從賦能機構到賦權個體：AIGC生產模式下的新聞生產變革

佘云飛

【摘? ?要】生成式人工智能對新聞業產生了深刻的影響和沖擊。以ChatGPT為代表的新技術賦予了內容生產者更大的權力，通過智能化制作提高了新聞生產的效率，同時自動化內容審核也有助于打擊虛假新聞。然而，這也引發了一些問題，如新聞生產模板化、侵犯版權和受眾獲取信息的同質化等。本文從新聞生產者的維度闡述了生成式人工智能所帶來的影響和沖擊，并提出了在技術賦權下，用戶內容生產和專業化創作應該向專業智能化轉變，即內容生產者采用“智能化生產+專業化創作”PIGC模式來應對新技術帶來的沖擊。

【關鍵詞】新聞生產；生成式人工智能；UGC；AIGC

伴隨著各科技巨頭紛紛加入到生成式人工智能產品的競爭浪潮中，新技術將對整個新聞業產生深刻影響。經過模擬訓練之后的人工智能模型，相較于傳統的聊天機器人，更接近于“人”的存在。大語言模型和深度學習技術的加持，使其能夠在文字、語音、圖片和視頻等當下新聞生產中發揮作用。

互聯網為用戶提供發表意見渠道，用戶生產內容（UGC）平臺的興起，改變新聞生產和消費方式，使得新聞生產社會化，任何人都可以成為記者報道事件。[1]用戶生產內容帶來了更多樣化的聲音，但也導致了大量未經核實和不可靠的信息的出現，使受眾難以區分哪些是事實、哪些是虛構。人工智能的發展及運用將會對當下的新聞生產進行重塑，甚至迎來“后新聞”生產模式。[2]

AIGC意指人工智能生成內容，即能夠模擬人類在很短的時間內創作大量的內容。如ChatGPT模型和DALL-E-2模型，其中ChatGPT作為一個語言模型能夠很快地理解并回復人類的問題，[3]而DALL-E-2則能夠根據文字創作一幅對應的高質量圖像。AIGC應用在文本、音頻、圖像和視頻處理等多個領域，得益于數據、基礎模型和計算資源的支持。例如，微軟用GPT模型開發了NewBing搜索引擎，Midjourney則用Stable Diffusion模型制作了智能作圖平臺。

AIGC在內容生產層面展現出巨大的優勢，使其在新聞生產和內容創作等領域具有廣泛的應用前景。當前主流平臺所依靠的用戶生成內容生產模式將發生重大變化。隨著生成式人工智能的強勢介入，用戶生產內容向專業化內容生產的轉變過程將加速。專業機構將在智能技術的協同下提高生產效率，借助算法和平臺對原有的新聞生產進行再次分工，以適應更快的新聞生產節奏和對新聞真實性的更高要求。

一、用戶生成內容和專業化新聞內容生產

亨利·詹金斯對參與式文化的定義是以創作者社區為特征，他們共享內容的能力構成了他們彼此聯系的基礎。[4]UGC是用戶創作內容，通常被認為是業余愛好者通過門戶網站或者是視頻平臺發布的信息。[5]

UGC與社交媒體平臺的崛起相關，用戶既是內容生產者也是消費者，改變了傳統媒體的角色。UGC擁有龐大的用戶群體，門檻低，互動性強，有流量獲取優勢。但存在不良言論、侵犯隱私等風險。AI技術可分析數據為制作新聞提供指導，實現新聞制作的自動化和UGC的專業化，為新聞業帶來發展機遇。

二、 生成式人工智能如何改變新聞內容生產

新聞業一直在使用人工智能，例如2015年《紐約時報》使用AI來協助記者進行語義辨識和評論區管理。2016年，《華盛頓郵報》使用名為Heliograf的人工智能程序撰寫了850篇政治和體育稿件，這是該報內部實施的眾多人工智能程序之一。[6]

