新闻传播领域的人工智能技术应用研究

2023-01-17冯长林

电视技术 2022年6期

冯长林

（中央广播电视总台创新发展研究中心中国电视报编辑部，北京 100000）

1 新闻传播领域的科技发展趋势

近年来，传播科技的发展快速改变了人们使用媒体的方式。早期人们借助传统的广播、电视及报纸等传统媒体接收外界信息，然而随着网络的普及，网络媒体的使用率已大幅提升，社群媒体逐渐变成人们用以获得信息的主要工具。在网络崛起的过程中，传统媒体面临巨大的生存挑战，纷纷开展转型，以数字汇流来应对数字化的挑战。在数字汇流中，新闻媒体的内容向网络媒体平台汇集。然而，社群网络出现并普及后，传播科技再度改变新闻传播的生态，新闻分配的平台开始进一步向社群媒体移动[1]。

传统媒体与数字媒体本质上有所不同。传统媒体本身所能承载的信息量从过去的频宽有限、版面有限的限制中逐渐得到解放。这种空间上的解放，使得数字时代新闻媒体可以容纳的新闻量多于以往，多元的内容也成了传统媒体的需求与挑战。在速度层面上，传统媒体也开始进入网络“速度竞逐”的游戏中。网络场域的信息内容与呈现形式千变万化，能够实现24 小时不间断的信息更新模式，推翻过去固定截稿时间的作业流程。因此，随着科技的发展，新闻传播领域在空间上增加了新闻内容的需求以及时间上更快的信息流动速度，同时增加了新闻生产的压力[2]。

在科技影响下，新闻的生产与分配过程也逐步发生变化。早期的新闻生产目标是写出给广泛大众的新闻，尽可能地触及最多的受众。然而随着网络的发展以及新闻分配技术的发展，新闻的触及目标受众群体越来越小，越来越个人化。到了社群网站时代，社群网站甚至取代了新闻分配的过程，利用网络社群互动以及受众来主动传播的特性，更为广泛地开展传播。

社群媒体中，信息的散布有着“空间换取时间”以及“新闻线索的呈现替代新闻报道”等特质，网络论坛及社群媒体提供了与广大社群用户连接的渠道。这意味着，新闻记者可以触碰到无限空间，通过网络空间换取搜集新闻信息的时间。另外，公众在发布信息时，并不像传统专业新闻组织讲究制度化的新闻生产过程，常常是较简陋地搜集碎片化的信息，并将之组合为更具说服力的新闻报道。

2 新闻领域的人工智能科技运用

人工智能的概念在1956 年的“Dartmouth 会议”被首次提出，引发了第一波人工智能研究浪潮。至今，人工智能分别在20 世纪70 年代初期以及20世纪80 年代晚期经历了两次低谷期。然而在近年来，因类神经网络技术为机器学习带来新的运作方式以及计算机运算性能与深度学习的突破，人工智能迅速进入第三波发展浪潮中。随着新科技的发展与成本的下降，近几年人工智能再次成为众人关注的话题。目前，人工智能已被运用在人们熟知的图形辨识、文字辨识、车牌辨识或是更进一步的车辆自动驾驶等自动化领域。

人工智能所包含的范围十分广泛，就其本质而言，人工智能是研究如何制造出智能机器或智能系统，来仿真人类智能的能力以延伸人们智慧的科学。根据这个定义，人工智能是以仿真人类智能作为目标。然而，这样的定义似乎略显模糊。以解决问题的能力范围而言，人工智能可概括为“弱人工智能”及“强人工智能”。“弱人工智能”（或称窄人工智能）的设计目的主要在于处理某一特定且需高度智力运算的问题；而“强人工智能”则希望达到与人类并驾齐驱的智慧，并具有全面且广泛的推理及处理问题能力[3]。进一步来说，依照人类对问题的处理能力范畴作为区分，强人工智能可被区分为与人类拥有同等能力的“一般人工智能”以及机器运算可能超过人脑时将会出现的“超级人工智能”。尽管有如此多的分类与期望，现代运用的人工智能运用，即使是著名的AlphaGO，仍然多属于处理特定领域事务的弱人工智能范畴。

