“人工智能在新闻传播领域的应用”——2023美国密苏里大学教学周启幕
原标题：“人工智能在新闻传播领域的应用”——2023美国密苏里大学教学周启幕6月19日至24日，由南京传媒学院与密苏里大学新闻学院共同主办的2023密苏里教学周开课，来自密苏里大学的卡莱布·海因兹曼博士（CalebHeinzman）与章于炎博士（ErnestZhang）为南传学生展开线下课程教学，通过理论授课与项目实践的组合课程，带领学生们创造新闻人工智能的无限可能。
据了解，教学周以“人工智能在新闻传播领域的应用”为主题，教授学生如何理解和运用电脑编程创造性地解决新闻工作中的问题，面向我校相关专业学生开展，由广播电视学院、新闻传播学院、国际传播学院、文化管理学院、传媒技术学院选拔的60余位优秀学生组成本次系列课程的学员。在教学周正式开始前，我校针对Python语言基础较为薄弱的同学，组织开展了前置培训课程，以保障教学周的顺利进行。
南京传媒学院与美国密苏里大学联合举办的教学周不仅展现了前沿课程方面的开拓与创新，更凸显了国际化教育的重要性和价值。我校学生可以通过教学周的课程，感受密苏里大学的学术氛围和教学方法，并深入探索人工智能应用在新闻传播领域的潜力，也将为他们未来适应传媒新环境与寻找可持续发展行业打下基础。
END
排版EDITOR
程怡嘉
编辑EDITOR
彭蕾邢金钥
责编RESPONSIBLEEDITOR
蛰励文竹
审稿REVIEWER
兰轩山潜
CUCN融媒体中心
-用心呈现-
来源：南传国际学院返回搜狐，查看更多
责任编辑：5G技术在传媒领域的应用探析
原标题：5G技术在传媒领域的应用探析5G网络已不是什么新鲜词汇,对于媒体人而言,对着传统媒体与新媒体融合的深入,5G网络将带来更加广阔的融媒空间,使视频节目更加清晰、流畅,场景化体验更加普遍,随之而来的将是整个新闻信息生产流程的改变。
一、5G的特点概述
5G科技是非常强大的,在它的支持下,通信将打破只在人与人之间传播的限制,实现人与物之间的通信,而且物与物之间的通信也有望成为可能。对于5G的强大,华为公司总结了以下几点:峰值网络速率达到10Gbps;网络传输速度比4G高出一百倍左右;网络时延只有1毫秒,是4G网络的1/50;满足1000亿量级的网络连接;移动网络耗能量降低至4G网络的1/1000。
(一)更高的速率
5G最高的目标速率是达到10Gbps,即每秒10G比特。相关数据显示,在这样的速度下,下载一部90分钟左右的电影,只需16秒,而4G网络下需要6分钟。这样的速度带来更加高效高质的媒体视频现场。随之而来的是更多新鲜的应用体验:3D视频、4K甚至8K视频流的实时播放;AR、VR与游戏生活相结合;更加普遍的云技术。
(二)更低的时延
延时在一些行业有着特殊的要求,比如汽车自动驾驶、远程医疗手术等等,而5G技术就具有更低的延时性,可以很好地满足这些行业的需求。
二、5G技术在传媒领域的应用
(一)人工智能更多地参与到新闻生产
人工智能尽心新闻生产已算不上新闻。早在四五年前,一些互联网公司和媒体就开始引入机器人进行新闻的写作和分发。如2015年9月10日,机器人“梦想者”为其开发者腾讯公司写了这样一个新闻——《8月CPI涨2%创12个月新高》,仅仅用了不到一分钟的时间。新华社则因随其后引入了机器人“快笔小新”,主打财经新闻和体育新闻的写作,其智能化地对信息进行编辑和筛选的能力,为编辑工作节省了很多时间,提高了工作效率。这些写稿机器人如今已成为很多新闻网站的得力助手,除了生产新闻,人工智能还为媒体和受众的沟通提供了无限可能。百度、小米等等还推出了人工智能音箱,语音操作涉及更多领域,大大方便了用户的生活和工作。在5G时代,通信技术的快速发展,传媒领域在新闻生产、传播、分发等方面,会为客户带来更多的惊喜。
(二)5G技术使传播效果趋向超高清、沉浸感体验
伴随着科技的发展,人们对信息内容的质量和新闻体验有着越来越高的要求。上文提到5G技术的显著特点提升了很多技术的运用空间。视频内容更加清晰,实现8K分辨率的支持,受众在家中通过VR体验临场感与沉浸感等。总之,5G技术时代,媒体传播的内容必将趋向超高清、沉浸感。
例如在今年两会期间,央视新闻频道率先尝试性地启用了“5G+4K+VR”的直播活动,新技术对提升其报道水平发挥了重要作用。在新中国成立70周年大型庆祝现场,隆重的阅兵仪式吸引着全国人民的目光,央视以“5G+4K+AI”及其融合技术进行了直播活动,展示了空前盛大的国庆盛况。随着搭载5G芯片、支持4K超高清体验的终端设备、终端产品的不断研发、推广和人工智能交互、算法的快速发展,不断发展,5G将更多地应用到直播中,实现更加移动化、智能化的应用。
展开全文(三)物联网新媒体
物联网使物与物、人与物之间的链接出现更多可能。随着5G技术的应用和推广,物联网技术也将走进现实,在数据高速链接的情况下,智能手机、智能家居、无人机、机器人、无人驾驶汽车等设备都可以实现同时入网,人类生活的物联最终实现。物联网让万事万物进入到信息互联之中,互联网也将渗入我们生活的各个领域。
物联网而已突破媒体维度的限制,使信息传播媒体达到“人与万物”的多维空间,物联新媒体将成为现实。物联网新媒体被描述成:具有媒体信息采集功能的智能传感装置和物联网节点,通过与人工智能融合,实现新闻信息的采集、播报,达到一个智能媒体的作用;物联网的介入,使信息素材更加个性化,也更加快速及时,智能感知也变得更加快速、多样、便捷,人们会享受到信息获取的完美形式,人们的社交性也将突破人与人之间的限制,达到人与物的交流,人类活动内容得到拓展;人不再是唯一的媒体信息接受者,各种“物”将成为受众,最终形成一种全新的媒体形态。
受众对信息的获取方式也会更加多元、有趣,一些意想不到的载体,都可能实现信息记录、存储,信息的传播也更加多元、智能,远远超出人们的想象。
三、结语
未来随着5G技术的普及,媒体发展更加迅速和出乎意料,同时也将面对更大的挑战。当下的传统媒体在深入进行融媒之路时,为用户提供更加优质的内容,要抓住技术前沿,提升用户的信息获取体验,捕获5G时代发展的先机。
参考文献
本文来源于中国知网免费入口http://www.zhimeng.org/
[1]周文韬,孙志男.5G背景下主流媒体融合转型的可能性分析[J].新闻战线,2019(03):66-68.
[2]陆平,李建华,赵维铎.5G在垂直行业中的应用[J].中兴通信技术,2019(1).
