黑箱：人工智能技术与新闻生产格局嬗变

文丨仇筠茜  陈昌凤

与新闻相关的人工智能技术包括机器人、视觉信息处理、语音处理、自然语言处理和机器学习等技术。本文通过梳理美、德、英、中等国对这些人工智能技术在新闻生产中的实际运用，发现技术本身和技术商业化一道，将新闻线索发掘、新闻文本写作、评论策展、标题制作、网页编辑、新闻分发渠道的诸多流程推向了“黑箱”——即新闻生产的幕后的幕后，人类现有认知水平对其真实度、可信度、透明度难以判断。又由于人工智能技术有“科学”、“客观”光环的加持，黑箱化的过程不令改变了新闻的样态、新闻生产的格局，而且带来了“流量工厂”驱逐优质新闻、定制推送回化社会分层、技术平台反收编新闻机构等社会格局变化。     

高盛（Goldman Sachs）2017年7月报告称，政府的顶层设计和注资支持，巨大规模的移动互联网用户，以及阿里巴巴、腾讯、百度、滴滴出行、美团-点评等应用产生的海量数据，使中国成为在人工智能发展上最具潜力的国家。[1]在新闻生产和研究中，人工智能技术与大数据、云存储、虚拟/增强现实等新兴科技一起，带来新闻内容生产和分发的变革。具体到新闻实践及研究中，“人工智能”具体指的是什么或哪些技术？是从AlphaGo人机对弈引发的想象，还是从风险投资流向看到的利润驱使？“人机共生”的传媒生态需要预见什么变革？厘清与新闻相关的“人工智能”技术及其功能的边界是相关学术讨论的基础。

与新闻生产及分发相关的“人工智能技术”

人工智能（Artificial intelligence，缩写AI）与自然智能（natural intelligence，缩写NI）相对应，在计算机科学中，该领域研究能根据环境处理信息的“智能主体”（intelligent agents）如何最优化决策的过程，涉及的子领域包括大数据、机器学习、图像识别、神经网络。[2]通俗来说，人工智能就是指使机器具备人类的认知、学习、分析、解决问题的智能，因此也被称为机器智能（Machine Intelligence， 缩写MI）。

与新闻相关的人工智能技术有什么？美联社公布《增强新闻的未来：智能机器时代新闻编辑室手册》（The Future of Augmented Journalism： A Guide for Newsrooms in the Age of Smart Machines），总览介绍了人工智能系统对新闻业的影响，甚至连这份报告的各章节摘要都是一个名为Agolo自然语言处理技术自动提取写作的。[3]以美联社报告为基础，本文总结了目前与新闻生产相关的人工智能技术、机构及应用场景，从表1中可以看出，中文相关研究感兴趣的“机器人写新闻”和“算法推荐”只是与新闻相关的人工智能技术的冰山一角，人工智能的真正愿景是人类制造并运用和超越人类智慧。

国际上，美国、德国、法国、英国自2012年开始涌现一批技术公司从事自动化写作的软件开发，其应用范围包括体育、金融、天气、政治选举方面的消息写作。[4]在中国，腾讯财经、新华社、第一财经（联合阿里巴巴）以及今日头条等媒体机构自2015年起先后推出了自动化写作软件，集中于财经、体育领域的简单消息写作。相应地，国内学术研究也集中于“自动化写作”这一现象的实现途径及其可能引发的伦理问题。[5]

在人与机器的关系上，“增强新闻”是各国的新闻从业者及技术部门负责人基本可就此达成的共识，人将与机器合作完成新闻报道，现阶段无需考虑机器完全取代人的可能性。[6]

