跨文化傳播中的人工智能：應用場景、倫理風險與治理路徑

顏靜　曾道建

摘? 要：當前，人工智能技術在各大新聞和社交媒體中廣泛應用，為信息傳播帶來了極大的便利，但也催生了交互過程中的支配、隱私、歧視等倫理問題。文章從傳播過程出發，梳理了人工智能應用下跨文化傳播內容的采集、生產、投放和管理的應用場景，分析其在技術實現和技術應用中，可能產生虛假信息和謠言的采集及傳播、失業、算法歧視和偏見、隱私泄露、信息繭房、意識形態侵害等倫理風險，提出應加強內容篩選和審查機制、提高算法的透明度和可解釋性，完善用戶反饋和政府監管機制以及推進職工轉崗和企業轉型等建議。

關鍵詞：跨文化傳播；人工智能；新興媒體；倫理風險；倫理治理

中圖分類號：TP18；G206 文獻標識碼：A DOI：10.19881/j.cnki.1006-3676.2023.08.09

一、引言

人工智能（Artificial Intelligence，簡稱“AI”）是技術不斷發展進步的成果，公認其起源于1956年，由約翰·麥卡錫（John McCarthy）等科學家在達特茅斯會議上提出。但時至今日，人工智能的定義仍沒有統一界定。斯坦福大學人工智能研究中心N.J.尼爾遜教授認為，“人工智能是關于知識的科學”，所謂“知識的科學”就是研究知識的表示、知識的獲取和知識的運用。[1]自1956年以來，人工智能的發展經歷了3次浪潮，從快速發展到初步產業化，到如今信息時代催生下迎來的大規模爆發。大量的資金和人力投入到了人工智能的研發和應用中，人工智能的發展范圍不斷拓寬。

跨文化傳播是指各種文化信息在時間和空間范圍內流動、共享和互動的過程[2]，其研究內容不僅包括不同文化背景中的個人、群體、組織和國家之間交往的特點和規律，也涉及文化沖突與解決的途徑、技術發展對文化的影響等諸多方面。[3]在互聯網時代背景下，當今文化信息的傳播逐漸從大眾傳播演變為個體傳播，由于技術的發展，傳播媒介從過去單一的廣播、電視、報紙的大眾傳媒發展到傳統媒體與互聯網新媒體共存的局面。相比于傳統媒體，新媒體在主流外宣旗艦媒體、海外主流媒體和自媒體方面都充分發揮了傳播優勢，可以更好地實現系統性和網絡化傳播模式下人際傳播和群體傳播的互動性。[4]

根據拉斯韋爾提出的5W線性傳播模式，傳播的五項基本要素分別為“誰—說什么—通過什么渠道—對誰說—取得什么效果”，即傳播主體、傳播內容、傳播渠道、傳播受眾和傳播效果。[5]目前，人工智能技術在依據此五項傳播要素劃分的采集、生產、投放和管理場景下均有應用，大大提高了傳播效率和精準性，但由于技術自身的缺陷和技術應用過程中的問題，也導致了支配、隱私、歧視等一系列倫理風險。筆者將從應用場景、倫理風險、治理路徑3個方面對跨文化傳播中的人工智能技術進行剖析和探討，以期為人工智能技術助力跨文化傳播研究提供參考借鑒。

二、人工智能在跨文化傳播中的應用場景

從傳播的五要素和傳播過程出發，可將人工智能在跨文化傳播中的應用分為4個方面：對文化信息的智能采集、智能生產、智能投放以及智能管理。其中，智能采集和智能生產能有效解決傳播主體的代表性和傳播內容的真實性問題，而智能投放則保證傳播渠道和傳播受眾的精準性，最后，智能管理再根據受體的反饋進一步對傳播內容、傳播渠道和傳播受眾進行提升和優化。其具體的應用場景、算法技術和媒體案例經梳理總結后，如表1所示。

