人工智能驱动新闻生产的趋势研究

王鸿泽

【摘要】近年来，人工智能在新闻业以及新闻生产的应用，重构并重新定义了新闻生产的各个环节，从美联社、新华社以及人民日报、腾讯新闻等国内外知名通讯社和媒体对人工智能的探索来看，各种人工智能技术应用于新闻生产已经成为行业趋势。值得注意的是，在机器和算法流行的时代，人更需要坚守自己的价值，人机博弈中，也始终要把人文关照放在首位。

【关键词】人工智能;新闻生产;信息

中图分类号：G221              文献标识码：A              DOI：10.12246/j.issn.1673-0348.2020.21.034

随着人工智能技术的不断发展，我们需要对其未来对新闻业的影响做出趋势性预判。机器将在新闻生产过程中扮演更重要的角色，信息处理系统可能会独立于媒体存在，而可以基本确定的是，人工智能的协助下新闻生产力将持续提升。

1. 人工智能对新闻生产的影响持续加深

1.1 机器扮演更重要的角色

在已有的新闻生产人工智能实践当中，从策划到采集制作再到审核分发，生产主体不仅仅是人类，人工智能已经参与到各个生产环节当中。但当前人工智能在新闻生产中仅仅起到初级辅助性的作用，例如在信息采集时，无论是传感器还是可穿戴设备，拓宽了信息的维度但生成的只是数据和信息;内容制作，大部分媒体的机器新闻写作还只能完成模式化的生产;新闻审核，隐蔽的、敏感的信息机器目前还无法全部识别。不过相信这些情况随着人工智能技术的发展将得到改观，传感器采集的新闻将可以直接生成记者编辑可用的文字、视频素材，机器将可以模拟人类情感进行略微复杂的写作，还将识别出更多类型的不良信息。

人工智能技术的发展也将是物联网的时代，各种各样的物品都将成为信息的采集者并为新闻生产提供素材。技术的进步让生产者能够采集到多种类型的信息，其对信息维度的需求随之不断扩大，这就需要有信息采集能力的物品或机器发挥更大的作用。与此同时，一些媒体自身并不具备人工智能技术应用和开发的能力，所以需要寻求与相关高新技术企业和物联网企业进行合作，这些企业无形中也就成为了新闻生产过程中的成员。

1.2 信息处理系统独立存在

人工智能时代对一些新闻信息处理能力要求之高，已经远远超过了某些媒体机构自身的实力。诸如语义分析，大数据抓取、运算分析这类技术，一般媒体很难能够自己开发并应用，就连像美联社、新华社、人民日报这样实力雄厚的大型媒体机构有时在进行人工智能生产时也需要与第三方进行合作，由专业的公司或组织向他们提供数据信息。

传统媒体时代，新闻信息的收集、分析、加工一定是在媒体内部进行的，这是新闻生产过程的一部分。通常是由记者编辑来完成这项工作，但人工智能技术应用于信息处理以后，记者一方面已经不具备这种信息处理的能力，人的感官触觉无法完成一些信息数据的采集处理;另一方面其所在的媒體机构也不一定能够给记者提供可用的设备来完成这些工作。因此，有涉及到复杂信息处理的新闻报道，更好的办法就是交给专业机构来完成，无论是记者编辑、媒体还是相关专业机构，最好是去做自己擅长的事。让信息处理系统独立出来，不仅能够减轻媒体工作负担，而且信息处理系统也能够为媒体提供更完善、更精细的新闻信息。近年来已经有了这种趋势，谷歌的即时新闻系统、今日头条的媒体实验室都是脱离媒体生产流程的独立存在。

1.3 生产力的持续提升

人工智能应用于新闻生产的目的之一就是提高新闻生产效率。由新华社发布的中国第一个媒体人工智能平台“媒体大脑”，仅耗时10.3秒就制作完成了一条2分08秒的视频新闻;2017年8月四川九寨沟县发展7.0级地震，中国地震台网的智能机器人仅用了25秒就写作完成了一篇地震消息，而且这条消息涵盖了震中地形、人口等大量信息;美联社Wordsmith平台建立之后，其财报新闻稿件数量每季度可达到3700件以上，而原来这一数字为300件。机器应用于新闻写作生产，其运力远远高于人类，目前在简单的消息写作当中，包括财经类、体育类、天气预报等类型的新闻，机器的效率和产量是人无法比拟的，未来它的这种效率还将会提高。如今的人工智能技术已经“解放”了新闻生产者的很多工作，记者不必再靠人力转换文字信息，不用绞尽脑汁进行数据解析，人工智能让记者从一些繁杂的工作中解脱出来，从而把更多精力放在新闻内容的表现上。这一趋势还将继续下去，并且人工智能在现在的基础上应该可以更好的和新闻生产者协作，进一步解放生产力、提高生产力。

1.4 新闻生产、分发逐步分离

互联网和移动互联网时代的到来强调了渠道的重要性，生产和分发不再是传统媒体时代绑缚在一起的两个环节，新闻生产和分发将逐步发生分离。互联网和人工智能技术的到来让新闻业出现了新的新闻分发平台，在这之前传统媒体都有自己的传播渠道，并且在大众传播过程中占据绝对的主导地位。但搜索引擎、社交媒体和智能推荐平台的出现，让传统媒体在原先渠道上的优势仅剩无几，于是报纸、广播、电视等传统媒体开始寻求与其他平台的合作，拓展自身的传播渠道。这也就在无形中让生产与分发成为了两个独立的系统，尤其是在智能推荐技术广泛应用以后，加速了生产、分发的分离速度。