对上述表格中各项技术的运用场景的理解，《哥伦比亚新闻研究》对未来的假设场景较为生动。该报告这样展望十年后环境议题记者的一天：早8点，记者坐上无人驾驶车前往办公室的路上，位于Springfield路上的传感器（sensor）发回空气质量超标的警告，记者随即派出两架无人机（sample drones），到现场分别采回水、空气的标本。半小时后，跟踪社交媒体话题趋势的算法（trending algorithm）提醒记者，空气质量及儿童呼吸困难成为热点话题。早晨9点，记者抵达办公室，通过人机对话调出该地区历史空气数据，确认污染指数高于历史同期；同时，无人机带回的标本，经仪器检测确认污染确实存在；然后记者通过推特联系一位母亲接收采访，这位女士刚发布推特陈述自己孩子的呼吸不适。早晨10点，记者戴上增强现实眼镜（augmented reality headset），浏览上百个社交媒体上的现场图片及视频，发现新建工厂附近空气能见度较低，他进而调用算法，将机器人相机（robot cameras）拍摄的照片按时间顺序进行排列比照，确认空气能见度的变化。11点，文本分析（text analysis）程序扫描政府公开文件、公函、公告、数据等，记者的智能助手（automated assistant）将与该工厂相关的违规操作、公开谴责、执照撤销等信息高亮显示。记者联系该工厂的公关公司，语音文本分析（voice analysis technology）显示其接线代表的语气情感为“迟疑、紧张”，记者怀疑其隐藏详情。下午1点，智能助手通过公开文本分析发现，工厂CEO与环保部负责检测的公务员为远亲关系，自然语言处理（natural language process）绘制了他们的家谱关系图。下午2点，该地区的红外热力图（heat map）显示，安保人员集中在工厂的一处，

表1 与新闻生产相关的人工智能技术、机构及应用场景

疑似发生泄漏的管道的所在，记者前往现场采访被拒绝进入，但采访到部分撤离中的工人。下午3点，回办公室路上与早晨预约采访对象面谈，该母亲描述孩子病情，语音文本分析其情绪为“真诚的、分析的”。下午5时，记者完稿，计算机自动纠错，人工编辑审核，将文章签发到若干“智能”（smart）平台。[7]

然而，“签发”不再是媒体工作的终点，在当下智媒化传播技术条件下，写作完成只是新闻工作的一个节点。稿件将没有最终定稿的状态，将处于不断的人为干预的半自动化迭代过程中。而在这个生产和分发过程中，从事新闻内容生产的专业媒体机构不再占据主导地位，技术供应商、社交媒体平台、广告公司、个人写手等多方介入，形成内容生态的矩阵，将新闻生产的过程、各相关利益方的操作都推向“黑箱”，其操作流程更加难以辨识。

算法深度介入新闻生产各环节

（一）监督式机器学习，新闻写作规则与创造力的倒置

机器学习是人工智能的核心技术，包括监督式和无监督式两种。监督式学习有固定的模板，输入和输出都是已知信息，通过将数据“喂”给算法后，自动按照给定的规则填充公式化的表达，生成稿件。例如，在一组现存的交易记录中，先通过人工标注出违规记录，“训练”机器习得这一技能后，就可以自动标注违规记录，减轻人工成本。目前我国媒体主要运用这一种算法方式进行自动化新闻写作，运用于数据容易模板化的体育报道和财经新闻数字报道（如各项经济指数）。不过，算法生产新闻并非停留在格式化填充。哥伦比亚大学数据分析专家Amir Imani解释，机器学习与婴儿逐渐学会识别面部表情的原理类似，都是通过不间断的“输入”表情、微表情、语音与口气，最终达到能够判别各类表情甚至体悟“微表情”的水平。目前，机器学习可以在人脸上布置若干“标识点”（landmark points），然后估算出各类情绪的概率值。这类技术可以运用到采访对象、政治演说等报道中去。2017年美国总统竞选报道中，就有媒体运用该技术对特朗普的“微表情”进行分析。

