人工智能为媒体赋能
原标题：人工智能为媒体赋能人工智能有望改变媒体，重塑媒体的整个流程。未来，人工智能将融入到媒体运作的各个环节，但在媒体行业的落地，需要更复杂、更全面的架构。无论是人工智能本身还是其在传媒领域的应用，距离成熟都还有很长的路要走。当下，应基于媒体行业自身的数据构建具有针对性的人工智能系统，提升媒体与人工智能结合的成熟度。
人工智能媒体融合应用场景未来发展
媒体行业正处于融合发展的深水期和战略转型期，亟须找到媒体产业升级的新思路和新方向。随着人工智能应用的逐渐普及以及人工智能在媒体行业中一个个新的实际应用成果的诞生，我们越来越清晰地看到人工智能在推动媒体融合发展中的作用。人工智能给媒体行业带来的影响是深远的，推动着媒体运作流程中每个环节的变革，人工智能正成为媒体纵深融合的关键着力点，为媒体向智能化发展赋能。
人工智能+媒体：应用场景多元
大数据时代为媒体带来了前所未有的丰富数据资源和先进数据科学技术，但同时媒介环境变化也给行业的态势带来深度的影响。如今，受众呈现出分散化、复杂化的特征，信息量指数式增加，传统的内容生产、分发的方式及传受关系已不能满足时代的需要。媒体和媒体人正试图探索人工智能给智能媒体变革带来的新机遇，并积极寻求人工智能在传媒领域的落地。
人工智能在媒体有着巨大的应用空间，事实上，人工智能与媒体实际应用的结合已经有许多成功的案例并且在许多方面有着出色的表现，媒体行业对于人工智能技术直接或间接的运用正在不断发展,并将推广到更广泛的新场景。
高级文本分析技术
基于自然语言处理技术的文本分析技术是人工智能重要技术领域。自然语言处理（NLP）可以分析语言模式，从文本中提取出表达意义，其终极目标是使计算机能像人类一样“理解”语言。基于内容理解和NLP的写作机器人为记者赋能，可以模拟人的智能和认知行为，实现机器的“创造力”，经过对大量数据的分析和学习，形成“创作”的模板，用人机结合的方式来强化记者的写作能力。国内的媒体积极地将这一技术作为媒体内容生产方式的创新，如新华社的“快笔小新”，南方报业的“小南”等。百度人工智能开放平台推出的NLP产品“新闻摘要”，其技术原理是基于语义分析和深度学习模型，进行新闻内容的语义分析，自动抽取新闻内容中的关键信息，并生成指定长度的新闻摘要，可用于热点新闻聚合、新闻推荐、语音播报等场景。
图像和视频识别技术
图像和视频识别可以基于深度学习进行大规模数据训练，实现对图片、视频中物体的类别、位置等信息的识别。图像主体检测可以识别图像的场景、图像中主体的位置、物体的标签等。人工智能视频技术则能够提供视频内容分析的能力，对于视频中的物体和场景进行识别并能够输出结构化标签。
图像和视频技术在媒体中应用十分广泛，如内容分析、质量检测、内容提取、内容审核等方面。以媒体内容监测为例，有了人工智能图像视频技术的加持，使得非结构化媒体数据采用机器审核成为可能，通过数据集的训练建立用于审核的模型，针对画面中的元素进行追踪，对于图像及视频中的不恰当、有争议或违法内容、敏感内容、低俗内容等进行识别检测，进行标注和报警，以进行过滤和处理，可以大大减少人力的投入。
语音技术
人工智能语音技术主要包括语音识别和语音合成，它是一种“感知”的智能。自动语音识别（ASR/AVR）是基于训练的自动语音识别系统，将物理概念上的音频信息转换为机器可以识别并进行处理的目标信息，如文本。语音合成技术是通过深度学习框架进行数据训练，从而使得机器能够仿真发声。一些智能语音开放平台也提供了智能语音服务。以科大讯飞构建的智能语音开放平台为例，科大讯飞的语音输入法准确率已经能达到98%，并且输入的速度提高到了每分钟400字。越来越多的媒体开始使用科大讯飞的语音技术。