（一）智能采集

在智能傳播時代，信息采集告別了傳統的人工統計方法而走向了借助人工智能和大數據的自動化方法。基于此，社交媒體和各個平臺的新聞數據可以被快速高效地挖掘定位，得到智能化的采集后精準地用于媒體內容的生產和傳播中。

以英國廣播公司BBC為例，作為世界最大的新聞媒體之一，BBC運用人工智能建立了一個可以用于新聞聚合和內容提取的智能信息采集機器人Juicer，以監控國際、國內和地方新聞媒體的850個新聞源。在對新聞的原始文本和元數據進行抓取后，BBC Juicer應用命名實體識別技術對文本中提到的概念進行識別并標記，為媒體工作者提供信源、地點、人物和事件的智能檢索以及國際傳播上的趨勢分析。[6]美聯社也配置了相應的信息監控工具SAM。在SAM上，美聯社的采編人員可以實時搜索和追蹤原Twitter和其他社交媒體平臺上的新聞線索，相對于人工手動來監控社交媒體的新聞而言，有效提高了采編的效率和水準。[7]路透社采用路透社追蹤器（Reuters Tracer），吸收原Twitter的數據流來追蹤新聞事件的發生，使用各種類型的數據挖掘技術，首先用聚類算法來尋找對話，再通過分類和排序來確定主題和優先級，準確獲取新聞的標題和摘要。[8]

（二）智能生產

目前，在新聞媒體中，已出現大量機器寫作、可視化新聞和虛擬主播等一系列利用人工智能手段進行新聞創作和生產的案例。其中，機器寫作最先被提出并得到廣泛應用。

機器寫作運用人工智能算法將智能采集階段收集的數據進行加工處理后自動生成稿件，其應用最早可以追溯到2009年，美國職業棒球賽上首次用StatsMonkey的人工軟件完成了一篇體育報道。[9]隨后的幾年里，其他媒體也有如《華盛頓郵報》的寫作機器人Heliograf，美聯社的Wordsmith以及《洛杉磯時報》的QuakeBot等。以美聯社所使用的Wordsmith為例，Wordsmith首先獲取和分析需報道的對象的相關數據，將數據放到歷時性的演變中來進行解讀，再利用自然語言生成技術生成稿件。除此之外，美聯社還有一大智能生產工具Wibbitz。Wibbitz是一個主打自動化視頻創作的平臺，即將文本轉換為視頻。無需任何人工幫助，Wibbitz能將一段純文字文本自動轉化成一段視頻短片，短片的內容包括照片、旁白、圖表等各種多媒體元素，轉化步驟也是在分析用戶上傳的文本數據后，先生成簡短的視頻腳本，再根據腳本在短短幾秒內自動將一系列照片或視頻片段拼接起來，加上音效后形成一個內容完整且豐富的短視頻。[10]

（三）智能投放

在媒體內容得到采集和生產后，基于人工智能算法的推薦系統可通過分析用戶和其瀏覽的項目屬性信息、瀏覽行為數據和用戶社交網絡信息等數據，實現個性化的內容推薦和投放。[11]

以Facebook為例，Facebook最初采用緊扣用戶社交關系的邊際排名算法（Edge Rank Algorithm）進行社交分發，算法涉及的核心要素分別是用戶與內容發布者之間的親密度分數，用戶反饋動作以及內容發布時間的權重。從中可以看出，親密度和用戶反饋動作的引入優化了用戶的社交體驗，對于用戶來說實現了更為精準地推薦。而在之后，Facebook也借助機器學習方法改進了排序算法，除了最初的3個Edge Rank因素之外，追加了如Story Bumping（對錯過的信息進行二次判斷）、Last Actor（根據最近頻繁互動進行信息排序的調權）等新的特征和排序方式。[12]

