機器學(xué)習(xí)在新聞生產(chǎn)環(huán)節(jié)的應(yīng)用分析

李烈鵬 姜霄晗

摘 要 智能化的一個基礎(chǔ)性技術(shù)手段就是讓機器按照人設(shè)定的規(guī)矩和格局來運行。與新聞相關(guān)的人工智能技術(shù)如機器人、視覺信息處理、機器學(xué)習(xí)等，已經(jīng)被大量運用。文章通過梳理國外新聞業(yè)界對這些人工智能技術(shù)在新聞生產(chǎn)中的實際運用，分析機器學(xué)習(xí)技術(shù)如何改變已有的新聞生產(chǎn)格局，同時剖析在新聞實踐中使用機器學(xué)習(xí)技術(shù)產(chǎn)生的問題。

關(guān)鍵詞 新聞生產(chǎn)；人工智能；機器學(xué)習(xí)

中圖分類號 G2 文獻(xiàn)標(biāo)識碼 A 文章編號 1674-6708（2018）214-0075-03

中國巨大規(guī)模的移動互聯(lián)網(wǎng)用戶，以及阿里巴巴、騰訊、百度等大型互聯(lián)網(wǎng)公司所擁有的海量數(shù)據(jù)，是中國成為在人工智能發(fā)展上最具潛力的國家。在新聞生產(chǎn)和研究中，人工智能技術(shù)與大數(shù)據(jù)、AR/VR、云存儲等新興科技，已經(jīng)給新聞內(nèi)容生產(chǎn)和分發(fā)帶來了變革。從人工智能技術(shù)中的機器學(xué)習(xí)出發(fā)，具體到新聞實踐和研究當(dāng)中，機器學(xué)習(xí)是如何對新聞生產(chǎn)環(huán)節(jié)產(chǎn)生作用并使之做出改變？機器學(xué)習(xí)在新聞生產(chǎn)中的運用是否產(chǎn)生負(fù)面 效果？

1 與新聞生產(chǎn)相關(guān)的機器學(xué)習(xí)技術(shù)

機器學(xué)習(xí)是人工智能的一個子集，并且這個領(lǐng)域具有巨大的新聞潛力。機器學(xué)習(xí)既是一種工具，也是新聞審查的話題。

即使是研究機器學(xué)習(xí)的專業(yè)人士，對于“機器學(xué)習(xí)是什么”這個問題也會有不同的見解，到目前為止，還不存在一個廣泛認(rèn)可的關(guān)于機器學(xué)習(xí)的定義。1996，Langley提出，機器學(xué)習(xí)是一門人工智能的科學(xué)，該領(lǐng)域的主要研究對象是人工智能，特別是如何在經(jīng)驗學(xué)習(xí)中改善具體算法的性能。卡內(nèi)基梅隆大學(xué)Tom Mitchell教授在1997年提出，機器學(xué)習(xí)是對能通過經(jīng)驗自動改進(jìn)的計算機算法的研究。2004年，土耳其伊斯坦布爾博阿齊奇大學(xué)教授阿培丁提出，機器學(xué)習(xí)是用數(shù)據(jù)或以往的經(jīng)驗，以此優(yōu)化計算機程序的性能標(biāo)準(zhǔn)[1]。

他們關(guān)于機器學(xué)習(xí)的定義中，“經(jīng)驗”一詞都被提及，可以想象，機器學(xué)習(xí)與人類思考的經(jīng)驗過程是類似的，不過它能考慮更多的情況，執(zhí)行更加復(fù)雜的計算。筆者嘗試給機器學(xué)習(xí)下一個定義：從廣義上來講，機器學(xué)習(xí)是一種能夠賦予機器學(xué)習(xí)的能力，以此讓機器完成直接變成無法完成的功能的方法。但從實踐意義上來說，機器學(xué)習(xí)是一種通過利用數(shù)據(jù)以及以往經(jīng)驗，訓(xùn)練出模型，然后使用模型預(yù)測或者得出算法結(jié)果的一種方法。