無論是國外還是國內媒體，新型新聞生產方式都是對人工智能技術的探索和應用。然而，其對記者工作影響有限，盡管能生產大量特定主題報道，但相對于互聯網而言只是冰山一角。生成式人工智能推動了大用戶生產內容，如ChatGPT已擁有超過1億注冊用戶。[7]除此之外，各類基于生成式人工智能的個性化工具的出現也使得普通新聞生產者可以使用這些先進工具。大規模人工智能的廣泛應用將會使新聞生態發生變化，改變原有的新聞生產方式。

（一）賦權用戶，擺脫內容生產平臺主導

賦權是提供資源、知識、權力和決策機會，增強個體或群體的能力和自主性，使其能夠參與決策，實現個人和集體目標。[8]

WEB2.0時代的技術賦權主體更多是平臺和機構，產生大量互聯網巨頭。UGC模式下，用戶和平臺關系并不平等，用戶上傳自我生產的內容，平臺篩選發布，用戶既是創作者也是消費者。平臺制約大于用戶影響，審核和推送規則影響創作，用戶為獲取關注被迫迎合規則。平臺通過推薦和榜單影響用戶消費行為。[9]

長期以來，平臺依靠龐大的用戶群體和智能算法推薦造成了用戶和算法之間的不平等。伴隨技術的賦權，作為內容生產者的用戶可以擁有更多的選擇權和控制權。更多的優質內容生產也可以使UGC和PGC（專業生產內容）在與平臺的博弈中擁有更多的選擇權，擺脫平臺在新聞生態中一家獨大的局面。

生成式人工智能工具可以幫助用戶放大聲音、建立聯系并擺脫平臺主導。用戶可以通過大數據分析進行內容預判，識別假新聞。專業化低成本智能工具將重塑UGC新聞生產方式，提高普通用戶內容生產的專業化程度。智能工具運用可以提高專業內容生產者在選題、分類和后期分發方面的效率，增強與平臺的議價權。

（二）智能制作，提升新聞從業者采編效率

2015年騰訊財經利用Dreamwriter機器人編寫《8月CPI漲2%》。[10]人工智能在處理特定內容方面有優勢，但大型媒體集團研發的人工智能工具成本高昂，中小型媒體難以負擔，因此并未惠及大多數記者和創作者。

廣泛運用生成式人工智能能夠提升記者和普通創作者的工作效率，確保新聞報道更加準確、抓取重要新聞，并改進寫作技巧。人工智能還能協助撰寫具有吸引力的語句，通過自然語言處理來創建引人入勝的故事結構和句子，幫助創作者打造引人入勝的文章、視頻及其他多媒體內容。

更重要的是，普通的內容生產者可以通過生成式人工智能的接口（API）實現人工智能的本地化部署，構建屬于自己的智能化工具，無需掌握復雜的編程語言。這一做法將推動內容生產的專業化與智能化進程。對于普通網絡創作者而言，這種方法能夠減輕其負擔，減少重復性工作，進而有更多時間提升自身技能水平，增強內容生產的專業性。

（三）新聞把關，內容審核自動化

把關人理論由庫爾特·盧因在《群體生活的渠道》中提出，該理論認為信息傳播過程中存在特定個體或組織充當信息的關卡，決定哪些信息可通過哪些信息被阻止或過濾掉。[11]隨著人工智能工具在新聞生產中的廣泛應用，生成式人工智能可以通過完善編輯流程和支持記者的各種方式，在協助新聞把關方面發揮作用。

事實核查和監測虛假新聞可以通過訓練生成式人工智能模型來實現，記者可以用這些工具快速驗證信息準確與否，防止潛在偏見。在新聞生產中，人工智能通過分析語言模式、情感或比較多個消息來源來識別潛在偏見或不一致之處，實時把握可能存在的偏見和倫理問題，及時修正，預防潛在風險。對于用戶生產內容也可以做到事前把關和監測。

值得注意的是，雖然生成式人工智能在新聞把關中可以提供有價值的幫助，實現內容把關的自動化和智能化，但人工判斷和編輯仍至關重要，記者應嚴格評估人工智能系統的輸出，并行使自己的專業判斷力，以確保報道的準確性、公正性。

三、生成式人工智能在新聞生產中的局限

斯蒂芬·霍金曾經在2017年發出警告，認為創造思維機器對我們的生存構成了威脅。他擔心創造出能夠匹配或超越人類的東西的后果會自行發展，并以不斷加快的速度重新設計自己，導致社會不公正和歧視。[12]

