基于AI的媒体融合思考

【摘要】随着大数据、5G、物聯网、云计算、人工智能等新型技术不断发展，各种新兴媒体影响也越来越大，导致了舆论媒体的格局和传播方式发生很大变化，新闻舆论工作也将面临新的挑战，推动促进媒体融合发展是媒体人面临的一项紧迫课题。而在媒体融合中，大力推动并运用人工智能技术（以下简称AI）是不断取得融合突破的关键所在。

【关键词】AI;人工智能;新闻媒体;运用

AI是一系列包括机器学习、自动化和数据处理的由算法驱动的技术，几乎涵盖了媒体融合的所有过程。以新闻业为例，它将以渐进的方式推动新闻媒体在技术、社会和商业的作用下发生重塑性变化。BBC的AI包含三种功能：基于任何形式的机器学习、智能代理、自动化完成以前的人工任务[1]。在新闻传媒业的融合中，我们可以探索将AI运用在新闻采集、生产、分发、接收以及反馈中，用主流价值导向来驾驭“算法”，以全面提高媒体融合度和舆论引导力。

一、AI在新闻采集中的运用

新闻采集是AI数据驱动生产的重要功能，它的具体运用包括：

（一）帮助收集资料

借助机器学习算法，帮助我们发现可能被遗漏的趋势和事实。同时利用内部工具，结合数据分析和语言生成系统编写全部或部分故事，并提醒我们注意数据中存在的机会。

（二）帮助评估用户兴趣

通过摄取大量视频，帮助我们筛选来自官方的内容，也可以筛选来自公共和社交媒体的内容，以确定哪些信息与受众相关。

（三）自动化文本分析

自动化文本分析（包括校稿）可以帮助我们高效率地检查文本错误，版权侵权和抄袭行为侦测。

（四）自动文本标记

文本标记是出了名的“脏活累活”，但书籍和导语如果不进行标记，读者又很难找到创门。AI能驱动的文本分析技术能够自动扫描任意长度的文本并生成标记（标签），大幅提高工作的效率和准确性。

二、AI在新闻生产中的运用

在新华社的“媒体大脑”诞生前，出现最多的AI运用，是那些可能看起来会“抢饭碗”的写稿机器人[2]。概括起来，AI在新闻生产中的运用主要包括：

（一）信息分离

使用AI的信息提取工具来分离不同类型的信息，并在文章生成过程中将其呈现给我们，可以一次提高标签的质量。同时，还可将其用于内部新闻跟踪，当我们从世界各地抽取数十万篇文章时，可以用AI丰富每篇文章的元数据并将其分类。

（二）信息核查

利用机器学习工具来进行事实自动检查，可以大大增强内容的可信性。随着错误信息利用新技术的大规模散布，对“深度造假”的检测和事实核查将成为提升新闻公信力的关键环节。机器检查会自动根据信息数据库检查事实陈述，找到正确的数字并实时生成图表、给出答案。

（三）信息自动生成

通过AI组织材料可以自动生成内容、处理文本、在预定时间发布推文、发送电子邮件等等。2015年，法国的Le Monde在总统大选期间，用AI在36000个页面上展示出大约36000个报道，列出了选举的有关信息，例如人口、位置、先前的选举结果、财富、就业率等。另外，信息的自动生成和发布还可以用于体育比赛评论、交通事故和天气预报等等。

（四）完成调查性报道，增加新闻深度

AI的许多功能还与调查性新闻有关，这部分是人类无法独自完成的。例如，我们可以使用AI分析大量的房屋和城市发展的图片，以识别各种住宅区的问题（例如霉菌、烟雾探测器缺失等）的集中度。也可以使用AI学习模型在成千上万的图像上搜索非法采矿的地方，来解决报道中的某些特定问题以增加报道的深度。

（五）其他功能

AI也可以用于语音转文本、自动翻译、图像识别、视频制作、叙事文本生成，等等。当然，在新闻生产中，AI也有局限性，有些效果是AI带不来的。

三、AI在新闻分发中的运用

在过去，新闻制作与分发是一体的，我们选出报纸头版头条，为电视节目进行精心排序，以实现议程设置，并影响公众看什么、想什么以及怎么想。但如今，使用AI进行内容分发，过去被动的受众成了主动的用户，新闻分发机制发生了重大变化。