监督式学习算法的新闻写作过程，“规则”掌握在人的手中，而且是先有规则，后有新闻产品。但在实际操作中，记者并非按部就班地遵循闭合的规则来进行事实推敲和文本写作。正是人的创造力在弥补其中的空白，并为文本的发展和多样性提供广阔的可能。这类似于电脑语言和口语语言之间的关系。口语语言是思维的载体，它在有意识和无意识的使用中形成，并从习惯用法中抽象出所谓“语法”然后加以明确表述，但语法永远不能成为一个完美的闭合体系。[8]而电脑语言则是人类有意识创造的，一旦写进“算法”就会成为一个闭合体系固定下来，挤压创造力的空间。

（二）无监督式机器学习，新闻生产完全“黑箱化”

无监督式学习没有固定的输入—输出模板，机器自动地从数据中抽取知识。2017年10月发表于《自然》杂志（Nature）的重磅论文中，人工智能技术已经可以实现在没有任何先验知识的情况下，获得自主学习能力，达到超人的水平。[9]

美联社的数据小组正在试验将无监督式机器学习技术运用到新闻领域，通过人工智能的自我学习，生产知识。例如，其中一个项目是智能化处理美国枪支犯罪档案（Gun Violence Archive）的14万条记录，在没有任何人为干预的条件下简化数据，尝试寻找人力无法完成的新闻线索，枪击案件中是否有儿童死亡、是否涉及到警力、枪击案是否是偶发事件等成为主要指标。

无监督式学习的输入和输出均为未知，依赖大数据作为基础，主要寻找相关关系和趋势、表面奇异值等，不追究因果关系。这种方式将新闻生产过程推进更深的“黑箱”，人们无需知晓规则，产品即是“勿需推敲”的成品，编辑审稿环节（如果还保留的话）对事实的核查、对真相逻辑链的追寻将面临疑雾重重。

但实际上，在当下所有信息科技都被“崇高化”的氛围中，算法虽然披上“科学神话”的霓裳，仍然可能存在偏见甚至事实错误，只是更不易为人察觉。Jigsaw公司的传播总监Dan Keyserling敦促从业者像审核新闻事实那样去审查算法中可能存在的偏见。他举例说，环境记者拿到了一组数据表，人工智能算法帮助他们找到了一条值得报道的线索，该地区的大量卫星图片和数据均“显示”某地区四个监控点均呈现石油开采与森林退化之间的相关关系。但当记者信心满满前去报道时，发现二者之间并没有因果关系，森林退化是由火灾、伐木场等原因造成的。[10]数据本身不会撒谎，但人们会用数据撒谎。

（三）算法接管新闻评论和在线讨论

知晓民众从而增进慎议民主，是专业主义视角下新闻的重要社会功能。在印刷出版时代，新闻评论主笔在报社享有崇高地位。在互联网条件下，参与讨论也一度是新闻记者的工作内容之一。Natalie 等人的经验研究结果表明，记者参与（journalistic engagement）到新闻相关的在线讨论空间讨论，有效地推动了讨论过程的理性，推进网络言论向更为丰富、活跃、审慎（deliberative）的方向发展。[11]

不过，评论引导也在逐渐向算法这一低成本的操作转移。据Poynter调查，赫芬顿邮报采用语义分析算法工具JULIA来管理新闻评论。Julia是“Just a Linguistic Algorithm”的缩写，这一机器学习的算法程序仅由两人负责，即可对赫芬顿邮报每天千万数量级的新闻评论做出管理和回应。而且，这一算法具备不断学习的能力，可以掌握各类语言并与不同留言会话。[12]另一款名为Spot.IM的机器人耗资1300万美元，其掌握协助管理网络发言，清除垃圾言论（spam-proof）的功能。[13]工程师和媒体希望Spot.IM帮助建构更为强健的网络社区。

