基于AI的媒體融合思考

【摘要】隨著大數據、5G、物聯網、云計算、人工智能等新型技術不斷發展，各種新興媒體影響也越來越大，導致了輿論媒體的格局和傳播方式發生很大變化，新聞輿論工作也將面臨新的挑戰，推動促進媒體融合發展是媒體人面臨的一項緊迫課題。而在媒體融合中，大力推動并運用人工智能技術（以下簡稱AI）是不斷取得融合突破的關鍵所在。

【關鍵詞】AI;人工智能;新聞媒體;運用

AI是一系列包括機器學習、自動化和數據處理的由算法驅動的技術，幾乎涵蓋了媒體融合的所有過程。以新聞業為例，它將以漸進的方式推動新聞媒體在技術、社會和商業的作用下發生重塑性變化。BBC的AI包含三種功能：基于任何形式的機器學習、智能代理、自動化完成以前的人工任務[1]。在新聞傳媒業的融合中，我們可以探索將AI運用在新聞采集、生產、分發、接收以及反饋中，用主流價值導向來駕馭“算法”，以全面提高媒體融合度和輿論引導力。

一、AI在新聞采集中的運用

新聞采集是AI數據驅動生產的重要功能，它的具體運用包括：

（一）幫助收集資料

借助機器學習算法，幫助我們發現可能被遺漏的趨勢和事實。同時利用內部工具，結合數據分析和語言生成系統編寫全部或部分故事，并提醒我們注意數據中存在的機會。

（二）幫助評估用戶興趣

通過攝取大量視頻，幫助我們篩選來自官方的內容，也可以篩選來自公共和社交媒體的內容，以確定哪些信息與受眾相關。

（三）自動化文本分析

自動化文本分析（包括校稿）可以幫助我們高效率地檢查文本錯誤，版權侵權和抄襲行為偵測。

（四）自動文本標記

文本標記是出了名的“臟活累活”，但書籍和導語如果不進行標記，讀者又很難找到創門。AI能驅動的文本分析技術能夠自動掃描任意長度的文本并生成標記（標簽），大幅提高工作的效率和準確性。

二、AI在新聞生產中的運用

在新華社的“媒體大腦”誕生前，出現最多的AI運用，是那些可能看起來會“搶飯碗”的寫稿機器人[2]。概括起來，AI在新聞生產中的運用主要包括：

（一）信息分離

使用AI的信息提取工具來分離不同類型的信息，并在文章生成過程中將其呈現給我們，可以一次提高標簽的質量。同時，還可將其用于內部新聞跟蹤，當我們從世界各地抽取數十萬篇文章時，可以用AI豐富每篇文章的元數據并將其分類。

（二）信息核查

利用機器學習工具來進行事實自動檢查，可以大大增強內容的可信性。隨著錯誤信息利用新技術的大規模散布，對“深度造假”的檢測和事實核查將成為提升新聞公信力的關鍵環節。機器檢查會自動根據信息數據庫檢查事實陳述，找到正確的數字并實時生成圖表、給出答案。

（三）信息自動生成

通過AI組織材料可以自動生成內容、處理文本、在預定時間發布推文、發送電子郵件等等。2015年，法國的Le Monde在總統大選期間，用AI在36000個頁面上展示出大約36000個報道，列出了選舉的有關信息，例如人口、位置、先前的選舉結果、財富、就業率等。另外，信息的自動生成和發布還可以用于體育比賽評論、交通事故和天氣預報等等。

（四）完成調查性報道，增加新聞深度

AI的許多功能還與調查性新聞有關，這部分是人類無法獨自完成的。例如，我們可以使用AI分析大量的房屋和城市發展的圖片，以識別各種住宅區的問題（例如霉菌、煙霧探測器缺失等）的集中度。也可以使用AI學習模型在成千上萬的圖像上搜索非法采礦的地方，來解決報道中的某些特定問題以增加報道的深度。

（五）其他功能

AI也可以用于語音轉文本、自動翻譯、圖像識別、視頻制作、敘事文本生成，等等。當然，在新聞生產中，AI也有局限性，有些效果是AI帶不來的。

三、AI在新聞分發中的運用

在過去，新聞制作與分發是一體的，我們選出報紙頭版頭條，為電視節目進行精心排序，以實現議程設置，并影響公眾看什么、想什么以及怎么想。但如今，使用AI進行內容分發，過去被動的受眾成了主動的用戶，新聞分發機制發生了重大變化。

