智能化技术在媒体行业的应用，将从信息采集、加工、整合、核查与判断、协同生产和内容分发等各方面带来新生产力，多线程增强生产能力，帮助人抵达过去不曾到达的新领域与新境界，也会给内容产业带来深层影响。
但新生产力的引入并不必然等于生产力的提升，生产力的提升也不必然意味着一个更好的传媒业。面对技术带来的各种可能性，我们也需要有对风险的更明确判断与警惕，技术应用的克制，技术伦理的约束，对于智能生产力这种新“核能”的安全释放至关重要。
增强：智媒时代新生产力的多线程作用
新媒体时代的海量信息，已很难完全用人工方式来完成处理，智能技术对人力的增强成为必然。各种智能化新内容生产力在多个“线程”上的引入，将带来生产能力的增强，并从多个环节、多个层面带来内容生产模式与生产思维的改变。
(一) 信息采集力增强：从“人”到“物”的多层面贯穿
过去的新闻采访，主要依靠“人力”，即依赖记者的现场观察力、采访突破力、信息收集力以及分析判断力等。但是，今天新闻报道中所涉及的信息来源越来越广泛，构成也越来越丰富，有时人的能力难免显得捉襟见肘。智能化技术可以从两个方面增强内容生产者的信息采集力，同时拓展支持新闻报道的信息类型与信息来源。
1. 用“物力”增强“人力”，以扩张信息采集边界。在物联网等技术推动下，未来将进入一个“万物皆媒”的时代。搭载智能设备和传感器的智能化物体将作为信息的采集者、传递者甚至加工者，成为内容生产全新的信息源。
这意味着，一方面，智能设备和传感器等，可以成为人的器官的延伸，在人的感官不能达及的层面，“人”借“物”力可以获得更强的信息获取与判断能力。另一方面，未来也可以做到以“物”知“人”，即通过智能设备、传感器等数据，更好地理解人的行为与状态、人所处的社会环境等。这些都会为媒体的新闻生产带来新的资源与新的思维。
2. 用“虚拟”增强“现实”，以实现对社会的多面描摹，丰富我们对社会的认识。近几年开始被业界关注的增强现实 (AR) 技术，是在现实景物上增加虚拟的影像，实现数字世界与现实世界的相互补充与增强。某种意义上看，今天媒体所依据的信息资源，也在进入“增强现实”阶段。
虚拟世界的数据正在成为现实世界的映射与延伸，过去记者用常规方式采集的现实世界信息，可以从某一特定时空下的形象、现场、行为等角度来反映新闻事实，而虚拟世界的数据特长在于，它可以用量化的方式反映个体的持续状态、行为轨迹、心理状态、生理性反馈等过去媒体较难采集的信息，也可以从宏观上反映公众的意见、情感、情绪，以及社会的整体环境、持续状态等。它们与现实世界信息的结合，可以从更多侧面勾画个体、群体与社会。
因此，通过传统的新闻采访和今天的数据采集分析两种手段的结合，通过现实世界数据和虚拟世界数据的双重采集，媒体可以丰富新闻报道的视角与内容。显然，虚拟世界的数据不应成为人的采访信息的替代，新闻记者在现场的到达与观察，仍然是不可缺少的。
在这两条线索下，未来与新闻资讯生产相关的智能化信息采集应用将主要包括：
1. 基于大数据技术的用户平台信息采集：用户数据可以用于反映社会现实，也可以为精准化内容生产提供依据，但数据采集、分析的准确性将是应用的关键，这有赖于大数据技术的进一步提升。
2. 基于社交机器人等技术的个性化信息采集：未来的技术不仅可以更多地获得整体性数据，也可以让社交机器人充当记者的角色，通过它们与用户的个性化互动，来获得个体的反馈。
3. 基于传感器的信息采集与加工：传感器可以扩张从“人”到“物”的不同层面的信息采集力。在实践中，媒体如何获得与利用传感器的数据资源，将是一个主要挑战。
