從OGC到AIGC：媒體內容生產模式的變革與展望

2024-02-18 14:07:25張樂資李雅箏孔正毅

傳播與版權 2024年2期

張樂資　李雅箏　孔正毅

［摘要］文章通過對媒體內容生產模式從OGC到AIGC的演變過程進行梳理，探討算法主導的內容生產模式（AIGC）對傳統媒體生態的重塑。研究結果顯示，算法應用正在深刻改變新聞采集、翻譯、推薦和生成的傳統模式。展望AIGC時代媒體內容生產模式的發展趨勢，筆者認為AIGC將給媒體內容生產帶來深刻變革，主要變現為：智能生成，提升內容生產效率；人機協同，保證媒體內容質量；智能分發，優化內容精準推薦；平臺重構，創新媒體組織形態。綜上所述，AIGC時代的到來將推動媒體內容生產實現全面智能化升級，媒體應該培養算法思維，創新內容生產模式，積極向智能化轉型。

［關鍵詞］媒體內容生產；OGC；AIGC；新聞生產

隨著移動互聯網與人工智能技術蓬勃發展，媒體行業正在經歷前所未有的變革—內容生產模式正在從OGC向算法主導的AIGC演變。在新一代數字技術賦能下的互聯網具有自動化、智能化和去中心化的特征，而傳統的PGC和UGC模式都難以滿足新時代媒體內容生產的需要［1］。在媒體深度融合背景下，媒體亟須快速產出大量的高質量內容，AIGC作為新興的內容生產模式應運而生。AIGC（Artificial Intelligence Generated Content）指利用人工智能技術自動生成的內容，包括文本、圖片、視頻、音樂等。文章通過梳理媒體內容生產模式的發展脈絡，進而重點分析算法應用如何深刻改變傳統媒體的采編流程，并展望AIGC時代媒體內容生產模式的未來發展趨勢，旨在為傳統媒體的轉型提供借鑒。

一、媒體內容生產模式的嬗變

（一）OGC時代：媒體主導內容生產

OGC（Occupationally Generated Content）指職業生產內容。OGC的生產主體主要是相關領域的職業人員，其創作行為屬于職責義務，是履行人事契約的體現［2］。傳媒業OGC的生產主體主要包括新聞工作者、編輯等媒體從業人員，他們具備專業的新聞寫作、編輯、攝影等技能，通過創作內容來獲取職業收入。在OGC時代，媒體主導內容生產的模式可以保證內容的專業性和權威性。然而，這種媒體主導的內容生產模式也存在一些問題。其一，信息傳播呈現較強的單向性，媒體將內容輸出給受眾，受眾只能被動地接受。這導致受眾參與互動的程度較低，受眾的聲音和意見無法得到充分表達和反饋，限制了內容生產的多樣性和全面性。其二，媒體主導內容生產存在一定的局限性。媒體對內容的選擇和呈現方式可能會受到如政治立場、商業利益等因素的影響。

（二）PGC時代：專家主導內容生產

PGC（Professional Generated Content）指專業生產內容。PGC指各個領域的專家、意見領袖、專業人士等采用專業化的內容制作手段，同時遵循互聯網的數字化傳播特性，通過分享知識、技能和經驗等方式，為受眾提供有價值的信息和服務。PGC實現了內容制作的專業化和傳播的互聯網化。與媒體主導的生產模式相比，PGC的生產者既享有內容創作的自主權，又具備專業知識，保障了生產的內容的質量。

在PGC時代，專家們憑借豐富的專業知識和經驗，為受眾提供具有深度和價值的內容，滿足受眾對高質量信息的需求。專家們通過專業化的內容制作手段，如撰寫文章、制作視頻、發表演講等，將自身的專業知識傳遞給受眾，幫助受眾解決問題、提升技能、拓寬視野。與此同時，受眾基于內容進行討論可以提升內容的傳播速度，專家們也傾向于與受眾進行互動和討論，吸收不同的觀點和意見。這種雙向互動的信息傳播模式，改變了以往媒體的單向輸出模式，使受眾也能夠參與內容的創作和討論，促進了知識傳播的大眾化和專業化，實現了知識共享和共同進步。

（三）UGC時代：用戶主導內容生產

UGC（User Generated Content）即用戶生成內容，泛指以任何形式在各種網絡社交媒體上發表的由用戶創作的文字、圖片、音頻、視頻等內容［3］。UGC時代，內容生產權利下放給普通受眾（即用戶），內容制作門檻降低，受眾也有機會參與內容的創作和傳播。這一模式使受眾由被動的內容接受者轉變為主動的內容生產者和傳播者。這種大眾化的內容生產方式，打破了傳統媒體在內容生產中的主導地位，使內容的形式和傳播方式變得更加多樣化，傳播速度也得以加快。