機器學習中的偏見被編程到決策算法中，導致系統性錯誤和有缺陷的判斷。算法偏差是許多社會弊病的根源。人工智能制作的新聞缺乏人類記者的深度，且存在偏見風險。ChatGPT等一系列智能內容生產者的興起，隱含著此類風險。算法和機器不再作為記者的輔助，而是成為了新聞生產的主體。伴隨社交機器人從傳播中介上升為傳播主體，在重塑傳播生態的同時也帶來了情感欺騙、用戶隱私侵犯、虛假新聞傳播及政治活動操縱等失范行為。[13]

（一）題材局限，僵化新聞生產創作

當下人工智能已經取得了長足進步，但是目前的人工智能還難以達到具有創造性的程度，正如耶魯大學計算機科學家戴維·格勒恩特爾（David Gelernter）寫道：“除非能模擬人類情感的所有細微差別，否則任何計算機都不會有創造力”[14]。創造力涉及敏感度、想象力，以及直覺的不可預測性，因此創造性工作仍是人類最后的防線。即使最先進的人工智能也只是輔助，無法替代人類的創造力。

結合當下最新的人工智能新聞實踐NEWSGPT的新聞報道，通過對NEWSGPT自2023年4月12日-2023年8月15日生產的500余篇稿件進行分析，發現相較于以往智能報道集中于財經方面的局限性，NEWSGPT的內容拓展到了社會和政治等多個領域。但是整體上依舊以消息題材為主，內容較為簡潔。以2023年8月10日一則社會新聞《聯邦調查局FBI開槍打死被控威脅拜登總統的猶他州男子》為例，全文內容帶標點共計586個字符。[15]統計500多篇新聞發現，字數均在450字至600字之間。盡管其格式規整，但是整體上呈現出模板化。

作為內容生產者的記者在長期與人工智能的互動中容易受到這種模板化的影響，損害創造性。生成式人工智能作為一種新型的數據訓練方法，提高了信息的利用效率。當下流行的包括ChatGPT在內的大型語言模型，它是在海量文本和代碼數據集上訓練出來的。它可以生成不同類型的文本，包括不同類型的新聞。但正是這種基于數據訓練的模型，使其天然不具備原創性。在長期的人機互動中，面對高效率和高產出的誘惑，應該防范可能引發的新聞僵化現象。

（二）版權侵犯，增大隱私監管難度

人工智能和版權相關問題首先見于科幻小說中對未來機器人的描述。隨著人工智能的發展，信息和版權面臨新問題。已經有研究表明在當下創意經濟中，移動機器人領域的進步對制造和工藝活動產生了重要影響。因為具有機器視覺和高精度靈活性的工業機器人變得越來越便宜。[16]伴隨人工智能在新聞生產端的大規模運用，版權已經成為必須考慮和面對的問題。

事實上，媒介技術發展以及新聞生產主體的多元化，“抄襲”“洗稿”以及相關版權問題一直以來都是新聞生產中的痼疾。例如，2019年的“甘柴劣火”事件，在該事件中機構等專業媒體更傾向于將此定義為“剽竊”，而自媒體內容生產者的立場則將其定義為“游俠”，也可以看出對待侵權問題的不同立場和態度。[17]

盡管新聞侵權現象一直存在，但是包括“甘柴劣火”事件在內的侵權事件多是創作者為了追求更高的經濟收益而選擇的侵權行為，是一種“主動”侵權行為。人工智能為“洗稿”侵權提供了更加便捷的工具。隨著生成式人工智能的發展，記者或創作者容易陷入一種“被動”侵權的困境之中。例如，生成式人工智能模型可用于創建看似來自合法來源的假新聞，可能會被用來傳播錯誤信息或進行虛假宣傳，或損害人的名譽。

生成式AI模型制作虛假圖片、視頻或深度偽造音頻、視頻并傳播錯誤信息或冒充他人引發抄襲和“洗稿”爭議同時涉及數據合理使用問題。人工智能專家Mark-Lemley認為訓練人工智能是一種純社會公益行為，應該鼓勵機器學習的公益研究。[18]但對于版權的過度保護也容易陷入“版權劫持”的窘境，如果所有的創作者都拒絕自己的數據被使用，那么整個大數據和人工智能的發展就將面臨法律困境。

