人工智能（AI）大模型给媒体带来的机遇与挑战

【摘 要】AI大模型通过深度学习技术处理和生成语言、图像、音频数据，已在医疗、金融、教育等多个领域展现出巨大潜力。在媒体行业，这些技术正推动内容创作的革命，优化运营效率，增强新闻采集和报道能力，带来个性化体验的提升。然而，AI大模型的应用亦面临伦理道德挑战、职业影响、监管政策缺失等问题。

【关键词】AI大模型；媒体行业；内容创作；个性化推荐；伦理挑战

一、AI大模型的定义、发展背景及其在各行业中的应用概况

根据国际数据公司的定义，人工智能大模型（AI大模型）是基于海量多源数据、强大计算资源打造的预训练模型，它能够处理、分析和生成语言、图像、音频等多种类型的数据。这类模型通过模拟人类大脑的工作方式，使计算机能够进行自我学习和推理，它们在自然语言处理、计算机视觉等领域有着广泛应用。

AI大模型的发展始于20世纪50年代早期的人工智能研究，并在过去的几十年中经历了快速的技术进步。特别是近年来，深度学习技术的突破使得AI大模型在理解和生成自然语言、图像识别、游戏对弈等方面达到了前所未有的水平。

AI大模型在各行业中的应用越来越广泛，逐渐成为推动行业创新和提升效率的关键技术。在医疗卫生领域，AI大模型用于疾病诊断、药物研发和健康数据分析，提高了诊疗的准确性和效率。在金融行业，它被应用于风险管理、欺诈检测、智能投资等环节，大幅提升了金融服务质量和决策效率。此外，AI大模型在教育、交通、制造业等多个领域也展现出巨大的应用潜力，帮助各行业实现数字化、智能化转型。

总的来说，AI大模型的发展和应用正处于一个快速变化的时代，它不仅为科技进步提供了动力，也为社会发展带来了新的机遇和挑战。了解AI大模型的定义、发展历程以及在各行业中的应用概况，对于深入探讨其对媒体行业影响具有重要意义。

二、AI大模型对媒体行业的重要性和研究的必要性

（一）对媒体行业的重要性

内容创作的革命：AI大模型能够自动生成新闻报道、文章和其他形式的媒体内容，不仅提高了内容生产效率，也为媒体行业带来了创新的内容形式。例如，使用GPT-4等模型自动生成的文章，在一些情况下与人类作者的作品难以区分。

数据驱动的个性化体验：通过分析用户行为和偏好，AI大模型能够为用户推荐个性化内容，大大增强了用户体验和满意度。这种数据驱动的个性化推荐在提高用户黏性方面发挥了重要作用。

优化运营效率：AI技术可以自动化运营和管理许多任务，从而帮助媒体机构节省成本，提高运营效率。例如，通过自动化的内容分类、标签生成和分发策略，可以更有效地管理内容库和用户群。

增强新闻采集和报道能力：AI大模型通过大数据分析，能够帮助记者和编辑发现新闻线索，挖掘深度报道，以及实时跟踪报道重大事件。

（二）研究的必要性

伦理和道德挑战：随着AI技术在内容创作中的应用日益增加，如何确保内容的真实性、避免虚假新闻传播，以及处理AI创作内容的版权问题，都是亟需研究和解决的。

职业影响：AI大模型可能会改变媒体行业的就业格局，传统的内容创作和编辑职位可能会受到影响。研究AI技术对媒体行业就业的影响，对于指导行业健康发展具有重要意义。

监管和政策制定：随着AI在媒体行业的应用日益广泛，如何制定有效的政策和监管措施以促进该技术的健康发展，防止滥用，保护用户权益，是一个重要的研究领域。

技术的不断进步：AI大模型技术仍在快速发展中，持续的研究不仅能够帮助理解当前的技术能力和局限，也能为媒体行业的未来规划提供参考。

三、AI大模型在媒体行业的应用现状

（一）自动化内容生成

随着人工智能技术的快速发展，AI大模型在媒体行业的应用越来越广泛，尤其是在自动化内容生成方面展现出了巨大潜力。这些技术的应用不仅提高了内容生产的效率，还推动了新闻报道形式的创新[1]。

在媒体行业，AI大模型的发展和应用已经开始改变新闻报道和内容创作的传统方式。通过自然语言处理（NLP）技术，这些模型能够辅助生成新闻报道、文章等内容，不仅提高了工作效率，还为内容的多样性和创新性开辟了新的可能性。

