使命與愿景：人工智能編輯部的智能傳播模式

宋建武 于書亞

摘要：在全面建設以全媒體為內涵的現代傳播體系的媒體融合新階段，為響應互聯網時代用戶的信息需求，主流媒體需要建立以人工智能編輯部為核心的新型傳播平臺。人工智能編輯部更加關注由于公眾廣泛參與帶來的傳播關系的變革，將人工智能技術全面應用于信息采集、產生、分發、接收和反饋的全過程中。

關鍵詞：人工智能 媒體融合 智能傳播

一、使命與目標

在全面建設以全媒體為內涵的現代傳播體系的媒體融合新階段，主流媒體的互聯網化將產生新型媒體平臺，其價值和使命在于，成為一個全面應用人工智能技術，全面響應互聯網時代用戶信息需求的新型傳播平臺。人工智能編輯部將是這一平臺的核心。

在全媒體的特性中，全程和全息強調了更為豐富和復雜的信息來源，全程指時空維度上，客觀事物運動的整個過程都會被現代信息技術捕捉和記錄并存儲;全息指信息狀態維度上，信息采集及呈現形態的“全息化”;全員則是從社會維度上來看，來自方方面面的各種主體（個人、各類機構）都在通過互聯網的賦能作用，進入到社會信息的交互過程中，成為可能的信息源;而全效指在媒體功能維度上，新型的全媒體通過為平臺用戶提供全面化的服務功能和多元化的應用場景，來獲得更為豐富的用戶數據和信息，并由此作為主要的價值變現模式，這使得新型的全媒體平臺必然成為社會的數據總匯和運營樞紐，而這樣的功能，必須通過人工智能的應用來實現。

本文試圖對人工智能編輯部應用場景的大致展望作基本梳理，為業界和學界提供具有指向性的指導框架。在此之前，首先需要梳理幾個關鍵的概念。

（一）數據和信息

1、信息：信息是人類用以進行決策和消除不確定因素的依據。在實踐中，人類大腦對采集后的訊號進行加工處理，是在大腦“黑箱”中進行的過程。這種信息的加工過程實質上就是數據的結構化。

2、數據：數據是記錄客觀事物運動和變化的符號，主要通過機器進行分析和處理。對于現有的信息來說，數據化就是對信息的分解過程，在這個過程中，我們可以找出一條信息中包含的各種元素，從而發掘信息中更加深層的某種鏈接。

信息與數據是相互關聯的。霍頓認為：“信息是為了滿足用戶決策的需要而經過加工處理的數據。”而數據是人類表征外部世界的初始化的符號，是記載客觀事物的性質、狀態以及相互關系等的物理符號或這些物理符號的組合，是信息的數字化（數位化）表現形式和載體。

在物理世界，原子、電子、質子和中子等更微小的微粒的發現，不斷揭開微觀物質世界的面紗，人類不斷加深對物質世界的認知。在信息領域，人們對客觀事物矛盾運動所發散出的各種訊息的采集和應用，也由于傳感器的大規模使用，發展到了“數據”層面，通過大數據技術（包含數據采集、數據整理、數據存儲、數據安全、數據分析、數據呈現和數據應用等），人們能夠對數據進行關聯和歸屬，為機器學習中的模型訓練提供數據基礎，并應用于人工設定的特定性能和運算方式的實現，打破信息的外殼，從而使人類更加接近“信息”的本質。

數據化是信息分解的過程，在這一過程中，人們通過拆解一個信息所包含的各種元素，發現不同信息內容間更深層的聯系和區別，對機器采集的數據和人體感官所獲得的信息解構化的數據進行整合、清洗、加工和標簽化等處理，從而形成數據集。人工智能編輯部的數據，一方面來自機器的智能采集，另一方面來自對人體感官所獲得的信息進行解構、并經機器識別和處理后形成的數據。

