文/崔士鑫

习近平总书记在中央政治局第十二次集体学习时明确要求，“探索将人工智能运用在新闻采集、生产、分发、接受、反馈中，用主流价值导向驾驭‘算法’，全面提高舆论引导能力”。这为我们在全媒体时代，充分利用好大数据、云计算、人工智能等新技术，推动主流媒体向数字化、网络化、智能化发展，实现单向式传播向互动式、服务式、体验式传播转变，提高舆论引导时度效，指明了努力方向，提供了根本遵循。

近年来，人工智能技术飞速发展，尤其作为人工智能技术核心基础的算法，在新媒体中得到越来越广泛的应用，在应对信息超载问题的同时，也带来信息失衡、低俗流行等负面效应。如何对新技术既善于运用又严控风险，趋利避害，助力打造新型主流媒体，扩大主流价值影响力版图，让党的声音传得更开、传得更广、传得更深入，是推动媒体融合向纵深发展面临的一个紧迫课题。

算法为媒体智能化提供重要契机

在人工智能三大要素，即数据、算法和计算能力中，算法的作用至关重要，是人工智能技术的核心基础。算法（Algorithm）本是指数学和计算机科学中，为解决特定问题而进行的计算、数据处理和自动推理等。算法古已有之，但今天与人工智能息息相关的算法，则与计算机技术密不可分。计算机学科认为，算法是为有效解决问题而输入机器的一系列指令、步骤。最简单的算法流程，就是输入数据与指令，经过特定运算处理，把输入数据转化为结果输出。不过，涉及人工智能的算法十分复杂，比如，按照模型训练方式不同可分为监督学习类算法、无监督类学习类算法、半监督学习类算法、强化学习类算法，按照解决任务的不同可分为二分类算法、多分类算法、回归算法、聚类算法、异常检测等，分别适用于不同场景。尽管涉及领域很多，人工智能本质上就是通过计算机程序呈现人类智能的技术，关键内容都是以不同算法为技术支撑。

以算法为基础的人工智能应用于新闻领域，对新闻信息采集、生产、传播、接受与反馈等环节，正在引发程度不一却注定有深远影响的革命性变革，对推进媒体向智能化发展，带来重要变革机遇与发展契机。算法在新闻领域的运用，就是按照一定目标原则，对新闻信息进行过滤、筛选，然后进行聚合、排列、呈现，再基于用户画像，精准传递给目标对象，并根据用户反馈持续改进，大大提升对新闻信息数据的采集、分析和运用能力，实现科学策划、全方位采集、多样化写作、精准化推送、即时性反馈，促进传统媒体向智能化媒体转型。

新闻采集与生产智能化。机器人写作是新闻采集与生产智能化的较早尝试，通过对计算机运行程序进行算法编辑，对获取的新闻信息内容进行分析加工，再由计算机模拟的新闻编程自动生产新闻稿件。2014年美联社使用相关软件撰写公司财务报告，总结其中关键要素，然后生成陈述，每秒最多可生成2000篇这类新闻，发稿量是人工报道的13倍，出错率非常低。此外，美国一些媒体运用机器人采编生产新闻，进行地震报道、杀人事件跟踪、体育赛事、联邦政府指数报道等，都比较成功。国内在2015年通过自动化新闻写作机器人生成首篇财经类报道，以后不断改进，报道领域与类别逐步拓宽。同时算法技术运用也正向内容校对、稿件编辑等新闻采集与生产的各环节拓展，比如，用人工智能技术处理大量同类稿件，修正语言语法错误，对稿件中的优质内容进行筛选等。未来，随着5G的普及与物联网的发展，可以提供给机器人进行新闻写作的数据将越来越多，机器人报道的疆界与精度都将大大拓展提升，人机协作采集与写作新闻可能成为主流。采集、写作、校对、编辑等得到高效机器人辅助以后，新闻从业者可以有更多精力与可能，追求新闻内容的思想性与创新性，对新闻信息的解读与分析也更为深刻和准确。

