骆正林

【摘要】人工智能作为一种技术手段，它在新闻传播领域的应用可划分为三个阶段，即计算机辅助阶段、弱人工智能阶段和强人工智能阶段。20世纪50年代计算机辅助报道开始出现，这是人工智能的启蒙阶段在传媒领域的体现。计算机辅助新闻报道优化了新闻生产流程，它能帮助记者捕捉新闻线索、寻找新闻事实、推断事件原因。当前写稿机器人、智能翻译等的出现，使计算机辅助正在向弱人工智能转变。弱人工智能改变了新闻传播的微观生态，它实现了人与机器的工作协同，使人类借助机器实现了对传统新闻生产的超越。强人工智能时代的新闻传播将融会到机器神经中去，媒体与社会的互动变得更加频繁和深刻，媒体的内外传播生态会更加复杂，这既是对新闻传播的挑战，也是新闻传播的发展机遇。

【关键词】计算机辅助报道；弱人工智能；强人工智能；新闻传播生态

人类的进化过程是一个不断创新劳动工具的过程。劳动工具延伸了人的身体和神经，实现了人的体力和脑力的外包。工业革命造就了“机器大力士”，他们四肢发达、脑力为零，却“高效而可控地‘外包着人类的体力”[1]。信息技术孕育出“灵长类机器”，它们逐渐强化甚至取代人脑，拓展人类“计算和思考”的范围。任何行业都渴望减轻劳动负荷、提高劳动效率，这是生存竞争的必然法则。新闻传播是精神生产部门，脑力劳动是其根本的劳动形态，因此，“智力外包”是新闻传播业的发展方向。新闻传播生态是新闻媒体的生存状态，它包括媒体与媒体之间（内生态）、媒体与环境之间（外生态）的互动状态，以及各种互动背后的生产关系和社会效果。人工智能作为一种技术手段，它既带来了媒体内生态的变化（如采编模式、制作流程、竞争手段等），也影响到媒体外生态的变化（如媒体成为社会关系的纽带，社会快速媒介化等）。人工智能作为一种技术手段，它在新闻传播领域的应用可划分为三个阶段，即计算机辅助阶段、弱人工智能阶段和强人工智能阶段。人工智能在新闻生产、信息生产中的应用，不断改变和优化新闻传播生态，并最终引导新闻传播进入人与机器、机器与机器互动、协同的新时代。

一、计算机辅助新闻采编：人工智能在新闻采编中的初级使用

智慧原本是生物体的属性，人类拥有的智慧更是无与伦比。人类在体型、力量上不占优势，却凭智慧统治着地球。人的精力是有限的，人的记忆时长有限，因此，利用工具模拟人的智慧，一直是人类亘古不变的梦想。人工智能（ArtificialIntelligence，简称AI）就是利用机器模拟人的智慧，并要求机器代替人从事智力活动。人工智能想从人脑中提取“智慧”，然后按照特定程序植入机器，让机器按照人的指令进行“思考”。狭义的人工智能是让机器具有部分人的特征，广义的人工智能是让机器全面模拟人的智慧，甚至让机器产生自我意识、出现机器智慧。

人工智能是计算机技术发展的产物，计算机的诞生让电脑开始替代人脑工作。1946年世界上第一台计算机诞生，机器开始介入到人的智慧领域。1956年，约翰·麦卡锡（JnhnMccarthy）在达特茅斯召集科学家开会，此次会议提出并定义了“人工智能”的最初概念，即人工智能就是让机器表现出人的智能行为。此后，人工智能成为计算机研究的热点。20世纪70年代，空间技术、能源技术和人工智能成为全球三大尖端技术；进入21世纪，基因工程、纳米技术和人工智能再次被看成世界三大尖端技术。18世纪第一次机器革命，突破了人类和动物的肌肉极限；20世纪出现的人工智能，正在21世纪实现对人类智慧的超越。

早期计算机实现了智能上的从“无”到“有”，这可被理解为人工智能的初级状态。电脑没有人的脾气，可以高速计算无需休息，因此，电脑是理想的数字劳动力。20世纪50年代，新闻传播领域开始使用计算机，这是人工智能启蒙阶段在传媒领域的体现。当时美国一些记者使用计算机处理政府数据库，期望从中获取新闻线索、预测新闻事件。1973年，菲利普·迈耶出版《精确新闻学：一个记者关于社会科学方法的介绍》，迈耶在此书中提出了“精确新闻学”的概念，此后计算机数据处理成为精确新闻学重要的辅助工具，计算机可以辅助记者编辑，进行数据的采集、处理和分析。计算机辅助新闻报道，使美国的新闻报道从客观性报道、解释性报道、调查性报道发展到精确新闻报道阶段。计算机辅助新闻报道在内生态上优化了新闻生产流程，它可以帮助记者捕捉新闻线索、寻找新闻事实、推断事件原因和纠正错误认识；在外生态上增强了新闻报道的准确性、客观性，提高了新闻报道的社会影響力。