主流的人工智能實現過程就是通過機器學習算法，輸入并輸出已知信息、按照固定的模板，通過將數據“喂”給算法后，自動按照給定的規則填充公式化的表達，可以進行自動稿件的生成、語音識別、圖像處理、機器翻譯等。這種“弱人工智能”，系統表現出一定的智能，但并不擁有自主意識，是能夠實現特定功能的專用智能，而與之相對應的“強人工智能”包含認知智能和創造智能，能夠自適應外界環境且具有自我意識。也是人工智能編輯部和智慧媒體下一步的發展方向。

（二）人工智能

人工智能是利用數字計算機或者計算機控制的機器模擬、延伸和擴展人的智能，感知環境、獲取知識并使用知識獲得最佳結果的理論、方法、技術及應用系統。通俗而言，人工智能就是根據人類的智能活動規律，研究如何通過構造一定的智能人工系統讓計算機模擬人類的行為并適應人類工作的科學。

當前，人工智能在信息領域的應用需要通用的算法開發和在具體應用領域內專門的算法開發作為技術基礎。人工智能編輯部區別于傳統新聞編輯部，是由人工智能為信息的采集、生產及分發的全鏈條進行賦能，從資訊傳播的起點到終點都賦予人工智能的技術基因，真正體現了智慧媒體的價值所在。“智慧”實際蘊含了算法和大數據，“智”，即“通陰陽之變”，也就是基于一定的運行和分析規則的基礎上進行算法和程序的設定;“慧”，即“耳聰目明”，也就是大數據的廣泛運用。算法、大數據和人工智能技術的賦能為媒體行業帶來了從宏觀到微觀全方位的改變，我們將其稱之為信息領域的智能傳播模式。

（三）信息傳播模式

信息的傳播模式經歷了從印刷時代向數據時代的轉變。

印刷時代以前，人們獲取信息的途徑主要依靠口耳相傳，信息的傳播范圍局限于一個極小的地域內。此后，人類逐漸從口語傳播、手抄傳播階段逐步邁入建立在紙張和印刷術發明的基礎之上的印刷時代，信息傳播進入“鉛與火”的時代。印刷時代的來臨彌補了手抄傳播效率低、規模小、成本高的缺陷，信息以附著在紙質或其他介質上的圖文形式和模擬信號的方式傳遞，其傳播范圍、傳播效率與傳播質量大大提升。造紙術和印刷術是中華民族為世界文明作出的兩大貢獻。15世紀40年代，德國工匠古登堡在活字印刷和油墨技術的基礎上，創造了金屬活字排版印刷，并將壓榨機改裝為印刷機，實現了文字信息的機械化生產和大規模復制。歐洲工業革命推動了印刷技術的革新，使之進入到機械動力和電力生產的階段，并推動了近代報刊的誕生。

近40年，中國的信息傳播方式經歷了從“鉛與火”的傳統鉛字印刷到“光與電”的數字化傳播的巨大飛躍。20世紀70年代，西方已經采用“電子照排技術”，即利用計算機控制實現照相排版印刷，中國仍在沿用傳統的 “以火熔鉛、以鉛鑄字”的鉛字排版印刷技術，這種方式能耗大、勞動強度高、環境污染嚴重，且出版印刷能力極低。為改變這種狀況、跟上世界信息化發展步伐，必須將漢字與計算機技術相結合。1975 年，王選院士開始主持中國計算機漢字激光照排系統和以后的電子出版系統的研究開發，他的目標是直接研制世界尚無成品的第四代激光照排系統，即在電腦控制下將數字化存儲的字模用激光束在底片上感光成字、制版印刷。王選使用“輪廓加參數”的數字方法來描述漢字字形，將字形信息壓縮500倍至1000倍的同時實現變倍復原時的高速和高保真，這一技術攻克了漢字字形信息的計算機存儲和復原的世界性難題。至90年代初，王選帶領團隊先后研制出了八代激光照排系統產品，占有中國大陸99%的報社和90%以上的書刊出版社和印刷廠，中國印刷業從鉛板印刷直接步入激光照排階段，跨越了國外照排機40年的發展歷史。世界上首個“漢字信息處理與激光照排系統”的成功研發，再次掀起一場印刷業的“光電革命”，這也成為我國邁入數字化時代的重要開端。

