文/崔士鑫

習近平總書記在中央政治局第十二次集體學習時明確要求，“探索將人工智能運用在新聞采集、生產(chǎn)、分發(fā)、接受、反饋中，用主流價值導向駕馭‘算法’，全面提高輿論引導能力”。這為我們在全媒體時代，充分利用好大數(shù)據(jù)、云計算、人工智能等新技術，推動主流媒體向數(shù)字化、網(wǎng)絡化、智能化發(fā)展，實現(xiàn)單向式傳播向互動式、服務式、體驗式傳播轉(zhuǎn)變，提高輿論引導時度效，指明了努力方向，提供了根本遵循。

近年來，人工智能技術飛速發(fā)展，尤其作為人工智能技術核心基礎的算法，在新媒體中得到越來越廣泛的應用，在應對信息超載問題的同時，也帶來信息失衡、低俗流行等負面效應。如何對新技術既善于運用又嚴控風險，趨利避害，助力打造新型主流媒體，擴大主流價值影響力版圖，讓黨的聲音傳得更開、傳得更廣、傳得更深入，是推動媒體融合向縱深發(fā)展面臨的一個緊迫課題。

算法為媒體智能化提供重要契機

在人工智能三大要素，即數(shù)據(jù)、算法和計算能力中，算法的作用至關重要，是人工智能技術的核心基礎。算法（Algorithm）本是指數(shù)學和計算機科學中，為解決特定問題而進行的計算、數(shù)據(jù)處理和自動推理等。算法古已有之，但今天與人工智能息息相關的算法，則與計算機技術密不可分。計算機學科認為，算法是為有效解決問題而輸入機器的一系列指令、步驟。最簡單的算法流程，就是輸入數(shù)據(jù)與指令，經(jīng)過特定運算處理，把輸入數(shù)據(jù)轉(zhuǎn)化為結(jié)果輸出。不過，涉及人工智能的算法十分復雜，比如，按照模型訓練方式不同可分為監(jiān)督學習類算法、無監(jiān)督類學習類算法、半監(jiān)督學習類算法、強化學習類算法，按照解決任務的不同可分為二分類算法、多分類算法、回歸算法、聚類算法、異常檢測等，分別適用于不同場景。盡管涉及領域很多，人工智能本質(zhì)上就是通過計算機程序呈現(xiàn)人類智能的技術，關鍵內(nèi)容都是以不同算法為技術支撐。

以算法為基礎的人工智能應用于新聞領域，對新聞信息采集、生產(chǎn)、傳播、接受與反饋等環(huán)節(jié)，正在引發(fā)程度不一卻注定有深遠影響的革命性變革，對推進媒體向智能化發(fā)展，帶來重要變革機遇與發(fā)展契機。算法在新聞領域的運用，就是按照一定目標原則，對新聞信息進行過濾、篩選，然后進行聚合、排列、呈現(xiàn)，再基于用戶畫像，精準傳遞給目標對象，并根據(jù)用戶反饋持續(xù)改進，大大提升對新聞信息數(shù)據(jù)的采集、分析和運用能力，實現(xiàn)科學策劃、全方位采集、多樣化寫作、精準化推送、即時性反饋，促進傳統(tǒng)媒體向智能化媒體轉(zhuǎn)型。

新聞采集與生產(chǎn)智能化。機器人寫作是新聞采集與生產(chǎn)智能化的較早嘗試，通過對計算機運行程序進行算法編輯，對獲取的新聞信息內(nèi)容進行分析加工，再由計算機模擬的新聞編程自動生產(chǎn)新聞稿件。2014年美聯(lián)社使用相關軟件撰寫公司財務報告，總結(jié)其中關鍵要素，然后生成陳述，每秒最多可生成2000篇這類新聞，發(fā)稿量是人工報道的13倍，出錯率非常低。此外，美國一些媒體運用機器人采編生產(chǎn)新聞，進行地震報道、殺人事件跟蹤、體育賽事、聯(lián)邦政府指數(shù)報道等，都比較成功。國內(nèi)在2015年通過自動化新聞寫作機器人生成首篇財經(jīng)類報道，以后不斷改進，報道領域與類別逐步拓寬。同時算法技術運用也正向內(nèi)容校對、稿件編輯等新聞采集與生產(chǎn)的各環(huán)節(jié)拓展，比如，用人工智能技術處理大量同類稿件，修正語言語法錯誤，對稿件中的優(yōu)質(zhì)內(nèi)容進行篩選等。未來，隨著5G的普及與物聯(lián)網(wǎng)的發(fā)展，可以提供給機器人進行新聞寫作的數(shù)據(jù)將越來越多，機器人報道的疆界與精度都將大大拓展提升，人機協(xié)作采集與寫作新聞可能成為主流。采集、寫作、校對、編輯等得到高效機器人輔助以后，新聞從業(yè)者可以有更多精力與可能，追求新聞內(nèi)容的思想性與創(chuàng)新性，對新聞信息的解讀與分析也更為深刻和準確。