新闻分发与传播智能化。精准分发推送，是目前算法最为擅长和应用最广的领域，解决信息超载问题效果明显。在我国，算法推荐已超过人工推送，成为移动资讯的主要分发方式，以至于有人把算法窄化为算法推荐技术。算法用于新闻分发传播的技术本质，是实现资讯和受众精准匹配，即通过广泛抓取各种内容源生产的内容聚合资讯，再借助大数据的用户画像分析以及标签化等手段，向用户推送符合其兴趣或需求偏好的特定信息，且通过不断的机器学习或算法改进，深化对用户的洞察，持续提升分发的精准性。脸书在2006年就开始使用算法决定信息流中各类信息的权重，让不同用户打开页面时，呈现“千人千面”的个性化内容。国内新闻资讯的个性化推荐以今日头条最有名，运用算法对用户数据进行动态挖掘和了解，根据用户点击、搜索、订阅等行为勾画和优化用户画像，细化兴趣标签，力求根据用户画像更精准地进行推送。“头条现象”引发了人们对算法推荐种种问题的关注。不管怎样，智能化分发传播，改变了传统媒体编辑往往只有精力处理新闻头部20%信息的短板，可以根据用户属性、行为、偏好等，将新闻信息长尾效应发挥到极致，实现个性化分发传播，解决信息超载问题。

新闻接受与反馈智能化。缺乏即时、准确、有效互动，是传统媒体一大痛点。单向式传播导致受众主体意识无法通过有效渠道得以发挥，接受情况与传播效果也很难得到及时、科学的评估。互联网传播的互动化特征，为受众反馈提供了便利的渠道，但这只是浅层次的。从更深层次看，算法技术逐步实现新闻分发传播智能化，意味着可以通过综合用户的身份信息、社交关系、移动的位置等背景数据，对不同新闻信息的评论、转发、收藏、阅读直至打开频次、停留时间等多种线上行为，更加精准地分析受众的关注重点、接受程度和情感倾向，从而对新闻信息传播效果进行全面准确的评估。有效的反馈机制，既可以及时准确地提供用户接受新闻信息的个体特征与个性化需求，通过不断迭代调整，完善算法模型，进行更准确、有针对性的推送，为媒体由单向式传播向互动式、服务式、体验式传播转变提供基础，也能从整体上分析把握受众对某一新闻信息传播的反应与喜好，随时调整新闻产品的内容侧重、产品形态、传播方式等，以及根据受众关注点进行新的新闻策划，包括根据算法生成的网络热词撰写用户感兴趣的新闻等。同时，媒体机构内部，通过传播效果精准评测，也有利于更好地进行考核激励，促进内部新闻生产力的挖掘、释放。

目前，算法在新闻领域的运用还是初步的，人工智能技术尚不十分成熟，仍处于所谓“弱人工智能”时代，即使比较普及的算法推荐技术也有待改进完善。但即便如此，算法对新闻生产分发等已造成很大冲击。“强人工智能”时代的媒体，将以算法技术为基础，以人机协作为特征，智能化程度越来越高，贯穿新闻生产与信息传播各环节，对主流媒体的发展和新闻舆论的引导，都将带来深刻影响。

正视算法对舆论引导带来的挑战

对舆论引导而言，算法广泛应用是把双刃剑。一方面为承担主流价值传播的主流媒体赋能，提升了新闻生产能力与信息传播精准度。另一方面，也对主流意识形态带来冲击和影响。比如，机器程序生成的新闻稿件，缺乏足够价值判断与深度思考以及对内容真实性的审慎分辨，在信息过载时代有可能进一步造成低质内容泛滥，影响主流价值观念的传播。而算法推荐技术形成的过滤气泡和信息茧房等，增加了统一思想、凝聚共识的难度。如何在算法流行时代做强主流、占据主导，牢牢掌握舆论场上的主动权话语权，是主流媒体面临的一大挑战。