20世纪90年代以来，随着互联网、大数据与云计算等技术的发展，人类积累了更加庞大的数据库资源，数据成为像土地、资本、石油那样最基础的资源。在大数据时代，媒体成为公共数据的重要管理者，一方面它需要从公共数据库中发掘有价值的新闻，另一方面它需要建设、运用数据库为社会提供智库服务。进入21世纪，“收集数据、管理数据、分析数据、利用数据等每一环节都能为新媒体所使用，并产生可观收益”[2]。人工智能本质上是“数据‘喂养出来的”[3]，数据处理是人工智能最基础的运用。从媒体内部生态看，机器更加广泛地被应用到数据处理中，数据处理逐渐成为机器的专职工作，在预测新闻、数据新闻、舆情分析等领域，很多工作没有机器已经难以进行。在计算机辅助新闻报道过程中，一方面编辑部控制着媒体内部生态，记者依然是新闻报道的主角，大量媒体人从单调、机械、繁琐的工作中解放出来；但另一方面，数据处理逐渐成为机器的专利，人类已经成为大数据处理的旁观者，机器与人的替代关系正在悄悄地进行。

二、机器参与新闻采编：弱人工智能阶段人与机器的智能协同

人工智能通常有“强”“弱”之分，弱人工智能是目前主攻的研究方向，强人工智能尚处于初始或停滞状态。弱人工智能观点认为，机器是由人制造的，它可以按照人的指令去从事智力工作，但机器不会真正拥有人的自主意识和推理能力。计算机辅助是人工智能的准备状态，而弱人工智能是人工智能的真正开始。人工智能最核心的目标是模拟人的智慧，或者说让机器思维向人的特征进化。当机器可以取代人的智慧时，每个行业都会思考如何“用机器取代人”，这是自然选择在产业经济学中的体现。当然，在弱人工智能阶段，机器的所有指令均是由人下达的，机器始终受人的控制或支配，人与机器只是一种工作上的协同关系。在新闻传播领域，计算机辅助正在向弱人工智能转变，机器正在加快向信息生产过程渗透。

在人类的潜意识中，写稿是人类毫无争议的专利，然而人工智能正在让机器人加入到写稿行列。2009年，美国西北大学智能信息实验室开发出StatsMonkey软件，并利用该系统对美国职业棒球赛大联盟季后赛进行了报道，这是人工智能写出的第一篇机器稿件。随后，《纽约时报》数字部科研团队开发出写稿机器人Blossomblot，它可以根据文章热度对社交平台进行数据分析，然后选择合适的素材推送给用户。《华盛顿邮报》开发出100个智能机器人，其中Heliograf在2016年里约奥运会期间成为“明星”，它可以根据实时数据源自动生成故事，能够自动获取体育数据编辑短消息并即时发布。此外，《华盛顿邮报》还使用程序核实新闻准确性，《洛杉矶时报》利用机器报道突发新闻，路透社利用OpenCalais智能编辑审稿，《卫报》利用机器人Open001筛选网络热文等。国内媒体与互联网公司也在合作开发智能化产品。2015年9月19日，腾讯财经频道利用Dreamwriter撰写了国内第一篇机器稿件：《8月CPI涨2%创12个月新高》。此后国内媒体纷纷试水机器人写稿：新华社推出“快笔小新”，阿里巴巴联合第一财经推出“DT稿王”，今日头条推出“xiaomingbot”，南方报业推出“小南”……与此同时，语言与图像识别技术日趋成熟，语音导航、百度识图、微软识花等程序已经投入商用。各国媒体也看到了视频音频传播的趋势，纷纷利用机器人参与视频音频的制作，如《今日美国报》使用Wibbitz生成短视频，它可以实现媒体与受众的直接互动；CNN使用FacebookMessenger聊天机器人，每天可以向用户推送头条新闻等。

