【他山之石】人工智能在新闻传播中的运用：实践探索与伦理困境
近来，一套名为“立法新闻提示表”（LNTS）的人工智能新闻报道系统被广泛运用于法治新闻的报道场景当中。[3]这个由AI驱动的新闻报道辅助工具可以通过系统搜索和收集与美国各州立法会议有关的具有新闻价值的事件，为记者及时提供事件背景数据，从而方便他们进入更为深入的后续采访。例如，今年6月美国最高法院做出有关“堕胎权”的仲裁后，引发舆论的高度关注。各州立法机构也纷纷展开辩论，制定相应的法案。对于这类具有高度争议性和关注度的议题，AI系统可以在数据出现井喷或异常时向记者发送“新闻预警”，提供包含相关事件背景信息的模板文本。地方媒体的专业记者和编辑借助于LNTS分析议员之间的对话，可以监测和跟踪他们之间的“拮抗”关系，从而对各州立法的结果进行准确的预测，影响舆论的走向。
这套AI新闻报道系统还可以帮助记者捕捉到日常工作中难以发现的线索，将新闻生产者的“触角”延伸至以往报道匮乏甚至于完全缺失的领域。例如，通过历时性的资料收集，该系统可以汇总各州议员的投票历史，判断特定人选的投票结果是否与之前的立场相悖，并向记者及时提供相关数据，使其能够把更多的时间和精力投入深入的思考和解读中。
显而易见，这套系统可以有效节约人力和财力，可以自动生成包含从众多新闻网站之中收集的信息线索的“菜单”或“食谱”供记者随时调用和搭配。另外，该系统还借助于传感器技术来帮助新闻媒体完成远程资料和数据的收集工作。在堕胎立法争议的报道中，加利福尼亚州、佛罗里达州、得克萨斯州和纽约市等新闻“热点”地区都对该系统开放了当地立法机构和会议的访问权，从而大大提升了新闻媒体跨地域的报道效率。值得注意的是，LNTS是多方合作联手开发的创新成果，专业记者、编辑、数据科学家、工程师、新闻学院的教授携手合作，推动产学研一体化的全链条再造，为解决长期以来新闻业界、学界和教育界之间相互“脱钩”的积弊探索出了一条新的道路。[4]
第二，新闻呈现。AI的运用可以优化和丰富新闻报道的表现方式，增强了产品、内容与用户之间的互动性，帮助用户获得临场的个性化体验，同时也提供更为高效的信息服务。算法推荐系统可以根据用户的偏好和所处场景，为其提供定制化的环境信息和服务，有效提升用户黏性。
2022年2月，路透社和从事AI研发的“合成媒体”（Synthesia）公司发布了世界上首个以虚拟主播为中心的自动化播报系统。该系统建立在路透社视频素材库的基础上，将专业体育主播的影像和与AI相结合，创建了一个可编程的虚拟主播来进行赛事报道和分析。路透社的图片摄影和视频报道为这位虚拟主播提供信息和观点，甚至可以细化到主播的一招一式，不仅无需任何的人工脚本、编辑和制作，还能够自动创建新闻摘要和字幕，根据传统媒体和社交平台的需求创建与之适配的不同播放版本。[5]
2021年初，BBC管理层关注到62%的在线用户每天收听播客，时间从30分钟到4小时不等。为此，BBC与微软合作开发了AI辅助的播客App，借助深度神经网络创建出具有自然语调和清晰发音的合成语音。起初作为BBC名牌系列节目“生活方案”（TheLifeProject）”的一部分推出，将16篇新冠肺炎疫情期间为读者提供生活指南的专题文章以音频方式呈现。获得广泛好评后，该产品又拓展内容，精选BBC网站特色垂类频道的优质文章以播客形式推出。
用户可以在电脑、智能手机等多个终端上获取这个App，在浏览精选文章时会收到“收听文章”提示，并且可以选择后台不间断的播放以获得“伴音”体验。更具特色的是BBC为此开发的合成语音系统。此系统具有位于柔和音域的声音，以其圆润、拟人化的音质给人温馨的感受。此外，合成语音还具有更为显著的包容性和适应性，音频可以在文本编辑时根据不同的需求自动更新，并根据不同的内容调整播报的音调和音色[6]。