[3]曹三省,鲁丹.万物互联时代的“物联网新媒体”[J].新闻与写作,2016(1):21-24.返回搜狐，查看更多
责任编辑：人工智能的历史、现状和未来
2018年2月25日，在平昌冬奥会闭幕式“北京8分钟”表演中，由沈阳新松机器人自动化股份有限公司研发的智能移动机器人与轮滑演员进行表演。新华社记者李钢/摄
2018年5月3日，中国科学院发布国内首款云端人工智能芯片，理论峰值速度达每秒128万亿次定点运算，达到世界先进水平。新华社记者金立旺/摄
2017年10月，在沙特阿拉伯首都利雅得举行的“未来投资倡议”大会上，机器人索菲亚被授予沙特公民身份，她也因此成为全球首个获得公民身份的机器人。图为2018年7月10日，在香港会展中心，机器人索菲亚亮相主舞台。ISAACLAWRENCE/视觉中国
2018年11月22日，在“伟大的变革——庆祝改革开放40周年大型展览”上，第三代国产骨科手术机器人“天玑”正在模拟做手术，它是国际上首个适应症覆盖脊柱全节段和骨盆髋臼手术的骨科机器人，性能指标达到国际领先水平。麦田/视觉中国
如同蒸汽时代的蒸汽机、电气时代的发电机、信息时代的计算机和互联网，人工智能正成为推动人类进入智能时代的决定性力量。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷转型发展，抢滩布局人工智能创新生态。世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，力图在国际科技竞争中掌握主导权。习近平总书记在十九届中央政治局第九次集体学习时深刻指出，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。错失一个机遇，就有可能错过整整一个时代。新一轮科技革命与产业变革已曙光可见，在这场关乎前途命运的大赛场上，我们必须抢抓机遇、奋起直追、力争超越。
概念与历程
了解人工智能向何处去，首先要知道人工智能从何处来。1956年夏，麦卡锡、明斯基等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能（ArtificialIntelligence，简称AI）”这一概念，标志着人工智能学科的诞生。
人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究目的是促使智能机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。
人工智能充满未知的探索道路曲折起伏。如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能的发展历程划分为以下6个阶段：
一是起步发展期：1956年—20世纪60年代初。人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。
二是反思发展期：20世纪60年代—70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空（例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的发展走入低谷。
三是应用发展期：20世纪70年代初—80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。
四是低迷发展期：20世纪80年代中—90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
五是稳步发展期：20世纪90年代中—2010年。由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年国际商业机器公司（简称IBM）深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。以上都是这一时期的标志性事件。
六是蓬勃发展期：2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。
现状与影响
对于人工智能的发展现状，社会上存在一些“炒作”。比如说，认为人工智能系统的智能水平即将全面超越人类水平、30年内机器人将统治世界、人类将成为人工智能的奴隶，等等。这些有意无意的“炒作”和错误认识会给人工智能的发展带来不利影响。因此，制定人工智能发展的战略、方针和政策，首先要准确把握人工智能技术和产业发展的现状。
专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定任务（比如下围棋）的专用人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域。例如，阿尔法狗（AlphaGo）在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，人工智能系统诊断皮肤癌达到专业医生水平。
通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。目前，虽然专用人工智能领域已取得突破性进展，但是通用人工智能领域的研究与应用仍然任重而道远，人工智能总体发展水平仍处于起步阶段。当前的人工智能系统在信息感知、机器学习等“浅层智能”方面进步显著，但是在概念抽象和推理决策等“深层智能”方面的能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才而无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。
人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，谷歌在其2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿。麦肯锡公司报告指出，2016年全球人工智能研发投入超300亿美元并处于高速增长阶段；全球知名风投调研机构CBInsights报告显示，2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。
创新生态布局成为人工智能产业发展的战略高地。信息技术和产业的发展史，就是新老信息产业巨头抢滩布局信息产业创新生态的更替史。例如，传统信息产业代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网时代信息产业代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。目前智能科技时代的信息产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动人工智能技术生态的研发布局，全力抢占人工智能相关产业的制高点。
人工智能的社会影响日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题已经显现出来，需要抓紧提供解决方案。
趋势与展望
经过60多年的发展，人工智能在算法、算力（计算能力）和算料（数据）等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有诸多瓶颈。那么在可以预见的未来，人工智能发展将会出现怎样的趋势与特征呢？
从专用智能向通用智能发展。如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。2016年10月，美国国家科学技术委员会发布《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。阿尔法狗系统开发团队创始人戴密斯·哈萨比斯提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年成立了通用人工智能实验室，众多感知、学习、推理、自然语言理解等方面的科学家参与其中。
从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。
从“人工+智能”向自主智能系统发展。当前人工智能领域的大量研究集中在深度学习，但是深度学习的局限是需要大量人工干预，比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等，非常费时费力。因此，科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿尔法狗系统的后续版本阿尔法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统（AutoML）试图通过自动创建机器学习系统降低人员成本。