随着语音转换技术的日渐成熟，“语音-文本”双向转换技术在媒体中的应用成为可能。例如将语音识别技术在采编环节中使用，生成文本稿件并进行二次编辑。运用人工智能智能语音编译系统，将现场的语音报道生成文字版，大大提升了编辑人员原本耗时的整理工作的效率。将媒体的视音频内容转化成为文本素材，提升了媒体稿件、节目素材管理的效率。由于需要应对媒体音频和视频文件声源的复杂性和不可控性，虽然目前生成的文字稿件并不完美，但也在不断地提升和改善。
语音合成技术可以基于深度学习模型，把媒体报道的文章从文字版转换成语音版，并且接近于逼真的人声。甚至可以根据不同受众群体的需求，针对性地生成特定的声音供用户收听，打造更贴切、更有亲和力的语音体验。
人脸与人体识别技术
人脸识别是人工智能的应用中最为人所熟知的，它属于计算机视觉领域（CV）。目前人脸识别技术的主要应用包括人脸检测与属性分析、人脸对比、人脸搜索、活体检测、视频流人脸采集等方面。谷歌、苹果、Facebook、亚马逊和微软等互联网巨头争相在这一领域的技术和应用方面抢夺先机，纷纷推出相关的技术应用并不断突破创新。2018年5月的媒体报道称，亚马逊积极推广名为Rekognition的人脸识别服务，该解决方案可以在单个图像中识别多达100个人，并且可以对包含数千万个面部的数据库执行面部匹配。Facebook使用简单的人脸检测算法来分析图像中人脸的像素，并将其与相关用户进行比较，为上传到平台上的每张图片提供了自动生成的标记建议，取代了手动图像标记。
个性化推荐技术
传媒领域的大部分产品如电影、新闻、书籍、音乐、广告、文化活动等都致力于吸引受众阅读，聆听和观看媒体生产的内容。发现目标群体并把内容传播给该群体是能否达成媒体传播效果的关键一环，而个性化推荐技术解决了这一难题。这是目前在媒体中应用较为成功的人工智能技术，在媒体的内容分发过程中，个性化推荐技术为用户提供个性化体验，针对每个特定用户量身定制推荐内容，减少搜索相关内容所花费的时间。与此同时，对于人们所担忧的，由于算法主导的精准分发过程只推荐感兴趣的内容，会导致用户陷于信息茧房的问题，研究人员目前也在试图改进算法，开发“戳破气泡”的应用技术。例如BuzzFeed推出的“OutsideYourBubble”、瑞士报纸NZZ开发的“theCompanion”程序、Google的“EscapeYourBubble”等。
预测技术
现在已经开发出来的一些强大的基于人工智能的预测技术，让我们可以“预知未来”。通过时间序列（TS）建模来处理基于时间的数据，以获得时间数据中的隐含信息并作出判断。按照一定时间间隔点来收集数据，再对这些数据点的集合进行分析以确定长期趋势，以便预测未来或进行相应的分析。
当拥有时间相关数据时，时间序列模型将派上用场。例如，可以使用时间序列数据来分析某一家媒体下一年的用户数量、网站流量、影响力排名等，从而在广告投放方面作出合理决策。另外，如何及时地抓住社会热点是新闻机构所面临的重要问题，人工智能预测技术通过对海量的热点内容的模型进行训练和分析，建立热点模型，可以实现对于热点趋势的预测。
媒体需要思考的问题
人们越来越清晰地看到人工智能给媒体带来的意义与价值。在融合的时代背景下，媒体迫切需要人工智能带来推动媒体变革的潜力。与此同时，我们也不能认为人工智能可以解决媒体变革中的一切问题，技术并不是一块现成的、可以直接拿来享用的蛋糕，在媒体应用人工智能时，还需要着手考虑许多问题。
数据的完备性
媒介体系内部和外部都会产生大量的数据碎片，虽然目前数据量庞大，看似拥有海量的数据资源，但是生产的数据与可以用于人工智能的培训数据之间的匹配度还有待提升。在深度学习算法中，需要用大量的数据训练算法才能产生有意义的结果，数据的不完整性会导致准确性的下降，而准备这样的数据集的成本很高。为了实现大量的用户行为数据的积累，提高数据的完善程度，媒体需要构建大规模的数据体系和战略。为了实现人工智能在媒体中的进一步部署，媒体需要具备完备的数据源和处理更为庞大的数据系统的能力。