第三，新闻分发。在信息过载时代，运用AI不仅能够对新闻媒体生产内容进行精准分发，提高触达率，还可以为用户提供定制化、个性化的信息。初代“新闻推送”功能主要是基于时效性的考量，辅以AI可以将基于内容的推荐、协同过滤和时序流行度相结合，采用“混合概率”的新模式而非传统的“相似性”原则进行推送。谷歌新闻（GoogleNews）是这一新模式的先行者，通过计算历史点击数据或互动频率等数据预测用户的偏好，根据每名用户的不同配置信息为其量身定做“我的日报”。
基于内容的算法推荐和用户之间的协同过滤可以满足不同的用户在“冷启动”“短暂兴趣”“长期偏好”等三个方面获取定制化的内容需求，并将用户的兴趣标注为对某些内容特征的偏好，从而维持更长时间的关注度，尽可能降低由“冷启动”带来的用户数据的“稀疏度”。借助于“协同过滤”可以合并用户近期的兴趣和浏览行为，满足短时间内用户对信息新鲜度和热度的需求。总的来看，人工智能新闻推送系统有利于通过提供个性化信息的方式增强用户黏性和忠诚度，通过提升用户的消费意愿提振新闻产品的价值转化。
当前AI在新闻传播领域的应用不仅可以给予新闻生产者更多的便利，也可以在新闻呈现上更加人性化，并为用户提供个性化的内容消费体验。但不容忽视的是，AI算法在提高新闻传播运作效率的同时，也蕴含着“把关人”权力转移的危机，从而成为加剧偏见和谬误扩散的催化剂，导致国家和社会在种族、党派、性别等议题上的撕裂。
智能传播中的偏见扩散
在新闻生产的过程之中，“算法偏见”的主要来源并非是算法本身，而是底层数据的收集和筛选结果。新闻生产算法模型分为“训练器”和“筛选器”两部分。“训练器”的偏差主要是在基础数据库和训练过程中产生；而“筛选器”则可以根据“训练器”的预测模型使用包含人类决策和带有社会偏见的数据进行“次级训练”。例如，在海量新闻文本基础上“训练”出来的“词嵌入”技术强化了固有的有关性别的刻板印象，而算法设计者即便没有突出性别偏见，也依然会因为被其他变量编码而将带有性别偏见的词条“嵌入”最终显示的文本当中。
更有甚者，人类也会蓄意利用算法偏差误导和操纵偏见，这便是“计算宣传”的由来。2022年2月，丹麦哥本哈根大学进行多模态人工智能感知研究的学者杜尔（BrianL.Due）在其论文中将散播社会偏见的人工智能技术分为三类，一是社交机器人，二是平台内置算法工具，三是人工合成的虚假人物“档案”。首先，目前从“社交机器人”（socialbots）到“深度伪造”（deepfake）等多种借助于人工智能技术的计算宣传手段层出不穷。大量蓄意散播偏见的社交机器人在Facebook和Twitter等全球性社交平台上泛滥成灾。这些“僵尸军团”在关键性议题上散播海量的带有偏见和歧视性的“谬讯”（disinformation），误导公众认知和舆论，降低了民众对政府、媒体等公共机构的信任度，让选举、公投等政治活动的走势发生戏剧性的逆转，甚至于挑动暴力行为和群体冲突，从而加剧了社交平台的“武器化”倾向。[7]
其次是特定社交平台内置的人工智能工具所产生的社会偏见。这些以提升工作效率为目标的工具基于“规范性分析”的机制，通过将下一步行动“嵌入”算法来操控用户的行为偏好。例如，社交平台上的词句联想和自动生成的功能和对图片、视频选择的暗示或诱导，都会影响用户对下一步行动的决策。如果使用特定的数据对这些工具进行“训练”，就会导致社会偏见的隐性扩散。杜尔对Twitter的“人工智能裁剪”进行研究后发现，虽然这一工具帮助用户自动选取“精华”部分作为缩略图进行展示，但它优先选择的往往是白人而非少数族裔。
再次还有利用“虚拟网红”来散播似是而非的偏见性内容。虚假的“合成人设”拥有比“社交机器人”更加拟人化和有说服力的背景资料，在社交平台上更容易成为受到粉丝追捧的网红意见领袖（KOL）。在“领英”（LinkIn）等交友平台上，出现了一个名为“凯蒂·琼斯”（KatieJones）的网红，她与多名美国政界顶级人物建立社交网络。美联社在对其照片进行分析和比对之后宣告此人不存在，她的面部特征都由人工智能进行合成，并将此类行为定性为社交平台上兴起的“隐身间谍”活动。
