如何看待大數據熱

大數據重構了傳媒行業，成為當下的熱點話題。然而，大數據卻不是萬能的，存在種種問題和隱患，需要人們對其進行理性對待。

一、大數據是絕大多數媒體人的弱項

今年5月，我在北京做了一個針對媒體從業人員及高校新聞傳播院系教師的500人規模的問卷調查，有效回收問卷353份。我發現，高達85.55%的被訪者只是知道大數據這個名詞，只有7.08%的被訪者知道大數據的概念和特征，1.98%的被訪者知道大數據技術所涉及的軟件。然而，還有5.39%的被訪者竟然完全不知道大數據，包括不知道這個名詞。

究其原因，一是與我國的新聞傳播學教育有關，在我國幾乎所有高校的新聞傳播院系都是所謂的文科，開設的技術課程十分有限。二是中國的傳統媒體從業人員，技術出身的人所占比例偏低，絕大多數是所謂的文科出身。

對于新聞傳播學的研究者而言，存在同樣的問題。在小數據時代，由于技術手段有限，人們只能采用抽樣的調查方法對事物進行分析，并將局部的研究結果延伸至總體，傳統的電話調查、攔截面訪等新聞傳播學的研究方法是基于這個原理展開的。然而，每一種抽樣方法都存在一定不足，難以反映總體樣本的全貌，因此，調查人員一般會增加抽樣的數量，以提高統計的精確度，但這也意味著調查成本的增加。大數據的確具有不可替代的優勢，但就此認為一種新興的技術將完全取代千百年積累下來的科學發展成果，這無疑走進了大數據自大的怪圈。隨著大數據的不斷發展，越來越多的實例證明，全數據分析具有不可替代優勢的夢想在現實中無法實現，大數據只能對傳統的新聞傳播調研方法進行補充，卻無法取而代之。傳統科研方法經歷了長時間的學術沉淀，具有較強的邏輯性、科學性和規范性，這是新誕生的大數據研究方法難以相比的。

二、過分依賴大數據容易出現假發現

大數據是客觀存在的，卻無法進行自我處理和分析，需要人對其進行進一步解釋和分析。在這個過程中，人為主觀性將可能導致事實客觀性的偏頗，進而產生對新聞客觀性的挑戰。有美國學者指出，人們在翻譯數據信息時存有偏見……記者群體容易濫用因果推理邏輯或相關性分析{1}。記者群體的輕易歸因，容易導致許多“假規律”的產生，反而讓人難以發現事件背后的真正規律和問題。

大數據分析更多的不在于對事情因果關系的分析，而是對其相關性的體現，進而對未來發展趨勢做出預測，并最終進行決策判斷。比如：通過用戶數據的反饋，程序化廣告系統發現某用戶近來多次瀏覽某一品牌廠商的廣告，因此判斷他有可能購買該產品，并進而對該用戶進行更大力度的宣傳。這種“人工智能”看似神奇，但也可能會導致許多機械性結果和決策的產生。在進行某項決策時，人類會綜合多種因素，包括聯系前后情景，感性、理性雙重的作用等，最終形成判斷，這是人腦如此發達的原因。顯然，沒有情感的機器無法做到這一點，許多通過算法自動生成的預測和決策都具有一定的機械性。

大數據分析有可能帶來歧視。2016年年初，百度大數據推出中國偏見地圖，這可能造成人們對某一地區、族群刻板印象的加深。比如：河南人都是騙子，廣東人什么都吃，新疆人多為小偷等。這種刻板印象將可能造成現實生活中職業歧視、司法歧視、婚姻歧視等一系列歧視問題的發生。

三、基于大數據技術的機器人容易產生冰冷的新聞

機器人寫新聞的技術基礎是大數據技術。

2015年年末，許多媒體機構傳出機器人代替記者寫稿的消息，例如：新華社迎來一位“機器人記者”——“快筆小新”，騰訊財經使用“Dreamwriter”寫稿，能在第一時間運用算法生成新聞稿件，這些都讓人感嘆“記者即將下崗”。技術的進步加快了生產力的發展，“機器人寫稿”雖好，但卻缺少“溫度”。雖然大數據看似解決了新聞客觀性問題，但新聞的角度同樣重要。新聞是“有溫度”的，它嵌入記者的思考，倡導一種理念，體現人文關懷。然而，機器人“記者”卻只能“冷冰冰”地將數據中反映的事實全盤托出，難以體現人文精神。而且，機器人難以做到歸因、舉證，因此無法引導人們對某一則新聞的深入思考。由于機器人是根據特定算法生成稿件的，沒有加入記者的個性，千篇一律，長此以往，容易令人厭倦。

