平台公告:
查看更多>> 
当前位置:首页 -> 编辑部管理 -> 正文

媒体智能化应用:现状、趋势及路径构建

   发布时间:2018-06-05 15:36    浏览量:10

一、当前媒体智能化的特征

媒体行业的发展一直以来都与传播技术的进步紧密相连。当下互联网主流的移动传播体系与人工智能技术相结合,创造出许多新的媒体消费场景,媒体智能化已经成为媒体发展的主导性趋势。这一趋势不仅重塑着媒体组织的生产和运营方式,也深刻改变着整个社会的信息传播方式和传播关系。


通过对人工智能技术在网络信息传播中应用的分析,结合工业社会向信息和数据社会演进的趋势,我们认为,媒体智能化发展有三个特点:以大数据为基础,以算法为驱动,其应用场景指向个人化精准传播。


1.大数据资源及相关应用技术是媒体智能化的技术基础

在移动互联网时代,大数据资源的产生和应用至少表现出三个方面的特点:其一,互联网信息与资源交换的平台化与社会普遍信息化支持下的大量所谓“自媒体”内容,形成了海量的关于社会公共事务和社会生活的内容数据;其二,移动终端的便携性支持着无处不在、无时不有的媒体应用,移动终端用户既是数据使用者又是数据贡献者,规模庞大、种类繁多的个人化大数据资源由此生成;其三,移动终端的个人化使得媒体内容消费过程中的个人化需求得以表现,而大数据资源的丰富性是满足个人化信息需求的前提条件。


2.算法技术是媒体智能化的驱动力

牛津大学路透新闻研究中心于2017年底发布报告显示①,基于算法推荐技术的新闻信息分发比“把关人”模式下的编辑筛选更受网络用户欢迎。个人化信息需求与海量信息供给之间的高效匹配是移动传播服务商实现信息的个人化精准分发所必须解决的关键问题②,而算法技术提供了有效的解决方案。算法既可以提高大数据的使用效率,也可以从开放信息源中挖掘出更多的大数据的应用价值。③


要实现信息和资源的精准分发,首先是要打破主要基于知识储存需要的、按照学科专业划分的传统知识分类体系对信息供给结构的束缚,开发面向用户需求的信息标签体系,把用户偏好、行为和场景等需求要素与信息文本特征等供给要素相结合,使信息供给更能满足用户需求;其次是要依据多元标准建立取值规则,以弥合用户个体兴趣与用户所在社交网络的集体偏好以及全平台用户总体的热点选择等社会偏好的差异,丰富“用户需求”的内涵并使之更具科学性,以避免用户个体兴趣的局限性造成推荐算法的偏差,从而导致用户个人由于信息选择偏差而导致其社会化水平降低等问题。我们认为,能够体现社会共同价值和社会规则的、不断完善的算法推荐技术,可以避免个人信息选择狭窄化问题的出现。


3.面向个人化应用场景的精准传播是媒体智能化价值的主要实现方式

当前基于移动传播体系的媒体智能化应用,在信息分发方式上,通过面向个人用户的精准推荐,节省了用户排除冗余和无关信息的时间成本,优化了用户体验,增强了用户黏性,甚至能够激发用户的潜在需求,衍生多元服务,从而大大提升了传播效率和媒体服务价值。精准传播也是对社会生产方式的演变方式的呼应。当下社会生产方式正在从工业社会的大规模标准化生产向定制化、精准化生产过渡;与之相应,社会信息传播方式也必然经历从大众传播向精准传播的升级,而移动传播体系和智能化技术提供了精准传播的需要和可能。


二、媒体智能化的发展现状和趋势

基于以上分析和判断,我们将从媒体生产和运营的四个环节,来梳理媒体智能化的现状与趋势。这四个环节是:程序化内容生产、算法化内容分发、自动化内容监管和精准化媒体运营。并基于这一框架,提出中国主流媒体智能化发展的建构路径。


1.从机器人到“媒体大脑”:内容生产程序化和一体化

媒体内容生产中的智能化目前主要应用在使用计算机程序处理数据来生成内容文本(含视频等格式)。这种生产实践经历从20世纪90年代出现的“计算机协助报道(computer-assisted reporting)”到近年出现的“机器人新闻(robot journalism)”和“算法新闻(algorithm journalism)”的演进④。形成了所谓“数据驱动新闻(data-driven journalism)”的潮流⑤。这一过程的实质就是计算机程序参与内容生产的程度不断加深。在实践中,中国主流媒体也实现了从预设计算机程序编制新闻内容的“机器人写稿”模式,向使用计算机程序、借助传感器自动收集数据并生成报道文本的“媒体大脑”模式的升级。