在新闻呈现的方式上，机器人的形象设计在外观和语音上反映了一定程度的社会刻板印象，并通过与用户的精准互动促进了偏见的深度“内嵌”。在新闻机器人的多元呈现方式中，最为明显的伦理困境便是性别偏见，这种偏见主要来源于对机器人的“类人化想象”。最为常见的是具有性别特征的机器人与不同工作与任务相联结的“职业偏好”。例如，虚拟主播通常设定为青年女性，而虚拟评论员通常设定为中年白人男性，这在一定程度上复刻了传统媒体实践中的“刻板印象”。另外，调查显示，用户会更多与具有女性特征的机器人产生情感上的亲近与信任，并且默认“女性”机器人更适合从事信息服务类的工作。
目前最普遍使用的AI机器人是“语音助手”，而具有“专属性”和“服务性”的语音助手通常被设定为青年女性，例如Windows系统的小娜（Cortana）、苹果系统的Siri和亚马逊的Alexa等。这样的人设不仅加深了原有的性别偏见，而且出现了用户“调戏”语音助手的大量案例。“小娜”的语料编写者透露，在其上线初期的对话请求中包含了大量的色情露骨内容。
为了解决这个问题，2019年3月，哥本哈根大学的语言学家和软件工程师合作，推出了全球首个无性别语音助手Q。其音质采集自五个不同性别的原型并进行合成和训练。系统研发者还在欧洲进行了4600人次的测试，最终将Q呈现为频率在145赫兹上下的“中性”声音。Q的出现是对AI固有的“无意识偏见”的揭示和反抗，目的是彻底消除智能传播领域的性别刻板印象，充分彰显新媒体的社会责任。这意味着人工智能在新闻传播领域的运用逐渐跳脱了技术中心主义的窠臼，成为社会改革和进步的工具，也意味着AI在新闻传播领域的实践创新中，应当制定更高的产品标准，更为严格地界定用户特性。[8]
在新闻的推荐分发上，算法对内容可见性和可及性的影响会导致“拟态环境”中对特定事件不同观点呈现的权重失衡，从而导致新闻舆论场撕裂和极化。在平台化时代，算法接管了长期以来传统媒体“把关人”的角色。因此，持有不同立场的社群将偏见的扩散归咎于平台出于政治目的对“新闻菜单”的选择性呈现。
除了算法本身的偏差之外，相关研究发现，在线广告定位中的种族差异相当显著，用户生成的在线数据会产生固化偏见的“反馈闭环”，导致种族偏见成为智能传播中的“抗解问题”。虽然从理论上讲，不同观点的数据库储存应当体现“权重均衡”的原则，但用户的搜索行为会打破这种均衡状态。他们更加频繁点击含有某种观点的内容，尤其是在受到算法推荐的诱导之下。这样一来，算法之中的协同过滤机制对特定观点会更加“敏感”，某一方信息的可见性会呈现出几何级数的增长。目前，社交平台已经成为首要的新闻来源，每天数十亿全球用户的点击和搜索行为客观上起到了固化偏见和加剧分裂的作用。
近来，AI助推偏见扩散的“抗解难题”引发各方关注，要求强化算法治理的呼声越来越高。美国国会就偏见、“误讯”和内容审核等议题召开了多次听证会，传唤Facebook创始人扎克伯格等社交平台巨头。一些民权组织也发起了诉讼，迫使后者承担起打击仇恨言论和调整算法模式的责任。
智能媒体时代社会偏见的治理
平台化时代，社交平台算法的广泛运用加剧了社会偏见扩散的危机。算法本身的机制性偏差和一些使用者的蓄意利用，都使得算法成为危害社会公平正义的重要因素。除了强化法制层面的“他律”进行“治标”之外，推动和深化技术“自律”才是治本之道。对社会偏见扩散进行消弭需要从算法核验、智能偏见探测和人机耦合三个方面入手，充分发挥人工智能和人类智能的协同作用。
首先是算法核验。从算法在新闻传播之中的运用逻辑入手，对算法依托的基础数据库和算法运行的规则进行公平性核验。并且对AI新闻产品的生产、呈现方式和分发结果进行监管，消弭算法对社会偏见的催化作用。
第一个步骤是加强数据的“预处理”，让数据库储存数据保持精准和公平，有意识降低算法推荐与输出结果的关联性，由此生产出能够呈现不同立场和观点的新闻文本。AI新闻应当通过有意识地增加更多“数据点”来适当提高非主流观点的权重，并且在数据处理的过程中引入“反事实公平”（counterfactualfairness）的核验方法，从而对边缘弱势群体的歧视性内容进行“稀释”和“过滤”，确保信息传播的公平性。