然而，UGC時代的內容生產也面臨一些挑戰。由于參與內容創作的多為非專業人士，內容的質量參差不齊。雖然UGC時代實現了內容生產的大眾化，使得更多人可以參與內容創作，但由于生產者缺乏專業的知識和技能，生產出來的內容專業性較弱，難以滿足專業領域受眾的需求。因此，在UGC時代，如何提升內容的質量和專業性成為內容生產者亟須解決的問題。為了促進生產內容的專業化和個性化，未來UGC和PGC的相關主體可充分利用各自優勢，實現有機地結合。例如，專家們可以負責產出定位準確且高質量的核心內容，受眾則主要對內容進行補充、討論和傳播。為實現這一目標，專家們需要加強對受眾的培訓和專業支持，提高內容的質量和專業化程度。

（四）AIGC時代：算法主導內容生產

AIGC時代，算法開始取代人工成為內容生產的主體。AIGC時代內容生產的一個重要特征是高效生成。大數據分析和機器學習技術賦予算法強大的內容處理能力，使其能夠快速從海量的信息中篩選有價值的內容并進行創作，實現內容生產的智能化。媒體平臺也通過算法來主導內容的生產傳播。此外，算法還可以根據受眾的喜好和需求進行個性化推薦，極大地提高內容的定制化程度，滿足受眾的個性化需求。AIGC時代的到來標志著內容生產模式邁入智能化和個性化的新階段，極大地提高了內容生產的效率。通過先進的算法，AIGC能夠在短時間內快速生成大量的信息，且成本遠低于人力投入。然而，這種自動化的內容生產方式也存在一定的局限性，如其生產的內容缺乏深度分析和獨到見解甚至具有生產誤導性信息的風險。但是，相信隨著人工智能技術的不斷發展，未來AIGC生成內容的質量和價值將會不斷提高。在此期間，人類內容創作者仍然扮演至關重要的角色，其能提升基于算法生產的內容的質量，判斷內容是否正確。人機合作是媒體實現高質量內容生產的最佳模式，既能保證效率，又能兼顧質量。

二、智能算法在媒體內容生產領域中的應用

（一）基于大數據的智能新聞采集技術

隨著互聯網信息的爆炸式增長，媒體面臨從海量新聞信息中快速篩選高質量內容的挑戰。為了應對這一挑戰，媒體開始廣泛采用大數據和人工智能技術，以實現新聞采集流程的智能化升級。ChatGPT等人工智能通過網絡爬蟲、文本分析、機器學習等技術，獲取海量網絡新聞信息進行學習訓練。通過學習訓練，人工智能可以根據指令自動篩選新聞，解決傳統新聞采集中的重復勞動問題。這種自動化的新聞采集方式大大提高了新聞采編的效率。除了自動篩選新聞，媒體還可以通過大數據技術完成內容分類、關鍵詞提取、生成新聞摘要以及多語種翻譯等工作。媒體通過大數據分析，可以更好地了解受眾的需求，從而推送更加個性化的新聞報道。相較傳統的人工新聞采編模式，基于大數據的智能新聞采集系統極大地提高了新聞采編的效率，使新聞工作者能夠更加專注事件報道，并為新聞內容自動生成奠定基礎。然而，目前算法生成的新聞摘要僅限對事實的客觀描述，依然缺乏獨到的見解。

（二）人工智能驅動的多語言新聞自動翻譯技術

人工智能的自動化生成功能可以幫助新聞工作者快速、準確地將新聞報道翻譯成多種語言，提高新聞生產的效率和準確性，減輕人工翻譯的壓力［4］。通過對大量新聞素材進行深度學習和分析，人工智能可以快速準確地將源語翻譯成目標語，從而實現跨語言的信息傳播。這種技術的應用不僅可以幫助媒體更好地滿足受眾拓寬全球化視野的需求，還可以提高新聞工作者多語言新聞生產的效率和準確性，減輕人工翻譯的壓力，降低翻譯成本。相較傳統的人工翻譯方式，人工智能驅動的多語言新聞自動翻譯技術通過深度學習算法，能夠理解源語的語義和結構，并將其準確轉化為目標語。然而，由于不同語言具有各自的特點和文化背景，人工智能驅動的多語言新聞自動翻譯技術在某些情況下可能會出現翻譯不準確的情況。因此，人工智能驅動的多語言新聞自動翻譯技術仍然需要新聞工作者的監督，以確保語言表達的準確性，使翻譯結果更符合目標語受眾的表達習慣。