數字時代，信息傳輸更加高速便捷，大眾傳播的傳播技術手段以數字制式代替了傳統的模擬信號。信息的運輸技術也實現了巨大的飛躍。在這一階段，報紙、廣播、電視的廣泛普及，共同成就了大眾傳播模式的輝煌。專業化的媒介組織運用傳播技術和產業化的手段，以社會上一般大眾為對象，通過收集大量外部訊息并經過加工處理（主要通過人的感覺器官及人腦）形成結構化的信息后，進行大規模的信息生產和傳播活動，信息生產和處理方式呈現工業化生產特征。80年代出現的電信傳真、衛星通信技術大大提升了報刊的運輸效率。借助電磁波頻率和振幅的調制技術，人們發明了聲音信息的的載波方式，廣播成為信息傳播的重要載體之一。從ENG（Electronic News Gathering）、SNG（Satellite News Gathering）到DSNG（Digital Satellite News Gathring），信息的采集方式由電子化向數字衛星采集技術不斷發展，人類體外化的聲音信息和體外化的影像信息得以長久保存。衛星電視的發展使人們得以對活動圖像進行光電轉換并以有線或無線的方式高效運輸，全球傳播成為可能。隨著數字電子技術的逐漸成熟，廣播、電視的音質與畫質提升，頻道與節目資源更加豐富，改變了過去傳播資源短缺的狀況，多樣化的信息需求被重視，受眾市場趨于細分化。計算機的出現，使電腦開始執行人腦的部分功能，意味著人類大腦這一信息處理中樞開始了體外化的進程。數字多媒體技術的廣泛應用實現了通過集計算機、通訊和聲像技術于一體的數字方式對交互處理聲音、圖像、文字和數據等信息進行混合傳送，推動了媒體形態的革新。互聯網的普及促使信息由單向傳播轉變為交互式傳播，信息發布不再是集中化模式，信息流通更為自由，形成了海量信息源。互聯網媒體平臺化的發展，使海量信息得以快速聚合和傳播。大眾電子傳播媒介實現了由廣播、窄播到個體化傳播的階段發展，傳播主體、傳播手段、顯示手段、受眾特點、服務形態及信息的制作方式等方面都發生著變化。

數據時代，信息的數據化開始了人工智能的探索和應用，推動了傳播資源的極大豐富。“受眾”向“用戶”的轉變，使用戶成為關系網絡和信息傳播的重要節點。人工智能編輯部的技術應用，要根據信息傳播領域公眾的需求特征，重點開發知識圖譜，建設內容數據庫，研發專用算法。與單純借助人工智能技術強化媒體自身專業生產能力的應用方式不同，人工智能編輯部要順應互聯網平臺的開放趨勢，更加關注由于公眾廣泛參與帶來的傳播關系的變革，以人工智能技術，全面服務全媒體時代互聯網用戶的信息需要和參與及社交的需要，把人工智能運用于信息采集、產生、分發、接收和反饋的全過程中。

二、人工智能編輯部的未來探索展望

人工智能編輯部未來將從信息采集、生產、分發、接收、反饋五個方面進行全方位的智能化探索。

（一）智能化采集：從信息到數據，從感官到機器

人工智能編輯部的信息采集將包含信息智能化采集和信息數據化智能化兩個方面。信息的智能化采集主要著眼于在5G、物聯網等技術的支持下，依靠智能機器實現對外部數據更加高效、智能的采集;另一方面將通過專用的人工智能技術實現對“全員媒體”采集而來的信息內容進行智能化解構，其中將利用大數據技術、知識圖譜系統的指示標簽系統，對信息內容進行精準識別和標簽化處理，并運用自然語言理解（Natural Language Understanding）和機器閱讀理解（Machine Reading Comprehension）等技術，對信息進行分解，以完成信息的數據化過程，以此來實現對外部信息和數據的全范圍覆蓋和采集，為建立起強大的內容數據庫提供原料，并為下一步使用合成數據等技術進行二次加工打下基礎。整體而言，信息的智能化采集工具將從依賴人類感官為主變為依賴機器為主。采集的對象將從信息為主變為以數據為主。