第二个步骤是完善对技术的“后处理”，根据模型输出预测的结果，对输出内容按照“适配公平化”的原则进一步修正。
第三个步骤则是在增强透明性的同时，增强算法系统的“易解性”，主要是对具体决策的达成方式和导致结果的数据特征进行合理化解读，帮助用户核查在决策过程中所考量的因素是否包含偏见。[9]
“算法审核”是目前较为成熟的有效工具之一。在缺乏人工监督和干预的情况下，机器人通常会在“特征优先级”方面选择带有偏见性的语素作为算法推荐的最佳预测因子。这类工具的使用可以帮助机器人纠正这一趋向。例如，对于YouTube等视频网站而言，使用“算法审核”可以帮助我们了解哪些类型的视频会被优先推荐，其推荐系统是否有意散播偏见性信息。虽然“算法审计”和“反事实公平”等工具引入新闻传播业的成本还比较高昂，实际运用还比较有限，但“智能偏见预测”已经成为提升算法治理水平的突破点，未来成果及其广泛运用值得期待。
再次是人机耦合。在人工智能得以广泛运用的当下，“人类智能”的作用不仅没有被削弱，反而在算法治理中得以强化，这一点在新闻传播领域表现得尤为突出。人机耦合与协作也被证明可以在新闻生产、呈现和分发的过程中有效阻断偏见的扩散，提升新闻媒体的公信力和可靠性。调查显示，算法依赖于数据库的特性可以为新闻用户提供“客观”“准确”的观感，但是用户对真人记者的信赖度又高于新闻机器人和算法推荐。因此，从理论上说，机器自动生成的文本与真人记者的专业素养相结合，能够实现智能传播可信度的最大化。从实践运用来看，人机耦合与协作需要依赖跨学科、跨领域的技术研发，协商如何在新闻传播实践中“内嵌”道德标准，并建立起行之有效的“算法问责”制度。
小结与展望
人工智能在新闻生产中的运用目前已经从节省人力成本、提高效率发展到延伸专业新闻工作者的感知范围、强化其判断能力的阶段。人工智能可以在生产过程中拓展记者搜集新闻线索的范围，并增强他们对新闻内容的理解，在新闻呈现阶段为用户带来更加多元的体验，并且在新闻分发的过程中为用户筛选出类似于“我的日报”这样的定制化内容。但是，AI运用也为新闻媒体带来了社会偏见扩散的伦理困境。为了回应这一挑战，新闻传播学界与业界共同努力，通过在技术维度上的“算法核验进化”和社会维度上的“人机耦合”为消除偏见和维护社会公平开辟了创新路径。
应当看到，消除机器算法的偏见与消除人类社会的偏见一样充满挑战性。在现实生活中，偏见以隐蔽的方式影响对特定群体和个人持有的态度和行为。消除偏见的主要阻碍便是偏见的“无意识性”。这种隐形的偏见是在日常生活中不断接触到的关于他人的直接和间接信息中日积月累而形成的，与对“他者”认知的发展交叠在一起贯穿于整个人生的发展历程之中。消除偏见的另一个困难是偏见的“有效性”。偏见已经在某种程度上演变为一种可以增强决策过程的“保护机制”，尤其是当决策面临的风险较高时，人们通常会选择墨守成规的“保险方案”，从而将根深蒂固的偏见保持下去。心理学领域用于隐性偏见预测的一种行之有效的偏差评估工具是“内隐联想测验”（IAT）。其结果显示，虽然可以使用技术手段提示个体存在的隐性社会偏见，但依旧很难带来个体行为的改变。
偏见作为人类社会中无法根除的痼疾，应当实施更为长期化、系统化的举措来消弭其负面影响，阻断其扩散机制。在智能传播时代，社交平台作为公众获取信息的首要渠道既要推进人工智能的深入运用，也要重塑传播生态，弥合社会裂痕，维系人类社会的长治久安。从更为宏观的层面上看，模拟和拓展人类智能的人工智能技术应当嵌入人类社会运作的方方面面，推动包括新闻传播在内的各个领域内的创新探索。在“人类智能”力有不逮的情境下运用“人工智能”对社会偏见进行有效治理，也应当在“训练”人工智能走出其伦理困境的同时，带动人类社会在道德伦理水准上的共同提升。