在国外，华盛顿邮报开发的AI技术Heliograf第一时间从运动数据公司stats.com采集相关信息，获取各项赛事的数据后，几秒钟即可生成一条新闻，它通过分析实时数据来撰写新闻，成功地为读者提供了大量赛事信息[2]。这一实践证明了AI在处理大量数据和提供实时新闻报道方面的能力，也为未来创新新闻运作模式提供了新思路。

在国内，2015年9月10日，腾讯推出了第一篇由 Dreamwriter 撰写的“机器人新闻”之后，新华社推出了“快笔小新”，今日头条推出了“张小明”，阿里巴巴与第一财经推出了“DT 稿王”、南方都市报推出了机器人“小南”[3]。人工智能与传媒行业的融合既是科技发展的必然成果，也是媒体发展的大势所趋。

AI大模型在自动化内容生成方面的应用，为媒体行业带来了前所未有的机遇。通过上述实例可以看出，无论是在快速生成大量新闻报道方面，还是在提供深度分析和个性化内容方面，AI技术都显示出了巨大的潜力。

（二）数据分析挖掘和个性化内容推荐

在媒体行业，AI大模型的应用不仅限于内容的自动化生成，还深入到了数据分析与挖掘的层面。利用AI技术，媒体机构能够对大量的用户数据进行分析，以洞察舆情动向、预测用户偏好，并据此调整内容策略，实现更精准的投放。

纽约时报的机器人Blossomblot可以对社交平台上推送的海量文章进行大数据分析，推测哪种类型内容更具热度，更具有推广效应，以此帮助编辑挑选出适合推送的内容。据该报内部统计，经过 Blossomblot筛选后的文章点击量是普通文章的 38 倍。通过深入分析读者的互动数据，纽约时报能够识别出哪些内容类型最能吸引读者的注意，从而提高用户参与度和订阅转化率 [4]。芝加哥论坛报正在实施让数据团队加入新闻编辑部的改革，双方就明确的新闻报道任务实时进行直接交流，协助记者调查和报道故事，在线描绘故事。澳大利亚全国广播公司（ABC）则组建了包括网页开发及设计人员、数据采集分析人员、数据挖掘、图形可视化的技术人员等七类人在内的数据新闻团队，来完成从传统新闻编辑团队向数据新闻编辑团队的转变[5]。

通过数据分析挖掘和个性化内容推荐系统的成功运用， AI大模型为媒体行业带来了深刻的变革。不仅能够帮助媒体机构更好地理解其受众，还提升了用户体验，增加了用户的参与度和忠诚度，为媒体行业提供了深度了解受众和市场的新途径。

（三）增强现实与虚拟现实

结合AI技术，增强现实（AR）与虚拟现实（VR）在媒体行业中的应用日益广泛，特别是在提升新闻报道和内容体验的互动性与沉浸感方面，AR和VR能够创造出更加生动、互动的新闻体验，使受众以全新的方式参与到新闻故事中去。

2016年里约奥运会期间，美国国家广播公司奥运频道（NBC Olympics）与三星公司合作为观众提供虚拟现实节目；BBC推出体育应用程序（BBC Sport 360），提供了100小时左右的虚拟现实报道，并每天提供一场体育比赛的360度视频节目直播。《今日美国》摄影师携带360度相机拍摄奥运会的全景照片，这些照片通过其App的《VR Stories》栏目观看。《纽约时报》则发布了名为“现代奥运会”的虚拟现实微电影，回顾从1896年开始的现代奥运会发展，用户可以通过纽约时报虚拟现实应用和谷歌Cardboard观看[6]。BBC开发了一款名为Civilisations AR的应用，通过增强现实技术，让用户能够在自己的居住环境中探索历史文物和艺术品。用户可以使用自己的智能手机或平板电脑，将博物馆藏品虚拟展示在自己家中，从而获得更加互动和沉浸的学习体验。这种应用不仅增加了历史教育的趣味性，也拓宽了传统媒体内容的边界。

AI技术在AR和VR领域的应用，为媒体行业提供了创造沉浸式和互动性报道的新机遇。这些技术能够帮助媒体机构以全新视角和方式讲述新闻故事，提升受众的体验和参与度。

四、AI大模型给媒体带来的机遇

（一）提高生产效率

AI大模型的应用极大地优化了媒体行业的工作流程，提高了生产效率。通过自动化处理大量的数据分析、内容创建和编辑等任务，AI技术减轻了人工的负担，使媒体工作者能够专注于更具创造性和策略性的工作。