降低了优质内容的生产动力。算法生成内容，本被视为有积极意义的新生事物，因为增加了新闻产量，把新闻从业者从较低水平、一般标准的新闻生产中解脱出来，有更多精力生产创新性、有深度、高标准的优质内容。然而目前的算法模型主要依据点击量、阅读量，病毒式传播的内容和标题党在吸引眼球方面更胜一筹，从而在算法与低质内容之间形成叠加效应。算法自动生成推送的低质、虚假、误导性内容，几乎不需投入，就可受到热捧，赚取高额利润。而优质内容生产成本高、表述理性客观平实，反而得不到应有关注，造成新闻内容市场“劣币驱逐良币”。甚至不少传统主流媒体的编采人员，也热衷于追捧网络热文的制题技巧、刁钻角度，迎合用户偏好，提升流量指标。深入调查、追究真相的“求证性新闻”少人问津，为抢速度而凭感觉判断新闻事实的“断言式新闻”大行其道，甚至为了满足观念极化的受众而不惜歪曲真相做“迎合性新闻”。此外，主流媒体在算法方面相对落后，不仅产品数量难以与海量UGC相比，在利用算法挖掘新闻价值、提升新闻专业性准确度等方面，也缺乏足够动力与能力，影响了优质新闻内容的生产。

转移了媒体编辑的把关权力。算法推荐技术，实质是媒体把关人权力的转移。传统媒体总编辑或编辑负有把关人职责，负责对新闻信息进行筛选，决定受众能看什么，同时保证新闻信息真实、导向正确、符合主流价值标准和规范要求，以及各类信息均衡等。算法推荐根据受众喜好即浏览信息等行为数据推送新闻信息，由于目前算法还不能做到使计算机像人一样对含义丰富的各类新闻信息的文本、音频、视频等进行准确解析，因此受众的喜好本身，就成了新闻信息的选择标准，实际上成为自身所接受信息的把关人，所以有人说“总编辑死了”。这一转移的后果，一是削弱了受众对公共议题的关注度，使对经济社会整体发展事项更为关注的主流媒体服务社会的功能受损，新闻重要性不被重视、趣味性日益泛滥。二是算法往往以“流行度”作为标准进行话题推荐，受众看到的是自己想看的信息，而不是主流媒体要传播的信息，一定意义上使主流媒体失去议程设置的主导权。三是人们在使用移动终端时，往往私人独处、相对私密，这时的信息需求常常有猎奇心理，更偏向轻松的低俗低质信息，以这种标准取值进行算法推荐，往往导致虚假和低俗信息更易快速传播。

削弱了主流媒体的引导能力。主流媒体要实现舆论引导，新闻信息能真正抵达受众是前提。然而随着算法使“用户画像”越来越精准，算法生产传播的内容与受众的匹配度越来越高，其他内容很容易被排除在受众接受范围之外，受众日益被裹挟在伊莱·帕里泽所谓的“过滤气泡”中。帕里泽曾举过一个例子：2010年英国石油公司（简称BP）墨西哥湾漏油事件后，如果用谷歌搜索“BP”，一个人可能看到的是该公司的投资新闻，另一个人可能看到的是漏油事故的消息，这就是算法根据每个人的喜好精准推荐的结果。这阻碍了人们认识真实世界的某些层面，帕里泽形象地称之为“过滤气泡”。这一现象在社交媒体上更为严重。由于受众自主选择关注对象，每个受众的朋友圈可能充斥的都是与自己想法相近的帖子，把相异的观点和自己不喜欢的人有效排斥在外。在算法推荐技术、圈层化传播影响下，出现不少特行独立的“亚文化”群体，他们有自己的兴趣爱好、话语体系，与外界隔着一道看不见的“玻璃幕墙”，主流信息很难进入，自然也难以进行有效引导，主流媒体影响力有被边缘化风险。