2016年，Google將深度學習應用于推薦業務中，發表了wide＆deep模型[13]，YouTube也同樣推出了深度學習推薦模型。在YouTube深度學習推薦模型中，整個流程被分成了兩步，即候選集生成和候選集排序。生成階段基于YouTube用戶的使用行為和興趣偏好，為用戶生成幾百個候選視頻集，候選視頻集進而在排序階段通過更多的特征維度得到評分和排序，最后選出推薦結果。[14]另一個典型的智能投放案例，是劍橋分析公司的OCEAN模型。劍橋分析運用經典的五大人格分類法推導出一個量型工具，來探知人們潛在的心理特征和個性。通過“經驗開放性”“盡責性”“外向性”“親和性”以及“情緒不穩定性”五個維度精確地為一個人建立心理學輪廓檔案[15]，定量描繪其性格，進而推斷其政治傾向，從而找到價值觀相似的國際受眾，并利用大數據技術，實現目標用戶的精準定位投放。

（四）智能管理

智能管理作為智能化傳播的最后一個環節，常通過對用戶的反饋進行挖掘分析，以調整采集、生產和投放，提高傳播效率，同時也為輿情管理和虛假信息治理提供依據。

一般來說，用戶評論是用戶反饋最直接的體現，因此智能管理一般從評論分析入手。美國《紐約時報》就率先應用了智能技術來管理評論。2015年，《紐約時報》與谷歌公司旗下的Jigsaw合作創建了The Coral Project（珊瑚計劃），該計劃依靠人工智能算法對用戶進行分級畫像，并以此決定哪些用戶的評論不必通過審查就可以發布和置頂顯示。2017年，《紐約時報》為了對其新聞的評論區進行進一步的管理，使用了Google開發的人工智能系統Moderator。通過對《紐約時報》10年內評論區里人工管理的超千萬條評論進行學習，Moderator建立起了能夠優化管理評論區的算法，該算法可以識別和篩除惡意評論，保證了評論區內容的友好性。[16]

三、跨文化傳播場景下人工智能的倫理風險

倫理指的是處理人與人、人與社會以及人與自然的關系時應遵循的行為準則，是法律制度等具體規范的制定依據，也是與之并列的社會規范。[17]在人工智能領域，涉及的倫理風險分為兩個方面，一是在人工智能的主體性上，二是在其技術實現和應用上。人工智能主體性的倫理風險在于其是否擁有自由意志，和根據倫理準則做出決策的能力。當前學者普遍認為，人工智能仍處于弱人工智能階段，其視覺識別、智能語音、自然語言處理、機器學習等功能只限于單純對外界信息進行輸入與反饋，尚不具備人類情感與自主意識，也不能夠根據情境作出像人一樣的智能反應。[18-19]因此，對于人工智能主體性的倫理風險，只能對其進行預防，倫理風險的重點在于人工智能技術的實現和應用上。

（一）成因分析

當前背景下，人工智能的倫理風險主要體現在技術實現和技術應用上。在技術實現方面，由于人工智能技術尚未發展完善，本身具有一定的局限性，因此導致事故頻發。[20]2022年4月，中國信息通信研究院發布的《人工智能白皮書（2022）》指出：“以深度學習為核心的人工智能技術正在不斷暴露出由其自身特性引發的風險隱患。”[21]人工智能技術由于以深度學習模型為核心，存在著脆弱性、復雜性以及過度依賴訓練數據的缺陷。脆弱性在于人工算法容易存在安全漏洞，導致擁有被攻擊和惡意利用的風險。復雜性是指深度學習模型作為黑盒模型，缺乏可解釋性，導致人類的主體地位和知情利益受到損害。而訓練數據作為模型的學習樣本，具有偏見的數據集將直接導致模型產生歧視性的決策結果。因而，技術的本身實現導致其擁有不可信、不透明以及歧視這3種風險。