人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、天文学等传统科学的发展。
人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来10年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，可在现有基础上将劳动生产率提高40%；到2035年，美、日、英、德、法等12个发达国家的年均经济增长率可以翻一番。2018年麦肯锡公司的研究报告预测，到2030年，约70%的公司将采用至少一种形式的人工智能，人工智能新增经济规模将达到13万亿美元。
人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出，未来5年人工智能将提升各行业运转效率。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。
人工智能领域的国际竞争将日益激烈。当前，人工智能领域的国际竞赛已经拉开帷幕，并且将日趋白热化。2018年4月，欧盟委员会计划2018—2020年在人工智能领域投资240亿美元；法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国；2018年6月，日本《未来投资战略2018》重点推动物联网建设和人工智能的应用。世界军事强国也已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争；俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。
人工智能的社会学将提上议程。为了确保人工智能的健康可持续发展，使其发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，制定完善人工智能法律法规，规避可能的风险。2017年9月，联合国犯罪和司法研究所（UNICRI）决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。美国白宫多次组织人工智能领域法律法规问题的研讨会、咨询会。特斯拉等产业巨头牵头成立OpenAI等机构，旨在“以有利于整个人类的方式促进和发展友好的人工智能”。
态势与思考
当前，我国人工智能发展的总体态势良好。但是我们也要清醒看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少值得重视的问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。
高度重视。党中央、国务院高度重视并大力支持发展人工智能。习近平总书记在党的十九大、2018年两院院士大会、全国网络安全和信息化工作会议、十九届中央政治局第九次集体学习等场合多次强调要加快推进新一代人工智能的发展。2017年7月，国务院发布《新一代人工智能发展规划》，将新一代人工智能放在国家战略层面进行部署，描绘了面向2030年的我国人工智能发展路线图，旨在构筑人工智能先发优势，把握新一轮科技革命战略主动。国家发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。
态势喜人。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成为全球人工智能投融资规模最大的国家，我国人工智能企业在人脸识别、语音识别、安防监控、智能音箱、智能家居等人工智能应用领域处于国际前列。根据2017年爱思唯尔文献数据库统计结果，我国在人工智能领域发表的论文数量已居世界第一。近两年，中国科学院大学、清华大学、北京大学等高校纷纷成立人工智能学院，2015年开始的中国人工智能大会已连续成功召开四届并且规模不断扩大。总体来说，我国人工智能领域的创新创业、教育科研活动非常活跃。
差距不小。目前我国在人工智能前沿理论创新方面总体上尚处于“跟跑”地位，大部分创新偏重于技术应用，在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在明显差距。在全球人工智能人才700强中，中国虽然入选人数名列第二，但远远低于约占总量一半的美国。2018年市场研究顾问公司CompassIntelligence对全球100多家人工智能计算芯片企业进行了排名，我国没有一家企业进入前十。另外，我国人工智能开源社区和技术生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。我国参与制定人工智能国际标准的积极性和力度不够，国内标准制定和实施也较为滞后。我国对人工智能可能产生的社会影响还缺少深度分析，制定完善人工智能相关法律法规的进程需要加快。
前景看好。我国发展人工智能具有市场规模、应用场景、数据资源、人力资源、智能手机普及、资金投入、国家政策支持等多方面的综合优势，人工智能发展前景看好。全球顶尖管理咨询公司埃森哲于2017年发布的《人工智能：助力中国经济增长》报告显示，到2035年人工智能有望推动中国劳动生产率提高27%。我国发布的《新一代人工智能发展规划》提出，到2030年人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在我国未来的发展征程中，“智能红利”将有望弥补人口红利的不足。
当前是我国加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，如何在人工智能蓬勃发展的浪潮中选择好中国路径、抢抓中国机遇、展现中国智慧等，需要深入思考。
树立理性务实的发展理念。任何事物的发展不可能一直处于高位，有高潮必有低谷，这是客观规律。实现机器在任意现实环境的自主智能和通用智能，仍然需要中长期理论和技术积累，并且人工智能对工业、交通、医疗等传统领域的渗透和融合是个长期过程，很难一蹴而就。因此，发展人工智能要充分考虑到人工智能技术的局限性，充分认识到人工智能重塑传统产业的长期性和艰巨性，理性分析人工智能发展需求，理性设定人工智能发展目标，理性选择人工智能发展路径，务实推进人工智能发展举措，只有这样才能确保人工智能健康可持续发展。
重视固本强基的原创研究。人工智能前沿基础理论是人工智能技术突破、行业革新、产业化推进的基石。面临发展的临界点，要想取得最终的话语权，必须在人工智能基础理论和前沿技术方面取得重大突破。我们要按照习近平总书记提出的支持科学家勇闯人工智能科技前沿“无人区”的要求，努力在人工智能发展方向和理论、方法、工具、系统等方面取得变革性、颠覆性突破，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。
构建自主可控的创新生态。我国人工智能开源社区和技术创新生态布局相对滞后，技术平台建设力度有待加强。我们要以问题为导向，主攻关键核心技术，加快建立新一代人工智能关键共性技术体系，全面增强人工智能科技创新能力，确保人工智能关键核心技术牢牢掌握在自己手里。要着力防范人工智能时代“空心化”风险，系统布局并重点发展人工智能领域的“新核高基”：“新”指新型开放创新生态，如产学研融合等；“核”指核心关键技术与器件，如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等；“高”指高端综合应用系统与平台，如机器学习软硬件平台、大型数据平台等；“基”指具有重大原创意义和技术带动性的基础理论与方法，如脑机接口、类脑智能等。同时，我们要重视人工智能技术标准的建设、产品性能与系统安全的测试。特别是我国在人工智能技术应用方面走在世界前列，在人工智能国际标准制定方面应当掌握话语权，并通过实施标准加速人工智能驱动经济社会转型升级的进程。
推动共担共享的全球治理。目前看，发达国家通过人工智能技术创新掌控了产业链上游资源，难以逾越的技术鸿沟和产业壁垒有可能进一步拉大发达国家和发展中国家的生产力发展水平差距。在发展中国家中，我国有望成为全球人工智能竞争中的领跑者，应布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合“一带一路”建设，让“智能红利”助推共建人类命运共同体。
作者：中央人民政府驻香港特别行政区联络办公室副主任、中国科学院院士
人工智能时代的新闻伦理：行动与治理