加大了形成共识的潜在阻力。“信息茧房”是人们对算法推荐技术可能带来后果的形象说法。由于算法的个性化推荐，将受众感兴趣的内容不断变换形式反复推送，受众不断接受自己认同的信息，浏览自己感兴趣的内容，就会忽视公共领域信息内容的多样化，接触信息时出现严重的窄化现象，美国学者桑斯坦定义为，“用户习惯性地将自己包裹在由兴趣引导的信息领域，从而如同生活在茧房中”。这种接受信息的自我窄化，对社会成员个人的社会化，肯定存在不良影响。但更深层次的问题在于，这种自我窄化很可能导致个人观念极化。虽说身处“信息茧房”，但受众毕竟是社会人，如果有大量受众有观念极化问题，首先是加大了凝聚社会共识的潜在阻力。由于算法推荐的信息会不断强化受众的极化观念，使受众会越来越坚信自己的看法，不愿了解对立观点的合理之处，甚至对立观点会使自己的观点变得更加极端，社会成员失去相互理解的基础，主流媒体引导舆论、形成共识的难度加大，各种思想观念多样杂陈的情形将日趋严重。

如何用主流价值导向驾驭“算法”

任何事物都具有两面性，算法技术也不例外。尽管算法使舆论引导变得更为复杂，但在应对信息过载、实现信息内容与用户需求的智能化匹配，以及丰富新闻生产内容、提升媒体服务受众水平等方面，算法都有不可比拟的技术优势与发展前景。应着重提升主流媒体的智能化新闻生产与传播水平，立规建制管好算法，改进技术完善算法，重视提升全媒体时代受众媒介素养，切实做到用主流价值导向驾驭“算法”，全面提高舆论引导能力。

用好算法，做大做强主流舆论。算法推荐有不同类型，但不管是为用户打标签作画像的内容推荐，按用户信息兴趣相似度的协同过滤，还是类似排行榜式的热点推送等，都要从网络“内容池”里甄选内容。如果池里内容不够优质，即整个传播生态系统中的内容质量不高，算法很难有高质量的内容生产，精准推送也难有更高质量。因此必须向内容池提供更多优质内容。网络时代，新闻媒体仍应是生产优质内容的主力。尽管人们印象里，相对于社交平台的海量信息，新闻媒体所产内容似乎占比不高。但据创建谷歌GDELT数据库的互联网专家Kalev Leetaru等人研究，社交媒体的有效内容远没有想象的那么大，价值也没有那么高。统计数字表明，新闻媒体仍是新闻信息产品的主要生产者，而且信息出处更明确，稳定性更高。因此，在全媒体时代，新闻媒体尤其主流媒体，增强新闻生产能力，产出更多优质内容，是改善传播生态、做强主流舆论、实现舆论引导的重要途径。增强生产能力的重要方面，就是在新闻采集、生产等环节，更多借助算法进行人机协作的高效智慧生产，使更多体现主流价值的优质新闻信息产品注入内容池，促进算法时代传播生态的优质化。

管好算法，注入主流价值导向。没有规矩不成方圆。“无论什么形式的媒体，无论网上还是网下，无论大屏还是小屏，都没有法外之地、舆论飞地。”由于算法已日趋深刻地介入新闻采编、分发和用户反馈环节，即使所谓信息聚合分发平台，也具有强大的媒体特征，必须加强监管。监管主要方向，是针对算法偏差进行必要人工干预与审核。算法表面看只是一套计算代码和程序，貌似“技术中立”。实际上，算法是人设计的，使之运转的规则制度，必然体现设计团队的理念与价值倾向，不可能完全中立。“剑桥分析”事件从反面也说明了这一点。“剑桥分析”2016年大选时受雇于特朗普团队，通过脸书获取5000多万用户私人信息后，借助个性化推荐，对不同选民推送量身定做的信息，或让他们对希拉里反感，或说服他们投票给特朗普。比如，对海地人聚居区，提供关于克林顿基金会在海地地震后扣留善款的消息；对非裔美国人，推送一则希拉里把黑人称为捕食者的视频等。其中有许多误导性信息甚至谣言，实现信息操纵。因此，必须使企业或平台担负应有责任。同时注入正确的价值观，如果算法不能自动对体现主流价值的内容推荐分发，有必要像传统媒体时代的“新闻联播”一样，作为制度规定，通过人工干预，在头条区或主页呈现，运用消息推送（Push）全网播发。