“机器人写稿”是将人类撰写新闻或其他内容的过程进行程序化处理,提前设定文本写作框架,使计算机可以在没有人工参与的情况下,自动把写作素材(数据)加工成媒体内容产品。⑥其应用多见于信息要素易于量化、文本结构易于程式化的内容领域,例如股市行情报道和体育赛事报道。2014年7月,美联社在全世界范围内首先使用Wordsmith平台撰写财报新闻,国内最早的写作机器人Dream·Writer是腾讯财经于2015年9月推出的。在我国主流媒体中,新华社于2015年底率先推出机器新闻生产系统“快笔小新”,其写稿流程包括数据采集、数据加工、自动写稿、编辑签发四个环节。“快笔小新”服务于新华社体育部、中国经济信息社和中国证券报。在新华社体育部,它可以基于相关数据,快速生成中英文消息,包括比赛的成绩公报和积分排名;在中国证券报,它可以写一句话的报盘、一段话的公司财报、快讯等。“机器人写稿”的生产方式用计算机程序代替人工写作的过程,提高了内容生产效率,减低了生产成本。


“媒体大脑”是新华社在2017年底推出的智能化内容生产平台,它具备智能分析视频内容的能力,能使用传感器智能识别、检测构成新闻事件的诸要素并获取相关数据,快速生成文字、图片、语音、视频等格式的内容。该平台可以选取报道角度,调配地理位置、气象等多维数据,实时生产“数据新闻”,给媒体机构提供极速的、富媒体式的新闻报道,从而完成了程序化信息生产从数据采集到多种格式文本生成的一体化。这种能力,使得“媒体大脑”除面向新闻市场的服务外,也可以面向企业提供服务。

以计算机程序结合传感器代替人类采集事件数据、生成新闻素材、完成新闻报道,在一定程度上再造了信息生产流程,改变了媒体组织的结构及媒体组织内部的生产关系,要求内容生产者全面提高运用相关新技术的专业能力。


2.推荐引擎驱动的个人化信息服务:内容分发智能化

从PC网络时代开始,信息生产和传播的门槛快速降低,社会的普遍信息化使互联网上公共信息的存量和增量都急剧增大。进入移动网络时代,信息终端的便携性促进了媒体使用的场景化,移动终端的私人性质增强了信息需求的个人化,两者的交互作用,使得互联网应用平台得以采集和储存海量的用户数据,使得满足用户个人的信息需求成为需要和可能。用户个人因此成为了信息传播的主导者,并且是随时随地产生数据的“泛在化”主体。由此,社会普遍信息化从公共领域扩展到了个人生活领域。这不仅意味着社会信息总量的剧增,其中日益丰富的用户行为数据还促成了传播模式的“迭代”——大众传播模式正在向个人化的精准传播模式演进。社会信息传播的深度、广度及其效率,由此进入新的层级。


在实践中,传播模式的重构,带来了媒体业在移动传播时代面临的新挑战——海量信息与个人需求的匹配。目前,推荐引擎驱动的个人化信息服务是应对该挑战最为有效的方法。


推荐引擎的基础是算法推荐技术,其实质是在海量信息供给与个人化信息需求之间建立一系列数学关系,形成数学模型,并通过计算机程序的高效运算完成供需数据的匹配,从而实现精准分发。例如,今日头条资讯推荐系统的核心功能是用户、环境和资讯这三个维度数据的匹配,而数据特征又分为四类:相关性特征(文本的关键词、分类、主题和来源)、环境特征(接入的地理位置和时间)、热度特征(全局、分类、主题和关键词的点击量)和协同特征(各类相似用户)。⑦在三个维度中,用户具有个体需求,环境反映具体场景,资讯形成海量信息,它们是移动传播的三个要素。⑧在四种特征中,用户需求被进一步细分为热度特征和协同特征,反映着用户整体、相似偏好用户群体的共性需求;环境特征则反映用户的个体需求。推荐引擎技术对整体、群体和个体的细致划分,凸显着用户需求在移动传播关系中的主导地位。简言之,推荐引擎对传播模式进步的贡献在于,以高效率、低成本的技术手段完成了海量信息与个性需求的精准匹配。因此,这种技术在互联网信息分发领域得到了迅速普及,出现了所谓的“头条化”⑨。鉴于这一技术的先进性,我们认为主流媒体的互联网传播也必须对其加以利用。


但是,目前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。⑩首先,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所谓“自媒体”内容生产者规模,以至于“供给侧”里内容数据库中鱼目混珠、泥沙俱下,虚假和低俗信息乘虚而入;其次,平台信息推荐的初始设定,依据的通常是点击量数据反映的整体用户的需求特征,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对用户需求的取值方法深入分析,我们发现,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。