4. 目标对象的智能识别与数据采集：过去新闻采访中所涉及的特定对象的识别与判断，主要取决于媒体人，媒体人的准备充分程度与判断能力会影响到采访的深入程度，而智能化技术可以帮助人快速识别某些对象并进行相关信息采集，智能眼镜可能是其主要的表现形式。2014年两会期间，有记者佩戴“谷歌眼镜”进行采访，2019年两会，智能AR眼镜再次现身。虽然目前的智能眼镜还有很多问题，它作为一种大众化智能设备，应用前景仍不明朗，但是如果充分挖掘其在对象识别与数据采集方面的潜力，它有可能成为采访的一种重要工具。
当媒体人在机器帮助下获得更强的采集力时，他们不仅需要保持原有的专业判断力，也需要增强自己的信息筛选与过滤力。他们不应只是把海量信息简单堆积在用户面前，而是需要在深层理解、提炼信息意义的基础上做信息的深加工，某些时候反而是在减法的基础上向用户提供内容产品。否则，增强的信息采集力不是一种真正的“增强”，反而可能是对媒体人能力的削弱。
(二) 智能加工力增强：全媒体贯通+挖掘力提升+新文本模式
内容的自动化生产，是智能化技术在媒体的一个典型应用。未来它的发展或将主要沿着如下几条线索延伸。
1. 自动化内容生产的全媒体贯通
文字新闻的智能化写作目前在一些内容生产机构已经进入常态化使用，如腾讯的Dreamwriter、封面新闻的“小封”、微软“小冰”等。批量化的自动写作，可以在某些突发事件的实时反应、行业报道的快速生成、小众化需求的满足等方面，辅助或解放人力。在图片方面，智能拍摄、智能优化、智能配图甚至图片的智能化合成等，都已经在实践中得到应用。
与此同时，随着移动视频市场需求的迸发，与视频生产相关的智能化应用将成为新一轮开发重点。视频的智能化生产技术，主要解决的应用包括图片的短视频化、同主题视频集锦生成 (如进球集锦) 、视频化行业新闻、活动报道视频新闻的自动生产、数据新闻的视频化等。与视频一样，音频的智能化生成、编辑、识别等应用，也有市场的动力，技术上也越来越成熟。
2. 从劳动密集型加工向智能挖掘的发展
在初期，智能化内容生产主要还是在探求通过机器的力量来代替人力完成那些劳动密集型内容的加工，而下一步，智能化内容生产的目标是要借助机器力量来进行信息的深度挖掘，以增强人的分析力、预测力、提炼力等。一是分析力增强：智能化技术可以通过背景信息、事物关系、知识图谱等的分析，解读新闻的深层含义，解释其来龙去脉。二是预测力增强：通过多维度数据分析，预测事物的发展趋势与走向，这也是智能技术相对人脑的优势。三是提炼力增强：智能化技术还可以帮助人在零散、表面的现象或信息中，寻找深层规律，提炼知识，促进新闻资讯内容向知识产品转化。
3. 智能化加工驱动的新文本与优化模式
智能化信息加工能力，也会在内容的文本层面带来一些变化与新特征。一是强背景文本：智能化的数据采集和分析能力，可以扩张新闻背景的广度与深度，增强背景在文本中的分量。例如，可以从新闻要素 (如某个特定人物) 出发，快速生成其关系网络与背景资料，增强内容的阐释力，甚至可以从背景资料中发现更多的新闻线索。二是强证据文本：数据分析可以为观点论证、判断验证提供更充分的依据，例如对“首个”“第一次”这样的判断，可以直接提供数据支持。未来的用户也会更多期待“强证据文本”。三是交互式文本：更多互动手段将被引入内容文本本身，在互动中完成内容生产。
除了这些新文本特征外，进行式优化也会成为内容生产中的一种常态。内容生产并不会因进入分发环节而结束，而是在分发和消费中不断优化，例如风格优化 、路径优化等。借助传感器等设备，用户在内容消费中的反馈有可能实时呈现，并且伴随内容消费全过程，这些新维度的用户反馈数据也可以成为优化的依据。而数据分析也可以从已有报道引发的用户关注点中挖掘新的报道选题，使内容不断延伸，形成更长的报道链条，为报道带来更大的增值。