5G牌照正式發放后，2019年可被稱之為人工智能在信息領域應用的科技元年，標志是人工智能在新聞生產方面的一系列應用成果。在此之前，人類更多地是用感官來進行信息收集，使用人腦進行判斷做出決策。而未來的信息采集會更多地通過機器實現對數據的挖掘分析。在此過程中，借助5G和物聯網發展提供的技術基礎，能夠實現在更廣范圍、更大程度上使用各種信息和數據采集設備（各類監測設備和傳感器），智能化地采集表征客觀事物存在與發展的訊息。這也是5G技術的真正顛覆性影響的體現，即廣接入，這使得未來的信息采集會更加依賴機器采集外部信息數據，這是信息采集從量變到質變的變化，讓人們有可能更加深刻地認識外部世界的變化。

同時，對采集到的信息內容進行智能識別和標簽化的結構化處理，以便進行后續的分析和重新組合。利用人工智能技術將采集而來的各類信息進行“數據化”。例如，利用知識圖譜系統的指示標簽系統對信息內容進行精準識別和標簽化處理，依賴強大的內容數據庫并運用自然語言理解、機器閱讀理解等技術對信息進行進一步的加工。這實際上是“信息數據化”的過程，為進一步信息的智能化生產打下良好基礎。

2019年，亞馬遜研究科學家已經在自然語言理解（Natural Language Understanding）方面取得了令人矚目的進步，他們推出了新的計算架構能夠幫助語音助手Alexa在人類不說完整的句子的情況下也能理解人類的語言內容含義。而機器閱讀理解（Machine Reading Comprehension （MRC））也使得系統閱讀大數據、推斷含義并且立即得出答案的流程成為可能。目前的實踐應用中，MRC已經可以協助人類將技術手冊、歷史地圖和醫療記錄等各種資料轉化為易于搜索的信息集合。可推測，MRC是未來實現強人工智能的關鍵性步驟之一。

（二）智能化生產：從物理反應到核反應

人工智能編輯部的智能化信息生產是通過機器智能化采集并對數據進行分析的基礎上，根據人類生產生活各種場景的需要所進行的，基于未來人工智能各種專用算法的開發應用基礎上完成的。具體包含文本生成和文本審核兩個部分：

1、文本生成：數據的可視化處理和信息智能生產

在過去，人類大腦對通過感官接收到的訊號進行“黑箱化處理”并做出判斷，這種“黑箱化”的處理體現了大腦對于采集信息的自然理解過程，而在未來依賴機器進行對數據的智能采集時，需要對采集而來的數據進行可視化處理，以便讓人類能夠讀懂數據。

當前實踐中，數據可視化處理主要通過自然語言生成（Natural Language Generation）和計算圖像的生成（Computational Image Completion and Generation）這兩種技術實現。

自然語言生成技術基于大規模的數據集構建敘事，可實現的功能包括集成關鍵詞、搜索引擎優化（利用搜索引擎的規則來提升網站的搜索排名）以及為用戶批量提供個性化的內容。現今已被不少媒體與營銷機構所應用，幫助非數據科學界人士更好地了解其所在組織中正在發生的事情。

計算圖像的自動生成可以實時在運動畫面中尋找最佳幀并在場景中無縫添加或刪除對象、更改陰影等等。斯科爾科沃科學技術研究院和三星AI中心的AI研究人員使用這一技術使舊照片和著名畫作（如《蒙娜麗莎》）“動”了起來。但是，這樣的技術也需要應用者的進一步思考，如何在現實與修改后的場景之間劃清界限？在沒有標簽或披露信息的情況下，應該修改照片到什么程度？

信息智能化生產方面，信息呈現，即將各種信息組合成為人類可以直接接受的文本，當前主流的自動化信息生產一般包含以下五個環節：1、輸入、檢索、鎖定數據;2、對原始數據進行清洗、整理、分類;3、通過排序、比較和聚合數據明確新聞故事的關鍵事實;4、按照某種敘事的語義結構對關鍵事實進行組織;5、對形成的文本內容進行審核，按照需要提供不同風格。