基于内容的算法，其主要逻辑是受众偏好与新闻内容特征的匹配。通过用户特征数据和网络行为的分析，确立兴趣模型；利用分词技术等模式计算内容文本特征，选取两者之间相关度高的形成推荐列表。这种算法能够有效增加用户黏性，但对于个人信息的标签化分析，也容易引发个人数据安全性的争议。近期斯坦福大学研发的算法可以通过交友网站信息判定性取向，准确率高达91%（YilunWang&MichalKosinski，2018），这一研究立即招致公众批评，也让公众对于算法的信息挖掘能力产生伦理质疑。
协同过滤算法的基本逻辑是人以群分，通过计算用户的特征数据将其编入一个用户群体，按照群体共享度较高的偏好推荐内容。这种做法将计算单位有效地下降为群体，减少了数据处理量。谷歌新闻最早采取的就是这类推荐算法。但是这种算法的伦理困境在于容易产生信息茧房，且将人群分类可能产生潜在的算法歧视，不仅触犯个人隐私，而且易于强化社会偏见。
基于时序流行度的推荐算法，将单位时间的瞬时点击率等动态特征作为考量因素，将特定时间窗口内流行度较高的新闻推荐给用户。这种算法模型很好地解决了内容冷启动问题，但是对于“标题党”和“三俗”信息的免疫力相对较低。
信息聚合平台往往综合使用上述三种推荐算法，并且针对用户体验不断优化各指标的权重，以更好地预测用户行为。之前智能推荐算法的研发并没有置于新闻伦理的框架予以关切，使得互联网信息平台公司在算法的设置中很少内嵌传统新闻伦理价值。社交媒体时代，信息推荐和信息过滤等智能算法实际上具有了议程设置的功能，取代传统媒体引导舆论。而智能算法设计者没有受到传统新闻伦理约束，这就在一定程度上使得新闻专业主义的行业传统和价值基础，与智能算法的社会影响之间产生了鸿沟。Facebook的“偏见门”（Bakshyetal.，2015；方师师，2016；韩鸿、彭璟论，2016）和算法推荐下“后真相”时代的假新闻泛滥（迈克尔·舒德森、周兰，2017；彭兰，2017；史安斌、王沛楠，2017；潘忠党、陆晔，2017；支庭荣、罗敏，2018），也许就是不受传统新闻伦理约束的信息智能系统所造成的社会代价。
过度依赖算法推荐的新闻价值排序，会产生传播权（新闻价值权重排序决策权）、信息自由（人的传播自主性）、信息触达（服务的普适性、信息的不当触达）、信息隐私权和数字身份及其保护的问题。目前有两种伦理风险已经引起广泛的关注：数据安全和算法偏见。
机器学习是一种从数据中挖掘和发现固有模式的一种方法。机器学习的有效性取决于用来进行训练的数据质量和数量，机器是否有权进行个人信息挖掘等问题引发了重大的伦理争议。
算法偏见和纠偏也是一个伦理关注焦点。2018年美国公民自由联盟批评亚马逊Rekognition人脸识别工具。经过测试表明，对于肤色较深的人，Rekognition的识别效果较差。谷歌所研制的图像标注系统曾错误地将黑人标记为“大猩猩”（Sandvigetal.，2016），这就不得不让人们对算法强化社会原有偏见的可能性充满忧虑。
以欧盟为代表的国家和地区开始强势介入人工智能立法，《通用数据保护条例（GDPR）》的实行产生了巨大的行业震动，导至行业寒蝉效应。相对于规制硬约束，在人工智能社会构建前景尚未明朗之前，伦理软约束则更加适合。有效的伦理治理需要分清楚责任主体，特别是在智能技术深度介入新闻信息传播的当下，一些原本不在新闻伦理探讨范围内的行动者进入该领域，他们的作用和问责方式，亟待理论梳理。
人工智能时代新闻伦理的道德行动者
一般意义上，伦理是“对我们应该做的事情的研究”（Merrill，2011：3）。在元伦理和规范伦理学层面，伦理研究通常被区分为三种传统。首先是强调人类相互作用的责任和义务的道德义务论，康德认为可以通过相关正式准则，特别是普遍性准则将道德规则和其他行为规则区分开来（Kant，1785）。其次是边沁（Bentham，1785）、密尔（Mill，1962）开创的功利主义传统。该传统把最大化社会效用作为最基本的道德准则，这种传统也被称为后果论。最后是美德论，核心问题不是正确行动，而是美好生活，道德也不在于行事原则，更在于人们的品质，这就重回亚里士多德“我应该成为什么样的人”的经典论述。
在应用伦理学层面的分析中，基于问责的考量往往需要区分道德行动者。一般认为，具有道德意向性和能动性，并具有行动力和对自身行动的解释能力（TaylorPaul，1986：14），是道德行动者的基本条件。技术人工物一定程度上突破了伦理道德的人类中心主义，伦理学家开始将意向性视为道德能动性的一个“不错但却不必要的条件”，与道德能动性相关的唯一事物是行动者的行为是否是“道德上可修饰的”，即是否引发道德上的善或恶（FloridiL，SandersJW，2004）。
新闻伦理属于应用伦理学研究，研究起点是基于行业的实际伦理难题进行价值判断。现代性大众传播观念和伦理观念根植于以启蒙运动为代表的知识革命，笛卡尔、洛克、弥尔顿、穆勒等学者的经典论述是其中的主要智识资源。施拉姆结合媒体发展现实指出，如何妥善处理大众品味、企业盈利和社会责任三者的关系是大众媒体面对的主要问题（WilburSchramm，1957），其中知情权和隐私权、表达权和名誉权持续产生张力，就此，政府、媒体和公众成为新闻伦理关系的核心行动者。
人工智能时代，随着算法在不同的生活领域产生建构性影响，算法作为内容创建者的制度化引发了专业新闻的各种伦理挑战。其中，互联网信息平台公司，对算法研发起到核心作用的工程师团队，甚至是技术本身是否应该作为伦理行动者进入了新闻伦理的话语框架，值得细致分析。
新闻伦理的传统行动者。（1）政府：伦理治理的规则制定者与底线管控者。变革性技术总是同时带来正面和负面效应，人类也逐渐摸索出一套技术控制模式。这种模式一般包含两个方面，其一是社会规范性的，如法律、法规；其二是技术性的，即对技术设计和运用制定标准。这两项工作都需要国家，甚至国家间的合作方能达成。
对于人工智能的管理，政府显性地扮演两种角色。首先，是在国家战略层面，通过行业规划和部署，将技术开发、产业发展作为核心战略要素，在国际竞争的语境下予以通盘考虑。在我国，国务院于2017年7月印发了《新一代人工智能发展规划》和《促进新一代人工智能产业发展三年行动计划（2018～2020年）》等政策，让中国的人工智能发展有了明确的时间表和路线图。2016年10月美国政府出台了“美国国家人工智能研发规划”，加拿大、英国、德国、法国等国家也针对人工智能研究和机器人设计出台专门的战略规划和规范性报告。其次，是从司法实践角度，各国也有专门法规，如欧盟《一般数据保护条例》和美国《人工智能未来法案》等。
值得注意的是，各国对人工智能的伦理反应早于立法研究，欧盟于2006年发布《机器人伦理路线图》，2007年韩国工商能源部颁布《机器人伦理宪章》等，体现政府相关部门对人工智能伦理治理的关注。这些伦理研究报告其实在为其后的立法和规制进行伦理学和法理学的筹备，对自主智能体的主体地位、问责模式和人类行为规范，作了初步设想。
著名的“科林格瑞治困境”指出了技术评估的两难困境：在技术发展的早期控制其应用方向相对容易，但此时决策者缺少合理控制的专业知识；当技术应用的风险显露时，对它的控制却几近不可能（卡尔·米切姆、朱勤、安延明，2007）。各国政府的人工智能伦理治理和立法实践如此迅速，某种程度上也在规避上述规制困境，尤其是人工智能被普遍认为是一个具备高度社会建构性能力的系统，各国政府不约而同采取了相对前置的治理模式。
（2）媒体：新闻伦理的日常践行者。媒体是新闻伦理中最为核心的部分，因为传统新闻生产、分发都在该系统内完成。自1923年美国报纸编辑协会提出美国首个新闻业自律规范《报人守则》，新闻伦理就与新闻工作者的职业伦理和行业自律挂钩。
在前互联网时代，新闻伦理通常与报道内容及其选择相挂钩，责任、独立、真实准确、公正、公平等原则以不同的形式予以表达。在绝大部分的媒体体制之下，媒体不仅具有社会公共性，本身作为承担一定经营活动的组织，也需要考虑经济层面的可持续发展问题。因此，大众化媒体如何处理公共服务和商业利益之间的张力，以兼顾经济效益和社会效益，是新闻伦理的主要关切点。在此间所产生的媒体与国家的关系、媒体与社会的关系、媒体与个体的关系，也是新闻伦理的核心焦点。
社交媒体和智能推荐算法的结合，改变了受众获得信息的主要渠道和接受模式，传统媒体的议程设置功能受到较大冲击，部分媒体开始被迫跟随社交媒体表达模式改变自身的新闻生产方式。但是2016年美国大选所引发的“后真相”讨论，恰恰说明社会仍然需要“不可爱的新闻界”（迈克尔·舒德森、周岩，2017）。潘忠党、陆晔（2017）认为“后真相”一词的流行更加凸显新闻专业主义不仅是对媒介和新闻从业者的职业期许，更是全社会所遵循的文化价值体系的一部分。新闻界需要做的是将寻求、核查、鉴定事实和真相的过程置于公共讨论之中，重构交往的伦理规范。（潘忠党、陆晔，2018）
（3）公众：“用脚投票”的新闻伦理批评者。自20世纪20年代杜威和李普曼的争论为起始，公众是具有公共目的的社会有机统一体，还是原子化的消极“幻影”，存在根本性的学术分歧。而学术界对公众在新闻传播系统中的作用，也始终存在争议。
