人工智能與新聞傳播生態的三次變遷

駱正林

【摘要】人工智能作為一種技術手段，它在新聞傳播領域的應用可劃分為三個階段，即計算機輔助階段、弱人工智能階段和強人工智能階段。20世紀50年代計算機輔助報道開始出現，這是人工智能的啟蒙階段在傳媒領域的體現。計算機輔助新聞報道優化了新聞生產流程，它能幫助記者捕捉新聞線索、尋找新聞事實、推斷事件原因。當前寫稿機器人、智能翻譯等的出現，使計算機輔助正在向弱人工智能轉變。弱人工智能改變了新聞傳播的微觀生態，它實現了人與機器的工作協同，使人類借助機器實現了對傳統新聞生產的超越。強人工智能時代的新聞傳播將融會到機器神經中去，媒體與社會的互動變得更加頻繁和深刻，媒體的內外傳播生態會更加復雜，這既是對新聞傳播的挑戰，也是新聞傳播的發展機遇。

【關鍵詞】計算機輔助報道；弱人工智能；強人工智能；新聞傳播生態

人類的進化過程是一個不斷創新勞動工具的過程。勞動工具延伸了人的身體和神經，實現了人的體力和腦力的外包。工業革命造就了“機器大力士”，他們四肢發達、腦力為零，卻“高效而可控地‘外包著人類的體力”[1]。信息技術孕育出“靈長類機器”，它們逐漸強化甚至取代人腦，拓展人類“計算和思考”的范圍。任何行業都渴望減輕勞動負荷、提高勞動效率，這是生存競爭的必然法則。新聞傳播是精神生產部門，腦力勞動是其根本的勞動形態，因此，“智力外包”是新聞傳播業的發展方向。新聞傳播生態是新聞媒體的生存狀態，它包括媒體與媒體之間（內生態）、媒體與環境之間（外生態）的互動狀態，以及各種互動背后的生產關系和社會效果。人工智能作為一種技術手段，它既帶來了媒體內生態的變化（如采編模式、制作流程、競爭手段等），也影響到媒體外生態的變化（如媒體成為社會關系的紐帶，社會快速媒介化等）。人工智能作為一種技術手段，它在新聞傳播領域的應用可劃分為三個階段，即計算機輔助階段、弱人工智能階段和強人工智能階段。人工智能在新聞生產、信息生產中的應用，不斷改變和優化新聞傳播生態，并最終引導新聞傳播進入人與機器、機器與機器互動、協同的新時代。

一、計算機輔助新聞采編：人工智能在新聞采編中的初級使用

智慧原本是生物體的屬性，人類擁有的智慧更是無與倫比。人類在體型、力量上不占優勢，卻憑智慧統治著地球。人的精力是有限的，人的記憶時長有限，因此，利用工具模擬人的智慧，一直是人類亙古不變的夢想。人工智能（ArtificialIntelligence，簡稱AI）就是利用機器模擬人的智慧，并要求機器代替人從事智力活動。人工智能想從人腦中提取“智慧”，然后按照特定程序植入機器，讓機器按照人的指令進行“思考”。狹義的人工智能是讓機器具有部分人的特征，廣義的人工智能是讓機器全面模擬人的智慧，甚至讓機器產生自我意識、出現機器智慧。

人工智能是計算機技術發展的產物，計算機的誕生讓電腦開始替代人腦工作。1946年世界上第一臺計算機誕生，機器開始介入到人的智慧領域。1956年，約翰·麥卡錫（JnhnMccarthy）在達特茅斯召集科學家開會，此次會議提出并定義了“人工智能”的最初概念，即人工智能就是讓機器表現出人的智能行為。此后，人工智能成為計算機研究的熱點。20世紀70年代，空間技術、能源技術和人工智能成為全球三大尖端技術；進入21世紀，基因工程、納米技術和人工智能再次被看成世界三大尖端技術。18世紀第一次機器革命，突破了人類和動物的肌肉極限；20世紀出現的人工智能，正在21世紀實現對人類智慧的超越。

