中间形态，它的快速发展推动着媒体产业迈向了它的更高阶段——智能媒体时代。尽管智能媒体形态已经与上世纪截然不同，但我们在研究和应用过程中却“仍需注重科学研究的传统，回到媒体的本体论问题，即什么是媒体，媒体的未来在哪里，以及人工智能为媒体的发展和进化带来了什么改变。”[12]我们对于媒介即服务、个性化需求、供需双方精准匹配、数据和算法驱动传播革命的讨论在一定程度上也是对这些问题的回应。20世纪最为人津津乐道的媒介思想家、电子时代的先知麦克卢汉曾经预见性地说道，“在当今这个时代，人的生存问题不是单纯的生存问题，而是给人的整个生存过程编程的问题。”[13]（麦克卢汉,2016）尽管他不曾亲眼目睹这个时代的到来，但这种睿智的判断却与尼葛洛庞帝关于“数字化生存”的预言相映成趣，揭示了智能媒体时代的传播图景：我们正在把物理、生理、心理等不同的客体数字化和数据化，然后利用这些数据对整个世界中所有的人、事、物进行计算、画像、编程和匹配，以最大限度地保证每位用户获得的那些信息正是他在特定的场景下最需要的。这是一种不同于大众传播范式的全新的传播观和方法论。