参考文献
▼
[1]XuY,GuanK,LeiL.Reviewontheprinciple,ProgressandApplicationofBlockchainTechnology[C]//JournalofPhysics:ConferenceSeries.IOPPublishing,2020,1651(1):012041.
[2]MASONWALKER.U.S.newsroomemploymenthasfallen26%since2008[EB/OL].（2021-07-13）.https://www.pewresearch.org/fact-tank/2021/07/13/u-s-newsroom-employment-has-fallen-26-since-2008/.
[3]HoweP,RobertsonC,GraceL,etal.ExploringReporter-DesiredFeaturesforanAI-GeneratedLegislativeNewsTipSheet[J].SpecialIssueTheme:AIandtheNews,2022:17.
[4]BarbaraGutierrez.Canartificialintelligencehelpjournalists?[EB/OL].2022-07-01.https://news.miami.edu/stories/2022/07/can-artificial-intelligence-help-journalists.html.
[5]ReutersStaff.ReutersandSynthesiaunveilAIprototypeforautomatedvideoreports[EB/OL].(2020-02-07).https://www.reuters.com/article/rpb-synthesia-prototype-idUSKBN2011O3.
[6]BBC.BBCGlobalNewslaunchesAI-poweredsyntheticvoicewhich‘reads’articlesonBBC.com[EB/OL].2020-11-16.https://www.bbc.co.uk/mediacentre/worldnews/2020/life-project.
[8]MeetQ.FULLSPEECH[EB/OL].(2019-03-09).http://www.genderlessvoice.com/.
[9]WaddellTF.Cananalgorithmreducetheperceivedbiasofnews?Testingtheeffectofmachineattributiononnewsreaders’evaluationsofbias,anthropomorphism,andcredibility[J].Journalism&masscommunicationquarterly,2019,96(1):82-100.
[10]GoldwasserD.Teachingcomputershowtoidentifyideology:UsingAItodeducebiasinsocialmediaandnewsarticles[J].2018.
[11]SilbergJ,ManyikaJ.NotesfromtheAIfrontier:TacklingbiasinAI(andinhumans)[J].McKinseyGlobalInstitute,2019:1-6.
（史安斌：清华大学新闻与传播学院教授、爱泼斯坦对外传播研究中心主任，本刊学术顾问；高姝睿：清华大学新闻与传播学院硕士研究生）
【文章刊于《青年记者》2022年第19期】
本文引用格式参考：
史安斌,高姝睿.人工智能在新闻传播中的运用：实践探索与伦理困境[J].青年记者,2022(19):92-96.