關于人工智能的版權和人身權問題，法律界尚未形成統一的意見。以智能繪畫平臺Midjourney為例，在創作者提出繪圖需求后，仍需根據其個人的審美和軟件操作知識提供具體的參數和提示詞。正如藝術創作需要技能一樣，創作者向機器提供用于生成用戶期望內容的指令也需要特定的技能。Midjourney軟件根據創作者提供的具體指示生成作品，從本質上講，該作品應視為創作者與人工智能的共同創作產物。然而，從法律角度看，Midjourney并不能成為作品的作者，但將作品創作的全部功勞歸屬于提示者，無疑低估了人工智能的貢獻。同樣，在使用Midjourney產生的作品面臨抄襲和侵權指控時，對于責任的認定會面臨更大的困難。[19]

面對不斷發展的人工智能，不僅版權和隱私的監管面臨新問題，利用人工智能生成作品的任務往往不僅僅是按一個按鈕讓機器完成所有工作，而是需要有人編程并指導計算機創作，作為新聞生產者可能在與人工智能的協同創作中面臨“被動”侵權的新挑戰。

（三）內容割裂，窄化用戶信息獲取

“信息繭房”是由美國學者桑斯坦在其著作《信息烏托邦》中提出來的，指的是在這種環境中，人們只能接觸到與自己一致的信念、想法和信息。信息繭房又被稱為“回音室”。信息繭房和回音室都是由個體的心理傾向導致外界異質信息無法進入的不利后果，即人們的信息行為不斷固化、信息視野不斷窄化。在當下的信息獲取中面對過濾氣泡和群體極化等影響，信息繭房和回音室效應等窄化信息獲取的因素依舊存在。[20]

在生成式人工智能市場競爭環境下，科技巨頭們的信息壁壘愈發堅固。由于各生成式人工智能平臺的設計目標和應用場景存在差異，因此對于同一事件，不同的平臺會有不同的展示角度，用準確、個性化和娛樂化的信息來滿足用戶的信息需求。然而在大數據時代，數據和模型訓練反映需求和平臺定位，新聞生產者容易放大偏見。同時，受眾傾向一致，平臺迎合用戶喜好，這導致信息內容趨于相似。相較于傳統的搜索引擎，如Bing News和Bard等智能搜索引擎具有高效性、精確性和個性化特點。然而，這些搜索引擎也存在著信息檢索惰性和信息獲取渠道窄化的問題，導致用戶逐漸減少自主尋找信息的能力。

個性化信息可能導致用戶陷入信息過濾氣泡，只看到與自己觀點相符的信息。因此，使用人工智能提高效率時需要防范技術帶來的偏見。記者和內容創作者需要了解不同平臺的差異，綜合分析多個平臺的回答，以獲得更全面和多樣化的觀點。

四、結語

2023年8月初英偉達發布公告，宣稱研制的超級AI芯片比上一代快50%，人工智能訓練大模型的硬件成本將大大降低。[21]這無疑預示著硬件層面對AIGC的限制大大降低，圍繞著生成式人工智能的軟件市場爭奪方興未艾。對于新聞業而言，逐步走向數字化和智能化是大勢所趨，新聞生產充分發揮人工智能的潛力，提質增效也是面對激烈競爭的應有之義。以ChatGPT為代表的人工智能對原有的生產秩序和格局產生了沖擊，對于人工智能這一具有重大潛力的“千里馬”，作為策馬者的記者及創作者應該提高對人工智能的認識，才不會被眼花繚亂的炫技所迷惑。站在新聞生產者的角度來看，人工智能的不斷發展確實對新聞人進行了賦權，但是這種賦權是不均衡的。

2022年游戲設計師杰森·艾倫借助Midjourney模型生成了《太空歌劇院》，這是首個獲得獎項的AI生成藝術作品，也是生成式人工智能在藝術界引發巨大震蕩的導火索。有研究認為AI不會“消滅”藝術家，但是對于多數的藝術工作者而言則面臨巨大沖擊。[22]面對更加激烈的市場競爭和不斷迭代的技術，新聞生產者素質和能力的提高是否能夠和機器進化的速度同步至關重要，在此情境下探索一種創作者和人工智能協同生產的新聞模式，即專業性加智能化的PIGC模式，能夠有效應對技術發展對內容創作者帶來的沖擊。■

注釋：

[1]熊茵，鄭為升.UGC興起背景下的新聞傳播主體：類型意涵與演化博弈[J].編輯之友，2019（04）：79-85.

