AIGC時代深度報道的邊界重塑

AIGC技術的出現和迭代發展，對新聞傳播業的生產變革產生了深刻影響。作為書寫時代的產物，深度報道的想象力也隨之拓展，AIGC技術在重塑深度報道的邊界。在線索挖掘、主題延伸、工具輔助和信息保障等方面，AIGC技術已經能較好地輔助深度報道的采編實踐。

賦能深度報道：作為輔助工具的AIGC

隨著ChatGPT、Kimi、文心一言等大語言模型的面世，AIGC在輔助記者完成深度報道線索挖掘、文本優化、圖片生成等基礎性工作方面的潛力逐漸開始展現。

報道線索挖掘。深度報道有著選題復雜、切入角度獨特的特點，記者需要從大量的熱點事件或數據規律中，尋找符合選題標準和新聞價值判斷的新聞線索。憑借大規模數據收集、處理分析的能力，AIGC技術可以迅速完成尋找新聞事件、挖掘個例數據、總結數據規律等工作，輔助記者找到深度報道線索。

原本需要耗費人力監測、判斷、研究的熱點線索，可以迅速被AIGC識別。通過自然語言處理和機器學習等技術，AIGC可以在人工訓練后掌握媒體基本的選題標準和新聞價值判斷，從而對熱點事件進行判斷篩選。路透社開發的新聞追蹤器（Reuters Tracer），通過聚類合并、事件匯總、主題分類、新聞價值排名、真實性預測等步驟，可以在海量社交媒體信息中鎖定潛在熱點事件，將符合標準的新聞信息推送給記者。在布魯塞爾機場恐襲事件中，這套程序在第一枚炸彈爆炸11分鐘后就發現了該新聞，這比路透社傳統程序提前了8分鐘。

目前新聞追蹤器的應用仍需依賴大量的模型訓練，對于深度報道而言，AIGC技術的優勢更在于大量數據的處理分析，可以應用于挖掘個例數據、總結數據規律，這對于深度報道中的數據驅動型調查報道有較大的幫助。《亞特蘭大立憲報》（Atlanta Journal-Constitution）在報道醫生與性侵犯案件時，曾嘗試從超過100000份的紀律報告中，爬取醫生性侵患者后卻仍繼續執業的個例，最終借助AIGC技術找到了6000份有疑似記錄的報告。

深度報道中，調查性報道可能會要求記者從大量的數據中總結相關規律。面對以上需求，記者和編輯部可以結合自身采寫經驗和實際需求，通過指令設計和訓練，開發個性化的AIGC工具。菲律賓調查記者Jaemark Tordecilla借助ChatGPT開發了COA Beat Assistant（COA-BA）智能體，幫助其處理2021年菲律賓教育部審計報告及其他政府部門文件，最終成功得到幾個重要的細節信息，曝光了該部門在購買電腦時的不合理開支問題。

報道工具拓展。在機器學習、深度學習的驅動下，AI工具通過自我學習、調整和優化，可以更加精確地輔助進行深度報道內容生產。隨著寫稿機器人、采訪助手、字幕生成等AI應用的不斷涌現，深度報道生產的工具也在不斷拓展。

AIGC因其采集和處理分析數據、輔助編碼、寫作代碼等能力出色，在數據爬取與處理方面具有潛力，可以輔助完成數據型深度報道。如澎湃新聞在制作報道《一票難求的上影節，近十年怎樣走過？》時，使用了ChatGPT來輔助抓取和分析信息，作者與ChatGPT對話了55次，花了5個小時，成功獲取上影節十年片單數據。但與ChatGPT溝通的過程中，仍需要作者調整指令、手動修正，花費大量時間進行協助。

另外，由于深度報道需要探討更為深層次的問題，記者往往會采訪較多的信源，采訪素材容量大，而AIGC技術可以在錄音內容等資料整理方面發揮較好的作用。對于較為口語化的內容，AI工具可以迅速進行梳理并轉寫為正式化語言，如Kimi擅長處理長本文、WPS AI則可在辦公軟件中直接使用。盡管部分內容可能仍較為粗糙，需要記者進行進一步信息核對，但在大量材料的整理上，AI工具可以大大提高記者工作的整體效率。

在內容生產方面，AIGC依托大型語言模型，已經可以在某些分析性較強而敘事性弱的深度報道領域進行機器寫作。AIGC能夠按照既有模板，快速生成新聞報道。例如中國科學報的“小柯”以英文論文摘要為基礎，可以快速“寫出”中文科學新聞底稿；《洛杉磯時報》設立的“震災新聞bot”，會對所有震級3.0及以上的地震自動撰寫新聞快稿。而在文本優化上，AIGC已經可以完成新聞摘要、新聞標題的生成，為深度報道記者提供參考思路，還可以把專業性話題簡化到普通受眾能夠理解的水平。