早期計算機實現了智能上的從“無”到“有”，這可被理解為人工智能的初級狀態。電腦沒有人的脾氣，可以高速計算無需休息，因此，電腦是理想的數字勞動力。20世紀50年代，新聞傳播領域開始使用計算機，這是人工智能啟蒙階段在傳媒領域的體現。當時美國一些記者使用計算機處理政府數據庫，期望從中獲取新聞線索、預測新聞事件。1973年，菲利普·邁耶出版《精確新聞學：一個記者關于社會科學方法的介紹》，邁耶在此書中提出了“精確新聞學”的概念，此后計算機數據處理成為精確新聞學重要的輔助工具，計算機可以輔助記者編輯，進行數據的采集、處理和分析。計算機輔助新聞報道，使美國的新聞報道從客觀性報道、解釋性報道、調查性報道發展到精確新聞報道階段。計算機輔助新聞報道在內生態上優化了新聞生產流程，它可以幫助記者捕捉新聞線索、尋找新聞事實、推斷事件原因和糾正錯誤認識；在外生態上增強了新聞報道的準確性、客觀性，提高了新聞報道的社會影響力。

20世紀90年代以來，隨著互聯網、大數據與云計算等技術的發展，人類積累了更加龐大的數據庫資源，數據成為像土地、資本、石油那樣最基礎的資源。在大數據時代，媒體成為公共數據的重要管理者，一方面它需要從公共數據庫中發掘有價值的新聞，另一方面它需要建設、運用數據庫為社會提供智庫服務。進入21世紀，“收集數據、管理數據、分析數據、利用數據等每一環節都能為新媒體所使用，并產生可觀收益”[2]。人工智能本質上是“數據‘喂養出來的”[3]，數據處理是人工智能最基礎的運用。從媒體內部生態看，機器更加廣泛地被應用到數據處理中，數據處理逐漸成為機器的專職工作，在預測新聞、數據新聞、輿情分析等領域，很多工作沒有機器已經難以進行。在計算機輔助新聞報道過程中，一方面編輯部控制著媒體內部生態，記者依然是新聞報道的主角，大量媒體人從單調、機械、繁瑣的工作中解放出來；但另一方面，數據處理逐漸成為機器的專利，人類已經成為大數據處理的旁觀者，機器與人的替代關系正在悄悄地進行。

二、機器參與新聞采編：弱人工智能階段人與機器的智能協同

人工智能通常有“強”“弱”之分，弱人工智能是目前主攻的研究方向，強人工智能尚處于初始或停滯狀態。弱人工智能觀點認為，機器是由人制造的，它可以按照人的指令去從事智力工作，但機器不會真正擁有人的自主意識和推理能力。計算機輔助是人工智能的準備狀態，而弱人工智能是人工智能的真正開始。人工智能最核心的目標是模擬人的智慧，或者說讓機器思維向人的特征進化。當機器可以取代人的智慧時，每個行業都會思考如何“用機器取代人”，這是自然選擇在產業經濟學中的體現。當然，在弱人工智能階段，機器的所有指令均是由人下達的，機器始終受人的控制或支配，人與機器只是一種工作上的協同關系。在新聞傳播領域，計算機輔助正在向弱人工智能轉變，機器正在加快向信息生產過程滲透。

