从赋能机构到赋权个体：AIGC生产模式下的新闻生产变革

佘云飞

【摘   要】生成式人工智能对新闻业产生了深刻的影响和冲击。以ChatGPT为代表的新技术赋予了内容生产者更大的权力，通过智能化制作提高了新闻生产的效率，同时自动化内容审核也有助于打击虚假新闻。然而，这也引发了一些问题，如新闻生产模板化、侵犯版权和受众获取信息的同质化等。本文从新闻生产者的维度阐述了生成式人工智能所带来的影响和冲击，并提出了在技术赋权下，用户内容生产和专业化创作应该向专业智能化轉变，即内容生产者采用“智能化生产+专业化创作”PIGC模式来应对新技术带来的冲击。

【关键词】新闻生产；生成式人工智能；UGC；AIGC

伴随着各科技巨头纷纷加入到生成式人工智能产品的竞争浪潮中，新技术将对整个新闻业产生深刻影响。经过模拟训练之后的人工智能模型，相较于传统的聊天机器人，更接近于“人”的存在。大语言模型和深度学习技术的加持，使其能够在文字、语音、图片和视频等当下新闻生产中发挥作用。

互联网为用户提供发表意见渠道，用户生产内容（UGC）平台的兴起，改变新闻生产和消费方式，使得新闻生产社会化，任何人都可以成为记者报道事件。[1]用户生产内容带来了更多样化的声音，但也导致了大量未经核实和不可靠的信息的出现，使受众难以区分哪些是事实、哪些是虚构。人工智能的发展及运用将会对当下的新闻生产进行重塑，甚至迎来“后新闻”生产模式。[2]

AIGC意指人工智能生成内容，即能够模拟人类在很短的时间内创作大量的内容。如ChatGPT模型和DALL-E-2模型，其中ChatGPT作为一个语言模型能够很快地理解并回复人类的问题，[3]而DALL-E-2则能够根据文字创作一幅对应的高质量图像。AIGC应用在文本、音频、图像和视频处理等多个领域，得益于数据、基础模型和计算资源的支持。例如，微软用GPT模型开发了NewBing搜索引擎，Midjourney则用Stable Diffusion模型制作了智能作图平台。

AIGC在内容生产层面展现出巨大的优势，使其在新闻生产和内容创作等领域具有广泛的应用前景。当前主流平台所依靠的用户生成内容生产模式将发生重大变化。随着生成式人工智能的强势介入，用户生产内容向专业化内容生产的转变过程将加速。专业机构将在智能技术的协同下提高生产效率，借助算法和平台对原有的新闻生产进行再次分工，以适应更快的新闻生产节奏和对新闻真实性的更高要求。

一、用户生成内容和专业化新闻内容生产

亨利·詹金斯对参与式文化的定义是以创作者社区为特征，他们共享内容的能力构成了他们彼此联系的基础。[4]UGC是用户创作内容，通常被认为是业余爱好者通过门户网站或者是视频平台发布的信息。[5]

UGC与社交媒体平台的崛起相关，用户既是内容生产者也是消费者，改变了传统媒体的角色。UGC拥有庞大的用户群体，门槛低，互动性强，有流量获取优势。但存在不良言论、侵犯隐私等风险。AI技术可分析数据为制作新闻提供指导，实现新闻制作的自动化和UGC的专业化，为新闻业带来发展机遇。

二、 生成式人工智能如何改变新闻内容生产

新闻业一直在使用人工智能，例如2015年《纽约时报》使用AI来协助记者进行语义辨识和评论区管理。2016年，《华盛顿邮报》使用名为Heliograf的人工智能程序撰写了850篇政治和体育稿件，这是该报内部实施的众多人工智能程序之一。[6]

无论是国外还是国内媒体，新型新闻生产方式都是对人工智能技术的探索和应用。然而，其对记者工作影响有限，尽管能生产大量特定主题报道，但相对于互联网而言只是冰山一角。生成式人工智能推动了大用户生产内容，如ChatGPT已拥有超过1亿注册用户。[7]除此之外，各类基于生成式人工智能的个性化工具的出现也使得普通新闻生产者可以使用这些先进工具。大规模人工智能的广泛应用将会使新闻生态发生变化，改变原有的新闻生产方式。