在传统新闻传播中，公众作为信息的接收者，处于被动地位。但是即便在这种相对的被动位置中，施拉姆指出阅听大众应以传播动力的主要推动者自任。大众的基本责任是运用一切可能，使自己成为机警而又有鉴别能力的阅听大众，学习如何运用媒体，并积极地对媒体展开睿智的批评（WilburSchramm，1957）。
在人工智能时代，“你关心的就是头条”的算法逻辑，使得公众或者说用户的地位得到了进一步提升。信息平台认为自身不存在新闻立场，算法的主要目的在于加强用户的黏性。2016年以来，Facebook推出一系列机制，强调保障用户对最终内容的选择权，其中尤为强调3F原则（FriendsandFamilyFirst），即好友分享的优先级高于新闻媒体发布的消息。这一算法权重变化的目的在于，从“帮助你找到相关的内容”转向“实现用户有意义的社会互动”，即促成用户间的讨论和深度参与。赋权用户而非传统强势机构，是算法所强调的平权价值。但是其后所引发的虚假消息充斥社交媒体，也是传统机构媒体权重下降后的副作用。
人工智能系统非常有效地通过用户日渐增多的网络行为数据进行精准内容推荐，公众是被动接受偏好的信息从而陷入信息茧房，还是有意识地通过综合使用媒体平台，形成更加理性而多元的社会认知，其重任日益集中到个体自身。因此现阶段至少可以相对确定地说，公众作为新闻伦理的行动者，在人工智能时代所肩负的责任将更加重大。
人工智能时代的新增新闻伦理行动者。当下，互联网信息平台公司在新闻传播过程中产生了日益重要的中介作用，传统关于信息和新闻的分野也变得模糊。弗洛里迪在《信息伦理学》中指出，信息是一种资源、一种产品，也是一种目标。借助信息与通讯技术手段为媒介的信息生产与传播引发了伦理后果，合理应对这些后果需要更多的智识动员和道德行动者（卢恰克·弗洛里迪，2018）。
在线平台传统上不属于新闻传播范畴，互联网企业也往往不承认自身的“媒体”性质，而倾向将自身描述成信息传播的基础设施，平台上传输和交换的是数据（data）而非传统意义的新闻内容。但是当人类的交往活动和商业活动日益集中到网络平台，互联网信息平台公司的角色就发生了变化。研究指出，像谷歌、Facebook这样的公司往往起步于具体的垂直应用，例如搜索、社交，但是为了将用户进一步固定在自身的商业平台上，他们的功能日益多元。因此在更加广泛的意义上，网络生态嵌入了更广大的社会文化和政治经济语境之中（JoseVanDijck，2013），这一趋势伴随着科技所导致的社会形态变化，变得势不可挡。
近年来互联网信息平台公司已经成为传播伦理的核心关注区域。2018年Facebook的扎克伯格和今日头条的张一鸣，近乎在同一天面对主管部门的质询，并向公众道歉。
Facebook信任危机的触发点在于个人隐私泄露最终形成干预选举的危害。据披露，Facebook上超过5000万用户信息数据被一家名为“剑桥分析”（CambridgeAnalytica）的公司泄露，用于在2016年美国总统大选中针对目标受众推送广告，从而影响大选结果，此事在世界范围内引发了轩然大波。扎克伯格就此接受美国国会质询。
而字节跳动公司则因旗下产品存在低俗内容和导向问题，受到主管部门处罚。应用市场下架了今日头条客户端，并暂停服务三周；“内涵段子”客户端软件及公众号被责令永久关停；短视频应用抖音APP删除了所有用户评论。此后“今日头条”品牌口号也从“你关心的就是头条”转变为“信息创造价值”。
对互联网信息平台上存在的伦理失范内容，平台应该承担怎样的法律责任，学术界存在争议，也存在实际的问责困境。被广泛应用的避风港原则成为互联网平台抗辩的主要依据，判定并不直接生产和编辑内容的互联网平台企业侵权，难度很大。但平台企业在内容处理方面的失误，将极大地影响社会，因此它们不可避免地需要承担平衡不同权利主体的重任。但是直到最近，遏制非法、不恰当内容的重任始终在用户身上，平台主要通过举报来发现类似信息。
当然，平台主动遏制它所界定的不适宜行为，也面临挑战。例如Facebook公司曾经通过机器鉴别遏制裸体展示，哺乳妇女的照片和反映越战的知名摄影作品《战火中的女孩》也因此归入此类，这两件事都让Facebook公司承受了巨大的压力，并引发关于平台歧视的担忧。总体而言，平台公司类似举措都容易导致偏爱主流人群而压抑边缘人群的结果。虽然类似举措未必隐含制度化和规模化的群体歧视，但的确提出平台如何更好履行责任的疑虑（RasoF.A.，HilligossH.，KrishnamurthyV.，BavitzC.&KimL.，2018）。在线平台日益发现，算法可以有效增进用户黏性，却在内容审核和审美品鉴方面无法全面掌握复杂而多元的人类行为变量。例如，机器目前对于模式不断转换且非常主观化的仇恨言论，判定表现就不是太好。
关于人工智能时代的平台责任的讨论，往往也牵扯出智能技术本身的伦理主体地位问题。在广为引用的《关于人工能动者的道德》一文中，牛津大学教授弗洛里迪和桑德斯依据行动者之互动关系标准，确立交互性、自主性和适应性三个标准以判定智能技术是否具备伦理责任主体地位。他们认为，一个与其环境持续产生交互的系统，如果在没有响应外部刺激的情况下也能行动，也有在不同的环境中行动的能力，这个系统就可以被视作行动者（FloridiL，SandersJW，2004）。
伦理学界对技术人工物的道德主体地位存在较大争议。在新闻伦理的探讨范畴中，智能技术对信息传播权重的计算的确在很大程度上影响了新闻信息交流活动。但是直到目前，智能技术尚未完全达到自主性和适应性，将其判定为独立的伦理行动者论据不足。
所以就目前的技术发展状况而言，更为重要的是确立互联网信息平台公司的新闻伦理地位。依据目前他们在人类信息传播活动中的重要性，以及他们实际可以起到的信息推荐中介效应，互联网信息平台应该被纳入新闻伦理的范畴，并作为其间一个重要的机构行动者予以关照。
平台也开始意识到自身的伦理主体责任，主动开始在技术研发和产品开发的过程中嵌入伦理考虑。2016年9月，亚马逊、谷歌、Facebook、IBM和微软宣布成立一家非营利组织：人工智能合作组织（PartnershiponAI），目标是为人工智能的研究制定和提供范例，推进公众对人工智能的了解，并作为一个开放的平台来吸引民众及社会的参与和讨论。目前各国的司法实践，也在强迫他们认识到自身不仅需要承担技术伦理和商业伦理，也需要在新闻伦理的框架内规制自身的行为。
人工智能时代的新闻伦理结构
综上所述，人工智能时代新闻伦理的道德行动者出现了变化，显性地表现为增加了一个重要的机构行动者，我们姑且将它们称为互联网信息平台公司。与此同时，传统的道德行动者——政府、媒体、公众，它们在伦理图景中的位置和行为模式也产生了变化。政府在规制方面采取了更加前瞻式的模式以应对变革性技术的社会构建动能。公众在人工智能时代的个性化信息服务背景下，其伦理素养和媒介素养变得更加事关全局。而传统媒体机构在算法推荐逻辑下，面临权重下降的境遇，其传统新闻生产流程和伦理价值面临冲击。
为了更清晰地展现各道德行动者之间的伦理互动结构，有必要进一步区分不同行动者的区位。个人伦理层次、组织伦理层次、社会伦理层次的区分有助于进一步明晰对此问题的论述。
第一，个人伦理层次，主要包括新闻专业主义和工程师伦理。传统新闻伦理具有很强的个人伦理色彩，记者、编辑就自己生产的新闻内容承担风险、享受赞誉。在新闻专业主义理论体系下，个人层次的伦理认知，不仅是职业认知的重要组成部分，也是新闻机构权威性的主要来源。客观、公正、服务公共利益，是新闻工作者长期珍视的伦理传统。
自动化新闻平台将工程师也纳入新闻传播领域，他们所编写的代码直接影响新闻伦理。因此工程师团体需要通过合理的结构代码完成其伦理责任。
责任是知识和力量的函数。在智能信息时代，科学家、工程师不仅人数众多而且参与社会重大的决策和管理，他们的行为会对他人、对社会带来比其他人更大的影响，因此他们应负更多的伦理责任（曹南燕，2000）。
在过去25年中，工程伦理领域的主要成就之一就是工程师们越来越意识到自身的价值观对设计进程的影响，以及此过程中他们对他人价值观的敏感度（Wallach&Allen，2008）。2000年，美国工程和技术认证委员会（ABET）在其标准中明确指出，工程教育必须证明他们的学生“对职业和道德责任的理解”（Downeyetal.，2007）。奥巴马政府2016年10月将“理解并解决人工智能的道德、法律和社会影响”列入美国国家人工智能战略，并建议AI从业者和学生都要接受伦理培训（曹建峰，2016）。
与此同时，鉴于大量的媒体内容来自用户生成内容，涉足其间的个体制作者及其伦理素养也在此列。目前在直播和短视频平台时常出现伦理失范行为，个体内容生产者是直接的道德行动者，需要在与平台伦理原则磨合的过程中形成行为规则共识。