转载于：青年记者杂志
特别声明：本文仅代表作者个人观点
责编：李倩宇|审核：曾婷婷
免责声明：本文为转载文章，部分文字/图片来自互联网，无法核实真实出处，我们致力于保护原作者版权，如涉及版权问题，请及时联系我们删除。
【他山之石】论媒介化社会的媒介管理创新
【他山之石】视频化生存：深度媒介化时代的社会重构与反思
【他山之石】境况逆转？推特陷入裁员流言，美国大型报纸裁员率5年来最低
【他山之石】韩国踩踏事故：负面消息越多越怕看新闻，你有这种心理吗？
【他山之石】老龄社会的新青年研究：概念隐喻、议题重构与公共叙事
【他山之石】元宇宙入口，AI科技营销的前瞻与创新
【他山之石】我们用什么样的姿态关注元宇宙
【他山之石】网络社会中的城市声誉传播管理
【他山之石】发展与突破：我国东北三省地市级广电媒体融合发展状况
【他山之石】儿童与电子媒介的关系是怎样的？这8篇论文提供了一些思路
【他山之石】“文字讨好症”悄然流行：是社交内卷，也是社交内耗？
【他山之石】垂直与破圈：都市报向文化传播服务机构的转型
【他山之石】智媒时代舆论的特征、实质及对策
【他山之石】西方Z世代的社交媒体偏好转向
【他山之石】AI画作拿下一等奖：争议之余，再谈媒介对人的延伸
【他山之石】美国社会极化：电视的作用远超社交媒体
【他山之石】网络社交新迷思：人人讨厌已读不回，人人都在已读不回
【他山之石】七问：媒体深化融合中的新媒体战略与竞争策略
【他山之石】社交媒体的终结与推荐媒体的诞生，正在同时进行？
END返回搜狐，查看更多
人工智能在时政新闻报道中的应用
摘要：智能技术推动舆论生态、媒体格局和传播方式深刻变化。智媒时代，时政新闻报道要用好人工智能等新兴技术，推动采编全流程再造。要力戒“唯受众兴趣”，强化核心价值引导；力戒“唯快不破”，注重深度解读；力戒“技术依赖”，发挥采编人员作用。
关键词：人工智能 时政新闻报道 技术陷阱
时政新闻是新闻报道核心部分，在议程设置、舆论引导等方面发挥着重要作用。人工智能运用于时政新闻报道已成为新闻界热点。本文以智能技术与媒介融合为切入点，思考智能技术如何与时政新闻报道结合，推动智能技术赋能时政新闻报道。
时政信息表达的新特点
智能时代，受众感知功能实现全方位、跨时段延伸。万物皆媒塑造着时政信息表达新环境，时政信息表达发生深刻变化。
制度与非制度传播交叉互动。英国学者布鲁姆勒说，“第四代”政治传播实现了“制度化”和“基层化”两种层面传播。智媒技术推动双层政治信息表达实现更紧密互动。新技术推动基层政治信息表达日益活跃，制度化政治信息表达渠道继续扩展，线上基层表达与制度表达在新技术环境并存。社交媒介介入政治活动信息表达，深刻影响受众选择。比如，奥巴马在大选中通过MyBo网站，构建在线政治社区，以获取选民政治倾向信息。借助人工智能等技术，自下而上信息收集和表达通道被打通，信息交叉互动不断强化。
信息表达渠道加速扩展。新技术促进政治信息传播多渠道发展和多元性拓展。政务微博、微信和党媒党刊党台抖音平台不断涌现。截至2019年底，全国省级网上政务服务平台个人用户注册量超2.3亿人，新浪平台政务微博达到138854个。2018年全国两会，新华社生物传感智能机器人推出我国首条生理传感新闻报道。香港回归20周年特别报道中，运用了30多处AR技术。单一平台为主的信息表达局面已被多样化设施、多种平台和使用方式组合的全新平台取代，人工智能、AR等新技术显著提升时政新闻报道传播力。
“草根”群体表达活跃。技术语境下，“草根”群体拥有更多自由参与机会，个体成为互联网传播和新闻制作主体。人人皆可利用技术，人人皆可制作信息。微信、微博、抖音等平台为“草根”创造了新表达平台。截至2020年12月，我国网民规模达9.89亿，手机网民规模9.86亿。大规模“草根”群体与各种话题产生“化学反应”，推动话题加速“发酵”，其自身也能成为“意见领袖”。这从根本上改变着“传—受”线性传播模式，推动传播更具多元互动性。