在未來的人工智能編輯部，信息的智能生產有望能夠在算法、數據和更多人工智能新技術的基礎上進行更多嘗試。比如借助新聞型機器人（news bots）協助整合新聞信息，并自動為用戶推送特定新聞內容;借助生產力型機器人（productivity bots）使媒體機構的日常流程實現自動化。利用短視頻合成虛擬環境技術（Generating Virtual Environments From Short Video）實現多媒體內容的多元呈現，讓新聞的呈現方式更加智能化、互動化，提升用戶的交互體驗。芯片設計師Nvidia已經利用了生成對抗網絡（GANs）的研究成果成功利用AI使用短視頻片段構建出逼真的3D環境，并將此投放在自動駕駛領域中使用。自動生成虛擬環境的應用前景無窮，可以應用于物流（倉庫、工廠、運輸中心）、城市規劃模擬，甚至包括測試游樂園和購物中心內的客流量場景。

從現階段的業界實踐，不難預見，未來的信息智能生產，有巨大的智能化探索空間。例如，斯坦福大學進行的自動視頻編輯產品實驗，能夠完成自帶視頻剪輯、利用面部識別和情緒識別系統進行視頻的自動剪輯并生成不同風格的視頻。Quartz打造的聊天機器人，用戶和人工智能系統通過文字、語音或其他創新性地交互方式實現高效的人機互動，目前已經可以實現對用戶需求的自動讀取，同時能夠根據用戶的需求提供相關內容，如圍繞著某一主題、人物或地點的新聞報道等。

在國內，搜狗與新華社共同開發打造的AI 合成主播能夠通過圖像表情，聲音語言習慣、邏輯思維層面進行擬人化訓練，生動逼真地進行新聞的播報。

2、文本審核：信息的智能識別和審核

信息的智能審核即通過機器來識別內容并在此基礎上對信息加以判斷。未來，新聞機器人的使用將進一步強化這一功能，并通過對大量文本的處理和實時的機器學習，在語境中找出相關信息的邏輯漏洞和假消息。現階段主要應用的審核技術有：

算法的事實核查（Algorithmic Fact Checking）。德克薩斯大學阿靈頓分校和谷歌的研究人員研發了算法的框架語義自動化技術（框架是描述了特定類型事件、情況、對象或關系及其參與者的示意圖）。通過FrameNet系統專門為包括自動事實核查在內的功能構建新框架。

機器學習中的實時語境（Real-Time Context in Machine Learning）。IBM公司研發的Project Debater通過消化大量文本，從語境中找出邏輯漏洞、假消息，利用實際環境分辨真偽信息。

在屏事實核查（On-Screen Fact Checking）。杜克大學和得克薩斯大學阿靈頓分校的研究人員研發了ClaimBuster，能夠將直播中的音、視頻轉換為文本，通過過濾器識別其中有關事實的語句，將這些語句與數據庫進行比對，從而實現事實核查。

合成并生成內容核查（Synthetic and Generated Content Authentication）。哈佛大學和MIT-IBM Watson AI Lab的研究人員研發了一種用于識別算法何時生成文本的工具——Giant Language model Test Room，通過AI技術確定文本中的常用詞，并判斷文本是否由算法自動完成，可以用來識別虛假或誤導性新聞、機器人生成的內容及偽造品。

總的來說，當前的信息自動化生產還是物理層面上對于海量數據匯集、提取、分析和組合。這一生產過程的特性，在BBC的一款代表性智能化工具“果汁機（Juicer）”中體現非常充分和形象，它的任務是把包括新聞快訊、專題報道、視頻新聞、政府公告、社交媒體信息等在內的海量數據匯集在一起，并進行自由調用。自2012年首次被引用到BBC以來，Juicer平均每天處理來自850個新聞機構、政府部門和社交網站的RSS信息推送，并能夠通過語義辨識對輸入的信息根據信源、地點、人物和事件進行整理歸檔。當記者需要調取關于某個主題的新聞或信息時，“Juicer”能夠快速提供一個包含相關內容的清單。目前，Juicer的審核內容僅限于文字部分，未來它有望實現對圖片和視頻內容的監控與標簽化審核。