在人類的潛意識中，寫稿是人類毫無爭議的專利，然而人工智能正在讓機器人加入到寫稿行列。2009年，美國西北大學智能信息實驗室開發出StatsMonkey軟件，并利用該系統對美國職業棒球賽大聯盟季后賽進行了報道，這是人工智能寫出的第一篇機器稿件。隨后，《紐約時報》數字部科研團隊開發出寫稿機器人Blossomblot，它可以根據文章熱度對社交平臺進行數據分析，然后選擇合適的素材推送給用戶?！度A盛頓郵報》開發出100個智能機器人，其中Heliograf在2016年里約奧運會期間成為“明星”，它可以根據實時數據源自動生成故事，能夠自動獲取體育數據編輯短消息并即時發布。此外，《華盛頓郵報》還使用程序核實新聞準確性，《洛杉磯時報》利用機器報道突發新聞，路透社利用OpenCalais智能編輯審稿，《衛報》利用機器人Open001篩選網絡熱文等。國內媒體與互聯網公司也在合作開發智能化產品。2015年9月19日，騰訊財經頻道利用Dreamwriter撰寫了國內第一篇機器稿件：《8月CPI漲2%創12個月新高》。此后國內媒體紛紛試水機器人寫稿：新華社推出“快筆小新”，阿里巴巴聯合第一財經推出“DT稿王”，今日頭條推出“xiaomingbot”，南方報業推出“小南”……與此同時，語言與圖像識別技術日趨成熟，語音導航、百度識圖、微軟識花等程序已經投入商用。各國媒體也看到了視頻音頻傳播的趨勢，紛紛利用機器人參與視頻音頻的制作，如《今日美國報》使用Wibbitz生成短視頻，它可以實現媒體與受眾的直接互動；CNN使用FacebookMessenger聊天機器人，每天可以向用戶推送頭條新聞等。

機器人能夠及時研判數據價值，能夠快速處理海量信息，能夠向用戶精準推送新聞稿件。耿磊認為“和傳統媒體人相比，寫稿機器人可以瞬間完成海量閱讀、分析并根據互聯網活躍點擊量數據，瞬時篩選出下一個熱點新聞，然后通過后臺算法快速合成新聞?？傮w來看，寫稿機器人在速度和數量上有著絕對優勢。依靠海量數據和不斷演進的算法設計，生成一篇深度報道的時間已經由最初的30秒縮短到2秒以內，其精確度還在不斷提升，而且擬人化、情感化的技能也在不斷增強”[4]。機器人能夠全方位全天候監測采訪，并能瞬間輸出數量驚人的新聞稿件。如美聯社使用Wordsmith，每季度可以生產3000家公司的財報；DT稿王平均每天的發稿量可達1900篇。弱人工智能階段的機器人寫稿模式固定、篇幅簡短，內容偏向娛樂化、碎片化和模塊化。對會計報表、法律文書、公共數據庫進行數據挖掘和文本分析，這是機器人天然的優勢，因此，現階段機器人寫稿主要集中在體育、財經、交通、災難等報道領域。機器人在思想性、深刻性、情感性上力不從心，它們無法勝任深度報道、人物報道等工作。輿論普遍認為“寫稿機器人不是要取代記者和編輯，而是解放了勞動力，讓采編人員將精力集中于更深層次的思考、情感訴求的挖掘。新聞創作中的人文價值將成為人類記者的核心競爭力”[5]。人們對寫稿機器人的基本判斷是：它們能夠勝任簡單、重復、機械的信息發布，能夠將傳媒人從單調乏味的工作中解放出來，使他們能夠關注更有人文價值的工作。隨著電子政務、智慧城市等技術平臺的升級，全社會數據庫的容量和價值被放大，機器人寫稿可以向更廣闊的社會領域滲透。當然，出于公共安全和個人隱私的考慮，法律可以對機器人寫稿的領域設定邊界，保證機器人的采寫工作停留在法律和倫理的空間內。

