人工智能与新媒体的进化路径

作者：刘芬

来源：《中国传媒科技》 2016年第10期

摘 要：人工智能与新媒体都是诞生于信息化的技术基础之上，二者在底层逻辑上具有共通性。随着近年来人工智能技术在新媒体上的不断应用，新媒体的传播效能得以大幅提升，新媒体的传播优势也得以强化。人工智能正在逐步影响与改变着新媒体的信息生产与传播模式，令媒介边界变得日益模糊。未来，新媒介将沿着社区化、平台化与类人化的逻辑进行进化。对于人工智能技术可能诱发的某些问题，则需要媒体人进行价值干预，这也是未来媒体人的竞争力所在。

关键词：人工智能；新媒体；信息生产；全反馈；社区化；平台化

中图分类号：G20 文献标识码：A

文章编号：1671-0134（2016）10-018-03 DOI：10.19483/j.cnki.11-4653/n.2016.10.003

文/ 刘 芬

新媒体自诞生以来，不但改变了既有的传媒格局，也走出了一条与传统媒体截然不同的进化之路。新媒体融合了传统媒体的传播符号与技术，有着诸多显而易见的优势，新媒体的发展前景是值得期待的。另一方面，人工智能技术作为近年来颇为热门的概念，也已经渐渐进入到了我们的生活之中，例如大数据处理就是人工智能的典型应用之一。在新媒体领域，人工智能技术也在发挥着越来越重要的作用，“今日头条”等个性化新闻App 的成功已经证明了人工智能对传统信息传播模式的冲击，而近年来人工智能开始涉足新闻写作则意味着新闻生产模式的革命。尽管目前机器新闻写作还只是局限在财经、体育等部分领域的稿件之中，但随着计算机运算能力、语义理解能力、学习能力的提升，人工智能在新媒体中的应用还将进一步拓展与深化，新媒体也将继续沿着自身的逻辑路径进行进化。

1. 人工智能的新媒体应用

人工智能的概念早在计算机诞生之初就已经提出，随着信息技术的进步，人工智能的诸多幻想正在逐步变成现实。人工智能是互联网前进的技术驱动源之一，智能化是互联网不可逆转的发展趋势。新媒体的出现，则淋漓尽致地展现出了互联网的传播优势：一方面新媒体融合了图像、声音、文字等传播符号，令信息的传播更为立体、全面，另一方面新媒体的传播速度和互动性也远远超过传统媒体。

互联网的发展由最初的网络化、数字化，演进到今天的智能化发展阶段。未来网络发展和竞争的高地就是对于广域网络空间中的人与人、人与物、物与物实现其价值匹配与功能整合的高度智能化。人工智能与新媒体，看似是两个不同的领域，但实际上二者都是建立在信息化这个技术基石之上的，其底层逻辑是相通的。

人工智能的快速发展，为新媒体提供了一种新的信息生产与传播的可能。当下人工智能技术在新媒体中的应用主要有两个方面：其一是信息内容与传播方式的个性化，其二是信息生产的智能化。前者主要是根据使用者的个人偏好，经过大数据的计算和选择，为使用者推送相应的信息或“定制”相应的主页。以百度为例，当用户登录百度主页的时候，会看到百度根据其使用习惯和内容偏好进行计算之后为其“定制”的个性化页面，这种个性化页面无论是信息传播的准确度还是效率均比传统的门户网站有大幅提升。热门APP“今日头条”同样也是采用大数据算法，为用户推送其可能感兴趣的新闻。这一迥异于传统媒体的新闻推送方式，让人工智

能的威力显露无疑。与此同时，信息内容与传播方式的个性化，还意味着传统的信息传播方式正在逐渐失效。此前，无论是报纸、杂志还是门户网站，想要覆盖更多的受众，就必须求大求全，所以我们可以看到报纸、杂志越做越厚，门户网站首页的超链接越来越多，但对于用户来说这些增加的信息量实际上是冗余的。人工智能通过算法的优选，摒弃了冗余信息的干扰，让用户能够直接接收最有用的内容。这意味着，对于未来的媒体来说，影响力的关键并不完全在于自身信息生产能力的强弱，其中相当一部分取决于数据的运算与处理能力。