在智能化的信息生產方面，未來的人工智能編輯部不僅要實現在物理層面對于海量數據的匯聚和使用，更要通過人工智能技術的支持，讓基于對更廣泛的數據中包含的每一條信息內容的元素，自動自發地實現與其他信息內容元素的連接和碰撞，類似一種化學反應的生成。不同的數據在各種人工智能及算法的助力下通過實時的信息結構化、數據可視化、信息智能識別和更加智能化的審核功能，不僅包括對文本內容語境的邏輯漏洞，也包括對圖片、視頻、VR等多種內容形態進行實時的審核修正。自動化生產來發揮出有如核聚變般的巨大潛能。讓自動化的新聞生產過程從“攪拌機”工具進一步向“核反應堆”“基因編輯器”發展，讓內容形態的生產過程從物理形態進一步向核反應、基因工程的化學形態發展。

（三）智能化分發

現階段，信息分發在現在整個信息生產和消費中居于核心地位，在主流媒體和商業平臺的競爭中處于關鍵位置。智能化信息分發的核心是將信息的內容和信息的應用場景進行智能的匹配，以期提升分配效率，并充分實現信息的價值。

人工智能編輯部的智能化信息分發模式的完善應把握好分發效率和用戶關系這兩個方面。一方面，智能化的信息分發，要基于信息內容標簽來響應用戶不同場景下的信息需求，以提高分發的適配度和傳播效率;另一方面，應以公共廣泛參與為背景，通過算法促進社交關系的建立，依托智能化的社交關系提高信息分發效率。

智能化的信息分發模式中尤其重要的一點是，為促進社會共同利益的更大化實現，應該在分發規則的算法設定中充分體現主流價值觀。不僅僅局限于對于社會主義核心價值觀48字的內容的簡單識別分發，而更多將精力放在將數據、算法、人機交互有機結合，建立用戶和資源的個性化關聯機制，并對信息的價值實時實現有效評估和有效適配。由于個人移動終端的使用場景和人的心理特征，“點擊量”實際上更多地表征了特定的資訊內容對用戶的趣味性，而信息的重要性如何體現，仍然是當前推算法模型的盲區。

在智能化的信息分發過程中，我們仍然需要對“效率”的追求保持一定的警惕。算法分發雖然可以通過信息內容的個性化匹配實現“人找消息”和“信息找人”效率的提升，滿足個性化需求，但不同的算法推薦原理和數據攝入會導致不同的風險，出現“信息繭房”“用戶閱聽權轉移”“內容下降螺旋（流量驅動黃色新聞）”等問題。

（四）智能接收：終端系統智能化

在信息的智能化接收方面，人工智能編輯部將依托擁有多種終端播控技術和播控權的綜合優勢，主要通過信息接收終端設備的智能化來實現。根據國內外現有實踐和研究成果來看，AI芯片組（AI Chipsets）的應用為終端設備的智能化的實現提供了可能。由于缺少足夠的處理單元，當前以智能手機為代表的移動終端尚難滿足機器學習的深度要求。近年來關于人工智能模型壓縮的算法大量出現，為芯片組全面集成人工智能引擎提供了技術可能，人工智能芯片組中CPU、GPU等不同功能的核心發揮各自所長又相互協作，共同實現高效的智能處理。2019年4月，高通研發的人工智能推理芯片Cloud AI 100，可以大大降低終端與數據中心的延遲。由此可見，主流媒體有必要把握終端設備信息接收系統升級這一機遇，探索研發能夠效仿人類感知、輔助人類計算和記憶、學習人類知識模型和決策經驗的智能硬件與支持系統，以便在各類終端系統上搭建未來AI媒體入口，通過在終端對用戶所接收的信息進行智能分析，對內容進行審核與過濾，通過向用戶發出提示信息等方式，培養用戶良好的媒介使用習慣，以營造健康的媒介環境。在這一過程中對用戶行為數據的收集，能夠有效地拓展終端信息接收系統的應用場景，增強人機交互體驗。