改进算法，减少各类负面效应。管好算法的更高层次是改进算法，在满足用户需求的同时更好地体现主流价值。目前我国核心算法缺位，多数依赖开源代码和现有数学模型。因为没有从底层算法做起，整个数学模型、算法设计、模拟训练等无法协同优化，实际运用很难达到预期效果。这也是目前新闻领域无论算法生产还是推荐，仍让人感觉水平较为初级的重要原因。当然，即使在现有技术条件下，也可以对算法进行主流价值导向的改进。比如，建立科学合理的算法推荐模型，按照价值观正确要求，优化算法推荐权重配比，关注内容来源规范、自媒体信用等级等质量类要素，再辅以用户浏览历史及文章阅读量、转发量、评论量等兴趣类要素。由于互联网企业更注重商业逐利，往往只为迎合、吸引受众以实现商业利益，这方面的研究开发并不积极。一些主流媒体试图开发“党媒算法”“主流算法”等，由于资金、技术等原因，也没有明显进展。因此，应有政策鼓励措施，研究开发具有中国特色、体现主流价值、契合受众需求的算法。研究开发要有问题意识。比如，对过滤气泡、信息茧房，以及为吸引用户而有意使算法进行“趣味下坡式推荐”及至“道德滑坡式推荐”等问题，研究让受众有更多与不同新闻信息“偶遇”的机会，拓展认识世界的视野与观察问题的角度，防止观念极化。

认知算法，提升受众传媒素养。互联网信息驳杂，即使有媒体内容提质、政府规范监管、企业自律创新等举措，仍很难彻底消除各类负面影响，还必须提升受众传媒素养，培养良好上网习惯，塑造理性健康人格，为用主流价值导向驾驭算法，营造良好受众环境。

简单地讲，传媒素养就是认知和运用各类传媒信息的能力。个人进入社会必须进行社会化，传媒素养也需要后天培育。在许多国家和地区，传媒素养已是学校教育和社会教育的重要内容。我国以往媒体管理是管源头，对接受端即受众的传媒素养教育长期忽视。互联网兴起，源头管理难度加大，接受端即受众的传媒素养没有跟上，因此公众对传媒信息的辨别力低、免疫力差，网络表达不理性不负责任等问题更为突出。如今算法已使受众成为自己的“总编辑”，传媒素养更显重要。如果受众普遍对低俗内容不感兴趣，对无法判断真伪的信息持保留态度不予转发，习惯于平衡浏览各类信息，则低俗内容被算法判定为热门资讯并进行推送的概率就会大大下降，网络谣言也就减少了被算法推荐的机会，也不会出现较大的信息失衡问题。如果多数人更为关注主流媒体有深度、高质量的新闻信息，主流舆论自然在算法推荐中会占据主导，主流价值也会在算法生产与推荐中得到更多体现。因此，有必要借鉴一些国家和地区经验，让传媒素养教育进学校、入社区、到家庭，使人们能够学会正确解读新闻、理性运用网络，通过算法获取有助于个人工作、生活以及身心健康的优质信息，从而更有利于形成社会共识，使主流价值的传播更顺畅，主流舆论的引导更有力。

习近平总书记在“1·25”重要讲话中，提出“正能量是总要求、管得住是硬道理、用得好是真本事”的重要原则。这也是管好算法、用好算法必须坚持的重要原则。要真正做到用主流价值导向驾驭算法，使之更好服务于信息生产领域的供给侧结构性改革，推动媒体融合向纵深发展，全面提高舆论引导能力。