◇ 滕 瀚

何為人工智能？這一概念在1956年達(dá)特茅斯學(xué)會(huì)被提出，定義為“使一部機(jī)器的反應(yīng)方式像一個(gè)人在行動(dòng)時(shí)所依據(jù)的智能”。早期主要被用于“鑒定與解決可處理的信息加工難題”， 初始階段帶有較為明顯的信息論和控制論色彩。斯坦福大學(xué)的Nils J-Nilsson認(rèn)為“人工智能是關(guān)于知識(shí)的學(xué)科——怎樣表示知識(shí)以及怎樣獲得知識(shí)并使用知識(shí)的學(xué)科?！甭槭±砉ご髮W(xué)的Patrick Winston認(rèn)為“人工智能就是研究如何使計(jì)算機(jī)去做過去只有人才能做的智能工作?！睆谋举|(zhì)上來看，所謂人工智能，簡單地說，就是利用智能機(jī)器模擬人類智慧，從而代替人們完成各種工作的技術(shù)。

一、機(jī)器人新聞：認(rèn)知與新聞生產(chǎn)倒置

人工智能先驅(qū)皮埃羅·斯加魯菲峰在《2017 未來媒體報(bào)告》中指出，人工智能與機(jī)器人寫作是未來媒體十大發(fā)展趨勢(shì)之一 。所謂機(jī)器人新聞寫作是在計(jì)算機(jī)程序的基礎(chǔ)之上，編程進(jìn)行對(duì)文字信息的抓取分析然后生成文字的過程，即由內(nèi)置芯片自動(dòng)生成新聞稿件，完成新聞創(chuàng)作報(bào)道的過程。雖然機(jī)器人新聞寫作并沒有普及到所有新聞采寫的過程中，但由于它在復(fù)雜數(shù)據(jù)處理、難度較大、時(shí)效性較高的新聞中具有其他新聞報(bào)道方式不可比擬的優(yōu)勢(shì)，因此，機(jī)器人內(nèi)容生成（CGC）被認(rèn)為是與“專業(yè)新聞?dòng)浾呱蓛?nèi)容”（PGC）、“用戶生成內(nèi)容”（UGC）一并構(gòu)成數(shù)字化新聞信息的三大主體。

機(jī)器人新聞寫作的出現(xiàn)，改變了原有的新聞生產(chǎn)認(rèn)知模式，原來是新聞?dòng)浾叩恼J(rèn)知在前，寫作在后，現(xiàn)在是機(jī)器人寫作新聞在前，記者審核簽發(fā)組稿在后。原來記者在新聞撰寫過程中，首先是對(duì)信息形成基本認(rèn)知，再根據(jù)自己的認(rèn)知，對(duì)新聞進(jìn)行創(chuàng)造性寫作，這其中已經(jīng)經(jīng)歷了一個(gè)從解碼到編碼的過程。但機(jī)器人新聞的寫作，無需解碼過程，直接根據(jù)事先設(shè)定好的閉合規(guī)則對(duì)索取的信息進(jìn)行編排組合， 整個(gè)過程是無意識(shí)的，更毫無解碼認(rèn)知可言。雖然機(jī)器人新聞寫作以極高的效率、極低的錯(cuò)誤率、極強(qiáng)的執(zhí)行力等特點(diǎn)備受青睞，但新聞寫作規(guī)則與創(chuàng)造力被倒置，閉合的程序和規(guī)則對(duì)原本可以用創(chuàng)造力去填補(bǔ)的文本進(jìn)一步擠壓， 從記者認(rèn)知——新聞寫作——受眾再認(rèn)知的順序出現(xiàn)缺失，沒有了記者認(rèn)知的新聞寫作被推向了更深的“黑箱”，雖然有程序算法的“科學(xué)外衣”，但這樣“無認(rèn)知”的新聞究竟給認(rèn)知傳播基本理論帶來怎樣的變化，值得深思。

二、傳感器：認(rèn)知視角的多維重構(gòu)

就傳播者認(rèn)知視角而言，隨著傳感器的普及和應(yīng)用，新聞采寫的過程將會(huì)更加智能化與高效化，記者對(duì)新聞事件的認(rèn)知也將會(huì)伴隨傳感器的應(yīng)用發(fā)生極大改變?！陡鐐惐葋喰侣勓芯俊吩趫?bào)告中描繪了一位十年后的記者如何進(jìn)行工作的細(xì)節(jié)，在整個(gè)新聞采寫過程中，記者分別運(yùn)用了無人機(jī)、空氣質(zhì)量監(jiān)測(cè)傳感器、社交熱門話題討論趨勢(shì)算法、人機(jī)對(duì)話、增強(qiáng)現(xiàn)實(shí)眼鏡、機(jī)器人相機(jī)、文本分析掃描儀、語音文本分析器、自然語言處理器、智能助手等多種傳感器和人工智能設(shè)備，對(duì)新聞進(jìn)行采寫和加工。 這與現(xiàn)今一般模式的新聞采寫迥異，記者對(duì)信息的掌握幾乎全部依賴傳感器，其對(duì)新聞線索的發(fā)現(xiàn)、新聞事件的認(rèn)知、采訪對(duì)象的判定都有傳感器參與其中。