另外，未來AI媒體入口的終端系統應用為矯正和破除用戶信息繭房，提供了新的機會。當前的信息繭房問題難以解決，主要是由于不以用戶個人興趣為核心規則的算法分發技術與各分發平臺的核心商業利益相互抵觸，也與智能分發提高分發效率的初衷和目標相互矛盾。因此，更好的方式可能是通過在信息載體的終端智能化進行過濾。不僅可以分析和判斷每一個個體如何獲得信息、獲得了什么信息，還可以通過終端及時、個性化的對用戶進行提示，這也有利于我們更加可靠和方便的實現未來人工智能在信息傳播中對主流價值觀的引導。

（五）智能反饋：傳播效果及路徑的抓取和分析

智能化信息反饋的目的是，使信息生產者和信息分發平臺的運營者能夠及時了解信息的傳播效果和傳播路徑，從而對信息生產和分發環節進行相應調整，提升信息生產和運營效率。智能化的信息反饋，主要通過對傳播效果數據的挖掘、分析以及傳播路徑的分析來實現。

人工智能編輯部未來將主要以兩種方式取得反饋數據，其一是對于部署了“AI媒體入口”的智能化終端，自動化地反饋數據;對于其它終端，則通過數據抓取的方式來獲得更多的反饋信息。人工智能編輯部數據中臺的多終端的實時運營數據和傳播效果評估數據都應納入智能反饋數據庫中。

一方面，智能工具大大增強傳播效果分析的精準度。從瀏覽量、評論量、轉載量、點贊量、粉絲量等顯性數據，逐步深入至用戶個性化消費的行為、偏好、趨勢等隱性數據，更準確地反映傳播效果和用戶個性。計算機視覺、情緒識別、情感計算等技術也有可能應用于識別用戶“微表情”，建立實時情感識別系統，推測用戶在信息接收與反饋時的情緒狀態，完善用戶實時狀態這一關鍵的場景要素。

另一方面，用于追蹤傳播路徑的智能工具為信息的生產分發和信息核查都提供有效途徑。對當前的算法分發技術進行逆向工程分析，可以有效實現信息生產和分發的路徑優化。通過借助語義分析技術，對傳播路徑的溯源，發現信息傳播與變異的關鍵節點，將大大有助于虛假信息、水軍數據的識別算法模型構建，構建起應對虛假信息的新型把關機制。

三、結語

整體上講，人工智能持續為信息傳播領域賦能，實現媒體行業從微觀到宏觀的全面變革，強化智能化信息采集和信息生產，從“可知”邁入更具有豐富性的“可感”;強化智能化信息分發，從基礎個性化分發到主流價值觀駕馭的數據推送，創新“為我”的定制感;強化智能化信息接收和反饋，在智能化終端系統的助力下進一步實現“懂我”的滿足感;強化智能化信息反饋，通過信息傳播效果數據及路徑的抓取分析反哺信息的生產和分發，充分發揮好全程媒體、全息媒體、全員媒體、全效媒體的功能。

信息傳播的外部性要求信息生產者及傳播平臺尤其是主流媒體在開發和利用人工智能時，必須承擔起社會責任，比如防止濫用、保護個體用戶的隱私，并體現主流價值觀的引導作用。同時，人工智能的強大能力及潛力要求“科技向善”，人工智能的開發和利用應以增加社會成員的共同福祉和社會的共同利益作為基本的價值。

參考文獻：

[1]宋建武.全媒體傳播格局中的主流價值引領[J].新聞與寫作，2019（11）：1.

[2]李鵬.建設智媒體，打造新型傳播平臺[J].新聞戰線，2019（13）：17-19.

[3]宋建武.沒有自主可控的平臺，就沒有主流媒體的一切[J].青年記者，2019（10）：4.

[4]智媒前沿.“媒體+AI”生態布局重大創新：“人工智能編輯部”，來了！[OL].https：//mp.weixin.qq.com/s/liiApIvcH9MoKGGBaSihfg

[5] FTI 2020 Entertainment. Media and Technology Trends Report，2019.

（宋建武系中國人民大學新聞學院教授、博士生導師，新聞與社會發展研究中心及國家發展與戰略研究院研究員;于書亞系中國人民大學新聞學院碩士研究生。）