技術應用方面引發的人工智能倫理問題，主要是人工智能算法的濫用和誤用導致的支配、隱私和失業問題。首先，人工智能的數據挖掘和分析可以揭示用戶的潛在需求和行為模式，從而給出相應的意見或建議，但如果這些信息未經審查被濫用或誤用，就可能產生支配問題。例如，一些算法可能被用于操縱用戶的意見和行為，從而塑造用戶的決策，這在政治或商業競爭中可能帶來風險。其次，大數據背景下，人工智能系統通過跟蹤用戶的行為、興趣和偏好，可以收集到大量個人信息數據。并且，對個人的數據采集過程往往不會被監控的對象所知曉，個人隱私信息在人工智能數據挖掘過程中無所遁形。[22-23]雖然這些數據在一定程度上用于提供個性化服務和增強用戶體驗，但同時也引發了隱私泄露的擔憂。再次，大規模的自動化和智能化生產，也可能導致傳統工作崗位被人工智能所取代，引發失業問題。人工智能技術的廣泛應用提高了工作效率，但同時也帶來了失業等不利后果。[24]由此可見，人工智能不僅在技術實現上引發倫理風險，也在技術應用上沖擊傳統的社會秩序。

（二）倫理風險

根據倫理風險的形成原因，并結合具體的跨文化傳播場景來看，人工智能技術導致的傳播過程中，主要存在虛假信息和謠言的采集及傳播、職業失業、算法歧視和偏見、隱私泄露、信息繭房以及意識形態侵害等倫理風險。

如表2所示，智能采集和智能投放技術可能會導致虛假信息和謠言的采集以及大規模傳播，不僅會影響公共輿論，還可能會對個人和社會造成實質性的傷害。智能生產依賴模型的訓練語料，在學習充滿歧視和偏見的語料時，生產內容也會產生歧視和偏見。同時，生產環節在一定程度上可以取代人工創作，導致創作者失業。為實現精準推薦，智能投放需對用戶的歷史數據進行深入挖掘，可能導致對個人數據的過度收集和隱私泄露的風險。而推送內容的同質化，也易形成“信息繭房”，限制了用戶的主觀能動性。智能管理技術可能會對用戶的言論自由和表達自由進行限制和干預，對社會和文化多樣性造成負面影響。

四、跨文化傳播中人工智能倫理的治理路徑

在跨文化傳播場景下，由于人工智能尚未發展成“強人工智能”，人工智能的倫理風險仍主要體現在人工智能技術的實現與運用上，包括傳播內容采集階段的虛假信息和謠言的采集，內容生產導致的職業失業、算法歧視和偏見，內容投放帶來的隱私泄露、信息繭房和虛假信息和謠言的進一步傳播，以及內容管理對意識形態的侵害與威脅。在此背景下，加強內容篩選和審查機制，提高算法的透明度和可解釋性，完善用戶反饋和政府監管機制，以及推進職工轉崗和企業轉型，是治理人工智能倫理風險的可行路徑。

（一）加強內容篩選和審查機制

首先，提高智能采集系統對虛假信息和謠言的辨別能力。在啟用人工智能技術來檢測虛假信息和謠言的同時，增加人工審核的環節，確保采集的內容準確可靠。可通過與權威機構的合作，共同對虛假信息和謠言進行辟謠和警示。其次，在構建智能生產系統的訓練數據集時，關注其中可能存在的偏差。在跨文化傳播場景下，數據樣本可能來自不同國家、地區和文化背景。因此，應驗證數據的多樣性和公正性，并通過采用多種數據源以及公平原則等方式解決訓練數據的偏差和歧視問題。最后，對于智能管理應用，應建立公正、透明和權威的內容審查和管理機構，并采用多方參與的決策模式，確保不偏袒某一特定觀點或政治勢力。