人工智能改變了新聞傳播的微觀生態，它實現了人與機器的工作協同，使人類借助機器實現了對傳統新聞生產的超越。機器人寫稿的工作原理是UGC（用戶生產內容），機器采寫新聞實際上是對海量“大腦”的采訪。臉書用戶超過15億，微信用戶超過6億，任何媒體無法對他們同時進行人工訪問，而機器采集的信息卻能精準洞察公眾的社會心理。人工智能還能夠對用戶的行為愛好進行分析計算，從而將生產的內容精準匹配給特定的用戶。肖仰華將算法推薦歸納為三類：（1）協同過濾算法：依托龐大的交互數據分析用戶群特征，將新聞內容推薦給興趣相似的人；（2）內容算法推薦：根據用戶歷史瀏覽標簽以及用戶自身的標簽，將新聞內容匹配給特定的用戶；（3）語義算法推薦：對用戶的行為特征進行算法分析，揣摩用戶行為背后的動機和場景然后匹配推薦。[6]三種算法推薦中，對心理、語義、情感的分析是最高形式的算法推薦。算法推薦無疑提高了新聞的到達率和傳播效果，但也容易產生“繭房效應”和數字鴻溝。

弱人工智能無疑用智慧力量取代了金屬力量，機器在新聞傳播領域中的地位有所提升，但它依然是依據人類發出的指令工作。人與機器的完美協同，不僅分解了寫稿任務，實現了精準推薦，而且在新聞核查、政治把關、責任追究等方面獲得了突破。在社會輿論中，弱人工智能最能獲得普通人的理解和認同，這是我們的思維慣性和自我保護意識的結果。在某些社會變革或危機面前，人們常選擇刻意回避或本能否定，認為“小風掀不起大浪”，或者將棘手問題“留給后人去解決”。從人的主體性角度出發，人類相信自己是地球的真正主人，相信人的智慧是無與倫比的，因此，大眾輿論普遍認為機器不會挑戰或控制人類。人們相信機器思維是程序性思維、因果鏈思維，它們沒有人的情感和意志，沒有人的靈感和頓悟，更不能跨界思維或進行意識流想象。目前，人工智能正在對媒體組織結構、新聞生產流程進行改造，但一些人認為機器沒有情感、沒有思想，它們無法體現社會文化和意識形態的精義，正如機器無法撰寫《人民日報》評論一樣。因此，那些具有豐富的新聞素養和嫻熟的采訪技能的傳媒人，將永遠是新聞傳播領域的中流砥柱。

三、機器“自主”新聞生產：強人工智能階段新聞傳播的生態

公眾普遍接受弱人工智能的觀點，而對強人工智能將信將疑。當前人工智能的關鍵技術正等待著突破，一旦人工智能獲得新的技術突破，強人工智能的時代就可能來臨。強人工智能觀點認為，未來人類可能制造出能夠獨立判斷和推理的智能機器，這種機器將會擁有自我意識和情感知覺。強人工智能有兩個發展方向：一是完全模擬人的智慧，擁有類似人的情感和倫理；二是逐漸與人的智慧分道揚鑣，發展出一套只屬于機器的意識和推理。人們對人工智能有兩點擔憂：一是人類是否能夠控制自己創造的科技，二是機器自我學習是否會脫離程序的軌道。一些知名專家對人工智能持謹慎的態度：比爾·蓋茨認為人工智能是有風險的；霍金認為如果人工智能管理不善，機器智能將會給人類文明畫上句號。霍金還認為在未來100年的某個時間點上，計算機會超越人類，因此人類必須確保機器始終站在自己一邊。正是看到了人工智能在未來生活中的重要性，2016年12月美國制定的《人工智能未來發展計劃》，將人工智能上升到國家戰略層面，擴大人工智能在政治和社會領域中的運用。