无论是基层信息表达，还是制度化信息表达，全新传播环境使信息表达超越单一制度化渠道，从一维转向多维。
存在的问题
新技术融合运用能力不强。智能技术推动舆论生态、媒体格局和传播方式深刻变化。人民日报、新华社等尝试把人工智能融入采编环节。人民日报打造短视频聚合平台“人民日报+”。央广总台推出的《课本里的新中国》，运用了语音识别等技术。华龙网客户端推出《2019对话1949：时代变了 初心未变》H5+短视频主题报道……受限于政策和内容等因素，智能技术与时政新闻报道融合还处于起步期。采编人员缺乏“融”的思维与“合”的办法，文字、摄影摄像、网络编辑和发行环节各自为战，融媒体中心还是信息“集散地”，“融”媒体产品多是内容“叠拼”。地方媒体在刊发时政新闻报道时，缺乏深度加工。
信息传播精准性需提升。信息时代，媒体通过数据收集和分析，优化内容生产、实现精准内容分发。彭兰教授指出，内容适配意味着内容与场景的匹配，也意味着形式与特定场景下阅读需求相适应。目前，时政新闻传播对受众使用媒体习惯分析能力较弱，缺乏对信息分发渠道适配性的精准使用。智能时代，依靠技术分析受众对内容、形式的需求与喜好，就能掌握用户特征、阅读和使用习惯。随着算法的运用，信息分发渠道精准适配成为可能。比如，今日头条就充分运用算法技术，对受众实现了精准定位和有效聚合。
信息反馈系统性有待强化。大数据时代，庞大数据帮助媒体建立全新反馈系统。西方主流媒体大多建有数据分析系统，设有信息采集和分析专业岗位。人民日报、新华社、中央广播电视总台等做出了积极尝试。央视网与百度智能云将“云+AI”应用到央视网，推出“领袖素材数据库”智能产品。地方媒体还缺乏数据深度发掘能力。抖音、字节跳动、腾讯等新媒体采用先进算法释放数据价值，在受众数据分析中抢占先机。
用智能技术推动采编链条创新
随着人工智能在时政新闻报道中的运用，传统新闻操作流程形态和思维逐渐打破。
打开新闻信息采集新蓝海。人工智能时代，新闻信息采集途径和来源得到优化提升。随着物联网的普及，为收集环境信息、了解人类行为方式提供了技术前提，进而实现数据化收集和智能化处理，创建高效信息输出。①麦克卢汉认为，这延伸着人对信息的感知能力。新的尝试正不断出现。央视《据说春运》通过数据可视化，报道人口流动情况。路透社“新闻追踪者”能快速分析社交媒体平台上的信源和素材。传统媒体应加强与专业机构、数据公司合作，提高信息服务精准性。2019年，中央广播电视总台推出央视频5G新媒体平台，提供“泛文体、泛咨询、泛知识”服务。央视网与百度智能云还联手制作了“AI帮你找”等智能化产品。②
推出智能化时政新闻产品。新闻产品生产已形成人物联合、职业生产内容、专业生产内容和机器生产内容的局面。美国《洛杉矶时报》用自动化写作报道地震，打造“人工智能辅助新闻”里程碑；新华社和阿里巴巴打造“媒体大脑”，对全国两会相关重要词汇进行大数据分析；中国政府网依靠人工智能技术，解读政府工作报告；《华盛顿邮报》Heliograf机器人把简单消息扩展到分析类稿件写作；《纽约时报》普利策新闻奖作品《雪崩》，整合文字记者编辑、摄影摄像人员、网络视频编辑、网络市场发行等优化产品制作。现在，智能技术正在时政新闻报道中拥有更强话语权，要敢于并善于准确运用新技术，让技术成为报道方式创新的重要推动力。
借助算法实现精准分发。新技术推动新闻生产与分发逐渐分离，门户网站、社交平台和服务平台等分发机构出现。人工智能提高了媒介对受众的理解能力，算力为实现对受众的精准定位提供支撑。
要加快构建受众数据分析体系，研究受众情绪、心理、喜好和态度，构建“传-受”场景，改变“千人一面”传播方式，实现人与人、人与物、人与服务、人与信息的互联互通。③字节跳动推出今日头条客户端，算法分发机制进入公众视野。人民日报提出“内容科技”理念，对内容进行集合、交换。Bilibili等新兴媒体推出精准付费内容，为用户提供优质内容资源。