（二）提高算法的透明度和可解釋性

歐盟在2019年4月發布的《可信賴人工智能倫理準則》指出，要確保人工智能系統在研發、部署和使用時符合可信賴人工智能的7個關鍵要求，即人類的能動性和人類監督、技術的穩健性和安全性、隱私保護和數據管理、透明性、多樣性以及非歧視和公平、有利于環境和社會福祉、可問責性。[25]可見，保障個人隱私和算法的透明性是治理人工智能風險的重要方面。提高模型算法的透明度和可解釋性，使其能夠解釋其決策和預測的依據，有助于發現和糾正模型中的偏見，并增加用戶對模型的信任度。對于個人隱私數據，應明確收集、使用和共享個人數據的權限和規范，并提供更多的用戶個性化隱私設置，讓用戶有更大的控制權。

（三）完善用戶反饋和政府監管機制

為治理智能投放構建的信息繭房以及智能管理可能導致的意識形態侵害問題，網站平臺還應提倡用戶參與，鼓勵用戶提交推送意見和對于評論區建設的建議，確保平臺的多元化和開放性。同時，政府、組織和行業應建立相應的監管和監督機制，以國家層面的倫理準則為基礎，明確人工智能技術在傳播過程中需要遵循的道德規范和價值觀，對算法模型的訓練和應用過程進行監督和管理，確保模型的正當性和公平性，保障用戶的權益，引導各大平臺系統營造有序競爭的良好氛圍。

（四）推進職工轉崗和企業轉型

針對智能生產引發的失業問題，政府和企業應共同采取解決措施。政府方面應制定和執行相關政策和法規，以創造就業機會和解決失業問題。同時，提供經濟支持和資源，用于轉崗培訓、職業咨詢和創業支持等，并出臺相關政策以更新教育體系，培養適應新技術和就業需求的人才。企業可積極參與轉型和技能培訓，為受影響的員工提供轉崗機會和培訓計劃，并可通過技術創新，探索新的商業模式和就業機會。

五、結語

總的來說，人工智能技術的發展為媒體應用創新和跨文化傳播注入了活力，為傳播內容的采集、生產、投放和管理提供了新的動能，但也引發了虛假信息和謠言的采集及傳播、職業失業、算法歧視和偏見、隱私泄露、信息繭房、意識形態侵害等倫理風險。根據倫理風險在技術實現和技術應用上的形成原因，并結合跨文化傳播場景，可以從加強內容篩選和審查機制，提高算法的透明度和可解釋性，完善用戶反饋和政府監管機制以及推進職工轉崗和企業轉型這四個方面，實現對人工智能倫理風險的治理，完善智能化的傳播過程，使跨文化傳播的內容得到更具代表性的采集、更優質的生產、更精確的投放和更人性化的管理。

注釋：

1. 數據來源：陳昌鳳，霍婕《以人為本：人工智能技術在新聞傳播領域的應用》將“人工智能技術在新聞傳統流程中的應用”分為新聞采寫、新聞編輯、新聞分發和評論管理，并從應用、技術、案例3個方面闡述。

參考文獻：

[1] 李德毅，于劍.中國人工智能學會.人工智能導論[M].北京：中國科學技術出版社，2018：2.

[2] 段龍江.我國跨文化傳播的困境與優化路徑[J].人民論壇，2021（14）：98-100.

[3] 孫英春.跨文化傳播學導論[M].北京：北京大學出版社，2008：1.

[4] 王絢.新時代中國文化和諧價值觀的跨文化傳播[J].新聞愛好者，2023（04）：62-64.

[5] 郭慶光.傳播學教程（第二版）[M].北京：中國人民大學出版社，2011：54-55.

[6] BBC NEWS LABS.The Juicer[EB/OL].（2012-03-02）[2023-05-16].https：//bbcnewslabs.co.uk/projects/juicer/.

[7] 邱凌.加速與重塑：國際新聞業對人工智能的創新應用及未來趨勢[J].中國出版，2021（05）：51-55.

[8] 36氪.用AI追熱點，自動化編輯新聞，路透社已經這么做了[EB/OL].（2017-12-13）[2023-05-16].https：//www.36kr.com/p/1722057900033.

[9] 耿磊.機器人寫稿的現狀與前景[J].新聞戰線，2018（01）：43-46.