对于亚里士多德来说，具备关于伦理规则的知识和自觉遵守伦理规则的能力是两个不同的方面。只有当人们在内在本性和对善生活的追求基础上，自觉地尊重伦理规则，才是符合伦理和美德的个体（麦金泰尔，1996）。在内容庞杂的社交媒体和互联网信息平台中，美德论对于个体层次的伦理治理，也许具有更大的启示意义。
第二，组织伦理层次，主要涉及新闻组织和互联网信息平台。传统新闻媒体对其生产的内容及其经济运行负有伦理责任，与此同时，媒体的言论对政治、经济和社会都有巨大影响。虽然在传统生产流程中，记者作为显性的新闻伦理践行者，对自身的报道肩负伦理责任，但是媒体承担着重要的把关功能，并在科层式的生产模式中内化组织宗旨和目标。在媒体组织内部，知情权与隐私权、表达权和名誉权的权衡，公共服务和经营目标的平衡，形成多组竞争性伦理价值，需要在新闻媒体组织层面根据其伦理传统针对具体问题予以价值排序。长期以来，客观、公正和最小伤害成为十分重要的组织伦理出发点。
到了人工智能时代，互联网信息平台实际上部分起到了新闻媒体的功能。与传统新闻媒体更多关注新闻的生产不同，目前的互联网企业并不直接涉足新闻内容制作，但是其推荐算法实际在对新闻价值的不同维度予以赋值，随着越来越多的民众将互联网作为主要的新闻信息来源，互联网信息平台在新闻分发和互动环节产生了巨大的动能。互联网信息平台的伦理关注点主要在数据和代码（算法）两个体系，如何合理利用平台积淀的用户数据，如何合理通过算法的中介，提高社会总体福利水平，是此类组织的伦理责任。
目前技术本身的伦理地位也存在争议，在用户偏好挖掘的机器学习机制中，平台公司会部分采取无监督学习模式，这使得学习结果存在客观上的算法黑箱。这也是智能系统设计的悖论：一方面系统需要更大的自由度以体现其智能效能，但具备自主学习能力的系统在技术上和伦理上都存在风险；另一方面，若将伦理规则嵌入智能系统，那么设计出来的系统就缺乏充分的灵活性，也就不够“智能”。但是从目前的伦理问责和司法实践看，互联网信息平台作为算法的直接开发者和版权所有者，有义务将智能系统设计为道德智能体，将社会长期珍视的伦理价值内嵌至平台系统。据此，大众传播责任的两种形态行动——自律制度、专业精神，同样适用于互联网信息平台公司。
第三，社会伦理层次，包括政治和公众两个维度。在政治维度，如何处理互联网信息平台、新闻媒体和社会其他部门的关系，如何管理技术的发展方向、媒体信息的作用范围，是政治层面关注的焦点，也因此与新闻系统产生权力博弈和伦理话语冲突。
电气和电子工程师协会（IEEE）2017年发布《人工智能设计的伦理准则》白皮书（EthicallyAlignedDesign），这份报告不仅对工程师群体的伦理设计提出要求，并且在宏观上希望政府、司法机构审慎使用数据，必要的时候严格测试和评估内嵌于系统的伦理原则和运算逻辑。而且政府和产业利益相关者需要明确，哪些核心决策权不能交由智能系统。
因此在更加宏观的社会伦理治理层次，政府作为主要的道德行动者，需要从社会整体福利水平和国家信息安全的高度理解人工智能系统的信息中介效应，对其引导舆论、影响个体的能力保持伦理警觉，并逐渐清晰政府的管控底线。
在公众维度，以往新闻很大程度上依赖于记者的信誉，如今在网络信息发布过程中，受众不再被动，任何人都有权利批评报道、增加事实和发表评论。就此，新闻发表从个人化的行为（组织化的行为）转变为公共的行为（Ward,2011）。在智能时代，公众的伦理素养至少包含明确是谁作出或者支持智能系统的伦理决策，并且理解自动技术系统的社会影响的能力。公众需要更加清晰智能系统的运作模式和社会影响机制，运用理性力量加强自身的信息自律能力，而不要成为机械刺激性快乐的被捕获者，从而丧失了对康乐生活的追求和反思能力。
媒体的智能化，大大延伸了媒体的外延，将新闻传播推向“万物皆媒”的时代。新闻伦理学的研究范畴也随之由新闻工作者、新闻机构、新闻受众延向了传播技术和社交平台。由于人工智能技术的出现，更多的行动者开始参与或影响新闻的生产与发布，新闻工作者不再是唯一的道德行动者，泛信息系统，特别是互联网信息平台的影响力正在逐渐上升。
自治、公平、正义、责任、服务公共利益等原则是长期以来新闻伦理的基本组成部分。智媒时代，除了进一步坚持传统媒体伦理价值体系之外，还需要融合基于技术和平台的伦理要求。机器人伦理提出的人的尊严和人权、责任、透明度、避免滥用和共生繁荣等原则，也是人工智能时代新闻伦理的智识来源。而互联网平台公司，如谷歌提倡的“七条准则”：有益于社会、避免创造或增强偏见、对人们有说明义务、根据原则确定合适的应用等，也同样适合新媒体背景下的新闻伦理。
（本文系“数字化变革中媒体从业者伦理胜任力建模及提升策略”课题的阶段性成果，课题编号：2018FZA121；同时受中央高校基本科研业务费专项资金资助）
参考文献
BakshyE,MessingS,AdamicLA.,2015,"ExposuretoideologicallydiversenewsandopiniononFacebook",Science,vol.348,pp.1130-1132.
BenthamJ.,1996,ThecollectedworksofJeremyBentham:Anintroductiontotheprinciplesofmoralsandlegislation,ClarendonPress.
BillKovach,TomRosenstiel,2007,TheElementsofJournalism,NewYork:ThreeRiversPress.
Downey,GaryLee,JuanC.LucenaandCarlMitcham.,2007,"EngineeringEthicsandIdentity:EmergingInitiativesinComparativePerspective",Science&EngineeringEthics,No.4,pp.463-487.
Dörr,K.N.&HollnbuchnerK.,2017,"Ethicalchallengesofalgorithmicjournalism",DigitalJournalism,5(4),pp.404-419.
FilippoA.Raso,HannahHilligoss,VivekKrishnamurthy,ChristopherBavitz,LevinKim,2018,ArtificialIntelligence&HumanRights:Opportunities&Risks,BerkmanKleinCenterResearchPublication.
GlasserT.L.,1989,"ThreeViewsonAccountability",MediaFreedomandAccountability,editedbyE.E.Dennis,D.M.Gillmor,andT.L.Glasser,NewYork:Praeger,pp.179-193.
JeffreyRosen,2013,"TheDeciders:Facebook,Google,andtheFutureofPrivacyandFreeSpeech",Constitution3.0:FreedomandTechnologicalChange.ed.JeffreyRosenandBenjaminWittes,BrookingsInstitutionPress;JonathanZittrain,2008,Thefutureoftheinternet--andhowtostopit,YaleUniversityPress.
JoseVanDijck,2013,TheCultureofConnectivity:ACriticalHistoryofSocialMedia,OxfordUniversityPress.
KantI,SchneewindJ.B.,2002,GroundworkfortheMetaphysicsofMorals,YaleUniversityPress.
KovachB.&RosenstielT.,2007,Theelementsofjournalism(Rev.ed.),NewYork:ThreeRiversPress.
LucianoFloridi,J.W.Sanders,2004,"Onthemoralityofartificialagents",MindsandMachines,vol.14,pp.349-379.
Merrill,J.C.,2011,"TheoreticalFoundationsforMediaEthics",inA.D.Gordon,J.M.Kittross,J.C.Merrill,W.Babcock,andM.Dorsher(eds),ControversiesinMediaEthics,pp.3-32.
