□ 文/秦 军

内容提要 人工智能对媒体的发展到底能起到多大作用？在人工智能助力媒体发展过程中，还有哪些需要注意和改进的地方？作者结合新华社“媒体大脑”的使用体会，谈了自己的看法。

一、机器能写会编，“媒体大脑”引爆网络

“媒体大脑”初次为人所知是在2017年12月，浙江乌镇的世界互联网大会。作为中国首个通过数据赋能媒体，从而洞察世界的媒体人工智能平台，“媒体大脑”提供基于云计算、物联网、大数据、人工智能等技术的八大功能，覆盖报道线索、策划、采访、生产、分发、反馈等全新闻链路。

2018年两会期间，新华社“媒体大脑”开始发力，仅用15秒钟，就自动生成发布了全球首条关于两会内容的MGC（机器生产内容）视频新闻，瞬间引爆媒体圈。在学习李克强总理所作的政府工作报告时，“媒体大脑”也发现了诸多看点：“习近平新时代中国特色社会主义思想”被提及4次；“提高个人所得税起征点”首次写入政府工作报告；“发展”一词被提及142次，排名第二的“改革”提及97次，“创新”被提及55次。由“媒体大脑”抓取、分析、生成的稿件成为热门内容。

此后，在2018年夏的俄罗斯世界杯报道中，“媒体大脑”也有不俗表现。在31天比赛中，“媒体大脑”共生产短视频新闻37581条，实时生成169枚进球视频，平均用时50.7秒，其中最快的一条仅耗时6秒，全网实现了1.16亿次播放，受到用户热烈欢迎。

与新华社“媒体大脑”相仿，世界范围内，人工智能写作也已成为传媒领域热点。2014年，英国《卫报》使用人工智能统计社交媒体上的内容和热点，然后进行筛选、编辑，直接生成一份报纸；2015年，美联社将AI写稿扩展到棒球比赛；2017年，韩国某通讯社也测试使用人工智能进行足球比赛报道，几秒种就可以生成稿件上线。

而在国内，人工智能机器写作也层出不穷。2018年，九寨沟发生7.0级地震，人工智能机器人仅用了25秒，就完成了540字的文章，并配了4张图进行发布，令世人震惊。当人类记者面对突发事件还处在惊愕中时，机器人已经迅速完成了数据挖掘、数据分析、自动写稿的全过程。

事实上，除了会写，人工智能机器人还可以从事编辑的工作。

《卫报》《纽约时报》和路透社利用人工智能对新闻编辑流程进行了尝试，取得了不小的收获。 2013 年，英国《卫报》和人工智能机器人合作发行了一份名为 The Long Good Read 的新报纸，让人工智能机器人开发的一款在线页面布局工具尝试进行自动排版。次年，《卫报》又推出了一份名为“#Open001”的纸质报纸，报纸内容几乎完全由算法生成。

《纽时时报》数字部门的科学团队研发的机器人 Blossomblot能通过对社交平台上推送的海量文章进行大数据分析，预测哪些内容更具有社交推广效应，并帮编辑挑选出适合推送的文章和内容，该智能机器人甚至可以独立制作标题、摘要文案、配图等。虚拟编辑Blossomblot 上线后，《纽约时报》内部统计数据显示，经过 Blossomblot 筛选后自动推荐的文章的点击量是普通文章的38 倍。

二、机器助力审核推发，功能日益强大

除了新闻生产和编辑，人工智能机器人还学会了审核和通过大数据推送。

2017年12月30日，在北京隆重举行的“2017中国经济高峰论坛暨第十五届中国经济人物年会”上，评选出了一批2017“中国经济新领军企业”，获奖名单上，一家专注于“人工智能+新媒体”领域的创新型企业赫然在列——央视国际网络无锡有限公司。该公司借助AI技术优化“内容审核服务”，依托图片识别、语音识别、人脸识别、视频基因比对、语义分析等AI技术，能智能识别各类新媒体平台的色情、涉政、涉暴、广告等非法内容，对图片和视频进行文字、语音等多维度智能分析，从而大幅提升了团队审核效率、降低了成本，极大地为短视频和直播平台解决了审核难题，为广大网民营造了一个风清气正的网络空间。