事實上，機器學(xué)習(xí)的一個主要目的就是把人類思考?xì)w納經(jīng)驗的過程，轉(zhuǎn)化為計算機通過對數(shù)據(jù)和經(jīng)驗的處理計算，并得出模型的過程。經(jīng)過計算機得出的模型能夠以近似于人的方式解決很多靈活復(fù)雜的問題。監(jiān)督式學(xué)習(xí)和無監(jiān)督式學(xué)習(xí)是機器學(xué)習(xí)最大的分支。

監(jiān)督式學(xué)習(xí)是從已有的實例中學(xué)到或建立一個模式，并以此模式分析新的實例。我們只需把數(shù)據(jù)交給算法系統(tǒng)，計算機會自動按照給定的規(guī)則填充公式化的表達(dá)，生成稿件。目前我國媒體主要運用這一種算法方式進(jìn)行自動化新聞寫作，運用于數(shù)據(jù)容易模板化的體育報道和財經(jīng)新聞數(shù)據(jù)報道。另一方面，目前機器學(xué)習(xí)還可以在人臉上布置若干“標(biāo)志點”，從而估算出各類情緒的概率值，這類技術(shù)可以運用到采訪對象、正職演說等報道中去。

相比于監(jiān)督式學(xué)習(xí)，無監(jiān)督式學(xué)習(xí)是通過觀察來進(jìn)行自我學(xué)習(xí)。無監(jiān)督式學(xué)習(xí)在學(xué)習(xí)過程中并不知道其輸入與輸出的內(nèi)容，也就是并不知道何種學(xué)習(xí)是正確的，其主要目的是尋找相關(guān)關(guān)系和趨勢、表面奇異值等，并不深入追究因果關(guān)系。通過無監(jiān)督式學(xué)習(xí)，可以在沒有任何人為干預(yù)的條件下簡化數(shù)據(jù)，嘗試尋找人力無法完成的新聞線索，人們無需知曉規(guī)則，新聞產(chǎn)品即是“無需推敲”的成品，然而編輯審稿環(huán)節(jié)對事實的核查、對真相邏輯鏈的追尋將困難重重。

在當(dāng)下智媒化傳播技術(shù)條件下，“簽發(fā)”不是媒體工作的終點，寫作完成也只是新聞工作中的一個節(jié)點。同時，新聞稿件將沒有最終定稿的狀態(tài)，將處于不斷的人為干預(yù)的半自動化迭代過程中。機器學(xué)習(xí)在新聞生產(chǎn)和分發(fā)的過程中，占據(jù)著越來越重要的地位，而專業(yè)媒體機構(gòu)從此不是唯一，各方技術(shù)的介入，使得新聞生產(chǎn)的過程更加多變，新聞生產(chǎn)的內(nèi)容生態(tài)更為復(fù)雜，其操作流程更加難以辨識。

2 機器學(xué)習(xí)為新聞生產(chǎn)提供更多可能性

在人與機器的關(guān)系上，“增強新聞”是各國的新聞從業(yè)者基本可就此達(dá)成的共識，人將與機器合作完成新聞報道，機器學(xué)習(xí)廣泛應(yīng)用到新聞生產(chǎn)環(huán)節(jié)，諸如“自動化寫作”“數(shù)據(jù)調(diào)查”等。