(三) 信息整合力增强：拯救碎片化信息
今天无论是内容生产者还是消费者，都受到海量、碎片信息的困扰。而机器的海量信息搜索能力和智能分析能力，可为碎片内容的整合提供新的可能。下列媒体常见的信息整合方式在未来也会日益智能化。
1. 相关文章的自动配发：相关文章有助于补充、延伸核心内容，现在网站或客户端每篇文章所配的相关文章虽然也可以从发布系统中搜索、匹配，但很多时候匹配度或互补度并不高，而智能化技术在未来可以在更广泛的信息源中获取更有价值的配发内容。
2. 多媒体的智能组合：目前智能化技术已经可以自动寻找适合文字的配发图片。未来的智能配发图片，或许不仅仅从内容的匹配度出发，还会从用户阅读心理需要出发来进行分析。除了图文外，多媒体的智能组合技术也将越来越普及。
3. 专题的智能化聚合：在移动时代，专题虽然还存在，但还没有找到适配移动端的最优模式。而对用户来说，集成化的信息获取仍是必要的，或许智能化技术可以为新闻资讯专题的生产提供更高效、低成本的方式。腾讯的Dreamwriter等也在推进智能化专题生产方面的应用。
(四) 协同力增强：分布式生产的基础
未来，内容生产将越来越走向分布式、协同化，智能技术则可以提升不同生产主体之间的协同能力。
专业化生产内容 (PGC) 与用户生产的内容 (UGC) ，两者在今天缺一不可，很多时候，它们相互补充，有助于更完整全面地反映客观世界。但如何将不同来源的相关信息整合在一起，在今天仍然是一个难题，而智能化协同平台将是解决这一问题的重要手段，这样的协同平台可能更多地存在于“云端”，而非媒体内部系统中。
区块链也可为协同生产提供更具信用保障的新模式。在新闻信息生产领域，通过区块链方式，可以让每个生产者提供的内容都被所有节点保存下来，且新闻生产过程全程可溯源、内容永久记录，在传播过程中如内容被篡改很容易被发现，如果出现假新闻，也容易追踪，这也对假新闻的制造者形成约束。它的去中心化模式也可以推动协同生产、编辑与审核，在开放中维护内容质量。
未来，物联网资源与人力的结合，将带来人—物的协同工作，这也有待这一领域智能化平台的开发。
(五) 分发力增强：多维坐标关联内容与人
智能化算法分发，主要解决的是人与内容的关联问题，目前，算法主要以个性作为基本关联维度，未来，它所依据的数据维度和分发思路或将不断拓展，除了个性外，用户所处的关系和场景也将是核心的关联维度 。
1. 算法中的“个性化算力”增强
目前的个性化算法，主要是分析用户当下的需求意愿，但这带来的问题是，算法会过于拘泥于用户的短期行为，形成正反馈效应，将人们约束于信息茧房当中，因此，未来的算法除了要准确定位用户当下需求外，还需要有两个方向的拓展：
一是可以预测需求的自然转化方向。人们的需求会有自然的变化过程，外部环境的变化、个人状态变化等，都可能导致用户信息阅读的偏好等发生一定的转移。算法需要能预测人们需求的转化方向，并适时做出调整。
二是人工激发新需求。用户的阅读总是偏向个人兴趣的，但一些他们忽略的公共性话题，能帮助他们了解更广阔的世界，算法不仅要满足个性化需求，也要引导用户关注公共事务，激发他们对公共信息的兴趣。此外，从破解信息茧房角度看，算法也需要通过对用户阅读线索与逻辑的深层了解，激发出他们的新兴趣、新需求。
图注：内容与人关联的三个核心维度
2. 算法中的“关系增强”