Mill,J.S.,1962,Utilitarianism,onliberty,essayonBentham,ed.MaryWarnock,London:Fontana.
ParryR.,2011,TheAscentofMedia:FromGilgameshtoGoogleviaGutenburg,London:NicholasBrealey.
PavlikJ.,2000,"Theimpactoftechnologyonjournalism,JournalismStudies",No.2,pp.229-237.
PaulTaylor,1986,RespectofNature:ATheoryofEnvironmentalEthics,PrincetonUniversityPress.
SandvigC,HamiltonK,KarahaliosK,etal.,2016,"Automation,algorithms,andpolitics|whenthealgorithmitselfisaracist:Diagnosingethicalharminthebasiccomponentsofsoftware",InternationalJournalofCommunication,No.10,pp.4972–4990.
Selgado,SusanaandJesperStrömbäck,2012,"InterpretiveJournalism:AReviewofConcepts,OperationalizationsandKeyFindings",JournalismTheoryPractice&Criticism,No.13(2),pp.144–161.
TaylorPaul,W.,1986,RespectforNature:ATheoryofEnvironmentalEthics.
Ward,StephenJ.A.,2011,Ethicsandthemedia:Anintroduction,CambridgeUniversityPress.
WallachW.andAllen,C.,2008,MoralMachines:TeachingRobotsRightfromWrong,OxfordUniversityPress.
WilburSchramm,1957,ResponsibilityinMassCommunication,NewYork:Harper&Brothers.
YilunWangandMichalKosinski,2018,"Deepneuralnetworksaremoreaccuratethanhumansatdetectingsexualorientationfromfacialimages",JournalofPersonalityandSocialPsychology,No.2,pp.246-257.
曹建峰，2016，《人工智能：机器歧视及应对之策》，《信息安全与通信保密》，第12期，第15～19页。
曹南燕，2000，《科学家和工程师的伦理责任》，《哲学研究》，第1期，第45～51页。
方师师，2016，《算法机制背后的新闻价值观——围绕“Facebook偏见门”事件的研究》，《新闻记者》，第9期，第39～50页。
韩鸿、彭璟论，2017，《智媒时代社交媒体的社会责任——对2016美国大选中Facebook假新闻事件的反思》，《新闻界》，第5期，第89～93页。
［美］卡尔·米切姆、朱勤、安延明，2007，《关于技术与伦理关系的多元透视》，《哲学研究》，第11期，第79～82页。
刘则渊、王国豫，2007，《技术伦理与工程师的职业伦理》，《哲学研究》，第11期，第75～78页。
［英］卢恰克·弗洛里迪，2018，《信息伦理学》，薛平译，上海译文出版社。
［美］阿拉斯戴尔·麦金泰尔，1996，《谁之正义？何种合理性？》，万俊人、吴海针、王今一译，北京：当代中国出版社。
［美］迈克尔·舒德森、周岩，2017年，《新闻的真实面孔——如何在“后真相”时代寻找“真新闻”》，《新闻记者》，第5期，第75～77页。
潘忠党、陆晔，2017，《走向公共：新闻专业主义再出发》，《国际新闻界》，第10期，第91～124页。
彭兰，2017，《更好的新闻业，还是更坏的新闻业？——人工智能时代传媒业的新挑战》，《中国出版》，第24期，第3～8页。
史安斌、王沛楠，2017，《作为社会抗争的假新闻——美国大选假新闻现象的阐释路径与生成机制》，《新闻记者》，第6期，第4～12页。
［美］温德尔·瓦拉赫、科林·艾伦，2017，《道德机器：如何让机器人明辨是非》，北京大学出版社。
支庭荣、罗敏，2018，《“后真相”时代：话语的生成、传播与反思——基于西方政治传播的视角》，《新闻界》，第1期，第54～59页。
本文刊发于《学术前沿》杂志2018年12月（下），转载请注明来源。
C2
4月·北京个人会员：返回搜狐，查看更多
人工智能技术重构传播生态
引言：近年来随着算法推荐、语音交互、计算机视觉等技术不断发展，国外传媒领域对人工智能的探索运用和重视程度越来越高，物联网、大数据、虚拟现实、区块链等技术的发展和应用推动传媒业进入智能时代，媒体智能化正在重塑国际传播领域的原有生态。
1.人工智能初遇传媒业
“人工智能”的概念自提出以来，经过了60多年的演变。1950年，“人工智能之父”艾伦·图灵预言了创造出具有真正智能的机器的可能性。1956年夏天，美国达特茅斯学院举行了历史上第一次人工智能研讨会，会上首次提出了“人工智能”这个概念，被认为是人工智能诞生的标志。
第一阶段：萌芽及初步发展阶段（20世纪50年代中期到80年代初期）1966年，美国麻省理工学院（MIT）的计算机科学家魏泽鲍姆发布了世界上第一个能通过脚本理解简单的自然语言，并能产生类似人类互动行为的聊天机器人ELIZA。1966年至1972年期间，美国斯坦福国际研究所研制出首台采用人工智能的移动机器人Shakey。
第二阶段：商用阶段（20世纪80年代初期至21世纪初期）1981年，日本经济产业省拨款8.5亿美元用以研发第五代计算机项目即人工智能计算机。随后，英国、美国纷纷响应，开始向信息技术领域的研究提供大量资金。从媒介变迁的角度而言，科学技术的进步始终推动着国外传媒行业的发展。伴随着著名的图灵测试诞生，人工智能技术的深度学习(ML)和编程语言技术的发展，人工智能技术与传媒业融合亦成为可能。尤其进入21世纪以来，人工智能技术新的浪潮与传媒业的融合更具内生动力。
第三阶段:规模化应用阶段（21世纪初期迄今）2008年11月谷歌借助人工智能对社交媒体数据进行抓取、分析，成功预测了流感暴发；2009年，美国西北大学开发的“StatsMonkey”是首个写出简讯的人工智能机器；2011年，Watson（沃森）作为IBM公司开发的使用自然语言回答问题的人工智能程序参加美国智力问答节目，打败两位人类冠军，赢得了100万美元的奖金；2012年，加拿大神经学家团队创造了一个具备简单认知能力、有250万个模拟“神经元”的虚拟大脑，命名为“Spaun”，并通过了最基本的智商测试；2013年，Facebook人工智能实验室成立，探索深度学习领域，借此为Facebook用户提供更智能化的产品体验；谷歌收购了语音和图像识别公司DNN Research，推广深度学习平台，自此深度学习算法被广泛运用在产品开发中；2016年，谷歌人工智能AlphaGo战胜围棋世界冠军李世石，此次人机对弈让人工智能正式被世人所熟知，整个人工智能市场也像是被引燃了导火线，开始了新一轮爆发。