（一）赋权用户，摆脱内容生产平台主导

赋权是提供资源、知识、权力和决策机会，增强个体或群体的能力和自主性，使其能够参与决策，实现个人和集体目标。[8]

WEB2.0时代的技术赋权主体更多是平台和机构，产生大量互联网巨头。UGC模式下，用户和平台关系并不平等，用户上传自我生产的内容，平台筛选发布，用户既是创作者也是消费者。平台制约大于用户影响，审核和推送规则影响创作，用户为获取关注被迫迎合规则。平台通过推荐和榜单影响用户消费行为。[9]

长期以来，平台依靠庞大的用户群体和智能算法推荐造成了用户和算法之间的不平等。伴随技术的赋权，作为内容生产者的用户可以拥有更多的选择权和控制权。更多的优质内容生产也可以使UGC和PGC（专业生产内容）在与平台的博弈中拥有更多的选择权，摆脱平台在新闻生态中一家独大的局面。

生成式人工智能工具可以帮助用户放大声音、建立联系并摆脱平台主导。用户可以通过大数据分析进行内容预判，识别假新闻。专业化低成本智能工具将重塑UGC新闻生产方式，提高普通用户内容生产的专业化程度。智能工具运用可以提高专业内容生产者在选题、分类和后期分发方面的效率，增强与平台的议价权。

（二）智能制作，提升新闻从业者采编效率

2015年腾讯财经利用Dreamwriter机器人编写《8月CPI涨2%》。[10]人工智能在处理特定内容方面有优势，但大型媒体集团研发的人工智能工具成本高昂，中小型媒体难以负担，因此并未惠及大多数记者和创作者。

广泛运用生成式人工智能能够提升记者和普通创作者的工作效率，确保新闻报道更加准确、抓取重要新闻，并改进写作技巧。人工智能还能协助撰写具有吸引力的语句，通过自然语言处理来创建引人入胜的故事结构和句子，帮助创作者打造引人入胜的文章、视频及其他多媒体内容。

更重要的是，普通的内容生产者可以通过生成式人工智能的接口（API）实现人工智能的本地化部署，构建属于自己的智能化工具，无需掌握复杂的编程语言。这一做法将推动内容生产的专业化与智能化进程。对于普通网络创作者而言，这种方法能够减轻其负担，减少重复性工作，进而有更多时间提升自身技能水平，增强内容生产的专业性。

（三）新闻把关，内容审核自动化

把关人理论由库尔特·卢因在《群体生活的渠道》中提出，该理论认为信息传播过程中存在特定個体或组织充当信息的关卡，决定哪些信息可通过哪些信息被阻止或过滤掉。[11]随着人工智能工具在新闻生产中的广泛应用，生成式人工智能可以通过完善编辑流程和支持记者的各种方式，在协助新闻把关方面发挥作用。

事实核查和监测虚假新闻可以通过训练生成式人工智能模型来实现，记者可以用这些工具快速验证信息准确与否，防止潜在偏见。在新闻生产中，人工智能通过分析语言模式、情感或比较多个消息来源来识别潜在偏见或不一致之处，实时把握可能存在的偏见和伦理问题，及时修正，预防潜在风险。对于用户生产内容也可以做到事前把关和监测。

值得注意的是，虽然生成式人工智能在新闻把关中可以提供有价值的帮助，实现内容把关的自动化和智能化，但人工判断和编辑仍至关重要，记者应严格评估人工智能系统的输出，并行使自己的专业判断力，以确保报道的准确性、公正性。

三、生成式人工智能在新闻生产中的局限

斯蒂芬·霍金曾经在2017年发出警告，认为创造思维机器对我们的生存构成了威胁。他担心创造出能够匹配或超越人类的东西的后果会自行发展，并以不断加快的速度重新设计自己，导致社会不公正和歧视。[12]