就接受者認(rèn)知視角而言，以VR技術(shù)為代表的傳感器所具備的沉浸式體驗(yàn)會(huì)給受眾帶來全新的新聞?wù)J知。隨著VR技術(shù)不斷發(fā)展，將可以為受眾提供視覺、聽覺、觸覺等感官的模擬，讓使用者如同身臨其境一般。 這種體驗(yàn)是傳播發(fā)展史中任何一種媒介形態(tài)都不能企及的，它不同于圖文聲像的單一感官增強(qiáng)，而是將受眾模擬置于新聞現(xiàn)場(chǎng)本身，從事件旁觀者變?yōu)槭录坝H歷者”。雖是模擬，但擁有類似于“上帝視角”的受眾，對(duì)新聞?wù)J知必然不同于傳統(tǒng)的新聞報(bào)道，此時(shí)受眾對(duì)自我身份的界定和認(rèn)同，與新聞事件發(fā)生時(shí)現(xiàn)場(chǎng)人物關(guān)系互動(dòng)的認(rèn)知，對(duì)VR等模擬增強(qiáng)現(xiàn)實(shí)技術(shù)的反饋認(rèn)知，都需要探究和討論。

三、自然語言處理：算法主導(dǎo)認(rèn)知方向

人工智能在新聞?lì)I(lǐng)域的另一大應(yīng)用就是對(duì)自然語言的處理，這其中，既包含自然語言的生成，也包含對(duì)語言的處理。其背后依托的都是算法。

算法在自然語言處理方面的能力，已經(jīng)深入地影響到了傳受雙方在互動(dòng)過程中的基本認(rèn)知。在新聞生產(chǎn)方面，新聞文本也通過算法的激活，處于不斷自動(dòng)更新的狀態(tài)。也就是說，新聞不再是“出現(xiàn)即固定”的文本，而是基于算法處于不斷的變動(dòng)和修改之中，基本的標(biāo)準(zhǔn)是根據(jù)閱讀量、點(diǎn)擊數(shù)、討論數(shù)等讀者反饋所決定的。例如，2016年7月8日發(fā)生在美國達(dá)拉斯州的警察槍擊案報(bào)道，從早晨6：07發(fā)布第一稿新聞開始，隨著事件的跟蹤和進(jìn)展，以及讀者對(duì)不同新聞點(diǎn)的點(diǎn)擊量和討論數(shù)，文章標(biāo)題先后更改12次，分別突出事件原因、死傷、疑犯追蹤等信息，直至當(dāng)天12：59分后不再變化。 由此可見，新聞的生產(chǎn)不僅是生產(chǎn)者的工作，更是伴隨著事件的變化和讀者的反饋、認(rèn)知的不斷變化而改變的。對(duì)于廣大受眾來說，對(duì)新聞的認(rèn)知成為雙向互動(dòng)的過程，新聞的真實(shí)性處于動(dòng)態(tài)模糊中，算法則是這一過程的主導(dǎo)者。

在輿論引導(dǎo)方面，例如，赫芬頓郵報(bào)就開發(fā)出名為Julia（Just a Lingu istic Algorithm的縮寫），用來處理每天千萬數(shù)量級(jí)的讀者新聞評(píng)論和回復(fù)，僅需兩名人員進(jìn)行管理負(fù)責(zé)。 此外，這一算法還有學(xué)習(xí)能力，可以掌握不同的語言以應(yīng)對(duì)世界各地受眾的留言。還有一款名為Spot.IM的機(jī)器人能夠協(xié)助管理網(wǎng)絡(luò)發(fā)言，具備清除垃圾言論（spam-proof）的功能。如果說，這些算法仍然停留在較為淺層次的交流上面的話，那么，加入神經(jīng)網(wǎng)絡(luò)技術(shù)的人工智能正在獲得“發(fā)現(xiàn)視角、引導(dǎo)輿情”的能力。例如，與維基百科、the guardian、NYT、economist等均有業(yè)務(wù)合作關(guān)系的應(yīng)用Perspective API，可以就某一議題中討論數(shù)量較多的主題進(jìn)行比對(duì)分析，從而確定討論方向。

受眾的留言和評(píng)論，是受眾在信息解碼后形成的認(rèn)知表現(xiàn)。算法的出現(xiàn)，在某種程度上已經(jīng)取代了人為對(duì)留言進(jìn)行回復(fù)的工作，并能夠根據(jù)“神經(jīng)網(wǎng)絡(luò)技術(shù)”對(duì)整個(gè)討論的方向進(jìn)行適度的引導(dǎo)，從而確認(rèn)人們的認(rèn)知方向。

參考文獻(xiàn)：

朱婧雯, 歐陽宏生.認(rèn)知傳播:融合視野中多元傳播的創(chuàng)新研究與學(xué)科建構(gòu)[J].西南民族大學(xué)學(xué)報(bào)(人文社會(huì)科學(xué)版), 2015(03):第186頁.

IiMedia Research.2017年中國人工智能產(chǎn)業(yè)專題研究報(bào)告，http://www.iimedia.cn/50460.html

趙姝穎.人工智能技術(shù)在科技傳播中的應(yīng)用探索[J].機(jī)器人技術(shù)與應(yīng)用,2014(01).第39頁.

李釗：《人工智能先驅(qū)預(yù)測(cè)未來媒體十大趨勢(shì)》[N].科技日?qǐng)?bào),2016年10月27日

高常.人工智能與新聞工作[J].新聞與寫作, 2017(04):第99頁.

鄧建國.機(jī)器人新聞：原理、風(fēng)險(xiǎn)與影響[J].新聞?dòng)浾撸?016（9）：10-17.

沃爾特·翁.口語文化與書面文化：語詞的技術(shù)化[M].北京：北京大學(xué)出版社，2008.

仇筠茜, 陳昌鳳.黑箱:人工智能技術(shù)與新聞生產(chǎn)格局嬗變[J].新聞界, 2018(01):第30頁.