路透社利用AI工具Lynx Insight协助记者和编辑生成新闻稿件。该工具能够自动分析财经数据，提供报告摘要，甚至建议可能的新闻角度。这种自动化的编辑支持大大提高了稿件准备的速度，同时确保了报道内容的准确性和一致性[7]。华盛顿邮报使用其内部开发的AI技术Arc Publishing来优化内容发布流程。Arc不仅帮助编辑实现了对文章布局和发布的自动化管理，还提供了内容性能分析，使编辑能够基于读者互动和参与度数据作出快速调整。这种智能化的内容管理系统显著提高了发布效率和内容的受众覆盖率[8]。

AI技术不仅提高了新闻报道的效率，也提升了内容的质量和可靠性。随着AI技术的不断发展和完善，预计将有更多创新的应用出现，进一步推动媒体行业的工作效率。

（二）内容创新

AI在媒体内容创新方面开辟了全新的创作和体验方式，通过生成新颖的内容、开发互动体验，以及提供个性化的媒体产品，AI技术不仅拓展了媒体内容的边界，还增强了用户的参与度和满意度。

Google的Magenta项目是一个探索使用AI来创作音乐和艺术的研究项目。Magenta通过机器学习模型生成新的音乐作品和艺术图像，展示了AI在创造性领域的潜力。这种技术应用不仅为艺术家和创作者提供了新的工具，也为媒体行业带来了新的内容形式[9]。自从新华社推出了世界上首个AI虚拟新闻主播后，越来越多的虚拟主播出现在各大媒体。2022 年北京冬奥会，央视新闻联合百度智能云打造了中央广播电视总台首个 AI手语主播、央视频和腾讯团队打造了3D手语翻译官“聆语”、中国咪咕体育平台则制造了谷爱凌数字分身参与赛事演播室的节目制作。虚拟主播的出现代表了新闻报道方式的一种创新，它不仅减少了人力成本，也为观众提供了新奇的观看体验。[10]

AI在媒体内容创新方面开辟了全新的创作和体验方式，从AI生成的艺术作品到虚拟新闻主播，这些创新实践都表明，AI技术极大地丰富媒体内容的多样性和互动性，为用户带来前所未有的体验。

（三） 扩大报道深度和广度

AI技术为媒体行业提供了前所未有的能力，特别是在处理大数据和揭示新闻报道深层次内容方面。通过利用AI进行数据挖掘和分析，媒体可以更深入地探索和报道复杂的新闻事件，提供更加全面和多维度的视角。

卫报利用机器学习技术开展了一个名为The Counted的项目，旨在追踪和报道美国警察致命枪击事件。该项目通过分析官方记录、新闻报道、社交媒体和公众提交的信息来收集数据，AI系统则用于整理和分析这些数据，揭示和报道关于警察暴力的深层次问题。科学家和新闻机构正在使用AI技术来分析大量的气候变化数据，包括卫星图像、气象记录和环境监测站的数据。这些分析帮助记者深入理解气候变化的影响。通过这种方式，媒体能够提供更深入、科学的报道，帮助公众理解和应对气候变化。

AI在扩大新闻报道深度和广度方面的应用，不仅提升了新闻报道的质量和影响力，也为公众提供了更加丰富和全面的信息。通过深度分析大数据，AI技术使得媒体能够揭示新闻事件背后的复杂因素和趋势，为公众和决策者提供有价值的洞察。

五、AI大模型给媒体带来的挑战

（一）伦理与道德问题

随着AI大模型在媒体行业的广泛应用，伦理与道德问题逐渐凸显，尤其是在内容生成的真实性、版权归属以及责任界定等方面。AI生成的内容可能引发误导、混淆真实与虚构的界限，同时，版权归属的模糊也对传统的内容创作和知识产权保护体系带来挑战。

AI生成内容的真实性方面，AI技术深度学习模型被用来生成看似真实的新闻报道，这引发了有关内容真实性和可靠性的广泛担忧。例如，生成的虚假新闻可能在社交媒体上迅速传播，对公众的信息判断力和社会的稳定构成威胁。版权归属与知识产权方面，随着AI技术的应用，如GPT-4等模型自动生成的文章、图片和音乐等内容的版权归属问题变得日益复杂。创作这些作品的AI算法是否应被视为作者？使用AI生成的内容是否侵犯了原始数据来源的知识产权？

AI内容生成在提高效率和创新方面虽然展现出巨大潜力，但其伦理与道德问题亟需解决。确保AI生成内容的真实性、处理版权归属和知识产权保护，需要媒体行业、技术开发者、法律专家和监管机构共同努力，建立相应的伦理指导原则和法律规范。此外，提高公众对AI内容识别能力的教育也同样重要，以促进健康、理性的信息消费环境。