机器学习中的偏见被编程到决策算法中，导致系统性错误和有缺陷的判断。算法偏差是许多社会弊病的根源。人工智能制作的新闻缺乏人类记者的深度，且存在偏见风险。ChatGPT等一系列智能内容生产者的兴起，隐含着此类风险。算法和机器不再作为记者的辅助，而是成为了新闻生产的主体。伴随社交机器人从传播中介上升为传播主体，在重塑传播生态的同时也带来了情感欺骗、用户隐私侵犯、虚假新闻传播及政治活动操纵等失范行为。[13]

（一）题材局限，僵化新闻生产创作

当下人工智能已经取得了长足进步，但是目前的人工智能还难以达到具有创造性的程度，正如耶鲁大学计算机科学家戴维·格勒恩特尔（David Gelernter）写道：“除非能模拟人类情感的所有细微差别，否则任何计算机都不会有创造力”[14]。创造力涉及敏感度、想象力，以及直觉的不可预测性，因此创造性工作仍是人类最后的防线。即使最先进的人工智能也只是辅助，无法替代人类的创造力。

结合当下最新的人工智能新闻实践NEWSGPT的新闻报道，通过对NEWSGPT自2023年4月12日-2023年8月15日生产的500余篇稿件进行分析，发现相较于以往智能报道集中于财经方面的局限性，NEWSGPT的内容拓展到了社会和政治等多个领域。但是整体上依旧以消息题材为主，内容较为简洁。以2023年8月10日一则社会新闻《联邦调查局FBI开枪打死被控威胁拜登总统的犹他州男子》为例，全文内容带标点共计586个字符。[15]统计500多篇新闻发现，字数均在450字至600字之间。尽管其格式规整，但是整体上呈现出模板化。

作为内容生产者的记者在长期与人工智能的互动中容易受到这种模板化的影响，损害创造性。生成式人工智能作为一种新型的数据训练方法，提高了信息的利用效率。当下流行的包括ChatGPT在内的大型语言模型，它是在海量文本和代码数据集上训练出来的。它可以生成不同类型的文本，包括不同类型的新闻。但正是这种基于数据训练的模型，使其天然不具备原创性。在长期的人机互动中，面对高效率和高产出的诱惑，应该防范可能引发的新闻僵化现象。

（二）版权侵犯，增大隐私监管难度

人工智能和版权相关问题首先见于科幻小说中对未来机器人的描述。随着人工智能的发展，信息和版权面临新问题。已经有研究表明在当下创意经济中，移动机器人领域的进步对制造和工艺活动产生了重要影响。因为具有机器视觉和高精度灵活性的工业机器人变得越来越便宜。[16]伴随人工智能在新闻生产端的大规模运用，版权已经成为必须考虑和面对的问题。

事实上，媒介技术发展以及新闻生产主体的多元化，“抄袭”“洗稿”以及相关版权问题一直以来都是新闻生产中的痼疾。例如，2019年的“甘柴劣火”事件，在该事件中机构等专业媒体更倾向于将此定义为“剽窃”，而自媒体内容生产者的立场则将其定义为“游侠”，也可以看出对待侵权问题的不同立场和态度。[17]

尽管新闻侵权现象一直存在，但是包括“甘柴劣火”事件在内的侵权事件多是创作者为了追求更高的经济收益而选择的侵权行为，是一种“主动”侵权行为。人工智能为“洗稿”侵权提供了更加便捷的工具。随着生成式人工智能的发展，记者或创作者容易陷入一种“被动”侵权的困境之中。例如，生成式人工智能模型可用于创建看似来自合法来源的假新闻，可能会被用来传播错误信息或进行虚假宣传，或损害人的名誉。

生成式AI模型制作虚假图片、视频或深度伪造音频、视频并传播错误信息或冒充他人引发抄袭和“洗稿”争议同时涉及数据合理使用问题。人工智能专家Mark-Lemley认为训练人工智能是一种纯社会公益行为，应该鼓励机器学习的公益研究。[18]但对于版权的过度保护也容易陷入“版权劫持”的窘境，如果所有的创作者都拒绝自己的数据被使用，那么整个大数据和人工智能的发展就将面临法律困境。