深度融合的方式
目前，人工智能技术还停留在初步应用层面，其深度还需要挖掘、广度还需要扩展，融合的方式也需要深入地进行探索。人工智能在媒体领域的大部分应用只是将现有的研究成果迁移到媒体行业，如果媒体想要更深入地参与到人工智能潮流中，就要积极地投入到算法的开发中，在人工智能领域中开辟出自己的空间，如此，才能使人工智能在媒体行业应用更加成熟。
数据安全与隐私
当人工智能应用飞速发展，人们很容易忽略在人工智能应用中的安全问题。2018年Facebook的数据泄漏事件折射出的数据安全漏洞引起社会关注，再一次提醒我们要严肃对待数据安全及隐私等问题。用户在媒介接触的过程中，用户数据和个人资料越来越多地交付给媒体，媒体在使用这些数据为用户提供更好服务的同时，需要权衡智能化用户体验和用户数据安全之间的关系。欧盟发布的通用数据保护条例（GDPR）于2018年5月25日正式生效，根据其条款，组织不仅必须确保在合法和严格的条件下收集个人数据，而且收集和管理个人数据的组织将有义务保护其免遭滥用和泄漏，并尊重数据所有者的权利，旨在确保人们可以掌控其个人数据。
坚守媒体的价值观和底线，保障数据安全，尊重用户隐私十分重要，媒体应思考在保护用户数据方面是否存在漏洞以及如何落实相应的人工智能安全策略。
人才培养
媒体领域对于人工智能人才的需求量还很大。要走出人才窘境，一方面要完善人才引进和培养规划，提升媒体从业人员的大数据和人工智能技能和素养，补齐人才短板。特别是要引进掌握坚实的传播理论基础，既懂媒体传播规律又懂大数据、人工智能的复合型人才，逐步形成与智能化媒体业务形态相适应的人才布局。另一方面要优化原有人才结构。当智能机器人取代部分人力成为可能，智媒时代的媒体人要在行业的巨变之中找准自己的定位，提升自己的知识技能。无处不在的“共享”和“开源”的知识使我们学习和了解人工智能行业前沿技术，例如Google发布的机器学习工具AutoML，用户无需掌握深度学习或人工智能知识即可轻松培训高性能深度网络来处理数据。
媒体和媒体人要拥抱媒体智能化的时代，破除对于新技术的“恐慌”，加快知识体系更新，使专业素养和工作能力跟上智能时代的节拍。
智能媒体：未来无限可能
虽然智能机器距离接近人类学习、思考和解决问题的能力还很遥远，但是机器取代人力是大趋势。人工智能将不断地从媒体生产链条向内容创建生产环节突破，从而帮助媒体进行内容升级和用户体验升级。
内容生产是未来人工智能在媒体行业实现新突破的重要方面，虽然人工智能目前不能超越人类的创造力，但可以承担起一部分信息收集、数据整理和内容创作的工作，将媒体人从一些重复性的繁冗工作中解放出来，从而节省出时间用于创作和创造性工作。媒体也应积极探索新的与人工智能结合的工作方式，使得工作更高效智能。
此外，人工智能将通过多种方式增强并带来更好的用户体验。通过学习用户行为，了解受众偏好从而使用户获取到感兴趣的内容，并根据用户画像定制个性化的内容。运用人工智能技术捕获处理数据，精准理解用户需求，可帮助媒体实现更加精细化的用户划分和用户分析，提供更加人性化的服务。人机交互使得用户体验更加立体化和场景化。
人工智能有望改变媒体的一切，重塑媒体的整个流程。预计未来人工智能将融入到媒体运作的各个环节。但无论是人工智能本身还是其在传媒领域的应用，距离成熟都还有很长的路要走。人工智能在媒体行业的落地，需要更复杂、更全面的架构。构建以大数据和人工智能为核心的技术生态体系，基于媒体行业自身的数据构建具有针对性的人工智能系统，提升媒体与人工智能结合的成熟度。目前人工智能技术在媒体行业的应用并不完善，但并不阻碍我们对于其发展前景的期待。