新聞分發(fā)與傳播智能化。精準分發(fā)推送，是目前算法最為擅長和應用最廣的領域，解決信息超載問題效果明顯。在我國，算法推薦已超過人工推送，成為移動資訊的主要分發(fā)方式，以至于有人把算法窄化為算法推薦技術。算法用于新聞分發(fā)傳播的技術本質(zhì)，是實現(xiàn)資訊和受眾精準匹配，即通過廣泛抓取各種內(nèi)容源生產(chǎn)的內(nèi)容聚合資訊，再借助大數(shù)據(jù)的用戶畫像分析以及標簽化等手段，向用戶推送符合其興趣或需求偏好的特定信息，且通過不斷的機器學習或算法改進，深化對用戶的洞察，持續(xù)提升分發(fā)的精準性。臉書在2006年就開始使用算法決定信息流中各類信息的權(quán)重，讓不同用戶打開頁面時，呈現(xiàn)“千人千面”的個性化內(nèi)容。國內(nèi)新聞資訊的個性化推薦以今日頭條最有名，運用算法對用戶數(shù)據(jù)進行動態(tài)挖掘和了解，根據(jù)用戶點擊、搜索、訂閱等行為勾畫和優(yōu)化用戶畫像，細化興趣標簽，力求根據(jù)用戶畫像更精準地進行推送?！邦^條現(xiàn)象”引發(fā)了人們對算法推薦種種問題的關注。不管怎樣，智能化分發(fā)傳播，改變了傳統(tǒng)媒體編輯往往只有精力處理新聞頭部20%信息的短板，可以根據(jù)用戶屬性、行為、偏好等，將新聞信息長尾效應發(fā)揮到極致，實現(xiàn)個性化分發(fā)傳播，解決信息超載問題。

新聞接受與反饋智能化。缺乏即時、準確、有效互動，是傳統(tǒng)媒體一大痛點。單向式傳播導致受眾主體意識無法通過有效渠道得以發(fā)揮，接受情況與傳播效果也很難得到及時、科學的評估?；ヂ?lián)網(wǎng)傳播的互動化特征，為受眾反饋提供了便利的渠道，但這只是淺層次的。從更深層次看，算法技術逐步實現(xiàn)新聞分發(fā)傳播智能化，意味著可以通過綜合用戶的身份信息、社交關系、移動的位置等背景數(shù)據(jù)，對不同新聞信息的評論、轉(zhuǎn)發(fā)、收藏、閱讀直至打開頻次、停留時間等多種線上行為，更加精準地分析受眾的關注重點、接受程度和情感傾向，從而對新聞信息傳播效果進行全面準確的評估。有效的反饋機制，既可以及時準確地提供用戶接受新聞信息的個體特征與個性化需求，通過不斷迭代調(diào)整，完善算法模型，進行更準確、有針對性的推送，為媒體由單向式傳播向互動式、服務式、體驗式傳播轉(zhuǎn)變提供基礎，也能從整體上分析把握受眾對某一新聞信息傳播的反應與喜好，隨時調(diào)整新聞產(chǎn)品的內(nèi)容側(cè)重、產(chǎn)品形態(tài)、傳播方式等，以及根據(jù)受眾關注點進行新的新聞策劃，包括根據(jù)算法生成的網(wǎng)絡熱詞撰寫用戶感興趣的新聞等。同時，媒體機構(gòu)內(nèi)部，通過傳播效果精準評測，也有利于更好地進行考核激勵，促進內(nèi)部新聞生產(chǎn)力的挖掘、釋放。

目前，算法在新聞領域的運用還是初步的，人工智能技術尚不十分成熟，仍處于所謂“弱人工智能”時代，即使比較普及的算法推薦技術也有待改進完善。但即便如此，算法對新聞生產(chǎn)分發(fā)等已造成很大沖擊?！皬娙斯ぶ悄堋睍r代的媒體，將以算法技術為基礎，以人機協(xié)作為特征，智能化程度越來越高，貫穿新聞生產(chǎn)與信息傳播各環(huán)節(jié)，對主流媒體的發(fā)展和新聞輿論的引導，都將帶來深刻影響。