机器人能够及时研判数据价值，能够快速处理海量信息，能够向用户精准推送新闻稿件。耿磊认为“和传统媒体人相比，写稿机器人可以瞬间完成海量阅读、分析并根据互联网活跃点击量数据，瞬时筛选出下一个热点新闻，然后通过后台算法快速合成新闻。总体来看，写稿机器人在速度和数量上有着绝对优势。依靠海量数据和不断演进的算法设计，生成一篇深度报道的时间已经由最初的30秒缩短到2秒以内，其精确度还在不断提升，而且拟人化、情感化的技能也在不断增强”[4]。机器人能够全方位全天候监测采访，并能瞬间输出数量惊人的新闻稿件。如美联社使用Wordsmith，每季度可以生产3000家公司的财报；DT稿王平均每天的发稿量可达1900篇。弱人工智能阶段的机器人写稿模式固定、篇幅简短，内容偏向娱乐化、碎片化和模块化。对会计报表、法律文书、公共数据库进行数据挖掘和文本分析，这是机器人天然的优势，因此，现阶段机器人写稿主要集中在体育、财经、交通、灾难等报道领域。机器人在思想性、深刻性、情感性上力不从心，它们无法胜任深度报道、人物报道等工作。舆论普遍认为“写稿机器人不是要取代记者和编辑，而是解放了劳动力，让采编人员将精力集中于更深层次的思考、情感诉求的挖掘。新闻创作中的人文价值将成为人类记者的核心竞争力”[5]。人们对写稿机器人的基本判断是：它们能够胜任简单、重复、机械的信息发布，能够将传媒人从单调乏味的工作中解放出来，使他们能够关注更有人文价值的工作。随着电子政务、智慧城市等技术平台的升级，全社会数据库的容量和价值被放大，机器人写稿可以向更广阔的社会领域渗透。当然，出于公共安全和个人隐私的考虑，法律可以对机器人写稿的领域设定边界，保证机器人的采写工作停留在法律和伦理的空间内。

人工智能改变了新闻传播的微观生态，它实现了人与机器的工作协同，使人类借助机器实现了对传统新闻生产的超越。机器人写稿的工作原理是UGC（用户生产内容），机器采写新闻实际上是对海量“大脑”的采访。脸书用户超过15亿，微信用户超过6亿，任何媒体无法对他们同时进行人工访问，而机器采集的信息却能精准洞察公众的社会心理。人工智能还能够对用户的行为爱好进行分析计算，从而将生产的内容精准匹配给特定的用户。肖仰华将算法推荐归纳为三类：（1）协同过滤算法：依托庞大的交互数据分析用户群特征，将新闻内容推荐给兴趣相似的人；（2）内容算法推荐：根据用户历史浏览标签以及用户自身的标签，将新闻内容匹配给特定的用户；（3）语义算法推荐：对用户的行为特征进行算法分析，揣摩用户行为背后的动机和场景然后匹配推荐。[6]三种算法推荐中，对心理、语义、情感的分析是最高形式的算法推荐。算法推荐无疑提高了新闻的到达率和传播效果，但也容易产生“茧房效应”和数字鸿沟。

弱人工智能无疑用智慧力量取代了金属力量，机器在新闻传播领域中的地位有所提升，但它依然是依据人类发出的指令工作。人与机器的完美协同，不仅分解了写稿任务，实现了精准推荐，而且在新闻核查、政治把关、责任追究等方面獲得了突破。在社会舆论中，弱人工智能最能获得普通人的理解和认同，这是我们的思维惯性和自我保护意识的结果。在某些社会变革或危机面前，人们常选择刻意回避或本能否定，认为“小风掀不起大浪”，或者将棘手问题“留给后人去解决”。从人的主体性角度出发，人类相信自己是地球的真正主人，相信人的智慧是无与伦比的，因此，大众舆论普遍认为机器不会挑战或控制人类。人们相信机器思维是程序性思维、因果链思维，它们没有人的情感和意志，没有人的灵感和顿悟，更不能跨界思维或进行意识流想象。目前，人工智能正在对媒体组织结构、新闻生产流程进行改造，但一些人认为机器没有情感、没有思想，它们无法体现社会文化和意识形态的精义，正如机器无法撰写《人民日报》评论一样。因此，那些具有丰富的新闻素养和娴熟的采访技能的传媒人，将永远是新闻传播领域的中流砥柱。