（一）制定内容策略

AI可以针对用户对新闻内容的参与度、共享、评论、综合浏览量和页面停留时间，帮助我们制定内容策略，例如通过社交媒体宣传哪些内容、如何使社交媒体的内容分发策略更加有效、如何使用一些机器学习算法，向用户推送喜闻乐见的广告分发（购买订阅）等等。

（二）用户的个性化管理

用户即使面对自己不想要的内容也可以对其进行个性化设置。如：AI的算法可针对用户使用音频的整个过程行为（跳过、循环、分享）为用户量身定制音频内容，从而优化数字平台上的人均收听时间。

（三）评论自动审核

网络不是法外之地，加强监管刻不容缓。我们可以借助AI机器学习技术建立一个评论自动审核模型，将用户评论分为好和坏并进行自动审核。

四、AI在新闻接收中的运用

新闻接收是新闻信息的输入项、接收者的认知项、需求项和认知参照项相互作用而构成的新闻接受过程。新闻信息以一定的编码形式（文字、图象、声音）作用于接收者的感官，经过解码产生对新闻信息的认知，接收者的认知程度首先取决于满足需求项的程度，越是满足需求的新闻信息，其新闻价值越大[3]。AI可以按照接收者的需求目标调节信息供给，如生理需求（生活需求）、认识需求、自我实现需求（参与需求）等等。另外还可以根据用户对信息的接收方式、时长、频次、时段、习惯和途径进一步优化信息供给方式。

五、AI在新闻反馈中的运用

新闻反馈是由新闻决策、传播实施、信息收集、信息分析等工作组成的过程。我们可以基于AI建立新闻反馈运行机制：由信息分析机构为决策机构提供新闻决策依据乃至决策建议，对决策机构的意图，根据反馈信息的分析来检验决策的科学性。执行机构的工作情况要随时反馈给分析部门和决策部门。决策机构将决策信息和反馈信息输送给上级部门。例如：目前全球市场信息收集、分析除了采用类似谷歌的仪表盘工具之外，还可以使用AI驱动的大数据工具。我们可以通过人工智能工具抽取分析来自Goodreads和亚马逊的评论和愿望清单数据，来搞清楚不同地区的读者最感兴趣的内容，从而帮助决策机构制定正确的新闻生产和分发策略。

六、用主流價值导向驾驭“算法”

算法是Al的核心。就像所有的新闻都包含某种程度的“偏见”一样，每种算法都可能含有某种“偏见”。因此必须建立主流价值导向驾驭的AI“算法”。

（一）坚持主流价值导向

在新闻算法的设计和运用中，除算法逻辑外，主流价值导向原则也应得到贯彻，那就是要坚持正确舆论导向及以人民为中心的理念，而非单纯的信息分发。所以，这要求对相关的算法科学家、工程师及设计、使用算法的机构、个人进行算法伦理、新闻伦理的教育，以促使其能具备基本的新闻和算法伦理意识，并且真正做到用主流价值导向驾驭算法。

（二）防止算法“偏见”陷阱

所有系统都会含有偏见，因为它们反映了其创造者和使用者的意愿和立场。重要的是，如何意识到偏见的存在，以及如何优化管理、减少偏见。这就要求算法把关人能在设计及运行算法过程中至少承担两方面把关责任：

1.追踪评估算法影响，摆脱搭建技术架构、书写代码时价值判断无意识状态以及明确新闻主流价值的导向作用，不能以片面满足用户需求、追求流量最大化作为终极目的。

2.当出现算法偏差时及时纠偏和阻断的责任。

3.提升全民算法素养。当机器算法出现不可逆转地影响个人的信息获取及基于此进行决策的时候，应将算法素养与媒体素养列为中小学及大学的通识教育，以使公众能够有意识和能力监督各个平台和机构始终保持算法的警觉，并避免新闻算法和主流价值观相偏离。

结语

综上所述，AI对于媒体融合的升级与发展至关重要，为新闻生产与传播提供了全新的思路与可能。与此同时，我们仍需要不断完善和加强AI的监督机制，扬长避短，让AI发挥更大的作用，为媒体融合作出长足的贡献。

参考文献：

[1]郭仕佳.浅谈“互联网+”时代电子信息技术应用于AI新的发展模式[J].通信设计与应用，2019，2（1）：10-11+99.

[2]郁思韵.浅析新媒体和长尾理论视域下的网络直播行业[J].学术探讨，2017，11（1）76.

[3]纪祥祥.媒介融合时代电视新闻传播方式探讨[J].传媒论坛，2018，1（17）：48-49.

【作者简介】李雨桐，伦敦大学数字媒体MA硕士研究生。