对于商业平台而言,内容芜杂、算法单一和取值偏差这些问题并不阻碍其经营目标的实现,反而有利于降低技术难度和增大用户规模。但由于商业平台占据信息分发市场的较大份额,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,从而使算法推荐的运用更加科学合理,符合社会利益及用户个人的根本利益。


3.虚假和不良内容的识别与判别:内容监管智能化

由于商业趋利、技术缺陷和监管滞后等多种因素,许多互联网信息分发平台在客观上成为了虚假和不良信息滋生蔓延的场域。这一现象已成为全球性的社会问题。在我国,虚假信息频繁引发舆论事件;在西方国家,虚假信息甚至影响到政治选举和公众决策,如2016年美国总统选举和英国脱欧投票。因此,如何治理网络传播中的虚假信息和低俗内容,已成为中外传播研究者、业界和监管者共同面对的挑战。


针对这一问题,我国已出台多项政策法规,从行业资质、实名注册和备案审核等方面规制互联网传播活动的参与者。但这些措施都局限在主体资质审查和事后追惩,未能形成预警机制,难以防范虚假信息和低俗内容的发布和传播。从互联网传播的特点看,一旦虚假信息和低俗内容被广泛传播,其后果难以弥补。


商业信息平台目前普遍采用的办法是借助人工智能技术手段进行内容核查。包括今日头条在内的一些网站以“人工+机器”的模式构建“防火墙”,对敏感词、“标题党”、虚假信息和低俗图片进行拦截。今日头条和微信都建有储量分别超过5000条和7000条的谣言数据库,新浪微博有借助第三方进行信息核查的辟谣平台,但都难以应对数量巨大且层出不穷的虚假信息和低俗内容。


如何用人工智能技术代替人工内容审核、实现内容监管智能化,是互联网平台和内容监管部门亟待解决的难题,也是主流媒体平台化发展实现内容聚合过程中必将面对的问题。依据人工智能技术本身的特点,我们认为,网络空间中虚假和不良信息的甄别实际上应包括识别和判别两个步骤。第一步,利用文本、图片和视频的识别技术发现虚假和不良信息。谷歌于2017年10月发布的视频识别技术,⑪即通过图像识别将图像“变”成短句后再进行文本识别的技术,以及其他自然语言识别技术都可应用于这一步骤。第二步,基于司法调查中证据比对的原理,建构判别各类信源和信息真实性的核心算法。该步骤的难点在于,如何把司法调查中建构证据链的规则转化为计算机可操作的算法,这一算法的开发成功,将大幅提高确认信源和信息可靠性、准确性的效率。


4.商业信息的精准分发与数据库电商:媒体经营智能化

移动传播体系下,作为互联网平台的新型主流媒体的商业逻辑将转为基于数据库的对用户个体价值的变现。新型主流媒体的商业模式将主要体现在精准营销和数据库电商方面的创新。移动传播体系的形成和互联网应用的平台化,带来了即时性的数据传输、个人化的数据生成和综合性的数据分析能力,而支持这三种能力的终端、网络和平台构成了数据流通的闭环,这同时也是用户价值变现的闭环,有效利用数据资源,可以缩短商业决策的周期,提高商业活动的效率。因此,数据库运营是未来媒体商业模式重构的关键,它决定着内容数据资源、用户数据资源是否可以有效变现。

在商业信息传播服务方面,基于数据库的商业信息的精准推送可以解决大众化的商业营销传播长期以来的“痛点”——传播效果的准确测量和传播资源的浪费,未来可以取代传统广告。


在数据库电商方面,通过建立强大的供应链和借助数据库能力精准把握用户需求,将供应链数据库与用户数据库匹配、打通,就能够在精准把握用户需求的基础上实现数据库电商。


从媒体融合发展的趋势看,主流媒体必将通过自身的互联网化,形成以互联网为基础连接的生态级媒体平台,在这一平台上,通过运营各种垂直应用,向所在区域的用户提供多样化的服务,在服务过程中发现用户需求,提升用户黏性,生成用户数据,并聚合其他各类数据,成为特定区域的数据总汇。⑫这种大数据的积累,在商业领域就可以用来经过数据分析找到消费者,并通过平台的触角与消费者进行沟通,从而进一步确认消费者的购买行为,满足工业2.0模式生产定制化在产品生产之前确定买主的需要。这种依托大数据技术实现的商品定制化生产和精准销售,能够有效降低生产成本,并通过信息流、商业流、用户流、货物流以及现金流的交互,发展成能够适应工业2.0模式需要的,具有平台经济特征的新型媒体商业模式。