关于人工智能的版权和人身权问题，法律界尚未形成统一的意见。以智能绘画平台Midjourney为例，在创作者提出绘图需求后，仍需根据其个人的审美和软件操作知识提供具体的参数和提示词。正如艺术创作需要技能一样，创作者向机器提供用于生成用户期望内容的指令也需要特定的技能。Midjourney软件根据创作者提供的具体指示生成作品，从本质上讲，该作品应视为创作者与人工智能的共同创作产物。然而，从法律角度看，Midjourney并不能成为作品的作者，但将作品创作的全部功劳归属于提示者，无疑低估了人工智能的贡献。同样，在使用Midjourney产生的作品面临抄袭和侵权指控时，对于责任的认定会面临更大的困难。[19]

面对不断发展的人工智能，不仅版权和隐私的监管面临新问题，利用人工智能生成作品的任务往往不仅仅是按一个按钮让机器完成所有工作，而是需要有人编程并指导计算机创作，作为新闻生产者可能在与人工智能的协同创作中面临“被动”侵权的新挑战。

（三）内容割裂，窄化用户信息获取

“信息茧房”是由美国学者桑斯坦在其著作《信息乌托邦》中提出来的，指的是在这种环境中，人们只能接触到与自己一致的信念、想法和信息。信息茧房又被称为“回音室”。信息茧房和回音室都是由个体的心理倾向导致外界异质信息无法进入的不利后果，即人们的信息行为不断固化、信息视野不断窄化。在当下的信息获取中面对过滤气泡和群体极化等影响，信息茧房和回音室效应等窄化信息获取的因素依旧存在。[20]

在生成式人工智能市场竞争环境下，科技巨头们的信息壁垒愈发坚固。由于各生成式人工智能平台的设计目标和应用场景存在差异，因此对于同一事件，不同的平台会有不同的展示角度，用准确、个性化和娱乐化的信息来满足用户的信息需求。然而在大数据时代，数据和模型训练反映需求和平台定位，新闻生产者容易放大偏见。同时，受众倾向一致，平台迎合用户喜好，这导致信息内容趋于相似。相较于传统的搜索引擎，如Bing News和Bard等智能搜索引擎具有高效性、精确性和个性化特点。然而，这些搜索引擎也存在着信息检索惰性和信息获取渠道窄化的问题，导致用户逐渐减少自主寻找信息的能力。

个性化信息可能导致用户陷入信息過滤气泡，只看到与自己观点相符的信息。因此，使用人工智能提高效率时需要防范技术带来的偏见。记者和内容创作者需要了解不同平台的差异，综合分析多个平台的回答，以获得更全面和多样化的观点。

四、结语

2023年8月初英伟达发布公告，宣称研制的超级AI芯片比上一代快50%，人工智能训练大模型的硬件成本将大大降低。[21]这无疑预示着硬件层面对AIGC的限制大大降低，围绕着生成式人工智能的软件市场争夺方兴未艾。对于新闻业而言，逐步走向数字化和智能化是大势所趋，新闻生产充分发挥人工智能的潜力，提质增效也是面对激烈竞争的应有之义。以ChatGPT为代表的人工智能对原有的生产秩序和格局产生了冲击，对于人工智能这一具有重大潜力的“千里马”，作为策马者的记者及创作者应该提高对人工智能的认识，才不会被眼花缭乱的炫技所迷惑。站在新闻生产者的角度来看，人工智能的不断发展确实对新闻人进行了赋权，但是这种赋权是不均衡的。

2022年游戏设计师杰森·艾伦借助Midjourney模型生成了《太空歌剧院》，这是首个获得奖项的AI生成艺术作品，也是生成式人工智能在艺术界引发巨大震荡的导火索。有研究认为AI不会“消灭”艺术家，但是对于多数的艺术工作者而言则面临巨大冲击。[22]面对更加激烈的市场竞争和不断迭代的技术，新闻生产者素质和能力的提高是否能够和机器进化的速度同步至关重要，在此情境下探索一种创作者和人工智能协同生产的新闻模式，即专业性加智能化的PIGC模式，能够有效应对技术发展对内容创作者带来的冲击。■

注释：

[1]熊茵，郑为升.UGC兴起背景下的新闻传播主体：类型意涵与演化博弈[J].编辑之友，2019（04）：79-85.