（二） 职业安全

随着AI技术在媒体行业的广泛应用，其对于传统媒体职位的影响已经成为一个不容忽视的问题。AI大模型在提高工作效率、降低成本方面的潜力可能导致对人类工作者的依赖减少，从而影响媒体行业的就业安全。

随着AI技术的发展，越来越多的新闻报道和内容生产可以被自动完成。例如，AI系统可以自动生成体育赛事报道或财经新闻，这种技术的应用可能减少对传统记者的需求。AI技术还可以应用于编辑和校对过程，通过自动检测语法错误、风格不一致和其他常见问题，提高内容审核的速度和准确性。虽然这种技术提高了新闻的质量，但也引发了对编辑和校对职位未来的担忧。

AI技术在媒体行业的应用带来了效率提升的同时，也对媒体行业的职业安全提出了挑战。面对这种情况，媒体机构和从业者需要适应变化，探索如何利用AI技术提升自身技能和价值。例如，记者和编辑可以利用AI工具进行深度报道和创意内容的生产，而不是简单的新闻编写。此外，行业内也需要关注培训和教育，帮助从业者适应数字化转型，确保他们在AI时代依然能够发挥作用。

（三）信息茧房

随着AI技术在个性化推荐系统中的广泛应用，信息茧房成为媒体行业面临的重要挑战之一。这些系统旨在向用户推送他们可能感兴趣的内容，但同时也可能导致用户被限制在一个狭窄的信息空间中，从而减少信息的多样性和观点的广泛性。

在社交媒体平台上，个性化推荐算法往往会优先展示与用户过往行为相符的内容，这种机制虽然能够提高用户参与度，但也容易导致回音室效应，即用户只被呈现他们已赞同的观点或信息，限制了他们接触到的信息范围。新闻推荐系统使用AI算法分析用户的阅读习惯，为用户推荐相关新闻。这种做法可能加剧了信息的选择性暴露，使用户越来越难以接触到与自己观点不同的新闻或信息，从而影响公众对社会问题的全面理解和公正判断[11]。

信息茧房问题凸显了需要在利用AI技术提升用户体验和保持信息多样性之间找到平衡的重要性。为了应对这一挑战，媒体机构和技术开发者需要设计更加透明和公正的算法，鼓励信息的多样性和不同观点的展现。此外，也需要加强媒体素养教育，帮助用户意识到信息茧房的存在，并鼓励他们主动寻求和接触多元化的信息来源。

（四）技术监管与法律挑战

随着AI技术在媒体行业的广泛应用，技术监管和法律挑战也随之而来。确保AI的应用不仅要遵守现有的法律法规，同时也需要新的法律框架来解决AI特有的问题，如数据隐私、算法透明度以及责任归属等。

在数据隐私和保护方面，随着AI技术在个性化推荐和用户行为分析中的应用，用户数据的收集和处理引发了广泛关注。我国的数据立法相较国外滞后，虽然目前已经颁布《中华人民共和国个人信息保护法》《中华人民共和国数据安全法》等法律法规来规范数据处理活动、保护数据的安全，但在个人的数据隐私权方面立法还不够完善，数据隐私保护的制度要求不够细化，隐私界定模糊，导致司法实践中公民权益无法得到及时有效的救济。在平台责任方面，常会发生人们被强制提供授权信息的要求，这就使公民承担了平台非法使用、分析、传播个人数据的风险。自个人信息被平台读取开始，公民就不能控制自身数据信息在何时何地被何人传播、使用[12]。

AI技术带来的技术监管和法律挑战要求监管机构、技术开发者、媒体企业以及社会各界共同努力，形成有效的监管机制和法律框架。这包括加强对AI系统的伦理审查，确保算法的透明度和公正性，以及制定明确的数据保护和隐私政策，促进技术发展创新，保护公众利益和社会公正。

六、媒体行业利用AI大模型的建议

在面对AI大模型带给媒体行业的机遇与挑战时，以下是一些针对如何利用AI大模型的建议：

培养跨学科人才：媒体机构应着手培养既懂媒体业务又精通AI技术的跨学科人才。这类人才能够更好地理解如何将AI技术应用到新闻报道和内容创作中，同时确保技术应用的合理性和有效性。

加强伦理审查和透明度：媒体机构应加强对AI应用的伦理审查，确保内容的真实性和公正性。这包括建立伦理指导原则，对AI生成的内容进行事前审核，以及明确算法的决策依据。同时，提高算法的透明度，让公众和利益相关者了解内容推荐和生成的基本原理。