三、结语

人工智能的本质是算法(函数关系)与大数据(运算对象)的结合,其目标是依据人类预设的规则,以更高效精准的方式解决问题。将人工智能技术应用于社会科学领域时,我们需要寻找到更本质、更精确的社会关系模式,以之为根据建立数学模型,进而形成算法体系,再将相关大数据资源作为运算素材,形成智能化的解决方案。在以数学模型描述社会关系的过程中,需要对社会关系的作用机制有更为深刻的理解。正如马克思所言,“一种科学只有在成功地运用数学时,才算达到了真正完善的地步”。⑬在这个意义上,媒体的智能化发展将大大推进新闻传播学科的科学化。


互联网已经成为社会生活的基础连接,互联网平台创造了一个海量信息自由开放流通的公共领域,也把各类信息和数据汇聚到平台之中。在此背景下,基于互联网的新型主流媒体平台对人工智能技术的应用,提供了开发利用数据资源的高效工具,是基于社会普遍信息化、围绕数据合理利用的网络治理、网络赋能和网络惠民,⑭具有推动行业升级和社会进步的双重意义。就我国主流媒体而言,其智能化发展,首先需要通过移动化、平台化和智能化的协同,建构大数据生产能力——在移动传播中产生数据、在网络平台中汇聚和存储数据、用人工智能分析和利用数据。这就需要主流媒体建设具有一定用户规模和用户黏性的移动端口,需要主流媒体建设具有多种资源和应用整合能力的网络平台,支持平台上多边参与者的价值交换,并在平台上汇聚各方数据,这也需要主流媒体建立强大的技术能力。


[本文为国家社科基金重点项目“以媒介融合推动新型传播体系的构建研究”(批准号:14AZD039)课题成果]


(宋建武:中国人民大学教授、博士生导师、项目首席专家;黄淼:中国人民大学新闻学院博士后)


注释:

①牛津路透新闻研究中心:《2017年全球网络数字新闻报告》[R],2017,http://reutersinstitute.politics.ox.ac.uk

②⑧宋建武、黄淼:《移动化:主流媒体深度融合的数据引擎《[J],《传媒》, 2018年第3期。

③Napoli P M. Automated Media: An Institutional Theory Perspective on Algorithmic Media Production and Consumption[J]. Communication Theory, 2014, 24(3):340 360.

④Coddington M. Clarifying Journalism’s Quantitative Turn[J]. Digital Journalism, 2015, 3(3):331-348.

⑤Lewis, S. C. Journalism In An Era Of Big Data[J]. Digital Journalism, 2015, 3(3), 321 330.

⑥Carlson M. The Robotic Reporter[J]. Digital Journalism, 2015, 3(3):416-431.

⑦根据今日头条首席算法架构师曹欢欢2018年1月11日内部分享会的演讲内容整理。

⑨“头条化”指的是国内移动互联网资讯分发平台普遍采用算法推荐技术,为用户提供内容精准分发服务。这一技术由“今日头条”首次在国内市场应用,之后类似移动应用“天天快报”“一点资讯”等都纷纷采用,由此出现以精准分发技术应用为特征的所谓“头条化”。

⑩宋建武:《个性化新闻资讯推送服务当前算法的局限及其改进》[EB/OL],人民网,http://media.people.com.cn/n1/2017/0925/c120837-29557429.html

⑪《图像识别使图片变短句 已达认知心理学水平》[EB/OL],新浪网,http://tech.sina.com.cn/it/2017-10-29/doc-ifynfvar4875603.shtml

⑫宋建武:《从信息总汇转向数据总汇——媒体业的物联网机会《[J],《新闻与写作》, 2016年第11期。

⑬[法]保尔·拉法格、[德]威廉·李卜克内西著、杨启潾等译:《忆马克思恩格斯》[M],1963版,第8页。

⑭宋建武:《让生活因互联网而更美好》[EB/OL],新华网,http://www.xinhuanet.com/politics/2017-12/03/c_1122050967.htm

(本文原载于《新闻与写作》2018年第4期第5-10页,学术引用请以纸质刊物为准)

特别推荐:

特别推荐:诚邀高校学子,推广下列产品,每推广一个用户试用任意产品达三个月,奖励50元,凡成为VIP用户,将收到费用的10%奖励给您!

联系QQ:1431537992、2558318645,电话:010-62978088

咨询电话:010-59919787转1、4008817579、010-62978088
咨询QQ:给我留言   高校平台官方QQ老师群号:84578568 学生群:9747849 技术支持:华文科教  
举报不良信息