新闻传播领域人工智能技术的发展与运用也多属于弱人工智能。全球新闻业中，已有许多将人工智能引入新闻生产过程的例子。目前来看，主要有三种类型：一是大型科技公司主导类型；二是有实力的主流媒体重视人工智能，从而推动新闻业的发展与应用；三是小型技术公司着眼于提供专业的人工智能新闻产品。其中，主流媒体早已将人工智能应用于新闻写作，例如美联社在2014 年开始运用Wordsmith机器人写作上市公司的财务报告新闻，这也是业界最早使用机器人写作的媒体之一。

人工智之所以能在新闻领域得到快速发展，主要在于人工智能有着不同于人类工作的优势。一方面，人工智能的首要任务是参与烦琐的初级任务，将记者解放出来，使其能够从事更复杂、更高质量的报道和分析；另一方面，人工智能够帮助记者分析数据，验证模式、趋势，并从众多信息来源中探测原由和深意，看见肉眼不能看见的关系。总体而言，人工智能应用在新闻媒体行业，具有内容精准、反应快速以个性化内容分发的优势。

目前来看，机器学习、自动化以及数据处理是使用于新闻生产过程中的主要人工智能技术。这些技术集中运用于新闻搜集、新闻生产以及新闻分配这三个新闻生产工作上。因此，借助大数据、算法、数据挖掘、自然语言处理及自然语言生成等技术，自动化地搜集新闻与舆论资料、自动处理与生产新闻、分析用户数据以及分配推送新闻，均属于使用弱人工智能辅助新闻生产。这些人工智能技术在新闻传播领域的运用，其核心的技术背景在于大数据与算法技术的运用。

3 大数据与算法在新闻生产端的运用

不少学者以“机器人新闻学”称呼在大数据时代下所发展出来的新式新闻生产方式。在现代，人们所有的行动都被数字化地储存在巨大的数据孤岛中，这就是大数据时代。人们的各种细微社会互动都被以数字的形式记录下来，并且这些数据可被用于分析找出各种细微、潜在的关联性，甚至进一步运用于预测[4]。通过算法可以发现新的趋势，运用人工智能算法的技术就称为“数据挖掘”。新闻界可以借助人工智能技术执行从网络中找寻新闻素材消息来源、生产报道灵感、观看趋势、调查、监测事件与议题等新闻资料搜集的前端工作。据Beckett的调查结果，约有50%引入人工智能的新闻从业者将人工智能技术运用在该范畴。

借助计算机辅助新闻写作目前已十分常见，主要是利用计算机的便利性来使用相关数据库或是与专家联系以获得信息。这种人工智能应用在Web2.0 时代就已实现，即利用网络主动搜寻新闻线索，找寻消息来源以及采访对象，以及进行查证工作。大数据新闻学是过去新闻实践方式的延伸，延续了重视调查与数据科学应用的精确新闻学，也延续了重视新闻制作流程各环节充分发挥计算机辅助功能、强调数据收集和分析的计算机辅助新闻报道。大数据新闻的生产流程，基本可以分为获取数据、分析数据以及数据可视化这三个过程，体现为对原始数据的收集、对数据的分析和过滤、将数据可视化后，最终形成具体的新闻报道。大数据作为新闻生产方式，重点在于从海量、跨越空间、跨越时间的数据中过滤、分析出关联性，并且将数据转换成可以让受众理解的解释方式，最后将这些数据以可视化的技术制作成新闻。

除了新闻组织主动运用大数据搜集信息生产出的大数据新闻学外，新闻媒体在社群媒体时代为了追上网络信息传播的速度，新闻记者惯于在网络如社群网站、网络论坛上寻找新闻。这使得社群网站的算法渗入新闻产销的过程中，新闻媒体失去了新闻生产过程的部分权力，搜索引擎及社群媒体决定了哪些东西被看见与不被看见，有时搜索引擎算法会决定哪些网站在记者搜寻时被搜寻到。为竞逐触及率与点阅率，很多新闻媒体将社群媒体视为新闻生产的新工具，以社群网站上的内容作为搜集新闻素材的工具，观看其他媒体报道的新闻、找寻热门议题、观察舆论趋势等。总体而言，社群媒体时代的新闻媒体在生产端受到了科技公司的严重影响，需要引起重视。