《亞特蘭大憲法報》的調(diào)查團(tuán)隊在一則名為《醫(yī)生和性虐待》的系列報道中關(guān)注了一個特殊的群體——那些曾對患者進(jìn)行性侵犯的醫(yī)生。這篇報道揭露了美國醫(yī)療界的一個嚴(yán)重問題：醫(yī)生利用自己的身份對患者進(jìn)行性侵犯，但是卻沒有受到應(yīng)有的懲罰，他們中的多數(shù)人仍然可以留在自己的工作崗位上，繼續(xù)行醫(yī)，而他們的病人對此卻一無所知。亞特蘭大憲法報記者Danny Robbins在查閱佐治亞州醫(yī)學(xué)委員會記錄的2015年醫(yī)療犯罪案例時發(fā)現(xiàn)，在這些處罰令中，有70條和不當(dāng)性行為有關(guān)的記錄，同時，在佐治亞州，犯有不當(dāng)性行為的醫(yī)生，三分之二可以繼續(xù)持有行醫(yī)執(zhí)照，其中包括了有重復(fù)性犯罪記錄的醫(yī)生。

調(diào)查團(tuán)隊想知道：這僅僅是佐治亞州的個例，還是全美存在的普遍現(xiàn)象。亞特蘭大憲法報的數(shù)據(jù)新聞團(tuán)隊通過網(wǎng)絡(luò)爬蟲從各州醫(yī)療委員會的網(wǎng)站上爬取了共計十萬份左右的處罰令文檔。調(diào)查團(tuán)隊使用了監(jiān)督式機器學(xué)習(xí)的方法，從已經(jīng)確定的性侵處罰令中訓(xùn)練出一套模型，應(yīng)用在新的處罰令上。在監(jiān)督式的機器學(xué)習(xí)中，那些已經(jīng)被確認(rèn)和性侵犯有關(guān)的處罰令被當(dāng)成是訓(xùn)練數(shù)據(jù)，計算機會根據(jù)相應(yīng)算法自動提取訓(xùn)練集數(shù)據(jù)的特征。訓(xùn)練完成后，再把新的處罰令扔給計算機，計算機就會根據(jù)訓(xùn)練模型對其進(jìn)行自動分類，判斷新的處罰令是否符合這些特征。

通過這樣的方法，他們最終確認(rèn)了6 000份處罰令可能和不當(dāng)性行為有關(guān)。之后，調(diào)查團(tuán)隊再通過人工比對的方法進(jìn)行核實，排除掉那些重復(fù)的記錄，并且確認(rèn)在這些案例中醫(yī)生到底受到了怎樣的懲罰。在掌握了可靠的數(shù)據(jù)之后，調(diào)查團(tuán)隊又進(jìn)行了一系列的采訪和追蹤調(diào)查。

這種通過海量數(shù)據(jù)來建立新模型的形式，可以應(yīng)用在采訪過程中對采訪對象的情緒判斷。在這方面，機器學(xué)習(xí)與嬰兒逐漸學(xué)習(xí)并識別面部表情的原理很相似，可以通過不間斷地向機器輸入大量表情、微表情、語言以及語氣，最終形成能夠判斷各類表情甚至體悟微表情的功能。這也將給記者在采訪過程中提供更多的便利和線索。

Buzzfeed的記者用機器學(xué)習(xí)的方法發(fā)現(xiàn)了美國領(lǐng)空上存在許多執(zhí)行政府監(jiān)控任務(wù)的飛行器。首先，Buzzfeed的記者找到了100架已經(jīng)被確認(rèn)是來自美國國土安全部或FBI的飛行器，另外有從 Flightradar24網(wǎng)站上隨機選擇了500架其它的飛行器，并且獲得了600架飛行器詳細(xì)的飛行記錄。Flightradar24是一個提供航班實時信息的服務(wù)商，能夠提供諸多飛機的具體記錄，包括飛機的起落時間、飛行時長和飛行軌跡等。記者將這些飛行記錄當(dāng)做訓(xùn)練數(shù)據(jù)，訓(xùn)練出一個模型，再從Flightradar24網(wǎng)站上獲取更多飛機的飛行記錄進(jìn)行試驗，找出那些飛行特征和訓(xùn)練模型十分接近的飛行器。通常，那些執(zhí)行政府特殊任務(wù)的飛行器會被掛名在一個虛假公司下，以此來掩蓋其真實的身份。Buzzfeed的記者循著這些飛機又找到它們背后所屬的公司，并且確認(rèn)這些公司屬于美國軍方或政府機構(gòu)。