如何充分地发掘人工智能的潜力是媒体和媒体人面临的大命题，我们应思考人工智能如何更好地与媒介进行结合，尝试在融合发展面临的问题中加入人工智能解决方案。未来，机器与人的共生将成为媒体常态，我们期待人工智能为媒体带来更好的未来，在技术的助力下走向真正的智媒时代。
（作者沈浩系中国传媒大学新闻学院教授、博士生导师；杨莹莹系该院新闻与传播专业媒介市场调查方向硕士生）
(责编：赵光霞、宋心蕊)分享让更多人看到
人工智能环境下新闻业的发展思考【2】
三、新闻业在人工智能背景下的新挑战
“不优雅转型，则遍体鳞伤。但是我们是否会优雅地完成这次转型，还是会在这个过程中变得遍体鳞伤？”[3]。
1.新闻议题设置权利的让渡和算法推荐。人工智能环境下的新闻中，用户生产内容和机器生产内容占了很大的比例，这样的方式与以往媒体议题设置方式截然不同，议题设置的权利让渡给用户和机器。用户的新闻素养参差不齐，议题不能有效把控并反映有价值的新闻，生产的内容良莠不齐。机器算法推荐下的新闻有很大弊端，因为机器的推荐是基于对于新闻的阅读、评论等的数据挖掘，这很有可能造成虚假挖掘，这种推荐下更会给用户造成“信息茧房”的影响。
2.对新闻真实性等新闻专业主义的挑战。机器不像人类一样会受主观因素的影响，进而影响客观性和真实性。机器拥有中立的情感位置，人类的情感上的选择不会发生在机器身上。即使如此，也会产生对于新闻真实等新闻专业主义的挑战[4]。
著名学者麦克卢汉就曾提出“媒介即讯息”的观点。他十分看重技术对于新闻传播的影响。而他的学生保罗・莱文森则认为人类可以主动地选择和使用媒介，更好地为人类所用。机器写作拥有速度和大数据和可视化的优势，但是由于水平发展的原因，在某些时候机器无法挖掘出新闻背后深层次的原因，这个时候则可能造成新闻过于流于表面，没能表达出最真实的新闻，这也是一种新闻失实。其次，在追求个性化的时候，也会出现对于新闻真实性的挑战。例如，机器算法很容易被利用，造成一种“虚假挖掘”现象，让真正有新闻价值的信息被隐藏。
3.新闻版权。AI新闻的版权问题是一个关乎法律层面的大问题。例如，人工智能新闻在文字、图片、H5、视频等方面所运用的模板，是由编码写成的，同时也包括来源于网络的内容，一定程度上涉嫌侵权。在新媒体技术高速发展的今天，内容侵权的形式更加多样，而对此打击的方法却是捉襟见肘，缺少预见性的措施。以AR新闻为例，首先，AR出版物的版权归属问题，图片、文字的版权归属于作者，AR模型的版权归属于其所有权人，同一作品的多层版权问题由此而来。
4.伦理道德。机器智能在新闻业的现实使用中，包括数据的采用和挖掘极易出现新闻伦理问题。因为人工智能对于数据的使用没有一个固定的标准，使用不当就有可能出现触犯法律的事情。例如，“人肉搜索模式”这是一种缺乏道德约束的事关新闻伦理的行为，而这一行为会在人工智能条件下更容易滥用。
我们不能等出现了伦理与社会问题的时候才开始反思，我们必须在人工智能对于新闻业产生一系列伦理道德问题之前就做好充分的实践和理论准备[5]。
四、人工智能环境下新闻业形成的问题及应对措施
1.创新探索模式，突破“信息茧房”。新闻资讯内容在人工智能环境下出现井喷，同时也存在弊端，如何提升信息获取效率成了重中之重，现在的算法推荐大多采用（人找信息）搜索引擎的兴趣推荐算法，但兴趣算法推荐容易让用户困于“信息茧房”而不愿接受异质信息和观点。
在解决这一问题方面，可借鉴360快视频的经验，其采用“智能探索引擎”，以兴趣推荐为基础，注重感知用户情绪和探索自由。360集团助理总裁谢军样以橡皮筋的例子阐释“探索引擎”的工作机制，“用户一点点用力拉长橡皮筋，表明兴趣不断深入。当用户稍微一松手，在快视频表现就是对某种内容表示一点疲倦，此时，如同皮筋松手一样，迅速回到原位，转而探索用户的兴趣广度。通过这种方法，快视频突破单纯兴趣推荐带来的牢笼，给用户提供更新奇的内容[6]。”