4 大数据与算法在新闻分配端的运用

大数据与算法除了在新闻数据搜集层面影响了现代的新闻生产过程外，还会给分配端带来影响。数据不仅可以作为新闻报道的内容，也可以作为了解受众的依据[5]。通过数据对受众的心理、需求以及行为习惯进行分析，可以提供更符合受众需要的新闻报道。社群网站同时提供了新闻媒体发布新闻的平台以及分析受众的工具，目前很多新闻媒体在微博等社群平台设立粉丝主页，并产生一群专门处理社群媒体平台新闻内容的社群新闻编辑。新闻媒体的社群新闻编辑的工作项目多元，包含从网络上找寻新闻来源、在社群网站发布新闻、利用社群网站与读者互动等。社群新闻编辑几乎是在记者及编辑之外，位于社群网络上的新的“社群新闻守门人”。他们在“守门”的过程中，对新闻的价值判断是以增加点阅率、流量、触及率为最主要的新闻选择标准。

为了应对社群媒体算法对能见度的支配，当前新闻媒体已发展出一套标准的行动模式。这套行动模式具体包括：抢快以及增加发文频率的“时间竞赛”、追随热门话题与以新闻类型提高能见度的“内容竞技”、服从于算法优先的“展示类型”、借助创造响应与留言等互动的“读者互动”策略以及借助粉丝专业推广的“贴文推广”策略。

社群新闻编辑们也借助社群网站观察受众与新闻的互动，如点赞、留言与分享等，观察这些互动的状况，决定如何制作新闻、下标或是书写引言。社群媒体与新闻组织间千丝万缕的产销关系虽然是新闻组织应用新科技的方式，但却使得新闻媒体在生产与销售新闻的过程中都受到了社群网站演算法的牵制。社群新闻生产过程的关键在于算法，通过决定新闻是否出现使用者动态时报中前几则信息，影响使用者与新闻内容的互动。社群新闻编辑们观察学习使用者与这些新闻内容的互动，改变新闻取材、下标、评论的书写等，以追求更高的触及率和点阅率。在这种新闻产销生态中，实际掌握着守门权力的是科技公司后台的算法，新闻媒体在其中仅是服从于算法的逻辑。

5 大数据与算法对新闻传播方式的影响

大数据与算法也改变了新闻信息传播的过程。社群媒体提供了以个人为中心并且随时随地可使用的、去中心化的、即时的、连结众多个人的信息传播方式。算法、大数据传播技术将社群媒体中与自己意见相异、立场相违的人们的声音排除，因而出现“过滤泡泡”及“回声室效应”现象。每个人所接触到的现实被区隔成无数个彼此独立的世界。实际上，算法限制了信息的自由交换，导致信息被限制在“过滤泡泡”机制。这是一种知识封闭的做法，只让用户在社交平台上看到符合其想法的东西。

在社群平台中，动态消息并不是依时间排序，而是通过预设筛选从好友与主页而来的大量贴文、照片、故事等动态，目的在于向使用者展示有趣且愿意互动的内容。目前不少社群平台将动态消息设为使用者首页，不断更新呈现与使用者相关的朋友与主页的故事，借助分析使用者每一则信息的互动，通过点赞、分享等方式为使用者决定哪一些信息与使用者最相关。传统来看，亲近度、加权、时间衰变等影响人工智能技术使用的因素已不再重要，通过“机器学习系统”，可以寻找使用者的使用行为样态，能够在众多各异的行为中找出近似的法则，并融入算法当中，使动态消息算法成为以机器学习为基础的算法。类似的技术不仅仅被运用在社群媒体之中，当人工智能被引入新闻生产的过程，可以进一步测量使用者与内容的互动，如触及、分享、评论、浏览与停留时间等，从而找出内容策略。更有甚者，人工智能还能够自动化地依照不同的使用者类型生产与定制化内容。