機器獲得智慧的重要途徑就是學習，機器學習可謂人工智能的核心。機器學習的主要方法是歸納和綜合，即通過糾錯學習積累知識和經驗，從而改善機器算法的性能?！皣逡恢北灰暈槿祟愔橇Φ淖詈蟊尽盵7]，阿爾法狗（AlphaGo）對“最后堡壘”的攻擊顯示了人工智能的威力。2016年谷歌旗下的深度學習公司（DeepMind）開發出機器圍棋程序阿爾法狗，在2016年、2017年阿爾法狗毫不留情地擊敗了多位世界頂級圍棋高手，包括韓國的李世石和中國的柯潔。2017年1月深度學習公司推出2.0版阿爾法圍棋，這個版本放棄了人類棋譜，創造人工神經網絡，期望通過機器深度學習，實現參數的自我矯正，挑戰圍棋的智力極限。機器學習涉及數據挖掘、生物識別、機器視覺、醫學診斷、基因測序、自然語言處理等十多個領域，諸如蘋果Siri等智能語言或翻譯系統也在不斷走向成熟。在智能翻譯領域機器的進步也令人瞠目結舌，以前在線翻譯準確性較差，現在的在線翻譯逐漸變得非常規范，有時甚至接近于完美。專業翻譯人士認為機器翻譯難以達到“信、達、雅”的高度，但機器進化的速度正在逐步改變專業人士的傲慢。

機器學習是利用數據和經驗來優化算法性能，一般認為機器無法掌握“演繹”的技能。當前人工智能和神經計算研究空前活躍。隨著遺傳算法（genetic

algorithm）、組塊學習等技術的成熟，機器極有可能超越人類設計的控制程序，或者說機器可以按照自我意愿設計自我進化的程序。2019年7月17日，美國太空探索技術公司CEO埃隆·馬斯克宣稱，他創立的神經連接（Neuralink）公司將于2020年底實現人腦與電腦的連接。“這款系統就是用長得像縫紉機一樣的機器人，向大腦中植入超細柔性電極來監測神經元活動。整個系統包含3000多個電極，它們與比頭發絲還細的柔性細絲相連。”[8]如果能夠真正實現人腦和電腦的互聯，那么未來的人類文明、機器文明將會超出人類的想象。

當人工智能逐漸從“弱”向“強”發展時，新聞傳播生態必將發生重大變化。第一，機器已經成為新聞生產的要素，它儲備了任何個體無法儲備的知識，并且還在朝著“超人類”的方向發展?！叭斯ぶ悄苣茌p松掌握人類文明迄今為止的全部知識，并能夠在物聯網的幫助下通過各種宏微觀的觀測裝置獲得超越人類既定知識總量的知識”。[9]機器最初輔助編輯記者處理數據，但是隨著數據庫的不斷擴容，機器已經成為計算新聞的主角；或者說計算新聞的主體工作已經成為機器的專利，人工已經無法取代機器來從事數據運算了。第二，隨著機器學習能力的提高，人工智能不僅能夠實現人機互動，還能夠實現機機互動?！吧疃葘W習使得模型可以有效地捕捉來自數據中的很多隱藏特征。”[10]目前機器人寫稿是按照人的指令去工作的，隨著機器學習能力的不斷提高，將來的媒體可能會有“機器采編部”，它們能夠獨立完成特定領域的新聞采編、稿件制作和內容分發的任務。第三，人工智能會在新聞采編的各個環節獲得突破，除了機器寫稿和算法推送外，它還可能改寫采訪和對話的概念。將來的移動終端（手機、iPad等）能夠輕松與人對話，并且能夠將對話內容提取出來進入新聞生產過程。當然這里面有公開采訪與隱性采訪的區別，這需要人類的智慧去規約。第四，人工智能正在將技術公司引進傳媒領域，它們一方面為傳媒人開發出更多的智能機器人，但也可能通過技術壟斷、資本操縱，要挾職業新聞媒體。美聯社的WordSmith是與自動化寫作服務公司（AutomatedInsights）合作的產品，小南是南方報業與凱迪網絡、北大計算機研究所合作的產品。最終，媒體可能成為互聯網公司的組成部分，而失去了傳統媒體的獨立性和主動性。第五，將來還有可能出現人機融合、機機融合的“賽博格人”，人與機器合作或者機器與機器合作成立采編部門，新聞生產、信息生產的概念和邊界都會發生突破性變化。