在圖片生成上，依托于文生圖大模型，國內已有深度報道媒體將AI生成圖片使用于報道中。如北青深一度的報道《“人肉搜索”主犯出獄3年后，決心給自己“開盒”|深度報道》中，使用了兩張依據采訪內容生成的AI圖片，其中一位男生出現了六根手指的情形。AI生成的圖片仍需依托于已有的新聞文本進行生成，但圖片對于新聞真實性的影響仍需警惕。

賦能內容變革：作為內容擴充器的AIGC

深度報道作為追求“深度性”的新聞報道，對于主題具有新鮮性、深刻性的要求，AIGC的相關應用也在新聞界引發討論，使得深度報道的觸角得以延伸，機器人敘事的想象力不斷拓展。

報道主題延伸。在深度報道主題的創新上，不僅AIGC技術本身成為報道主題，記者與AIGC的互動、人機互動背后產生的社會議題，也成為新的深度報道主題。

具體而言，ChatGPT、Sora等AIGC工具一經出現，就迅速掀起一股AIGC熱潮，AIGC技術本身成為深度報道主題。不少媒體記者圍繞這些技術，從社會、財經、科技等各個角度切入，介紹分析AIGC技術對日常生活、經濟發展的種種影響和帶來的風險與問題。除此之外，記者與AIGC的互動也成為了新的報道焦點，為深度報道提供了豐富的素材。

人機互動背后，更多新的社會議題在產生。AIGC帶來的技術變革促使不同的產業與AIGC融合，催生了一批新職業，如AI訓練師、數據標注員等。然而在新職業背后也帶來了一系列社會問題，成為新的深度報道主題。如作為新型數字勞工的數據標注員，他們薪資低廉，缺失福利保障，成為數據背后隱形的被剝削者。而南風窗等媒體還關注了AI訓練員背后有關縣城女性就業的話題。此外，AI克隆人的情感陪伴也成為新的討論點，南方周末的報道《困守大山的腦癱青年，活在克隆人虛擬世界》關注了一名18歲的腦癱青年，主人公楊晴光在AI克隆人身上尋找情感寄托，報道背后試圖討論虛擬克隆人能否填補殘障人士的精神世界空白。

報道信息保障。面對紛繁復雜的社交媒體信源，深度報道的信息保障顯得尤為重要。而人工智能技術在這一領域展現出了巨大的潛力。通過自然語言處理和機器學習技術，AI可以快速分析和驗證大量的信息，幫助記者識別和排除虛假新聞和誤導性信息，完成事前新聞審查和事實核查工作。

在新聞審查方面，傳統深度報道主要由記者和編輯對新聞真實性進行層層把關，而在人工智能背景下，新聞把關已經向智能算法讓渡。AI工具不僅可以幫助記者完成詞匯、病句等基礎的內容檢查工作，還可以完成敏感信息識別等工作。現有AI工具可以依據鑒黃模型、謾罵模型、低俗模型、泛低質模型等技術，初步識別深度報道中的風險信息并生成文本分析，從而完成報道發表前的新聞審查輔助工作。而隨著大模型技術的不斷發展，AI工具在未來將進一步被用于進行信源交叉驗證、觀點識別審核等工作。

在事實核查方面，AI工具可根據大數據對社交媒體上的內容及同題報道內容進行檢查，提高了新聞事實核查的效率，也增強了信息識別的準確性，可以滿足深度報道對于信息準確度的一部分要求。巴西的Serenata de Amor、英國“Full Fack UK”等組織均開發了相關事實核查工具，經過信息識別、檢驗和比對等步驟，能夠進行自動事實核查。Kuznetsova和Elizaveta等人的研究使用AI審計方法，對比分析了ChatGPT和Copilot檢測政治信息真實性的能力，結果表明ChatGPT的整體表現更為出色，在英語語境中的準確率為79%。

何以抵達？深度報道中運用AI之困

盡管目前人工智能在數據挖掘、自然語言處理和深度分析等方面表現出色，但具體到深度報道領域，數據可用性和真實性、新聞價值等方面仍然存在問題和挑戰。

技術可供性挑戰：數據來源與模型開發之困。在深度報道的新聞生產中，數據的使用由來已久。人工智能的介入將改變記者使用和處理數據的慣習，模擬數據、空間信息等虛擬數字都成了可靠的資料，但在搜集數據和建立專屬的報道模型上，生成式AI還有很長的探索道路。

在數據收集方面，深度報道所需的公共數據種類多、分布廣，目前人工智能還難以完全達到深度報道記者的數據搜集需要。部分公共數據不一定公開，需要通過請求、協商或購買才能獲得，在香港等地區，公共數據的獲取成本高昂，公司必須注冊登記逐一購買。

在對話式9K6ZLA87TnnKsKsYBr7C6QCD7yM3EibnQ4pYK8wTCvw=人工智能盛行的當下，AI可觸及的數據搜集領域也存在著侵犯隱私權和數據倫理的隱憂。部分信息主體或可隱匿于生成式人工智能的背后，通過對話式的人工智能竊取商業機密和個人隱私，如三星員工曾在ChatGPT上傳公司的半導體數據以尋求幫助，導致三星遭遇嚴重的數據泄密問題。