促进开放对话和多样性：为了应对信息茧房的问题，媒体机构应利用AI技术促进开放对话和内容多样性。通过调整推荐算法，确保用户能够接触到广泛的观点和信息。此外，通过定期评估和调整推荐系统的效果，保持内容推荐的多样性和平衡。

遵循法律法规并保护用户隐私：在利用AI技术收集和分析用户数据时，媒体机构必须严格遵守数据保护法律法规。确保用户数据的收集、处理和使用过程中的透明度和安全性，保护用户的隐私权。

加强跨行业合作：面对AI技术的快速发展，媒体行业应加强与科技公司、学术界和政府的合作。通过跨行业合作，共同研究和解决AI技术应用中的技术、伦理和法律挑战，共享最佳实践，推动行业健康发展。

通过采取上述措施，媒体行业不仅能够充分利用AI大模型带来的机遇，还能有效应对所面临的挑战，确保技术的可持续发展和积极社会影响。

本研究探讨了AI大模型在媒体行业的应用、带来的机遇以及挑战，但存在以下几点局限性：

技术发展的快速变化：AI技术正处于快速发展之中，本研究可能未能充分捕捉到最新的技术进展和应用实例。随着技术的不断进化，部分分析和观点可能很快会过时。

数据和案例的选择性：本研究在分析AI大模型在媒体行业应用的机遇与挑战时，依赖于选定的数据和案例。这些选择可能受到作者知识和信息获取渠道的限制，未能全面覆盖所有相关领域和视角。

文化和地域差异：AI在媒体行业的应用和影响可能因地域和文化差异而有所不同。本研究可能未能充分考虑到这些差异对AI应用的影响。

伦理和法律框架的复杂性：虽然本研究探讨了AI应用中的伦理和法律问题，但这些问题的复杂性和多样性意味着本研究的分析可能仅触及表面，未能深入探讨所有相关的伦理和法律细节。

针对上述局限性，未来的研究可以考虑以下方向：

跟踪技术发展：持续跟踪AI技术在媒体行业的最新应用和进展，特别是探索新兴技术在内容创作和处理中的潜力。

广泛收集案例和数据：通过广泛收集和分析来自不同地域、文化背景的AI应用案例，提供更全面和多元的视角。

深入研究伦理和法律问题：深入探讨AI在媒体行业应用中引发的伦理和法律问题，包括数据隐私、算法偏见、版权归属等，研究如何构建更加完善的伦理指导原则和法律框架。

探索跨学科方法：采用跨学科的研究方法，结合计算机科学、传媒学、伦理学和法律学等领域的知识，全面分析AI技术对媒体行业的影响。

用户参与和反馈研究：开展用户参与和反馈的研究，了解受众对AI生成内容的接受度、对个性化推荐的态度以及对信息泡沫的认识，为媒体机构提供基于用户需求的AI应用策略。

通过这些未来研究方向的探索，可以更全面地理解AI大模型在媒体行业中的应用现状和趋势，为媒体机构、技术开发者和政策制定者提供有价值的洞察和建议。

注释：

[1]李骏.欧美新闻机器人的“尝新”观察[J].传媒评论，2016（09）：67-68.

[2]殷文博，张丽萍.浅析人工智能对新闻业的推动与影响[J].新闻论坛，2019（06）：10-13.

[3]张慧瑜，李飞.从文本到实践：传媒业变革背景下重建中国新闻事业的社会有机性[J].新闻与传播评论，2019（01）：14-26.

[4]易旭明.社交媒体时代的传媒创新及其反思——基于 BuzzFeed 案例[J]. 出版发行研究，2018（03）：60-64.

[5]喻国明.大数据对于新闻业态重构的革命性改变[J]. 新闻与写作，2014（10）：54-57.

[6]王岚岚，钟新. VR 时代的广播机遇[J].新闻战线，2018（02）：63-64.

[7]陈怡.路透社启用AI新闻助手Lynx Insight[J].中国记者，2018（04）.

[8]陈苏城，龙思薇，周艳.Arc Publishing：《华盛顿邮报》的数字新生[J].国际品牌观察，2020（33）.

[9]莫小菲，盛夏. 逐渐消失的前提[J].艺术界，2016（06）：166-173.

[10]王佳航，董文宇.智能、沉浸、深融：冬奥报道智能媒体升维 [J].中国传媒科技，2022（04）：31-32，35.

[11]朱红涛，李姝熹.信息茧房研究综述[J].图书情报工作， 2021（18）：141-149.

[12]张天然.智媒体时代数据隐私侵权的法律规制研究[J].网络安全技术与应用，2022（02）：81-83.

（作者单位：贵阳广播电视台全媒体新闻中心）

责编：姚少宝