不管是使用何种分发方式和渠道，新闻分发平台都需要始终保持用户粘性，有一定量级且稳定的用户规模，还应该维系优质的内容生产者进行长久的内容产出，这样才能让平台一直有效益。

2. 人工智能驱动新闻生产的思考

在人工智能火热发展的当下，尽管新闻业、新闻生产受其影响已是不可逆的趋势，但这个快速发展过程中还需要我们对一些问题有思考和警惕。

2.1 以人为本的人机合一

尽管人工智能技术在新闻生产的应用已是不可逆的趋势，未来还将加深对新闻业的影响，但不可否认的是，人仍旧会在新闻生产过程中占据绝对的主导地位，机器再先进、再强大，终究是人的创造，人工智能技术向哪里发展、怎么发展，要由人来决定，以人为本是根本。

2.1.1 机器永远不能代替人类进行所有生产

程式化的消息已经由机器新闻写作来完成，目前来看，带有思想感情的、复杂现场描述的报道以及深度报道机器还无法完成，有观点认为这在未来并不是不可能实现。但笔者深信，无论人工智能技术怎样发展，怎样应用于新闻生产，人的作用始终不可替代，人要在技术之上，这一点也得到了笔者深访的所有十位媒体从业人员的肯定。如果有一天人工智能能够察觉感受到所有人的情绪、感情、意志，那么不仅是新闻生产领域，人类目前所有的生产活动都可以被机器所替代，这是人类不愿看到的，也坚决不会让其发生的事情。

2.1.2 从人机博弈到人机合一

在人工智能重构新闻生产的过程中，人与机器的关系将不断发生变化。首先是机器辅助人类生产。这种人机关系目前已经存在，机器帮助新闻生产者进行数据信息的采集、整理，通过语义分析生成可用的素材，还能帮助编辑进行审核，为受众智能匹配新闻内容;其次是人机协同。这种关系其实现在也已经逐渐显现，因为人工智能已经深入到策划、采集、制作、审核、分发等新闻生产的所有环节当中，机器在辅助的基础上做了更多的工作来更好的帮助人类;最后是人机合一。人身上的可穿戴设备越来越多，机器则附着于人体、物体之上，人机共同作用、共同进步，这也是人和机器进行新闻生产最佳的状态。

2.2 避免对人工智能的滥用

人工智能可以有效协助人进行新闻生产，但对于人工智能的使用一定要在风险可控的范围之内。人工智能在进行用户数据抓取分析时，通常会涉及到个人信息隐私的问题;在智能算法大行其道的今天，人不能无条件的全部接受，要警惕算法中可能存在的错误;机器的工作主要是协助，新闻生产者不能过分依赖机器的作用，对于新闻事实的价值和真伪判断，还是要取决于生产者自己。关于人工智能的使用，会涉及到诸多安全、方法、伦理道德等方面的问题，这也就要求新闻生产者对人工智能的使用一定要有限度，不能滥用。

随着人工智能的迅猛發展，其对社会、经济、文化等领域已经产生越来越深远的影响。同时，人工智能面临伦理道德框架、隐私与安全保护等问题，为了让人工智能实现健康发展，现在急需一套完善的法律体系与之匹配。

2.3 信息茧房与数字鸿沟

信息茧房是指人们的信息领域会习惯性地被自己的兴趣所引导，从而将自己的生活桎梏于像蚕茧一般的“茧房”中的现象。而人工智能技术则极易导致信息茧房现象的发生。智能算法推荐成为了新闻分发环节普遍使用的方法，机器通过学习、观察用户的阅读使用习惯，为用户提供其感兴趣的新闻内容，但机器是否能够真正的读懂人类还有待考察。目前的算法推荐是简单的依据用户行为和兴趣的方法，这就容易让用户长时间处于某一类信息环境中而无法接收其他类别的信息。推荐算法下，用户往往会习惯性的挑选自己喜欢和需要的信息，这无形中过滤掉了其他大量信息，长此以往，由于信息接收维度变小，就容易在单一类别的信息中形成特定的思维习惯。身处这种信息茧房的人，便会逐渐沉溺与自我狭窄的认知世界。所以人工智能技术究竟是对个性的迎合还是对信息环境的束缚，这值得我们思考。

数字鸿沟，是指在全球数字化进程中，不同国家、地区、行业、企业、社区之间，由于对信息、网络技术的拥有程度、应用程度以及创新能力的差别而造成的信息落差及贫富进一步两极分化的趋势。当数据、信息成为人工智能时代的重要资源时，对于数据、信息拥有的不平等将会加剧鸿沟的出现。人工智能是正在快速发展的高端型技术，一些发达国家拥有领先全球的技术人才和领先世界的互联网、大数据企业，而这是一些落后国家和地区无法企及的，毫无疑问，这将进一步加大人类之间的信息鸿沟，这一问题在未来要如何解决，是我们将共同面临的挑战。

3. 结语

在未来人工智能应用于新闻生产时，机器将扮演更重要的角色，信息处理系统将会独立存在，生产力也会持续提升，而新闻生产和分发则会逐步分离。所以如何避免对人工智能的滥用、防止信息茧房与数字鸿沟现象的出现，这些都是接下来人工智能技术进一步发展所需要认真考虑的问题。