從上面兩個案例中，我們可以發(fā)現(xiàn)，機器學(xué)習(xí)確實能夠為新聞生產(chǎn)提供更多的選擇和可能性，無論是幫助記者尋找選題，還是簡化新聞生產(chǎn)過程中需要處理的龐雜的資料。機器學(xué)習(xí)最擅長的是在龐大的數(shù)據(jù)中尋找模式和規(guī)律，而這其實是很多新聞生產(chǎn)及其報道的核心所在。

當(dāng)然，機器學(xué)習(xí)并不是一個萬能的工具。在使用它進(jìn)行輔助報道之前首先要理解它，知道什么樣的選題或者問題適合用機器學(xué)習(xí)的方法來解決，以及在使用這種方法的時候，需要怎樣的統(tǒng)計學(xué)和社會科學(xué)方法論的基礎(chǔ)。

3 機器學(xué)習(xí)易滋生虛假新聞

虛假新聞是業(yè)界一直存在的現(xiàn)象，在網(wǎng)絡(luò)時代，各種虛假新聞更是防不勝防，而機器學(xué)習(xí)在虛假新聞的產(chǎn)生方面也產(chǎn)生了一定的影響。機器學(xué)習(xí)不僅能夠在新聞生產(chǎn)環(huán)節(jié)發(fā)生作用，幫助記者完成復(fù)雜的新聞生產(chǎn)過程。但是，機器學(xué)習(xí)也能寫出大量以假亂真的假新聞。2017年10月，《科學(xué)美國麗人》的副主編Larry Greenemeier發(fā)表文章《AI是否可能成為假新聞和產(chǎn)品評價的未來》，文章認(rèn)為：在虛假信息方面，“人工智能的發(fā)展可能會引起更大的問題。”諸如Yelp（美國版“大眾點評”）以及亞馬遜等網(wǎng)站的用戶評論也正面臨著真假難辨的 困境。

2017年9月，希拉里的新書《What Happened》首次在亞麻徐的主頁上發(fā)布，幾小時內(nèi)，亞馬遜上關(guān)于此書的評論數(shù)酒甌超過了1 600條，然而亞馬遜卻迅速刪除了900條可疑的虛假評論。這些評論者聲稱自己多么喜愛或者討厭這本書，但卻沒有任何購買或者閱讀此書的記錄。這些虛假的產(chǎn)品評論很有可能隨著自動化技術(shù)的日漸成熟而產(chǎn)生更大的影響，甚至左右大眾的觀點。

芝加哥大學(xué)的一個研究團(tuán)隊針對“AI大批量生成的虛假評論是否足夠可信并影響受眾”展開了調(diào)查。他們的一項最新研究使用機器深度學(xué)習(xí)的技術(shù)，分析并學(xué)習(xí)了上百萬條現(xiàn)有的Yelp餐廳評價，進(jìn)而自動生成假的Yelp餐廳評價。為了顯得逼真，其中一些評論使用了復(fù)雜的語句；而另一些評論則故意使用了重復(fù)的語句，能被用戶一眼辨別出來是假評論。

當(dāng)研究者對這些由AI自動生成的假評論進(jìn)行測試時，他們發(fā)現(xiàn)Yelp的過濾軟件（同樣基于機器學(xué)習(xí)算法）并不能準(zhǔn)確識別真假評論。甚至說，剽竊檢測軟件也不能識別二者的區(qū)別。也就是說，機器自動寫的假評論成功騙過了Yelp網(wǎng)站和剽竊檢測軟件。另一方面，人類受訪者也難以區(qū)分出真實的評價和機器自動生成的假評價，當(dāng)受訪者被要求為Yelp評論的“有用程度”進(jìn)行打分時，“AI撰寫的假評論”和“人類撰寫的真實評論”的得分幾乎是一樣的。