未来算法还需要充分考虑用户的多重“关系”，这不仅意味着将关系作为内容推送的参考依据，更意味着通过内容来实现人的关系连接与整合。从关系维度看，算法需要重点关注三种关系：1）社交关系：即用户在不同平台上的社交圈。人们的信息消费往往与社交圈中的形象管理相关。让人们在社交圈获得更多的存在感、塑造更好的社交形象，是内容分发中需要兼顾的问题。2）社群归属：分散在不同网络空间里的人，可能有着相同的志趣、相同的文化特征，他们可能归属于同一类文化社群。算法应该有助于人们发现自己的同道人，并与其产生广泛的关联与互动。3）社会归属：个性化时代，仍然需要社会整合，也要通过算法让个体与整个社会产生更多的联系，促进他们对公共议题的关注，参与公共对话、公共行动，增强他们的社会归属感。
3. 算法中的“场景增强”
未来，场景也会成为智能分发的主要参考维度。构成场景的要素主要包括：空间与环境、用户实时状态、用户生活惯性、社交氛围等。人们在一个特定场景下，会有共性的行为特征，也会有个性化的需求。这些都是场景分析的算法需要解决的问题。算法分发，不仅可以为不同场景下的用户提供更精准的内容匹配，也可以为服务和商业模式的开发提供新可能。
目前的算法，对于空间这一场景要素有所涉及，但应用还不够充分，而其他要素则基本还未考虑，未来的“场景”研究与应用还有待深化。而从空间环境角度看，未来的智能家居、智能汽车，将会是信息分发的重要场景，媒体也需要及早进入到这些新场景的开发中。虽然未来的分发需要考虑多维度的用户数据，更精准地定位用户，但这种手段的应用，又需要一定的节制。
变革：新生产力作用下的新内容行业
除了在内容生产各环节、各线程上带来新生产力外，智能化应用也会在更深层面上驱动内容市场与行业的变革。
(一) 新生产力驱动的内容市场变化
内容供给力增强，可以实现“头部”与“长尾”全面覆盖。传统时代的内容生产，主要关注用户的“头部”需求，而智能化带来的增强型生产力意味着对多样化市场的供给能力增强，可兼顾小众爱好、长尾需求。
精准化生产力增强，将推动定制化生产规模化。智能化技术的采用，也为面向特定对象的定制化内容生产提供了支持，甚至可能做到精确制导，未来，定制化生产或将走向规模化。
部分服务平台将向泛资讯平台发展，内容分发渠道进一步扩张。智能时代，一些服务性平台也可能成为内容分发平台，这些专业媒体较少涉足的边缘地带，成为内容产业新的增长空间。
“资讯”内涵、外延扩张，泛资讯内容争夺用户注意力。新的分发平台，也会带来内容边界的模糊，传统意义上的一些非资讯内容，在今天成为了“泛资讯内容”，它们会与新闻资讯内容一起分享用户的时间，争夺注意力的竞争会进一步加剧。
新技术拓展新路径，营利模式多元化。深层的数据开发和智能化技术可以为媒体拓展营利模式与思路，在今天的媒体探索中，我们已可见一些端倪，例如，“封面新闻高考志愿小助手”以600万条数据支撑为考生提供精准化分析服务，智能预估高校录取分数、大学专业评测以及智能志愿填报。除了新闻这一主要的内容产品，以及广告等传统营利模式外，未来媒体也可能成为专业数据产品与垂直服务的提供者。
(二) 新生产力推动的生产关系重构
智能化时代也是一个高度分工合作的时代，完全封闭的系统难以适应这一时代需求，开放的媒体才有可能获得更多新机会。
这也意味着，技术拥有者的权力将上升。平台等分发技术的控制者已经在内容产业获得重要话语权，未来，更多的技术拥有者将成为内容产业必不可少的组成部分，进一步对内容生产者形成影响。
信息源在内容产业体系中，其地位也会上升，特别是在用户数据、物联网数据等传统媒体相对较少触及的数据领域，新的数据拥有者可能会对媒体形成钳制。另一个值得关注的动向是信息源的媒体化。过去作为媒体信息来源的一些机构或平台，可能通过智能技术和各种新平台，直接向用户推送信息，它们将成为新型媒体，这一方面意味着媒体的信息源减少，另一方面意味着媒体的竞争对手增加。
在智能化生产与分发的算法中，用户节点的权重也会上升，用户会对内容的流向与流量起更大的作用。
(三) 新生产力=生产力提升?