正視算法對輿論引導帶來的挑戰(zhàn)

對輿論引導而言，算法廣泛應用是把雙刃劍。一方面為承擔主流價值傳播的主流媒體賦能，提升了新聞生產(chǎn)能力與信息傳播精準度。另一方面，也對主流意識形態(tài)帶來沖擊和影響。比如，機器程序生成的新聞稿件，缺乏足夠價值判斷與深度思考以及對內(nèi)容真實性的審慎分辨，在信息過載時代有可能進一步造成低質(zhì)內(nèi)容泛濫，影響主流價值觀念的傳播。而算法推薦技術形成的過濾氣泡和信息繭房等，增加了統(tǒng)一思想、凝聚共識的難度。如何在算法流行時代做強主流、占據(jù)主導，牢牢掌握輿論場上的主動權(quán)話語權(quán)，是主流媒體面臨的一大挑戰(zhàn)。

降低了優(yōu)質(zhì)內(nèi)容的生產(chǎn)動力。算法生成內(nèi)容，本被視為有積極意義的新生事物，因為增加了新聞產(chǎn)量，把新聞從業(yè)者從較低水平、一般標準的新聞生產(chǎn)中解脫出來，有更多精力生產(chǎn)創(chuàng)新性、有深度、高標準的優(yōu)質(zhì)內(nèi)容。然而目前的算法模型主要依據(jù)點擊量、閱讀量，病毒式傳播的內(nèi)容和標題黨在吸引眼球方面更勝一籌，從而在算法與低質(zhì)內(nèi)容之間形成疊加效應。算法自動生成推送的低質(zhì)、虛假、誤導性內(nèi)容，幾乎不需投入，就可受到熱捧，賺取高額利潤。而優(yōu)質(zhì)內(nèi)容生產(chǎn)成本高、表述理性客觀平實，反而得不到應有關注，造成新聞內(nèi)容市場“劣幣驅(qū)逐良幣”。甚至不少傳統(tǒng)主流媒體的編采人員，也熱衷于追捧網(wǎng)絡熱文的制題技巧、刁鉆角度，迎合用戶偏好，提升流量指標。深入調(diào)查、追究真相的“求證性新聞”少人問津，為搶速度而憑感覺判斷新聞事實的“斷言式新聞”大行其道，甚至為了滿足觀念極化的受眾而不惜歪曲真相做“迎合性新聞”。此外，主流媒體在算法方面相對落后，不僅產(chǎn)品數(shù)量難以與海量UGC相比，在利用算法挖掘新聞價值、提升新聞專業(yè)性準確度等方面，也缺乏足夠動力與能力，影響了優(yōu)質(zhì)新聞內(nèi)容的生產(chǎn)。

轉(zhuǎn)移了媒體編輯的把關權(quán)力。算法推薦技術，實質(zhì)是媒體把關人權(quán)力的轉(zhuǎn)移。傳統(tǒng)媒體總編輯或編輯負有把關人職責，負責對新聞信息進行篩選，決定受眾能看什么，同時保證新聞信息真實、導向正確、符合主流價值標準和規(guī)范要求，以及各類信息均衡等。算法推薦根據(jù)受眾喜好即瀏覽信息等行為數(shù)據(jù)推送新聞信息，由于目前算法還不能做到使計算機像人一樣對含義豐富的各類新聞信息的文本、音頻、視頻等進行準確解析，因此受眾的喜好本身，就成了新聞信息的選擇標準，實際上成為自身所接受信息的把關人，所以有人說“總編輯死了”。這一轉(zhuǎn)移的后果，一是削弱了受眾對公共議題的關注度，使對經(jīng)濟社會整體發(fā)展事項更為關注的主流媒體服務社會的功能受損，新聞重要性不被重視、趣味性日益泛濫。二是算法往往以“流行度”作為標準進行話題推薦，受眾看到的是自己想看的信息，而不是主流媒體要傳播的信息，一定意義上使主流媒體失去議程設置的主導權(quán)。三是人們在使用移動終端時，往往私人獨處、相對私密，這時的信息需求常常有獵奇心理，更偏向輕松的低俗低質(zhì)信息，以這種標準取值進行算法推薦，往往導致虛假和低俗信息更易快速傳播。