當前新聞寫作軟件只能生成特定類型的報道，且只能采用單一來源的數據，遵循這類報道常用的固定模式，大批量“生產”出有限類別的短新聞。具體的生產過程是機器人中固化的軟件事先被設定了算法，通過軟件整理數據事實，并與歷史數據和其他背景信息相結合，再遣詞造句呈現出描述性的新聞。因此，機器人撰寫報道就如同做填空題一樣，只需要在設定好的語境中進行簡單的填充即可。雖然現今這類寫作軟件變得更加“聰明”，算法更加先進，如將讀者喜好的語氣、角度甚至幽默融入一篇報道之中。以機器人報道籃球賽事為例，可能機器人會用同樣的數據生成兩個版本的新聞：一個版本為獲勝球隊的粉絲所寫，一種歡天喜地的氣氛；另一個版本則是為失敗的球隊準備的，讀起來讓粉絲沮喪低落。但無論如何，機器人無法理解兩個球隊所有粉絲的感受，因為并不是獲勝就完全滿足，可能球隊通過比賽還是反映出存在的一些問題；而失敗的也不一定完全是失落的，因為他們也許看到了同強隊交手中顯示出來的球隊進步。因此，機器人是無法同創造力旺盛、想象力豐富的人類作者相比擬的。

作為面向普羅大眾的新聞媒體，要增強新聞宣傳和輿論引導的吸引力、感染力、親和力和影響力，就必須采制出有現場溫度及人情溫度的報道內容。當然，評判一條新聞的質量好壞有多重標準，但真正能打動受眾的往往是有溫度的新聞。新聞的溫度源于媒體人的社會責任感，源于媒體人對普通受眾的感情積累。做新聞不能只站在媒體的角度來反映民眾的生活，更重要的是在情感上實現與受眾的相互交融。

美國西北大學研發了新一代智能寫作軟件Narrative Science，宣稱將新聞報道和大數據技術進行了一次新時代的結合，這款軟件通過對給定主題的數據分析，能夠自動地選擇合適的寫作角度，快速完成一篇具有標準新聞報道結構的文章。雖然在新聞報道中自動增加了一些形容詞以提高可讀性，但寫出來的文章依然明顯缺乏新聞溫度。這是因為機器本身沒有辦法判斷情緒，它們只是單純地從數據庫中抽取形容詞，用法正確與否暫且不論，但與“手工打造”的飽含情感、責任和人文諸因素的新聞稿相比，從機器人手中傳遞出來的新聞雖然是新鮮的卻是冰涼的。

四、依賴大數據技術容易使人缺失新聞敏感度

通過新聞敏感度，不但能夠對新聞從業者的采寫能力進行判定，同時也能對新聞價值進行判定。新聞實踐是新聞從業者職業新鮮感、新聞寫作創新感的體現，在新聞實踐過程中，如新聞敏感度缺失，則直接降低了新聞價值。一個具備很強新聞敏感度的新聞從業者，可以從平凡的事件中發現有價值的新聞，從很小的細節中洞見真實和深度，從而挖掘出有價值的新聞；而新聞敏感度較弱的新聞從業者，則會存在漠視現象和反應遲鈍的問題，從而與有新聞價值的線索擦肩而過，錯失好的新聞題材。

機器人將數據直接轉化為文章其價格較為低廉，因此機器人可用以提供對不同讀者的新聞定制服務。但是，基于大數據技術的機器人寫新聞，存在新聞敏感度缺失的問題，機器畢竟是機器，盡管美聯社表示機器人寫作軟件按照程序使用不同語氣的能力越來越強，但新聞畢竟出自機器人之手，它不具備對新聞線索進行挖掘的觀察能力，也不具備對新聞事件進行取舍的決斷能力，而這兩種能力是新聞敏感度的重要體現。

就機器人撰寫新聞的過程而言，一些具有固定模式的行業性文章更符合它的本能，因為既不需煉字鍛句，又不需深度分析。如果有一天記者真的被冷冰冰的機器人取代，新聞恐將淪為諸多報道模式的生硬“拼盤”。人們很難期望機器人會像人類一樣，能夠根據不同的采訪對象，變換不同的采訪語氣與被訪者進行觀點和思維的交鋒。因此，我們在認可機器人存在技術上的優勢之外，也承認機器人是無法同人類一樣具有足夠的應變能力和創造能力的。

美國《大西洋月刊》網站報道稱，自動寫作軟件目前最擅長的領域是體育和金融，因為這些領域的一些報道本來就已經很“機械化”。

人類的思維至少在短時間內無法被機器人模仿，分析和觀點性的報道需要消息來源、知識積累、邏輯思維等眾多的能力在里面，在這些方面，機器人寫手無法與記者一決高下。通過機器人撰寫的稿件，會因為內容的生硬和重復而影響稿件的質量。“機器人記者”能寫的文章種類有限，無法進行深度分析，更不會煉字鍛句。

記者工作是一種復雜的、高級的腦力勞動。機器人也是人類發明的。機器人的構思再精巧，也無法替代人腦。機器人搶不走記者的飯碗。

人們不能指望機器人在鏡頭前隨機應變或深入背街小巷明察暗訪。新聞作為一種文字和圖像的藝術，字里行間與鏡頭之下，都包含著記者的判斷、價值觀與人文關懷。機器人寫手雖有其技術優勢，但卻無法完全具備人的靈活性和創造力。

顯然，機器人寫手只是一種輔助形式，它可以節省時間，把記者從一堆基礎數據和信息中解放出來。

總之，對于大數據技術，以及衍生出來的機器人寫新聞，我們要理性、客觀地對待，不必人云亦云。作為媒體人，既要積極學習吸收新技術，也不必自卑自棄。

注釋：

{1}Toby Segaran、 Jeff Hammerbacher.Beautiful Data： The Stories Behind Elegant Data Solutions，O'Reilly Media，2009年7月，第1版，205-211