2017年至2018年，自动化技术的迅速发展为定制或个性化方式创建内容提供了机会，人工智能技术开始运用于整理、分析、创建、编辑或可视化，数据新闻、自动化新闻、大数据技术推动了人工智能技术在新闻制作和发行中的应用，关于人工智能技术在传媒行业的应用研究也迅速成为传媒学术研究领域的热点。美联社是最早把一些工作交付给机器人的新闻机构之一，其与人工智能领域的新兴初创企业合作，自动制作某些新闻内容。例如与自动洞察公司（Automated Insights）达成协议，借助该公司的自然语言生成平台“语言大师”（Wordsmith），首次使用人工智能制作新闻内容，目前已经在应用智能技术简化工作流程、完成繁重工作、处理更多数据、挖掘洞察力等方面取得很大进展。
2019年以来，人工智能等新技术在传媒行业的应用，在一定程度上为专业生产新闻的记者减负，另一方面专业记者也不得不面对新兴技术带来的考验，技术引入对传媒行业的双重影响进一步显现。机器人记者高效的处理能力使得传统新闻媒体纷纷启用机器人，而传统新闻记者和编辑首当其冲面临变革，甚至存在失业风险。《纽约时报》曾撰文称，记者和编辑发现自己成为数字出版商和传统报业裁员的受害者，由机器人记者主导的新闻行业正在迅速崛起。除了财报分析、数据维度等文章，由机器参与的媒体环节也越来越多。
2.打破原有传播生态格局
人工智能技术引入新闻行业，打破了原有的传播格局。机器人写作与算法分发的应用，改变了传统新闻内容的生产模式，从信息采集、内容制作、产品分发、呈现形式到用户参与模式等新闻生产的各个环节都产生剧烈变化。人工智能可以帮助写作者对传播效果进行预判，以便更好地决定选题，或协助选择最佳表达形式。自动化新闻创业公司Narrative Science的首席执行官曾经预测，到2030年，超过90％的新闻将由计算机编写。
机器人写稿方面：在新闻生产领域，传统以“人”为主导的新闻编辑室转变成了“人”与“人工智能”(AI)共存的新闻编辑室，利用人工智能技术，媒体可以实现新闻信息来源智能化、新闻内容制作定制化、新闻策划与推广个性化以及用户认知体验场景化等新闻生产方式的转变。例如美联社（AP）自2014年起就开始使用人工智能技术撰写企业盈利的报道，还将该技术用于体育赛事报道中。在2015年法国大选期间，《世界报》采用写作机器人实现了对全国2000多个地区选举的报道。《华盛顿邮报》的“机器人记者”从2016年开始参与奥运会和美国总统选举的报道。里约奥运会上，华盛顿邮报利用人工智能技术平台完成了标准化、公式化的机器人写作，包括体育赛事的实时结果以及自动产生标题、图片，每天生产新闻20多条。彭博社、路透社等媒体也在利用人工智能撰写财经类新闻、气象类新闻以及犯罪类新闻等，而今日美国则利用智能视频软件制作短视频。
新闻内容策划及推广方面：人工智能技术在新闻作品中体现出的价值已经从后台走向前台，从新闻内容设计策划到推广都表明了技术人员和新闻人员同等重要的位置。大多数美国新闻网站或社区，通过捕捉用户的行为习惯、收集用户数据，随时调整新闻报道方式、页面呈现方式和与用户建立社交关系。比如，美国新闻聚合网站BuzzFeed将用户数据分析做到了极致，根据用户点击的频次、停留的时间、喜好的内容做出分析报告，指导新闻内容策划和推广。
机器和算法逐步介入并覆盖了从文字、图片到视频处理的故事创意、生产传播链条，为智能化叙事描绘了新图景。传统信息形态主要是文字、图片、视频等，而在人工智能技术助力下媒介可以实现多模态的信息结构，通过VR或AR场景化、沉浸式的互动体验与传播，例如以虚拟主播、场景体验、不同的语言风格切换等更丰富的多形态信息生产提升媒介产品的吸引力和感染力。2020年，《今日美国》报发布了病毒传播的增强现实互动指南、妇女赢得选举权100周年纪念等一系列VR新闻报道作品，以及《扁平化曲线:社交距离的AR指南》等AR互动体验报道。
人工智能算法驱动被广泛运用在娱乐影视海报设计、影视推广和广告营销等方面。大数据使人们能够快速核实信息来源，确保新闻的真实性，实现对客户的精准定位和信息投放。现今，包括《纽约时报》《华盛顿邮报》等国外媒体依据用户的个人阅读偏好，每天自动给用户推送“定制版”新闻内容。
在新闻传播效果评估方面，传统媒体在客观量化评价新闻传播效果和记者编辑工作表现上存在难度，人工智能技术却能精准实现数据考核。在华盛顿邮报的“中央厨房”编辑室，电视屏幕上实时显示一张张可视化的数据图表，同步显示网站的登录人数、每篇文章的阅读数排名、用户喜欢作者排名以及读者喜欢阅读的文章类型百分比等数据。其他媒体还利用机器人来评估人类记者的新闻报道。例如，英国《金融时报》会用机器人检查报道中引用的信源是否过多地来自特定人群；国际调查记者联盟使用AI来筛选金融和法律文件中值得探究的细节。
在新闻传播主体方面，随着人工智能技术在传播领域的应用，传播主体不再局限于人类，虚拟主播、社交机器人、智能语音助手等智能技术开始以传播主体的身份参与国际间信息生产和传播过程，形成“人+机器”的共同传播主体生态。例如2020年，韩国MBN电视台推出韩国首位AI主播“金柱夏”。
社交机器人在社交媒体中得到广泛应用，成为了重要的国际传播工具。研究发现国际社交媒体平台推特上的1400万个账号中有15%是机器人账号，在推特关于叙利亚的议题中，与真人用户相比，社交机器人账号发布了33.5%的内容，在新闻内容方面占比达到52.6%。在英国脱欧公投阶段，据统计在推特中讨论该议题的用户有34%为机器人账号，且其言论带有一定的政治倾向，社交机器人在国际传播中不断影响着舆论导向。
3.风险与挑战并存的未来
人工智能在给传媒业带来内容生产的智能化与传播精准化变革的同时，也带来了很多的矛盾与困扰。一是尽管智能媒体算法推荐在很大程度上减轻了人工筛选新消息的工作量，但在新闻生产过程中，人们无法预测人工智能算法所带来的诸多问题，甚至对最终产品也难以在编审环节进行审核，这增加了虚假新闻出现的概率。从内容来看，AI技术生成的新闻难免出现事实性差错。比如美国CNET的报道就在利息计算、偿还车贷等方面出现过低级错误。另外，《华盛顿邮报》指出，虽然人工智能可以快速准确地处理大量数据，或者通过检阅海量公开信息来组装文章，但其本质只是剪辑，AI生成文章的素材很可能源自他人作品，其中牵涉到剽窃、洗稿等法律和伦理问题。其次，深度伪造技术的滥用很可能在国际传播领域带来极大危害，例如通过社交机器人或虚拟主播产生的一些虚假信息与报道充斥网络。通过换脸、重新投射、口型同步、动作传递、图像生成、音频生成、文字生成等方式伪造照片、音频或视频、篡改新闻事实，这让虚假信息更加难以识别，导致谣言迅速扩散，影响网络安全、数据安全和信息安全。同时，受众长期被智能媒体推荐算法支配，更容易造成信息茧房、知识结构单一和信息偏见等现象。机器人新闻本身存在人性关怀缺失，过分依赖人工智能技术生产新闻内容，冰冷数据与人性关怀、新闻同质与独家报道、自动生成与议题设置、精准推送与信息茧房等之间的矛盾和纠葛也会愈加明显。最后，存在数据采集的侵权风险。机器人新闻内容生产的首要环节是机器人从海量数据中抓取符合主题的数据信息，但这一过程是否存在受众个人信息被随意采集、挖掘的情形，一直是学界讨论的焦点。针对这一问题，2018年欧盟出台《通用数据保护条例》，其中明确划分受众权利和互联网权利，规定互联网公司在收集受众数据时，必须告知受众数据的使用目的，受众也可以通过相应的访问权限进入互联网公司获取相关数据，甚至可以对算法进行干预。
（作者：赵玉宏，系北京市习近平新时代中国特色社会主义思想研究中心特约研究员、北京市社科院传媒与舆情研究所副研究员）