信息生产的智能化，主要表现在当前机器新闻写作的广泛应用上。目前，国内外的许多主流新媒体都开始了机器新闻写作的尝试。实践证明，在体育、财经、自然灾难等规格化的新闻资讯写作中，机器可以做到在数十秒甚至数秒内快速生成新闻，且差错率远远低于人工写作。而通过对不同语料库风格的学习，机器新闻写作也可以适应不同人群的语言表达方式，匹配度更高，更受用户欢迎。此外，借助于计算机的数据处理能力，机器新闻写作还可以将单个看意义不大的数据和文本的社会价值挖掘出来，给人以总体性的全新视角。这种方式如果再加上人工智能中“可视化”技术的表达，则可以使局于一隅的人们有一种超乎局部观点和眼界的“上帝视角”。不过，时至今日，大多数人对于机器新闻写作的理解还停留在“减轻记者劳动强度”的阶段，并且认为机器新闻写作只是对网络数据的简单整合与分析，不足以危及传统新闻生产模式。虽然现阶段，人工智能的处理能力还相对有限，尤其是在情感认知方面还处在相当初级的阶段，但人工智能强大的学习能力和进化速度却不容小觑。信息生产的智能化对于新媒体乃至于整个人类媒体而言影响都是极为深远的——信息生产的智能化，意味着新媒体不再仅仅是一个传播信息的工具或是平台，而且还具备了自生成信息的能力。换而言之，新媒体是信息生产与传播的合一，这对于此前数千年来以人类为中心的信息生产模式是一个极大的挑战。如何应对具有自生成能力的新媒体，将是媒体人乃至于全人类必须要面对的问题。

2. 人工智能对新媒体特征的影响

麦克卢汉早在半个世纪以前就曾作出了“媒介即内容”的论断，这一论断经由波兹曼等媒介环境学者的阐发，已经成为传播学领域的一种共识，即传媒技术的演进不仅仅会影响信息传播的方式，同时也会影响信息传播的内容。人工智能的发展，令新媒体的信息传播模式与内容都有了新的改变。

2.1 全有效反馈的实现

反馈是传播学中一个非常重要的概念，也是传播中不可或缺的一环。囿于技术的限制，传统媒体通常难以接收到受众的直接反馈。互联网的出现，让媒体与用户之间的互动大大加强，但现阶段的大多数新媒体仍然不足以做到全有效反馈。所谓全有效反馈，包含全反馈与有效反馈两个方面的内容。

全反馈即媒体对全部信息的反馈，例如很多媒体开设有微博、微信账号，读者也可以通过电子邮件、短信平台等方式与媒体进行联系、反馈。尽管与之前相比，反馈的渠道增多、反馈效率有所提升，但媒体是没有精力对每一条反馈进行回复的。人工智能的出现让全反馈成为可能。以微软小冰为例，任何人在微博平台上@ 微软小冰，都可以在数秒钟之内得到微软小冰的回复，而这种回复是由微软的人工智能平台所做出的。与传统的自动回复相比，微软小冰的回复不但是基于留言者的内容而发布的，而且还带有相应的语气。

有效反馈即反馈的信息都能得到正向回复和确认。例如，某网站发布了一条新闻，对于这条新闻不同的人持有不同的观点，A 持支持立场要求保留这条新闻，B 持反对立场要求删除这条新闻。对于网站编辑这个“把关人”而言，无论是删除或者不删除，总有一方得不到有效反馈。人工智能的出现，则可以根据用户的偏好进行有效反馈，比如可以在下一次页面显示中删除该条新闻，或在以后的推送中不推送与此新闻相关的信息。

全有效反馈是人工智能技术框架下新媒体的重要特征，也是新媒体与传统媒体的重要区别。虽然目前在新媒体中全有效反馈并未完全成为现实，但会随着人工智能技术的普及而逐步实现。