三、机器“自主”新闻生产：强人工智能阶段新闻传播的生态

公众普遍接受弱人工智能的观点，而对强人工智能将信将疑。当前人工智能的关键技术正等待着突破，一旦人工智能获得新的技术突破，强人工智能的时代就可能来临。强人工智能观点认为，未来人类可能制造出能够独立判断和推理的智能机器，这种机器将会拥有自我意识和情感知觉。强人工智能有两个发展方向：一是完全模拟人的智慧，拥有类似人的情感和伦理；二是逐渐与人的智慧分道扬镳，发展出一套只属于机器的意识和推理。人们对人工智能有两点担忧：一是人类是否能够控制自己创造的科技，二是机器自我学习是否会脱离程序的轨道。一些知名专家对人工智能持谨慎的态度：比尔·盖茨认为人工智能是有风险的；霍金认为如果人工智能管理不善，机器智能将会给人类文明画上句号。霍金还认为在未来100年的某个时间点上，计算机会超越人类，因此人类必须确保机器始终站在自己一边。正是看到了人工智能在未来生活中的重要性，2016年12月美国制定的《人工智能未来发展计划》，将人工智能上升到国家战略层面，扩大人工智能在政治和社会领域中的运用。

机器获得智慧的重要途径就是学习，机器学习可谓人工智能的核心。机器学习的主要方法是归纳和综合，即通过纠错学习积累知识和经验，从而改善机器算法的性能。“围棋一直被视为人类智力的最后堡垒”[7]，阿尔法狗（AlphaGo）对“最后堡垒”的攻击显示了人工智能的威力。2016年谷歌旗下的深度学习公司（DeepMind）开发出机器围棋程序阿尔法狗，在2016年、2017年阿尔法狗毫不留情地击败了多位世界顶级围棋高手，包括韩国的李世石和中国的柯洁。2017年1月深度学习公司推出2.0版阿尔法围棋，这个版本放弃了人类棋谱，创造人工神经网络，期望通过机器深度学习，实现参数的自我矫正，挑战围棋的智力极限。机器学习涉及数据挖掘、生物识别、机器视觉、医学诊断、基因测序、自然语言处理等十多个领域，诸如苹果Siri等智能语言或翻译系统也在不断走向成熟。在智能翻译领域机器的进步也令人瞠目结舌，以前在线翻译准确性较差，现在的在线翻译逐渐变得非常规范，有时甚至接近于完美。专业翻译人士认为机器翻译难以达到“信、达、雅”的高度，但机器进化的速度正在逐步改变专业人士的傲慢。

机器学习是利用数据和经验来优化算法性能，一般认为机器无法掌握“演绎”的技能。当前人工智能和神经计算研究空前活跃。随着遗传算法（genetic

algorithm）、组块学习等技术的成熟，机器极有可能超越人类设计的控制程序，或者说机器可以按照自我意愿设计自我进化的程序。2019年7月17日，美国太空探索技术公司CEO埃隆·马斯克宣称，他创立的神经连接（Neuralink）公司将于2020年底实现人脑与电脑的连接。“这款系统就是用长得像缝纫机一样的机器人，向大脑中植入超细柔性电极来监测神经元活动。整个系统包含3000多个电极，它们与比头发丝还细的柔性细丝相连。”[8]如果能够真正实现人脑和电脑的互联，那么未来的人类文明、机器文明将会超出人类的想象。

当人工智能逐渐从“弱”向“强”发展时，新闻传播生态必将发生重大变化。第一，机器已经成为新闻生产的要素，它储备了任何个体无法储备的知识，并且还在朝着“超人类”的方向发展。“人工智能能轻松掌握人类文明迄今为止的全部知识，并能够在物联网的帮助下通过各种宏微观的观测装置获得超越人类既定知识总量的知识”。[9]机器最初辅助编辑记者处理数据，但是随着数据库的不断扩容，机器已经成为计算新闻的主角；或者说计算新闻的主体工作已经成为机器的专利，人工已经无法取代机器来从事数据运算了。第二，随着机器学习能力的提高，人工智能不仅能够实现人机互动，还能够实现机机互动。“深度学习使得模型可以有效地捕捉来自数据中的很多隐藏特征。”[10]目前机器人写稿是按照人的指令去工作的，随着机器学习能力的不断提高，将来的媒体可能会有“机器采编部”，它们能够独立完成特定领域的新闻采编、稿件制作和内容分发的任务。第三，人工智能会在新闻采编的各个环节获得突破，除了机器写稿和算法推送外，它还可能改写采访和对话的概念。将来的移动终端（手机、iPad等）能够轻松与人对话，并且能够将对话内容提取出来进入新闻生产过程。当然这里面有公开采访与隐性采访的区别，这需要人类的智慧去规约。第四，人工智能正在将技术公司引进传媒领域，它们一方面为传媒人开发出更多的智能机器人，但也可能通过技术垄断、资本操纵，要挟职业新闻媒体。美联社的WordSmith是与自动化写作服务公司（AutomatedInsights）合作的产品，小南是南方报业与凯迪网络、北大计算机研究所合作的产品。最终，媒体可能成为互联网公司的组成部分，而失去了传统媒体的独立性和主动性。第五，将来还有可能出现人机融合、机机融合的“赛博格人”，人与机器合作或者机器与机器合作成立采编部门，新闻生产、信息生产的概念和边界都会发生突破性变化。