不仅是浅层次的会话和回复，加入神经网络技术的人工智能正在获得“发现视角、引导舆情”的能力。例如，与维基百科、the guardian、NYT、ec-

onomist等均有业务合作关系的应用PerspectiveAPI，可以就关于“气候变化”议题在49则留言中有47则都与“毒性“相关，进而确定讨论方向。

（四）新闻无终态

新闻标题也逐渐交由人工智能掌管，算法将根据民众的口味来判断。A/B测试在用户研究中被广泛运用，但这一方法是否适用于承担“社会守望者”职责的新闻日常实践，学界还一直存在争议。尽管如此，网络原生媒体《赫芬顿邮报》 （H-

uffington post）早在2009年就将这一方法广泛运用到发送订阅邮件、文章标题采纳等环境中，为网站的排版、点击进行优化配置。具体而言，用户在浏览同一篇文章时，随机地被分配到标题A或标题B。一段时间之后，A与B的点击量将出现悬殊，则确定点击量高的标题作为文章的标题。该方法还被运用于更多细小的决策，例如在页面的什么位置插入“分享”按钮可以带来更多的转发和评论，排版广告位置可以增加点击量又不关闭页面，等等。雅虎和谷歌在网站设计时也广泛使用A/B测试的方法。[14]

新闻文本也通过算法的激活，处于不断自动更新的状态，而且这种技术反过来决定了即使是人工生产的新闻，也应呈现出“无终态”的格式。2016年7月8日发生在美国达拉斯州的警察枪击案报道，从早晨6：07发布第一稿新闻开始，随着事件的跟踪和进展，文章标题先后更改12次，分别突出事件原因、死伤、疑犯追踪等信息，直至当天12：59分后不再变化。[15]从此，“新闻是明天的历史”的说法将存在于不同时间线的网页脚本中，对普通读者来说，真实将处于模糊动态中，无法捉摸。现有条件下，新闻真实越来越表现为一种过程真实。

（五）大数据难掩“平庸”，生产数量井喷打造“被动”受众

五年前，《纽约时报》发文高呼“大数据时代来临”。五年后的今天，美国科技新闻网站Slate.com文章称“大数据”的说法不再时髦，并不是因为大数据泡沫破裂，而是因为大数据已经广为流行，逐渐成为Netflix视频推荐、健康跟踪、自动股票交易等各行业的运作基础，以至于它不再符合“新兴技术”的定义。[16]操作层面的常态化，容易被人们忽略，却更需要学术研究谨慎追踪。

智媒化传播环境日臻成熟，传感器新闻、临场化新闻、分布式新闻等新生内容样态，需要采集全部的、整体的数据，以期拟合事件发展的普遍规律，找出奇异值。上文环境报道中遍布全城的空气质量监测传感器装置就是一例。报告总体趋势而忽略个案，片面追求“可视化”炫目效果而忽略逻辑理性，必将带来新闻的平庸化。

美联社（AP）自2014年开始试水人工智能与财经新闻的结合，与擅长自然语言处理的Automa-

ted Insight技术公司、掌握大量财经数据的Zacks Investment Research投资研究机构合作，专门从事公司季度报告的简明新闻（recap）写作，实现自动化后，其公司简报类新闻的产量翻了12倍达到3700篇。谷歌公司负责出版合作的主管Justin Pang估计，每天，用户生产10亿小时的视频，20亿张图片。机器学习特别是深度学习的发展在处理这些非格式化的信息方面存在巨大潜力。类似的，体育消息、政治投票消息的自动化生产、模块化写作，都带来新闻“生产力”的爆发。运用算法写作追求高效，成为很多媒体的目标，而生产成本的降低导致新闻数量呈井喷态势，平庸化的新闻必然出现“供大于求”。

根据每一位用户的数字档案进行智能推送（smart push）从而形成个性化定制，成为解决供大于求的矛盾的缓兵之策。英国牛津大学预测，在未来新闻将也仍然是最不可能被替代的职业。过去150年来，新闻写作都旨在服务想象出来的“大多数”读者，但是现在，一位财经记者与人工智能合作，专门为“你”生产定制新闻。自此，你读到的财经新闻不再是宏观数据的汇总，而与你持有的投资项目密切相关，例如“市场整体上扬，但你的收益在减少，如果不是你上周卖掉了IBM的股票，你目前整体收益将会达到平均水平以上” [17]。