[2]陈龙.“后新闻”生产模式：生成式AI对新闻传播业的再格式化[J].传媒观察，2023（03）：18-24.

[3]爆火的 AIGC 到底是什么 | 全面介绍，https：//blog.csdn.net/jiaoyangwm/article/details/129448529.

[4]Jenkins H. Fans， bloggers， and gamers： Exploring participatory culture[M]. nyu Press， 2006.

[5]Kim， J. 2012. “The Institutionalization of YouTube： From User-Generated Content to Professionally  Generated Content.” Media， Culture & Society 34（1）：53-67. doi：10.1177/0163443711427199.

[6]AI use in journalism brings ethical， employment concerns，https：//dailyillini.com/life_and_culture-stories/2023/02/27/artificial-intelligence-journalism/.

[7]Number of ChatGPT Users （2023）https：//explodingtopics.com/blog/chatgpt-users.

[8]Perkins， Douglas D.， and Marc A. Zimmerman. "Empowerment theory， research， and application." American journal of community psychology 23 （1995）： 569-579.

[9]吕鹏.作为假象的自由：用户生成内容时代的个人与媒介[J].国际新闻界，2017，39（11）：68-82.

[10]刘康.人工智能如何助力媒体生产和运营[J].新闻记者，2019（03）：8-9.

[11]戴宇辰，苏宇.从把关人到策展者：智媒时代新闻编辑角色转型的内在逻辑[J].中国编辑，2023（Z1）：42-47.

[12]Francis， D. （2020）. “All bets are off if AI becomes smarter than people”. Financial Post， Innovation. Feb 03，2020.

[13]高山冰，汪婧.智能传播时代社交机器人的兴起、挑战与反思[J].现代传播（中国传媒大学学报），2020，42（11）：8-11+18.

[14]腾讯研究院，ChatGPT人工智能及将来之人，https：//www.tisi.org/internet-frontiers-61.

[15]FBI Shoots and Kills Utah Man Accused of Threatening President Biden，August 10， 2023 | Author： AI Bot V27，https：//newsgpt.ai/2023/08/10/fbi-shoots-and-kills-utah-man-accused-of-threatening-president-biden/？utm_source=brevo&utm_campaign=Daily%20Email%20-%2010%20August%202023&utm_medium=email

[16]H. Bakhshi， C. B. Frey， and M. Osborne， Creativity Vs. Robots： The Creative Economy and the Future of Employment （NESTA 2015）.

[17]朱春阳，毛天婵.“洗稿”该当何罪：数字新闻业共同体的消解与建构——基于《甘柴劣火》事件的考察[J].新闻大学，2022（08）：61-77+123.

[18]Lemley M A， Casey B. Fair learning[J]. Tex. L. Rev.， 2020，99：743.

[19]Hayes C M. Generative Artificial Intelligence and Copyright： Both Sides of the Black Box[J]. Available at SSRN  4517799，2023.

[20]姜婷婷，许艳闰.窄化的信息世界：国外信息茧房、选择性接触与回音室研究进展[J].图书情报知识，2021，38（05）：134-144.

[21]英伟达全球首发超级AI芯片：比上一代快50%，训练大模型成本更低，AI前哨，https：//mp.weixin.qq.com/s/orf1BtmnDtmn2xGKFdqCOw

[22]AI不會“消灭”艺术家|业界动态.腾讯研究院，2023-08-11https：//www.tisi.org/26445.

（作者：安徽大学新闻传播学院硕士）

责编：姚少宝