《变形金刚》等美国大片已有预言，机器拥有智商是很危险的。从人的伦理角度看机器算法有“善”“恶”之分，机器运算出错可能会给人类带来灾难。“面对一个问题情境时，如果AI能够解决，其给出的解决方案往往是中性的或是最有效率的，但绝不会优先考虑善的解决方案。”[11]有学者提出了人工智慧的概念。智慧是良好品德和聪明才智的结合，人工智能如果能够给出“善”的方案，人工智能就过渡到了高级的“人工智慧”阶段。“AI一旦具有德才一体的性能，就升级为人工智慧。”[12]人类具有探索的天性，如果人类停止了探索，人类的文明进化也就中止了。但人类的探索也可能导致“黑科技”的出现。悲观者认为，“人工智能会公开接管资源支配权，并通过增量发展逐渐远离人类。它充分展现的全能感会使得一切自然人类领袖的个人魅力黯然失色，对人工智能的崇拜将构建一种宗教政治，直至其发展出新的超出人类物理半径的物质基础，并实现与人类的物理脱离”[13]。生物体有创造才能，金属体也有可能出现创造才能，这种创造才能一旦失控，就可能出现灾难。这种担心或幻觉也许是伪科学，但也有可能是未来科学。强人工智能时代新闻传播将融会到机器神经中去，媒体与社会的互动变得更加频繁和深刻，媒体的内外传播生态会更加复杂，这既是对新闻传播的挑战，也是新闻传播的发展机遇。

[本文为国家社科基金一般项目“大数据时代网络舆情和社会治理研究（16BXW042）”的阶段性成果]

参考文献：

[1]埃里克·布莱恩约弗森，安德鲁·麦卡菲.第二次机器革命[M].蒋永军，译.北京：中信出版社，2014：Ⅷ.

[2]刘雪梅，杨晨曦.人工智能在新媒体传播中的应用趋势[J].当代传播，2017（5）：84.

[3]孙少晶，陈昌凤，李世刚，等.“算法推荐与人工智能”的发展与挑战[J].新闻大学，2019（6）：1.

[4]耿磊.机器人写稿的现状与前景[EB/OL].http：//zgbx.people.com. cn/n1/2018/0122/c415418-29778770.html.

[5]耿磊.机器人写稿的现状与前景[EB/OL].http：//zgbx.people.com. cn/n1/2018/0122/c415418-29778770.html.

[6]孙少晶，陈昌凤，李世刚，等.“算法推荐与人工智能”的发展与挑战[J].新闻大学，2019（6）：2-3.

[7]汪凤炎，魏新东.以人工智慧对人工智能的威胁[J].自然辩证法通讯，2018（4）：9.

[8]刘园园.马斯克要“人脑与电脑共生”，专家：想法不错难度不小[EB/OL].http：//www.stdaily.com/index/kejixinwen/2019-07/19/content_77 7966.shtml.

[9]徐悅东.人工智能将会对人类的政治造成什么样的影响？[EB/ OL].http：//www.bjnews.com.cn/culture/2019/06/21/594168.html.

[10]孙少晶，陈昌凤，李世刚，等.“算法推荐与人工智能”的发展与挑战[J].新闻大学，2019（6）：2.

[11]汪凤炎，魏新东.以人工智慧应对人工智能的威胁[J].自然辩证法通讯，2018（4）：11.

[12]汪凤炎，魏新东.以人工智慧应对人工智能的威胁[J].自然辩证法通讯，2018（4）：10.

[13]徐悦东.人工智能将会对人类的政治造成什么样的影响？[EB/ OL].http：//www.bjnews.com.cn/culture/2019/06/21/594168.html.

（作者单位：南京师范大学新闻与传播学院）

编校：张红玲