互联网带来的信息消费模式从“人找信息”向“信息找人”转变，而且由于算法公司不断地将用户出让的隐私用于构建“数字身份档案”，进而实现精准化推送，媒体受胁迫难以避免“流量工厂”的经营方式，这一次的被动将更为彻底。

多利益主体，技术公司反收编

（一）平台化的新闻分发打造“流量工厂”，劣币驱逐良币效应日渐显现。

大量英美各主流媒体都投入不菲的技术和人力，为记者提供分析工具，以跟进报道的传播状况，并实时更新、调整。《纽约时报》（New York Times）开发的Stela数据分析工具，将包括点击率、浏览比例、评论数量、转发数量、流量来源等指标提供给记者。Stela挖掘出在社交媒体上活跃度较高的文章，记者会根据访问地来源，用不同的语言进行改写，扩大报道的影响力。编辑层面也更加开放，编辑根据stela提供的社交媒体活跃度，决定是否为文章增删超链接、边框栏、视频等栏目。[18]

《观察家报》（Guardian.com）在一次内部黑客大会上研发的Ophan数据分析引擎，引进了“注意力时间中位数”（Median Attention Time）这一指标，是供职于该媒体的记者们钟爱的分析工具。在尼日利亚的政治选举中，这一分析工具帮助报道团队发现35%的流量来源于尼日利亚本国，这个数据让从事国际报道的工作者很有成就感。此外，Ophan工具“颗粒化”地记录了读者在每个段落的阅览速度，每个段落的浏览人数等信息，供记者参考决定文章的长度、何处安插二级标题等。现在，记者和编辑已经达成共识：好的文章需要推广，facebook、twitter和google search是重要的流通渠道。[19]

Gawker Media和The New York Times这两个都是传播效果评估平台Chartbeat的客户。通过对这三个公司的民族志及访谈，研究者发现，互联网对新闻产生了最为深远也最不易察觉的影响，是衡量标准（metrics）的变化，诸如点击量、停留时间等指标，正在批量打造成“流量工厂”。更为隐匿的是新闻背后的情绪，明确表达了诸如兴奋、悲伤、确信、合法有效等“感觉化”的内容，在chartbeat流量分析平台上数据就很乐观。[20]类似chartbeat这样的技术公司还有很多，在这些公司为媒体设计的数据表盘（dashboard），避免低流量的目标带有天然合法性。数据之下，坚持传统的新闻专业主义编辑判断面临更大的压力。

2016年美国总统大选出现的“假新闻”事件之后，人们在呼吁更加负责任的媒体的同时，忽略了一个更为本质的因素，当下以社交媒体主导的新闻传播环境带来点击量、分享量、传播规模等评价指标，导致劣质新闻对优质新闻的驱逐，具有公民意义（civic values）的新闻内容在这一体系中受到歧视。[21]

（二） “数字身份档案”坐实“网络分层”（web-lining）

流量压力与数量竞争压力下，为开发非共性的“利基市场”、分众化的“长尾市场”，内容公司需要全部的用户行为数据，特别是用户“关系数据”， [22]进而无条件“迎合”新条件下的受众需求。

在机器学习、定位服务、神经网络等技术的助推下，向精细化导流的方向发展。有“报界贵妇”之称的《纽约时报》以为读者提供“一切适合印刷的新闻”（“All The News That’s Fit to Print”）为傲。今后，这一座右铭的应用将取决于是“谁”在读新闻。2017年上半年，纽约时报开展一系列研究，将读者身份、时间、地点等指标纳入新闻分发体系，以提供更加个性化的新闻为目标，最大化地挖掘新闻作品的利用率。[23]

在媒介经营者看来，人工智能的核心竞争力不仅在于新闻写作，更在于用户定位（targeting）。所有的广告信息都会根据你的立场、页面逗留时间等具体信息进行安排。大数据支持的用户数字身份档案一旦趋于完备，人工智能甚至能了解你的政治立场，那么你看到的一切信息都是你想看到的信息，你将永远不会读到与你意见相左的观点。[24]