（三）面向受眾的個性化智能新聞推薦技術

隨著數字技術、網絡技術和信息通信技術的迅猛發展，新聞推薦已經從傳統的一刀切模式轉變為面向海量受眾進行個性化定制的模式。為了提升受眾體驗并滿足受眾的需求，媒體開始廣泛采用基于大數據和人工智能的智能新聞推薦技術，實現精準推薦。該技術通過分析受眾的行為數據從而構建受眾興趣畫像，利用算法進行智能測算，從而為受眾推送個性化新聞。媒體借助生成式人工智能工具根據實時互動描繪的受眾興趣畫像來進行新聞推薦，使受眾對媒體提供的內容產品體驗從“讓我看的”“我質疑的”轉變為“我想要的”“我認可的”［5］。基于大數據和人工智能的智能新聞推薦技術打破了傳統新聞推薦技術的局限，為受眾提供更加主動、精準和即時的體驗。因此，在移動智能時代，個性化智能新聞推薦成為媒體的重要發展方向。相較傳統推薦，智能推薦的優勢在于可以根據受眾的興趣和偏好實時進行動態更新，為受眾提供符合其需求的新聞內容。然而，算法過濾信息也可能導致“過濾泡”效應，使受眾陷入“信息繭房”，限制其獲取信息的廣度和開放性。因此，未來智能新聞推薦技術需要平衡受眾個性化需求和信息多樣性的考量，避免算法盲目迎合受眾需求而喪失新聞價值，確保受眾能夠獲取全面、多樣的新聞內容。

（四）人工智能賦能的數字化新聞內容生成技術

隨著人工智能技術不斷發展，數字化新聞內容生成技術成為主流趨勢。生成式人工智能可以生成文本、圖像、音頻和視頻等形態的內容，在文本方面它既可以生成摘要、論文，也可以生成策劃大綱、采訪提綱等創意性的內容，還可以按照難易程度生成不同知識層次的文本［6］。與傳統新聞寫作模式相比，人工智能賦能的數字化新聞內容生成技術具有質量高、速度快、成本低和信息實時更新的優勢。這不僅可以極大地提高新聞的生產效率，減輕新聞工作者的工作負擔，還可以為受眾提供更多的新聞內容選擇，滿足受眾的多樣化需求。此外，人工智能賦能的數字化新聞內容生成技術也推動了新聞產業的智能化升級，為媒體提供了更多的發展機會。然而，基于算法生成的新聞內容往往難以達到人工創作內容的深度和影響力。因此，新聞工作者應發揮核心作用，正確判斷新聞的價值，并提供獨特的視角和深入的分析，以提高基于算法生產的新聞內容的價值和影響力。與此同時，算法可以輔助新聞工作者工作，如新聞素材生成和數據分析。

三、AIGC時代媒體內容生產模式的發展趨勢

（一）智能生成，提升內容生成效率

內容生產是傳媒業的核心，AIGC通過自然語言處理和機器學習技術，學習和分析海量數據，對媒體內容生產模式進行“格式化”重構，從人工智能輔助逐步發展到人工智能自主內容創作，在信息采集和內容生產環節發揮技術賦能效應［7］。在AIGC時代，人工智能技術將被廣泛應用于內容生產，媒體內容生產模式將更加智能化和自動化，內容生產實現了由傳統手工操作向人工智能生成的轉變，生產效率得到顯著提升。算法驅動的內容生產系統能夠自動爬取數據、分析信息、生成新聞稿件，大幅提高了內容生產的效率，極大地降低了人力成本。此外，AIGC還能夠根據受眾需求進行個性化內容定制，滿足多樣化的受眾需求。總之，無論是提升新聞內容質量還是提高新聞生產效率，AIGC都將發揮重要作用。