《變形金剛》等美國大片已有預言，機器擁有智商是很危險的。從人的倫理角度看機器算法有“善”“惡”之分，機器運算出錯可能會給人類帶來災難?！懊鎸σ粋€問題情境時，如果AI能夠解決，其給出的解決方案往往是中性的或是最有效率的，但絕不會優先考慮善的解決方案。”[11]有學者提出了人工智慧的概念。智慧是良好品德和聰明才智的結合，人工智能如果能夠給出“善”的方案，人工智能就過渡到了高級的“人工智慧”階段。“AI一旦具有德才一體的性能，就升級為人工智慧?！盵12]人類具有探索的天性，如果人類停止了探索，人類的文明進化也就中止了。但人類的探索也可能導致“黑科技”的出現。悲觀者認為，“人工智能會公開接管資源支配權，并通過增量發展逐漸遠離人類。它充分展現的全能感會使得一切自然人類領袖的個人魅力黯然失色，對人工智能的崇拜將構建一種宗教政治，直至其發展出新的超出人類物理半徑的物質基礎，并實現與人類的物理脫離”[13]。生物體有創造才能，金屬體也有可能出現創造才能，這種創造才能一旦失控，就可能出現災難。這種擔心或幻覺也許是偽科學，但也有可能是未來科學。強人工智能時代新聞傳播將融會到機器神經中去，媒體與社會的互動變得更加頻繁和深刻，媒體的內外傳播生態會更加復雜，這既是對新聞傳播的挑戰，也是新聞傳播的發展機遇。

[本文為國家社科基金一般項目“大數據時代網絡輿情和社會治理研究（16BXW042）”的階段性成果]

參考文獻：

[1]埃里克·布萊恩約弗森，安德魯·麥卡菲.第二次機器革命[M].蔣永軍，譯.北京：中信出版社，2014：Ⅷ.

[2]劉雪梅，楊晨曦.人工智能在新媒體傳播中的應用趨勢[J].當代傳播，2017（5）：84.

[3]孫少晶，陳昌鳳，李世剛，等.“算法推薦與人工智能”的發展與挑戰[J].新聞大學，2019（6）：1.

[4]耿磊.機器人寫稿的現狀與前景[EB/OL].http：//zgbx.people.com. cn/n1/2018/0122/c415418-29778770.html.

[5]耿磊.機器人寫稿的現狀與前景[EB/OL].http：//zgbx.people.com. cn/n1/2018/0122/c415418-29778770.html.

[6]孫少晶，陳昌鳳，李世剛，等.“算法推薦與人工智能”的發展與挑戰[J].新聞大學，2019（6）：2-3.

[7]汪鳳炎，魏新東.以人工智慧對人工智能的威脅[J].自然辯證法通訊，2018（4）：9.

[8]劉園園.馬斯克要“人腦與電腦共生”，專家：想法不錯難度不小[EB/OL].http：//www.stdaily.com/index/kejixinwen/2019-07/19/content_77 7966.shtml.

[9]徐悅東.人工智能將會對人類的政治造成什么樣的影響？[EB/ OL].http：//www.bjnews.com.cn/culture/2019/06/21/594168.html.

[10]孫少晶，陳昌鳳，李世剛，等.“算法推薦與人工智能”的發展與挑戰[J].新聞大學，2019（6）：2.

[11]汪鳳炎，魏新東.以人工智慧應對人工智能的威脅[J].自然辯證法通訊，2018（4）：11.

[12]汪鳳炎，魏新東.以人工智慧應對人工智能的威脅[J].自然辯證法通訊，2018（4）：10.

[13]徐悅東.人工智能將會對人類的政治造成什么樣的影響？[EB/ OL].http：//www.bjnews.com.cn/culture/2019/06/21/594168.html.

（作者單位：南京師范大學新聞與傳播學院）

編校：張紅玲