2.2 深度内容定制的兴起

个性化新闻页面如今已不是新鲜事，但这只是人工智能在新媒体中的浅层应用。机器新闻写作的效率与准确率已经被业界所认可，这预示着人工智能在大数据处理方面的潜力正在逐渐地被挖掘出来。随着人工智能技术的进步和新媒体自生成能力的提升，深度内容定制将成为新媒体的主流。所谓深度内容定制，即依托人工智能对于信息的收集、整合与分析能力，根据用户的要求对信息内容进行抓取与分析，形成符合人类思维与阅读习惯的信息。例如，用户打算阅读一篇与某明星有关的文章，但互联网上只有关于该明星的零散信息，并没有成型的新闻稿件，此时用户便可以输入明星的名字做关键词，系统随即可生成一篇涵盖该明星演艺经历、心路历程、家庭状况等内容的综合性稿件，免去了用户自己搜寻、整理信息的时间。虽然在思辨能力、价值判断等层面，人工智能在短时间内还难以有令人惊艳的表现，但人工智能对信息生产方式的变革却是毋庸置疑的。机器新闻写作的出现与普及，正是内容定制的先声。

2.3 媒介边界的模糊

人工智能在新媒体中的应用，使得传统的媒介边界变得日益模糊。人工智能对媒介边界的影响，表现在三个方面：

首先，人工智能使得不同媒介机构之间的边界变得日益模糊，以“今日头条”为例，作为国内热度最高的新闻APP之一，“今日头条”本身并不生产新闻，其新闻内容来自于与其有合作的数百家新闻媒体，在“今日头条”的应用中不同媒介机构之间的边界不再如现实中一样清晰，而是成为互相融合与关联的信息体。

其次，是不同媒介类型边界的模糊，随着人工智能技术在文字、图片、视频、声音等领域识别与处理能力的进步，人工智能的搜索范围正在从以文字为主向图片、视频领域拓展，这意味着不同媒介类型之间的区隔正在逐渐被打破，其边界正变得日益模糊。

第三，是媒介与非媒介边界的模糊，在传统的认知中，信息生产是媒介的特权，但如今媒介与非媒介之间却不再有清晰的鸿沟。一方面出于商业利益、产业战略等层面的考虑，媒介与非媒介之间的合作日益增多；另一方面信息本身呈现出多元化的价值，不再是此前单一的新闻——例如一位女性在浏览新闻时可能不仅仅会关注新闻内容本身，还会关注新闻中人物的衣着打扮，而某些商家则会在新闻图片中设置超链接或者广告位，用户可以一键直接购买相关的服饰。至此，媒介与非媒介的边界已经难以辨别。

3. 人工智能背景下新媒体的发展趋势

3.1 社区化

借助于人工智能，用户与媒体之间不断进行互动与反馈，最终媒体不但能够将用户感兴趣的内容甄选出来，还可以自生成内容供用户阅读、观赏。由此，围绕共同的话题和趣味，用户能够形成一个互动、自洽的社区。实际上，从新媒体的发展历程来看，社区化是一个不变的主线。以百度贴吧为例，每一个贴吧实际上就是一个围绕共同话题形成的网络社区，对此感兴趣的用户聚集于此，不断互动、交流，让贴吧成为了青年亚文化的大本营和表情包的策源地。在社区内部，信息的传播效率和效果是远高于社区之外的，因而社区化也可以令新媒体的媒介效能得以最大程度的发挥。以微信公众号为例，当前许多大V 的粉丝量可以到数百万，单篇文章

的阅读量可以达到数十万甚至百万以上，而这样的阅读量实际上已经远远超过了绝大多数报纸新闻和电视新闻，而其影响力则会经过不断的转发呈现几何级数的增长。

人工智能加速与强化了新媒体的社区化趋势。此前，新媒体社区的形成需要依靠用户不断地寻找、交流，而人工智能依靠对数据的搜集、整理与分析能力，可以直接将用户感兴趣的话题与内容推送给用户，并通过分享、评论等方式与其他用户完成交流。在这样一个信息过剩的年代，与信息的数量相比，信息的质量、态度以及信息引申出的“关系”是用户最为看重的。近年来社交媒体的快速发展，让“关系”的价值得以前所未有的展现，而几乎所有的网络媒体都有“分享”这样一个图标。可以说，当前新媒体强调的社交与分享，正是社区化的最好注脚。此外，因为社区化也可以令新媒体的媒介效能最大化，所以社区化同样也是新媒介运营者的最佳选择。目前人工智能正在介入新媒体的运营，成为新媒体平台的技术支撑，随着人工智能的发展，社区化将成为新媒体的主流是毋庸置疑的。