这将带来严重的社会不公问题。纽约大学社会学教授Marshall Blonsky认为，依据数字档案进行智能推送，是人为地给每个个体划定了边界。广告商的逻辑里没有利他主义、没有信息公平。一旦你被判定为一个群体，那么你获得的新闻信息、看到的广告、购买的用品，方方面面都只会符合这个算法为你预设的身份。[25]不断增加的复杂性是人工智能自身进化的逻辑，复杂性的无法识别将使底层永远成为底层，不论“线上”还是“线下”。

（三）技术公司与金融资本夹击专业新闻生产

监控流量的技术公司、追求精准导流的媒介运营商在参与到新闻生产流程中，但远不止如此。

媒体在主动寻找技术公司实现业务外包，一篇稿件的生产可以是全球若干公司通过网络协作的结果。与guardian和NYT自主研发人工智能系统不同的是，美联社通过外包的方式，将“人工智能化”的战略目标分割并委托给若干科技公司。例如，今年与Graphiq公司合作，后者在人工智能领域尤其擅长信息图的制作，并且拥有大量数据。在表1中，除了德国Earth TV卫星电视公司，其余机构均为与媒体合作的技术公司。

在我国，“今日头条”、“一点资讯”、“BuzzFeed”一类的新闻聚合类网站，通过精准化内容分发，对新闻渠道形成垄断式的占据，这意味着由传统媒体生产的内容，只有少量在自有的渠道完成了分发。[26]

在车库型技术公司、互联网公司和金融资本的夹击之下，新闻媒体开始意识到从属于技术公司的被动局面，开始注资致力于运用或研发与自身主营业务相匹配的技术，自主搭建平台，基于所谓“互联网传播逻辑”来进行新闻分发。遗憾的是，技术公司往往更容易获得风险投资，传统媒体经济则每况愈下，没有独立研发人工智能产品的资本。

对专业媒体而言，平台收编的力量来势汹汹。具有信息属性的互联网巨头如Facebook推出移动战略的核心产品Instant Article（简称IA），并向媒体机构开放整套技术标准。使用IA的内容加载速度更快，相比社交媒体上分享链接最终回流到媒体网站的方式，加载速度快了50倍。

哥伦比亚大学研究者Mark Hansen（2017）等人认为，社交媒体平台和技术对新闻生产的影响，远远超过了电子出版对印刷媒介的影响。Face-

book、Snapchat、Google和Twitter这样的技术平台在加速度地全面接管传统的新闻生产发行工作，但不仅限于此。随即而来的问题是：谁为新闻买单？这些平台也必须快速进化，以适应剧烈的互联网竞争。所以，互联网公司不满足于只是占有了新闻内容分发的渠道，他们逐渐掌握了让你看到什么、感觉到什么、关注什么的操纵技能，甚至改变了新闻的格式（types and formats）。[27]

在20世纪60年代，“新闻生产”研究将对新闻的考察从“台前”（新闻内容及效果）推到了“幕后”（新闻编辑室中的田野观察），涌现出《做新闻》（Gaye Tuchman， 1978）、《决定什么是新闻》（Herbert Gans， 1979）、《生产新闻》（Mark Fishman，1980）等一批经典文本，为警惕地认知“第四权利”带来洞见。当下，人工智能算法的不透明、新闻生产各环节对技术公司的强依赖、媒介属性的社交网络公司的强势收编等大趋势，亟待研究者不仅仅停留于讨论人工智能在技术层面能实现什么，而将视线转移到“幕后的幕后”，即本文所指涉的“黑箱”，审慎地观察这一过程可能的社会影响，给予其批评性的评价与反思。

- END -

▲ 封面图源于网络 与文章无关

原文刊载于《新闻界》杂志

2017年第1期 28页至34页

新闻界

深度思考

新鲜资讯

贴心服务

长按二维码关注我们☟