2.针对伦理道德。人工智能环境下的新闻伦理道德问题是一个大问题，这有其技术因素的影响，也可以通过技术来完善解决。例如对人工智能产品设计伦理标准。让人工智能新闻在一个符合伦理道德的范围内工作，减少不必要的滥用。让机器人在新闻写作和视频制作上执行好符合人们预期设定好的工作标准，并建立及时的预警机制，出现问题时能够将危害降到最低。
3.对于新闻失实的把控。新闻失实，究其原因一方面新闻把关人的监管不力，另一方面是机器算法的漏洞。受众在新媒体环境下数量上史无前例，而且拥有巨大的自主性，同时也是极易被利用的个体。新闻把关人需要具有更超前的时代眼光，防微杜渐，与机器协同工作。针对算法漏洞，对于那些利用其漏洞谋取不当利益的人要严惩不贷的同时更要提高技术水平让不法分子无机可乘。总之，既要监管，又要“修身”。
4.培养受众媒介素养。人工智能时代媒体新闻活动的参与者,对于新闻的传播效果和趋势影响巨大。但是受众的媒介素养却也成为一个亟待解决的问题，既要政府加强培养教育，学校也应该普及这方面的知识，个人则更需要主动学习媒介常识，以免操作不当触及法律。
5.法律法规来保底。法律是一个保底措施。在人工智能媒体时代条件下，更需要扩展法律法规来适应新的环境。因为出现很多的新型网络犯罪，而新闻法却无章可循、无法可依。所以这方面需要扩展新型的新闻法律法规。同时，执行力度需要加强，遏制触犯新闻伦理道德的行为，营造一个良好的新闻传播环境，对于实现美好生活的愿望也大有裨益。
6.技术人员和新闻从业者承担社会责任。技术是由人类发明的，更是有人类使用的，技术本无罪，有罪的是恶意使用他的人。因此工智能技术的研发者，化解安全问题他们至关重要，应该积极承担社会责任，最大化技术的优点，完善技术漏洞。特别是在影响力巨大新闻业，更需要注重技术开发人员的社会责任感，并着力提高眼界和思维，放眼国际，兼收并蓄。对于新闻从业者来说，需要适应时代需求，更要认准并挖掘自身在调查报道、深度报道上的独特优势，借助人工智能来完成复杂的工作的同时寻求一个平衡点。
五、总结
人工智能并非是万能的，我们需要正确看待这一技术。在人工智能环境下，对于新闻业，人类与机器合作才更有美好的未来，人类永远是在新闻业务的关键环节中的的核心。人工智能对新闻业产生产生积极影响的同时，又出现新挑战、新问题，但是只要处理方法得当，技术会朝着更好的方向发展，更好地为人类所用。
参考文献：
[1]钟义信.人工智能:概念・方法・机遇[J].科学通报,2017,62(22):2473-2479.
[2]王亮.人工智能技术环境下新闻出版业运作模式创新[J].出版参考,2017(09):9-12.
[3](美)杰瑞.卡普兰:人工智能时代[M].李盼译.杭州:浙江人民出版社,2016.
[4]郑琳.“机器新闻写作”下的新闻真实[EB/OL].新媒体研究.2017(22):86-87[2018-01-08].https://doi.org/10.16604/j.cnki.issn2096-0360.2017.22.036.
[5]杜严勇.人工智能安全问题及其解决进路[J].哲学动态,2016(09):99-104.
[6]中国新闻网.360发布快视频APP“超短视频”战略全面启动.[EB/OL].2017-11..https://www.sogou.com/link?url=DSOYnZeCC_rz88Xns-EirBVBXAc9_CZB8t860uVBYPCHQ_Xn7bJ_N7KAIr5zOurlZdxX4rkQ3Oc.
【1】【2】(责编：宋心蕊、赵光霞)分享让更多人看到