[2]陳龍.“后新聞”生產模式：生成式AI對新聞傳播業的再格式化[J].傳媒觀察，2023（03）：18-24.

[3]爆火的 AIGC 到底是什么 | 全面介紹，https：//blog.csdn.net/jiaoyangwm/article/details/129448529.

[4]Jenkins H. Fans， bloggers， and gamers： Exploring participatory culture[M]. nyu Press， 2006.

[5]Kim， J. 2012. “The Institutionalization of YouTube： From User-Generated Content to Professionally? Generated Content.” Media， Culture & Society 34（1）：53-67. doi：10.1177/0163443711427199.

[6]AI use in journalism brings ethical， employment concerns，https：//dailyillini.com/life_and_culture-stories/2023/02/27/artificial-intelligence-journalism/.

[7]Number of ChatGPT Users （2023）https：//explodingtopics.com/blog/chatgpt-users.

[8]Perkins， Douglas D.， and Marc A. Zimmerman. "Empowerment theory， research， and application." American journal of community psychology 23 （1995）： 569-579.

[9]呂鵬.作為假象的自由：用戶生成內容時代的個人與媒介[J].國際新聞界，2017，39（11）：68-82.

[10]劉康.人工智能如何助力媒體生產和運營[J].新聞記者，2019（03）：8-9.

[11]戴宇辰，蘇宇.從把關人到策展者：智媒時代新聞編輯角色轉型的內在邏輯[J].中國編輯，2023（Z1）：42-47.

[12]Francis， D. （2020）. “All bets are off if AI becomes smarter than people”. Financial Post， Innovation. Feb 03，2020.

[13]高山冰，汪婧.智能傳播時代社交機器人的興起、挑戰與反思[J].現代傳播（中國傳媒大學學報），2020，42（11）：8-11+18.

[14]騰訊研究院，ChatGPT人工智能及將來之人，https：//www.tisi.org/internet-frontiers-61.

[15]FBI Shoots and Kills Utah Man Accused of Threatening President Biden，August 10， 2023 | Author： AI Bot V27，https：//newsgpt.ai/2023/08/10/fbi-shoots-and-kills-utah-man-accused-of-threatening-president-biden/？utm_source=brevo&utm_campaign=Daily%20Email%20-%2010%20August%202023&utm_medium=email

[16]H. Bakhshi， C. B. Frey， and M. Osborne， Creativity Vs. Robots： The Creative Economy and the Future of Employment （NESTA 2015）.

[17]朱春陽，毛天嬋.“洗稿”該當何罪：數字新聞業共同體的消解與建構——基于《甘柴劣火》事件的考察[J].新聞大學，2022（08）：61-77+123.

[18]Lemley M A， Casey B. Fair learning[J]. Tex. L. Rev.， 2020，99：743.

[19]Hayes C M. Generative Artificial Intelligence and Copyright： Both Sides of the Black Box[J]. Available at SSRN? 4517799，2023.

[20]姜婷婷，許艷閏.窄化的信息世界：國外信息繭房、選擇性接觸與回音室研究進展[J].圖書情報知識，2021，38（05）：134-144.

[21]英偉達全球首發超級AI芯片：比上一代快50%，訓練大模型成本更低，AI前哨，https：//mp.weixin.qq.com/s/orf1BtmnDtmn2xGKFdqCOw

[22]AI不會“消滅”藝術家|業界動態.騰訊研究院，2023-08-11https：//www.tisi.org/26445.

（作者：安徽大學新聞傳播學院碩士）

責編：姚少寶