对于传统媒体来说，在面临包括智能化技术在内的各种新技术的冲击之时，新技术的引入似乎成为必然。但这不应只是噱头，更不是“政绩工程”，而应是面向内容生产的环境和市场需求变化做出的理性选择。同时，如果不能从体制、思维以及文化层面清除障碍，技术的炫目、产品的丰富、能力的增强，未必能转化为市场话语权的提升。智能技术应用能否真正提升媒体的生产力、生存力与话语权，需要经过一个漫长的过程才能看到结果，这中间难免会有一些试错。
(四) 生产力提升=更好的传媒业？
一个好的传媒业需要以内容的专业性为核心，但新生产力的引入甚至生产力的提升，并不必然带来专业性的增强。某些时候，仅以用户需求和市场需要为目标，也可能会落入流量陷阱。当智能化时代越来越多地以数据来衡量市场影响力时，这样一种风险也会与日俱增。
尽管未来的传媒业将是一个边界消失、版图重构的时代，影响内容专业性的力量将更为多元，但专业媒体在其中仍然是核心。但可以预见的是，未来专业性坚守的干扰因素与力量也越来越多，媒体的挑战会更大。而拥有了新的权力的技术公司等，也需要承担起相应的责任。
克制：新生产力应用的原则与伦理
智能化技术有助于促进内容生产能力的增强，在此过程中，我们也需要增强对技术风险的判断力。保持对技术应用的克制，守住基本的伦理边界，才能减少风险，才能使机器对人力的增强真正造福人类自身。
(一) 信息减法：“增强”时代的“产能”克制
智能化技术大大提高了内容生产的产能，移动+智能传播也使信息入侵到人们生活的每一寸空间，信息过载的问题可能更为严重。信息过载会带来内容总体的“价值密度”变小，有价值的内容被淹没在过量的内容中，用户发现有价值的内容的成本反而上升。尽管个性化分发算法的出现初衷是减轻这一问题，但目前的个性化推荐，只是在内容类型上缩减了阵线，并没有在量上解决过载，反而可能会带来同质内容的源源不断供给，这在另一个方面带来了信息过载。
以智能化来促进“信息减法”，一是需要更好地分析公共环境与用户需求，为用户制作更有专业度、更有营养的内容，减少不必要的内容生产，二是要进一步优化分发算法，适当减少人与内容的连接。
(二) 适度“断连”：“连接一切”时代的连接克制
“连接一切”在今天成为了互联网界的一句口号，智能化技术的引入，很多时候也是为了实现更多新的连接，连接力也成为一种新的生产力。虽然在某些意义上，多元的连接对于网络产品的开发与服务的完善具有重要意义，但是，另一方面，我们也看到，过度的连接，已经开始成为人的负担，甚至是一种威胁。
从用户的心态来看，今天已经出现了几个方向上的反连接的张力，包括：
1. 反抗线上人—人过度连接的张力
新媒体应用的深化，使得互联网早期的匿名连接、弱连接模式，越来越多地向实名连接、强连接模式发展。虽然实名、强连接有助于帮助人们获得更多的现实社会资源，但人们感受到的压力与负担也越来越沉重，也会越来越多地受到社交关系、群体互动的影响，无时不在的社会比较也可能会带来人们心理的失衡。人们被过多的关系束缚时，逃离连接约束的动力也越来越强。今天的新媒体技术加强了线上的连接，在人们时间精力有限的情况下，线上连接的强化，必然会带来线下连接被挤占。但线上过于丰富的连接反而会使人们的互动简单化、功利化，过度的连接也可能带来新的狭隘与孤独。重回线下社交的用户需求在未来也会增长。
2. 反抗人—内容、人—服务过度连接的张力
智能化技术可以全方位地分析用户的需求，并在不同场景下推送不同的内容与服务，这样一种能力需要节制使用。过度的内容和服务推送，从短期来看或许会使用户感到满足，但长远来看，也可能会压垮用户。
(三) 人机共生：彼长此不消
从人工智能科学家们的共识来看，人机共生，应是人工智能时代的一种常态；人机关系，也会成为未来一种必须时时面对的关系。在智能化内容生产中，需要重点解决的人机关系包括：