3.2 平台化

马克·波斯特将互联网界定为“双向去中心化的传播媒介”，这一界定包含了两方面的内容：首先，互联网的交流是双向的；其次，互联网是去中心化的媒介。双向去中心化意味着双方在信息的传播与接收上是完全平等的，每一个人既是信息的创造者，同样也是信息的接收者。喻国明则借用物理学中“维度”的概念对互联网进行了描述，认为与传统媒体相比，互联网实际上是一种多出了一个维度的“高维度媒介”——那个多出来的维度是被互联网激活的个人。在传统媒体时代处于接收者地位的、被视为均质的大众，在新媒体中成为了一个一个的信息节点，因此用传统的思维方式和管理方法去理解和管控新媒体实际上是错误的。新媒体正在逐渐成为一个平台型媒体，而不是中心化媒体，新媒体的影响力来自于其连接的每一个个人，而非其自身。

对于新媒体而言，人工智能令平台化的趋势更为明显。无论是百度首页的个性化推荐还是各大新闻APP 大数据分析的使用，都在证明信息的价值并不在于被看到，而是在于被谁看到。换而言之，新媒体的影响力不在于其本身发表了多少信息，而在于用户接收到了多少有用的信息。一方面，每一个人都在成为信息传播的节点，每一个人既是发布者也是接收者；另一方面，人工智能正在帮助用户不断地选择信息，甚至根据用户的需求创造信息。对于身处其中的每一个用户来说，新媒体本身正在逐渐变为一个平台。

3.3 类人化

对于媒介的发展趋势，媒介生态学者保罗·莱文森曾经指出媒介正在向人进行进化。在保罗·莱文森看来，媒介并不是随意地衍化，而是越来越具有人类传播的形态，媒介融合的终极形态是人类的大脑——这个不到两公斤重的组织，做了包括思考、阅读、情感、计划、记忆、处理视觉、听觉、味觉在内的所有事情。事实上，保罗·莱文森的预言，正是现在人工智能逐步尝试的目标。从目前人工智能的应用而言，人工智能让新媒体有了初步的类人化特征：一方面人工智能通过对信息的筛选和甄别，让用户能够不断地接收到自己感兴趣的信息，随着用户使用频率和时间的增加，信息的推送会越来越准确，对于用户来说媒体就像一个人一样越来越“懂”自己；另一方面，人工智能在信息生产方面的应用，让新媒体正具有像人一样思考、表达的能力。新媒体的类人化，本质上是新媒体信息传播方式的类人化。随着人工智能技术的进步，人工智能会变得越来越像人。未来，当人工智能能够对态度、情感与价值进行判断，并体现于信息生产中的时候，新媒体也将成长为一个类人化的媒体。在用户眼中，新媒体将不再是一个媒体，而是另一个自己。

4. 结语

人工智能是互联网发展的底层逻辑，类人化是人工智能不断努力的目标。近年来人工智能技术在新媒体领域的广泛应用，大大提升了新媒体的传播效能和影响力，并逐步改变着传统的以人为中心的新闻生产与传播模式，这一趋势不可逆转。新媒体正在沿着社区化、平台化与类人化的方向不断前进。对于媒体人来说，认清人工智能在资讯规格化、模式化的处理上所表现出来的高效率是必要的。当然，人工智能技术可能导致的某些负面影响是需要避免的，例如人工智能在信息选择上如果一味迎合用户则可能会强化用户在某些问题上的偏见，商业化内容的过度侵袭可能导致用户接受信息的效率下降，这些是需要避免的。因此，未来媒体人的真正价值应当在于价值规则的制定和参照框架的选择，在拥抱人工智能技术的同时对人工智能实施必要的干预，这是媒体人的核心竞争力之所在。

（作者单位：中国外商投资协会优质品牌保护委员会）