（一）制定內容策略

AI可以針對用戶對新聞內容的參與度、共享、評論、綜合瀏覽量和頁面停留時間，幫助我們制定內容策略，例如通過社交媒體宣傳哪些內容、如何使社交媒體的內容分發策略更加有效、如何使用一些機器學習算法，向用戶推送喜聞樂見的廣告分發（購買訂閱）等等。

（二）用戶的個性化管理

用戶即使面對自己不想要的內容也可以對其進行個性化設置。如：AI的算法可針對用戶使用音頻的整個過程行為（跳過、循環、分享）為用戶量身定制音頻內容，從而優化數字平臺上的人均收聽時間。

（三）評論自動審核

網絡不是法外之地，加強監管刻不容緩。我們可以借助AI機器學習技術建立一個評論自動審核模型，將用戶評論分為好和壞并進行自動審核。

四、AI在新聞接收中的運用

新聞接收是新聞信息的輸入項、接收者的認知項、需求項和認知參照項相互作用而構成的新聞接受過程。新聞信息以一定的編碼形式（文字、圖象、聲音）作用于接收者的感官，經過解碼產生對新聞信息的認知，接收者的認知程度首先取決于滿足需求項的程度，越是滿足需求的新聞信息，其新聞價值越大[3]。AI可以按照接收者的需求目標調節信息供給，如生理需求（生活需求）、認識需求、自我實現需求（參與需求）等等。另外還可以根據用戶對信息的接收方式、時長、頻次、時段、習慣和途徑進一步優化信息供給方式。

五、AI在新聞反饋中的運用

新聞反饋是由新聞決策、傳播實施、信息收集、信息分析等工作組成的過程。我們可以基于AI建立新聞反饋運行機制：由信息分析機構為決策機構提供新聞決策依據乃至決策建議，對決策機構的意圖，根據反饋信息的分析來檢驗決策的科學性。執行機構的工作情況要隨時反饋給分析部門和決策部門。決策機構將決策信息和反饋信息輸送給上級部門。例如：目前全球市場信息收集、分析除了采用類似谷歌的儀表盤工具之外，還可以使用AI驅動的大數據工具。我們可以通過人工智能工具抽取分析來自Goodreads和亞馬遜的評論和愿望清單數據，來搞清楚不同地區的讀者最感興趣的內容，從而幫助決策機構制定正確的新聞生產和分發策略。

六、用主流價值導向駕馭“算法”

算法是Al的核心。就像所有的新聞都包含某種程度的“偏見”一樣，每種算法都可能含有某種“偏見”。因此必須建立主流價值導向駕馭的AI“算法”。

（一）堅持主流價值導向

在新聞算法的設計和運用中，除算法邏輯外，主流價值導向原則也應得到貫徹，那就是要堅持正確輿論導向及以人民為中心的理念，而非單純的信息分發。所以，這要求對相關的算法科學家、工程師及設計、使用算法的機構、個人進行算法倫理、新聞倫理的教育，以促使其能具備基本的新聞和算法倫理意識，并且真正做到用主流價值導向駕馭算法。

（二）防止算法“偏見”陷阱

所有系統都會含有偏見，因為它們反映了其創造者和使用者的意愿和立場。重要的是，如何意識到偏見的存在，以及如何優化管理、減少偏見。這就要求算法把關人能在設計及運行算法過程中至少承擔兩方面把關責任：

1.追蹤評估算法影響，擺脫搭建技術架構、書寫代碼時價值判斷無意識狀態以及明確新聞主流價值的導向作用，不能以片面滿足用戶需求、追求流量最大化作為終極目的。

2.當出現算法偏差時及時糾偏和阻斷的責任。

3.提升全民算法素養。當機器算法出現不可逆轉地影響個人的信息獲取及基于此進行決策的時候，應將算法素養與媒體素養列為中小學及大學的通識教育，以使公眾能夠有意識和能力監督各個平臺和機構始終保持算法的警覺，并避免新聞算法和主流價值觀相偏離。

結語

綜上所述，AI對于媒體融合的升級與發展至關重要，為新聞生產與傳播提供了全新的思路與可能。與此同時，我們仍需要不斷完善和加強AI的監督機制，揚長避短，讓AI發揮更大的作用，為媒體融合作出長足的貢獻。

參考文獻：

[1]郭仕佳.淺談“互聯網+”時代電子信息技術應用于AI新的發展模式[J].通信設計與應用，2019，2（1）：10-11+99.

[2]郁思韻.淺析新媒體和長尾理論視域下的網絡直播行業[J].學術探討，2017，11（1）76.

[3]紀祥祥.媒介融合時代電視新聞傳播方式探討[J].傳媒論壇，2018，1（17）：48-49.

【作者簡介】李雨桐，倫敦大學數字媒體MA碩士研究生。