（二）人機協同，保證媒體內容質量

ChatGPT通過大規模預訓練模型、Transformer算法以及深度學習技術，實現了文本、語言、圖像、視頻乃至代碼等多模態內容的生成，助推傳媒業走向人機協同融合之路［8］。通過應用深度學習技術、Transformer算法以及預訓練模型，機器能夠更好地理解和處理人類語言和相關信息，促進媒體內容生產模式的變革。盡管人工智能可以提高內容生產的效率，但在專業性、創造性、判斷力和價值觀等方面，機器仍難以匹敵人類的獨特優勢。因此，人工智能賦能新聞生產須始終保證人類的主導地位。ChatGPT作為一種工具，需要新聞工作者的引導，而不是作為替代新聞工作者工作的獨立產品［9］。思辨的內容、深刻的思想，是人類不被AI取代的核心競爭力［9］。因此，在媒體內容生產模式更加智能化的背景下，新聞工作者仍然發揮重要的作用，負責判斷新聞價值、事實核查等工作，而ChatGPT等工具則提供技術支持。這種融合人機優勢的協同工作模式既能提高新聞生產的效率和質量，還能保證人類的主導地位，確保新聞報道的準確性和客觀性。

（三）智能分發，優化內容精準推薦

智能分發系統通過匹配海量信息與受眾需求，極大地提高了信息傳播的效率和精準度［10］。智能分發系統通過分析受眾數據，建立受眾畫像從而進行精準推薦。同時，智能分發系統還能夠依據受眾反饋不斷優化推薦算法，持續提升內容推薦的精準度。此外，智能分發系統還能夠實時跟蹤受眾的興趣變化并及時調整推薦策略，實現動態精準推薦。然而，智能分發算法對受眾來說仍是不透明的黑箱操作，可能存在商業利益驅動或價值偏頗問題，也可能導致“信息繭房”［11］。

因此，為了實現智能分發的公平與健康發展，相關主體有必要提高大數據和人工智能技術算法的透明度，這可以通過外部監管和受眾參與等手段來實現。外部監管機構可以對智能分發算法進行審查和監督，確保算法的公正性和客觀性。同時，受眾也要積極參與智能分發，及時為算法提供反饋和評價，以減少算法的歧視和偏見。

（四）平臺重構，創新媒體組織形態

AIGC時代，內容生產模式將推動媒體組織形態的創新和重構。ChatGPT等基于大型語言模型的生成式人工智能可能成為未來傳播的新型基礎技術，大大提升內容的生產效率，推動內容生產模式智能化升級，并促使傳媒業向平臺化生態過渡［12］。具體來看，AIGC將通過智能寫作、智能采訪等方式實現新聞生產的高度智能化，革新新聞工作者的工作內容—新聞工作者的主要工作將聚焦在內容策劃、審核和創意方面。此外，媒體將通過與AIGC的結合，打破內容生產邊界，實現內容的多元化和個性化生產，以人為核心的傳統媒體組織模式將被重構，以數據和技術為核心的新型媒體組織將成為主流。這種平臺重構將為受眾提供更加多樣化和個性化的內容選擇，推動傳媒業的發展和變革。

四、結語

從OGC到AIGC，媒體內容生產模式正在經歷深刻的變革，算法和技術正在逐步取代人類成為內容生產的主導力量。一方面，AIGC提高了內容產出效率，滿足了受眾的需求；另一方面，它也引發了算法歧視和偏見等風險。因此，傳統媒體需要在開拓創新與風險防控之間找到平衡，通過人機協同實現內容生產模式的可持續發展。

［參考文獻］

［1］胡正榮，李涵舒.顛覆與重構：AIGC的效用危機與媒介生態格局轉化［J］.新聞與寫作，2023（08）：48-55.

［2］龍家慶.面向內容質量控制的檔案知識生產研究：基于OGC、PGC和UGC機制的比較［J］.檔案與建設，2020（07）：28-32.

［3］李寧，姚麗，陳兵.大數據時代圖書生產與UGC聯姻研究［J］.科技與出版，2017（12）：101-104.

［4］黨晶晶.ChatGPT在新聞生產領域中的嬗變與重構［J］.傳播與版權，2023（13）：4-6.

［5］曾曉.ChatGPT新思考：AIGC模式下新聞內容生產的機遇、挑戰及規制策略［J］.出版廣角，2023（07）：57-61.

［6］陳昌鳳.生成式人工智能與新聞傳播：實務賦能、理念挑戰與角色重塑［J］.新聞界，2023（06）：4-12.

［7］郭小平，段琳杉.AIGC：引領傳媒業變革與人機關系的重構［J］.視聽界，2023（03）：5-10.

［8］黃楚新，張迪.ChatGPT對新聞傳播的機遇變革與風險隱憂［J］.視聽界，2023（04）：30-35.

［9］史安斌，劉勇亮.從媒介融合到人機協同：AI賦能新聞生產的歷史、現狀與愿景［J］.傳媒觀察，2023（06）：36-43.