构建全新的“媒体-受众”关系。曾经，媒介与受众间的交流受限于人力不及，采编人员没有足够精力与受众互动。今天，新技术解放了采编人员手脚，使其依靠先进技术，实现与用户间积极互动。算法会撮合“特性”相近的受众互动，产生更多交流行为。媒体要用好AI等技术，与受众建立更积极、活跃的新型关系。近年来，百度推出APP服务，新华社通过机器人“小新”提供聊新闻服务。纽约时报借助AI自动转换功能，提高与读者的互动频率。谷歌推出Perspective，筛选读者评论。
警惕“技术陷阱”
运用人工智能，要重视技术自身属性对信息选择权、知情权等带来的挑战。例如，算法偏见会造成受众所见所闻范围变窄，甚至变成信息时代“井底之蛙”。④技术带来了创新的机遇，但技术逻辑必须服从社会和历史逻辑。做好新闻宣传思想工作，必须承担起举旗帜、聚民心、育新人、兴文化、展形象的使命任务。时政新闻报道要坚持守正创新，做到既用好新技术，又能规避潜在问题。
力戒“唯受众兴趣”，强化核心价值引领。时政新闻报道具有很强的政治性和政策性。新闻生产过度依赖“算法”，忽视时政报道本质属性，会适得其反。利用人工智能为时政新闻报道赋能，要避免用“算法”替代核心价值引领，丧失主流媒体重要功能。作为党的新闻工作者，无论技术发展到何种程度，都必须时刻牢记初心使命，履行新时代宣传思想工作的使命任务，牢牢把握党对意识形态工作的领导权，坚决维护国家意识形态领域安全。
力戒“唯快不破”，注重深度解读。媒体可依靠先进技术快速抓住读者，为他们提供“短平快”内容。但在政治传播中，这种“快”也可能带来负面效应，导致信息解读断章取义。要通过算法分析，对新闻事件前因后果展开全景分析和展示，为做好深度报道提供支撑，要更加注重调查性报道、解释性报道。喻国明教授指出，“未来越来越多的深度报道和调查性报道将是由数据驱动，或者是基于大型数据挖掘与分析而对事件发展趋势的预测性分析”。⑤依靠人工智能技术，传统媒体具备了对态势发展的预测能力。
力戒“技术依赖”，发挥采编人员作用。技术进步对媒体有着深刻影响，但人工智能的操作者依旧是“人”。新闻媒体应在人工智能技术背景下，加强采编队伍培养。要对新闻工作者加强优良传统教育，开展好对习近平关于宣传思想工作重要论述的学习，加强马克思主义新闻观教育；要健全常态化人员培养体系，实施“初-中-高”级技能培训，满足采编人员学习需求；要完善考核体系，搭建培训与日常工作绩效考核有效渠道；要打通“学-用”通道，完善“智媒”实践平台；要强化采编人员“智媒”思维，邀请数据分析、内容制作等方面专业人士讲解智能运用成功经验。可建立“智媒”采编小组，鼓励采编人员制作“智媒”产品，并加强对“智媒”产品评选工作。
智媒时代，时政新闻报道既要“守正”也要“创新”。要顺应时代大势，用好人工智能等新兴技术，推动采编全流程再造。同时，要深刻认识技术变革过程中的负面影响，采取有效措施加以规避。唯有如此，才能用好“智”优势，创新时政新闻报道，有效提高传播精准性。
（作者系重庆日报时政部副主任）
责任编辑：陈利云
注释：
①项玉环：《如何运用人工智能报道时政新闻》，《新闻论坛》2019年第6期。
②甘险峰、郭洁：《5G与人工智能技术赋能下媒体融合的新发展——2019年中国新闻业事件回顾》，《编辑之友》2020年第2期。
③胡尊栊：《人工智能在新闻传播中的应用研究》，四川省社会科学院硕士学位论文，第33页。
④陈昌凤、张心蔚：《信息个人化、信息偏向与技术纠偏——新技术时代我们如何获取信息》，《新闻与写作》2017年第8期。
⑤喻国明、李彪、杨雅、李慧娟：《新闻传播的大数据时代》，中国人民大学出版社2014年版，第10页。