在數據處理方面，記者在深度報道中運用AIGC還受到缺乏標準訓練數據集的阻礙。記者搜集到的調查數據和素材通常是非連續的，將這些資料整合在一起是一項大工程。每日人物曾發表文章《這是我們第一篇完全由ChatGPT寫作的稿件》，記錄了作者使用ChatGPT進行深度報道寫作的過程，因ChatGPT無法消化3萬字的訪談文本，作者將一份原本只需要記者閱覽30分鐘的采訪素材喂給ChatGPT進行消化理解，整整花費了15個小時。

在商業環境中使用AIGC時，需要解決持續性的商業問題，由于業務的連貫性，在商業分析中投入的AI系統通常可以重復使用。相比之下，深度報道意味著記者面臨的議題往往獨特而復雜，許多以數據為驅動的深度報道幾乎不會重復，個性化定制的人工智能解決方案成本高昂，難以在多篇報道中分攤。此外，新聞機構缺乏充足的資金來發展自己的技術，依賴外部的技術提供商可能會導致新聞機構無法獨立選擇新聞分發平臺。

新聞價值隱憂：真實性沖擊和價值判斷偏見相互交織。OpenAI在GPT-4技術報告中指出，GPT-4生成的內容不完全可信，會對事實產生“幻覺”（Hallucinations）。NewsGuard在2023年12月有關人工智能如何制造虛假信息的回顧報道中指出，完全由人工智能運作的、充滿低可信度信息的平臺數量已經從2023年5月的49個暴漲至2023年12月底的614個。

人工智能生成的虛假信息包含事實性虛假和幻覺性虛假兩個方面。在事實性虛假層面，任何人工智能在新聞調查中都無法達到100%的準確率，一方面是由于人工智能使用的數據會出現模棱兩可的情況，如復雜的跨文檔、跨數據庫的數據核查工作，目前還沒有算法能夠確定不同數據庫的同一個名字是否指代同一種物品，這意味著人工智能的輸出需要更加精細的人工事實核查。如此，人工智能所帶來的效率優勢也在需要耗費的人工核查成本面前所剩無幾。另一方面則在于AIGC本身也會制造錯誤的新聞信息源。每日人物記者使用ChatGPT進行深度報道寫作時，在記者不斷施加修改信號的指令之下，ChatGPT開始給報道的主人公憑空編撰疑似出軌的情節。

在幻覺性虛假層面，人工智能輔助深度報道面臨的復雜挑戰是新聞概念的技術系統化。社會學家斯圖亞特·霍爾（Stuart Hall）表示，新聞價值觀是現代社會最不透明的意義結構之一。新聞價值包含了復雜的社會和政治語境的光譜，難以通過計算進行編碼。現有的新聞寫作機器人或以恒定的故事框架設立標準，或是基于前人的決策模式對系統進行訓練，如在訓練路透社的News Tracer判斷事件是否具有新聞價值時，路透社工程師圍繞特定事件建立了300個推文集，其中63個被記者認為有新聞價值，在此基礎上，工程師讓News Tracer學習記者的判斷標準。然而，在新聞生產的實踐中，根據編程來判斷的硬性篩選標準會顯得不夠靈活、比較武斷；若以人類決策作為學習樣板來訓練系統，人類本身對于報道選擇所帶有的文化偏見又會潛移默化地滲透到人工智能中，難以達到新聞效率和新聞價值判斷的平衡。

算法透明度之殤：技術透明程度與算法責任監督有待提升。AIGC運用在深度報道中，較大的爭議在于算法不透明，其對新聞倫理的沖擊、對個人隱私的侵犯及對新聞價值的消解不容小覷。算法黑箱的存在有其深刻的社會土壤和現實因素。對于媒體和技術供應商而言，算法披露的成本與預期回報之間存在明顯的差距。在商業運營的壓力下，媒體往往缺乏主動披露算法信息的動力。如果信息披露的方式處理不當，媒體還可能面臨法律訴訟的風險。對于技術供應商而言，公開算法技術可能會削弱其獨特的市場競爭優勢，進而加劇市場競爭的激烈程度。對于受眾而言，算法的過度信息披露可能導致信息過載，增加認知負擔，使得他們難以篩選出對自己有價值的信息，最終影響受眾的閱讀體驗和使用感受。

為提升受眾對于算法議題的認知度，深度報道領域發展出了算法責任報道（Algorithnmic Accountability Reporting），聚焦因算法黑箱被放大的社會結構性偏見、因算法分發導致的回音室效應、算法決策與社會規范產生沖突等問題，較早的典型報道是2020年《人物》發布的《外賣騎手，困在系統里》。但目前算法責任報道的關注點較多側重于互聯網平臺的技術規范，對于算法對個人心理、社會關系乃至于情感領域的人機關系互動較少涉及，算法責任報道的顆粒度和精細度有待提升。

作者單位 劉蕓麗 梁棟 常琳 暨南大學新聞與傳播學院

曹軻系暨南大學新聞與傳播學院教授、博士生導師

【編輯：李棟】