1. 机器在人工智能伦理中的主体性质及角色
尽管人工智能时代人的主体性的保持仍是核心目标，但正如有研究者所指出的，“人工智能在与人的交互中呈现出某种拟主体性”，按照计算机伦理学创始人摩尔对机器人的分类，机器人包括有伦理影响的智能体 、隐含的伦理智能体、明确的伦理智能体、完全的伦理智能体，这种分类也适合人工智能整体。考虑人与机器的关系时，应该深入到相关行动者网络中，看到由人工智能的应用所汇聚的不同主体和拟主体的能动性，厘清其中的权利和责任。
即使机器具有“拟主体性”，但是，人始终是主导者。智能化内容生产有很多隐藏的道德与伦理选择，厘清机器的伦理角色、权利和责任，同样也是必要的。
2. 人的价值判断与机器的价值判断的关系
无论是智能生产，还是智能分发，都涉及人的价值判断与机器的价值判断两者的关系问题。在今天的智能化内容生产与分发的，主导算法的价值判断的，主要是技术人员。虽然他们大多也带着良好的愿望，但是，对于新闻的生产，某些价值判断，仍然需要专业的经验与原则的指导，这也需要媒体人更多地参与到相应的算法设计中。
3. 经验、感性与数据、算法间的关系
以往的内容生产，主要是依赖人的经验，文本也主要是基于感官、经验、直觉的感性呈现。但机器、算法，可能会将过去人的经验性行为变成程式化的行为，而文本中也会有越来越多的数据分析与数据呈现。
数据分析与算法有可能在某些方面突破人的经验性认识的局限，帮助人在全新的层面认识与呈现新闻事实。某些时候，数据的精准性也可以纠正人的经验判断的偏差。但我们也需要警惕，人也可能会因此被数据与算法局限，成为机器的亦步亦趋者。如果那些本来鲜活的，需要人的感官去观察、还原的新闻现场，都变成了干巴巴的数据堆积，新闻的色彩与温度也会丧失大半。
因此，未来的内容生产，需要在经验与程式化、感性与精准之间寻找平衡。未来的内容从业者，既需要掌握一定的数据采集、分析与加工的能力，也需要足够的人文视野与素养，擅长数据与算法的技术人员与具有人文情怀的内容生产者的协作，也会更为常态。
4. 人机相互校正机制
有学者指出，要从人机协作和人机共生而不是人机对立的角度探寻发展“基于负责任的态度的可接受的人工智能”的可能。应意识到发展人工智能旨在增强人类智能而非替代人类，要强调人类的判断、道德和直觉对于各种智能体的关键决策不可或缺。同时，应通过更有效的人机协作，在人机交互中动态地加强机器的透明性、可理解性和可追责，以便更有效地消除人对人工智能的疑惧。
在内容生产中，机器在某些方面可以增强人力，例如在时效、产能、信息维度和挖掘深度方面，数据与算法也可以对人的一些经验、直觉进行验证或校正，而人则需要把握内容生产的基本方向，也需要对机器运行的结果进行审查、判断，对可能出现的“黑箱”“黑洞”进行纠正。
智能技术进入传媒业，是为了将人从一些简单、重复的劳动中解放出来，进一步提高人在其优势领域的竞争力，因此，智能化在媒体中的应用不应该以对人的核心价值与能力的削弱为代价。
在人机协同的大趋势下，人与机器，并非“此消彼长”的关系，而应是“彼长此不消”。而人需要更多地了解自身与机器各自的优势与不足，才能在机器面前拥有更多的主动权。
编者按：
作者：彭兰，清华大学新闻与传播学院教授、博士生导师，新媒体研究中心主任，CTR媒体融合研究院专家；
来源：中国编辑出版研究会；
原文刊于《湖南师范大学社会科学学报》；
本文为作者与“今日头条”合作研究成果；
内容有删节。
温馨提示：
“德外5号”每周一到周五晚八点定时推送国内外融媒新动态，欢迎您将“德外5号”设置为“星标”，以方便查看。若想第一时间找到我们，点击“在看”，这样我们的每次更新，都会第一时间出现在订阅列表里。大家保持联络~
网友评论