新闻的推荐发送同样如此。

在大众媒体时期，内容分发主要依靠职业编辑人员的判断，依靠发行人员的手工操作来完成。在互联网产生初期，新闻网站和门户网站开始研发智能推荐模式，但智能推荐并未成为主流的内容分发方式，直到进入移动互联网时代，智能推荐分发才成为主流内容分发方式。这是因为：第一，移动互联网时期智能推荐的数据维度更加丰富，使用场景、社交关系等多维数据都被移动互联网记录，从而能更好地分析和刻画出用户的偏好。因此，由于用户内容消费数据的丰富，智能推荐集合了网络编辑分发、搜索引擎分发、社交分发等分发方式的优点，可以更好地满足用户的个性化和个人化需求，从而增强用户对智能推荐平台的黏性，使得智能推荐成为主流的内容分发方式。

三、人工智能在取值标准上存在明显不足

分析国内外媒体人工智能实践会发现，现阶段人工智能的所有新闻实践背后都离不开人，无论是简单的模板内容填充还是海量数据抓取、新闻自动化核查还是聊天机器人互动，其背后都需要人类设计智能系统和人工训练机器人。在未来很长一段时间里，人工智能与新闻业的结合更多地将是交互式的结合。

另一方面，目前移动互联网平台的算法技术存在取值标准过度倾向“趣味性”而忽略“重要性”的问题。目前运用算法推荐技术的网络信息服务主体多是商业平台，它们不具备内容原创的资质和能力，为了最大规模占有内容资源，往往不加甄别地扩充“自媒体”内容生产者规模，以至于“供给侧”里的内容数据鱼目混珠、泥沙俱下，虚假和低俗信息乘虚而入；其次，由于移动终端的个人化特性，在基于移动终端的信息接触中，猎奇和低俗内容往往热度较高，而算法及数据取值的单一性会在客观上助推不良内容的扩散；第三，平台以商业利益为主要导向的考核机制，对猎奇和低俗内容的生产和传播具有“激励”作用。这些因素造成了平台分发的信息质量“下降的螺旋”。

通过对目前推荐算法的深入分析，就会发现，从整体到群体再到个体的需求数据都只反映了用户对特定信息感兴趣的程度，而忽略了信息对用户和社会的真正价值。在新闻学理论中，新闻信息的价值判断通常包括五个方面：及时性、接近性、显著性、趣味性和重要性；在取值方式上，前三项可以通过文本和环境的特征标签得到体现，趣味性则被用户需求取值放大了权重，而重要性被忽略。现有推荐系统对信息价值的取值偏差由此形成。

目前，算法推荐技术的缺失已衍生为虚假和低俗信息泛滥的社会问题。因此，主流媒体在信息分发环节的智能化发展，不仅需要吸收现有推荐引擎的技术经验，还需要建构恰当反映信息价值，特别是能反映特定信息对社会成员个人的社会化水平的影响的算法体系及其取值方法。

四、用“升维”方式积极迎接人工智能挑战

那么，在当前互联网数据裂变发展阶段和大数据、人工智能大背景下，传统媒体如何与新媒体融合，积极地向新的智慧媒体时代迈进？

一是要持续深化和拓展对人工智能技术的理解，用更开放的心态拥抱智能化变革。其次，努力发挥技术对创新的支撑和引领作用，加大人工智能技术的储备和研发。应针对传媒业生态的关键维度——用户平台、新闻生产系统、新闻分发平台及信息终端等，加大智能技术，如语义识别和分析、VR/AR、机器算法、深度学习、大数据、物联网等新技术集群的研发和渗透，为媒体内容生产与呈现开拓想象空间。再次，要重视智媒人才的培养，用创新和激励机制不断提升团队的综合能力。改变传统媒体招聘重采编轻技术的现状，加大智能技术人才的选聘力度。同时加强传统采编人员的智能技术培训，提升采编人员之间，以及人机之间的协同创新能力。