而這僅僅是在產(chǎn)品評論方面所出現(xiàn)的虛假問題，在這個機器能通過學(xué)習(xí)自動生產(chǎn)新聞產(chǎn)品的時代，網(wǎng)絡(luò)上出現(xiàn)的新聞作品的真實性讓受眾難以分辨，這是機器學(xué)習(xí)在應(yīng)用過程中不可避免的負(fù)面效應(yīng)。當(dāng)然也有更多的研究者投入到研制反虛假新聞技術(shù)當(dāng)中。

隨著AI技術(shù)的飛速進(jìn)步和數(shù)據(jù)的指數(shù)倍增長，真假新聞在語言和語法上的區(qū)別將日益縮小。這也意味著檢測文字和語法的算法將形同虛設(shè)，關(guān)鍵在于“攻擊者”和“防御者”誰能先開發(fā)出更加復(fù)雜的算法和更為優(yōu)化的人工神經(jīng)網(wǎng)絡(luò)。當(dāng)然，除了技術(shù)方面，新聞記者也應(yīng)該承擔(dān)一定責(zé)任，幫助公眾辨別和調(diào)查虛假信息，記者應(yīng)該借助媒體鑒別工具等手段追蹤信息流，這也意味著各大網(wǎng)絡(luò)平臺應(yīng)該賦予記者更多接觸平臺數(shù)據(jù)的渠道。

4 結(jié)論

互聯(lián)網(wǎng)帶來的信息消費模式從“人找信息”向“信息找人”轉(zhuǎn)變，而且由于算法公司不斷地將用戶出讓的隱私用于構(gòu)建“數(shù)字身份檔案”，進(jìn)而實現(xiàn)精準(zhǔn)化推送，媒體受脅迫難以避免“流量工廠”的經(jīng)營模式[2]。流量壓力之下，為開發(fā)非公共性的“利基市場”、分眾化的“長尾市場”，內(nèi)容公司需要全部的用戶行為數(shù)據(jù)，特別是用戶“關(guān)系數(shù)據(jù)”，進(jìn)而無條件“迎合”新條件下的受眾需求。在機器學(xué)習(xí)等技術(shù)的助推下，向精細(xì)化導(dǎo)流的方向發(fā)展，新聞分發(fā)體系中將提供更加個性化的新聞，最大化地挖掘新聞作品的利 用率。

當(dāng)下，機器學(xué)習(xí)等人工智能算法的不透明、新聞生產(chǎn)各環(huán)節(jié)對技術(shù)公司的強依賴、虛假新聞層出不窮并難以分辨等趨勢，亟待研究者不僅僅停留在對技術(shù)層面能實現(xiàn)什么，而應(yīng)該將實現(xiàn)轉(zhuǎn)移到更多內(nèi)在的層面。

傳媒機構(gòu)在使用人工智能進(jìn)行寫作、傳送和資訊配置時必須承擔(dān)相應(yīng)的責(zé)任，必須清楚人工智能可以做什么，不能做什么。我們可以看出，未來的專業(yè)工作者的能力表現(xiàn)并不在于他能些什么、他能表達(dá)什么，而是對社會信息的表達(dá)和配置有更強的平衡能力、更多元的制衡機制。對于人工智能發(fā)展的焦慮，作為研究者事先要做好預(yù)判，當(dāng)這個時代真正到來時我們就能通過預(yù)防使負(fù)面影響降到 最低。

參考文獻(xiàn)

[1]阿培丁.機器學(xué)習(xí)導(dǎo)論[M].3版.北京：機械工業(yè)出版社，2016.

[2]仇筠茜，陳昌鳳.黑箱：人工智能技術(shù)與新聞生產(chǎn)格局嬗變[J].新聞界，2018（1）：28-34.