[10] 搜狐網.美聯社：AI深度嵌入新聞生產各個環節[EB/OL].（2018-11-27）[2023-05-16].https：//www.sohu.com/a/278112906_644338.

[11] 劉華真，王巍，谷壬倩，等.基于用戶瀏覽行為的個性化推薦研究綜述[J].計算機應用研究，2021（08）：2268-2277.

[12] 閆澤華.內容算法：把內容變成價值的效率系統[M].北京：中信出版社，2018：118-119.

[13] Cheng H T，Koc L，Harmsen J，et al.Wide＆Deep Learning for Recommender Systems[C]//Proceedings of the 1st Workshop on Deep Learning for Recommender Systems（DLRS 2016）.New York：Association for Computing Machinery，2016：7-10.

[14] Covington P，Adams J，Sargin E.Deep Neural Networks for YouTube Recommendations[C]//Proceedings of the 10th ACM Conference on Recommender Systems（RecSys16）.New York：Association for Computing Machinery，2016：191-198.

[15] 邵國松.心理繪圖與用戶畫像：劍橋分析的興亡啟示錄[J].傳媒觀察，2021（11）：45-49.

[16] 陳昌鳳，霍婕.以人為本：人工智能技術在新聞傳播領域的應用[J].新聞與寫作，2018（08）：54-59.

[17] 陳磊，王柏村，黃思翰，等.人工智能倫理準則與治理體系：發展現狀和戰略建議[J].科技管理研究，2021（06）：193-200.

[18] 莫宏偉.強人工智能與弱人工智能的倫理問題思考[J].科學與社會，2018（01）：14-24.

[19] 李雨青.人工智能風險治理政策比較[D].廣州：華南理工大學，2021.

[20] 董子涵，任鳳琴.困境與超越：人工智能的倫理審視[J].科技智囊，2023（06）：65-70.

[21] 中國信息通信研究院.人工智能白皮書（2022年）[R].北京：中國信息通信研究院，2022.

[22] 戴春勤，賈文琪.數字化發展存在的倫理問題及應對策略[J].科技智囊，2023（03）：70-76.

[23] 潘恩榮，孫宗嶺.人工智能“以人為本”倫理準則反思—一種馬克思主義哲學的分析思路[J].云南社會科學，2022（06）：30-39.

[24] 張媛媛.人工智能對人類智能影響的倫理反思[D].大連：大連理工大學，2020.

[25] 谷兆陽，劉秀麗，錢春雁.可信賴人工智能的倫理準則[J].人工智能法學研究，2021（01）：160-210.

Artificial Intelligence in Cross-cultural Communication：Application Scenarios，? Ethical Risks，? and Governance Paths

Yan? Jing1? ? Zeng? Daojian2，3

（1.Foreign Studies College of Hunan Normal University，Hunan，Changsha，410081；2.College of Information Science and Engineering，Hunan Normal University，Hunan，Changsha，410081；3.Research Institute of Languages and Cultures，Hunan Normal University，Hunan，Changsha，410081）

Abstract：At present，artificial intelligence technology is widely used in major news and social media，which brings great convenience for information dissemination，but also gives rise to ethical issues such as dominance，privacy and discrimination problem in the process of interaction. Starting from the process of communication，the article sorts out the application scenarios of the collection，production，delivery and management of cross-cultural communication content under the application of artificial intelligence，and analyzes the ethical risks such as the collection and dissemination of false information and rumors，job unemployment，algorithm discrimination and prejudice，privacy leakage，information cocoon，ideological infringement and other ethical risks that may be generated in the process of technology implementation and technology application，and proposes to strengthen content screening and review mechanisms，improve the transparency and interpretability of algorithms，consummate user feedback and government regulatory mechanisms，and promote employee transfer and enterprise transformation.

Key words：Cross-cultural communication；Artificial intelligence；New media；Ethical risks；Ethical governance