削弱了主流媒體的引導能力。主流媒體要實現(xiàn)輿論引導，新聞信息能真正抵達受眾是前提。然而隨著算法使“用戶畫像”越來越精準，算法生產(chǎn)傳播的內(nèi)容與受眾的匹配度越來越高，其他內(nèi)容很容易被排除在受眾接受范圍之外，受眾日益被裹挾在伊萊·帕里澤所謂的“過濾氣泡”中。帕里澤曾舉過一個例子：2010年英國石油公司（簡稱BP）墨西哥灣漏油事件后，如果用谷歌搜索“BP”，一個人可能看到的是該公司的投資新聞，另一個人可能看到的是漏油事故的消息，這就是算法根據(jù)每個人的喜好精準推薦的結(jié)果。這阻礙了人們認識真實世界的某些層面，帕里澤形象地稱之為“過濾氣泡”。這一現(xiàn)象在社交媒體上更為嚴重。由于受眾自主選擇關注對象，每個受眾的朋友圈可能充斥的都是與自己想法相近的帖子，把相異的觀點和自己不喜歡的人有效排斥在外。在算法推薦技術、圈層化傳播影響下，出現(xiàn)不少特行獨立的“亞文化”群體，他們有自己的興趣愛好、話語體系，與外界隔著一道看不見的“玻璃幕墻”，主流信息很難進入，自然也難以進行有效引導，主流媒體影響力有被邊緣化風險。

加大了形成共識的潛在阻力?！靶畔⒗O房”是人們對算法推薦技術可能帶來后果的形象說法。由于算法的個性化推薦，將受眾感興趣的內(nèi)容不斷變換形式反復推送，受眾不斷接受自己認同的信息，瀏覽自己感興趣的內(nèi)容，就會忽視公共領域信息內(nèi)容的多樣化，接觸信息時出現(xiàn)嚴重的窄化現(xiàn)象，美國學者桑斯坦定義為，“用戶習慣性地將自己包裹在由興趣引導的信息領域，從而如同生活在繭房中”。這種接受信息的自我窄化，對社會成員個人的社會化，肯定存在不良影響。但更深層次的問題在于，這種自我窄化很可能導致個人觀念極化。雖說身處“信息繭房”，但受眾畢竟是社會人，如果有大量受眾有觀念極化問題，首先是加大了凝聚社會共識的潛在阻力。由于算法推薦的信息會不斷強化受眾的極化觀念，使受眾會越來越堅信自己的看法，不愿了解對立觀點的合理之處，甚至對立觀點會使自己的觀點變得更加極端，社會成員失去相互理解的基礎，主流媒體引導輿論、形成共識的難度加大，各種思想觀念多樣雜陳的情形將日趨嚴重。

如何用主流價值導向駕馭“算法”

任何事物都具有兩面性，算法技術也不例外。盡管算法使輿論引導變得更為復雜，但在應對信息過載、實現(xiàn)信息內(nèi)容與用戶需求的智能化匹配，以及豐富新聞生產(chǎn)內(nèi)容、提升媒體服務受眾水平等方面，算法都有不可比擬的技術優(yōu)勢與發(fā)展前景。應著重提升主流媒體的智能化新聞生產(chǎn)與傳播水平，立規(guī)建制管好算法，改進技術完善算法，重視提升全媒體時代受眾媒介素養(yǎng)，切實做到用主流價值導向駕馭“算法”，全面提高輿論引導能力。

用好算法，做大做強主流輿論。算法推薦有不同類型，但不管是為用戶打標簽作畫像的內(nèi)容推薦，按用戶信息興趣相似度的協(xié)同過濾，還是類似排行榜式的熱點推送等，都要從網(wǎng)絡“內(nèi)容池”里甄選內(nèi)容。如果池里內(nèi)容不夠優(yōu)質(zhì)，即整個傳播生態(tài)系統(tǒng)中的內(nèi)容質(zhì)量不高，算法很難有高質(zhì)量的內(nèi)容生產(chǎn)，精準推送也難有更高質(zhì)量。因此必須向內(nèi)容池提供更多優(yōu)質(zhì)內(nèi)容。網(wǎng)絡時代，新聞媒體仍應是生產(chǎn)優(yōu)質(zhì)內(nèi)容的主力。盡管人們印象里，相對于社交平臺的海量信息，新聞媒體所產(chǎn)內(nèi)容似乎占比不高。但據(jù)創(chuàng)建谷歌GDELT數(shù)據(jù)庫的互聯(lián)網(wǎng)專家Kalev Leetaru等人研究，社交媒體的有效內(nèi)容遠沒有想象的那么大，價值也沒有那么高。統(tǒng)計數(shù)字表明，新聞媒體仍是新聞信息產(chǎn)品的主要生產(chǎn)者，而且信息出處更明確，穩(wěn)定性更高。因此，在全媒體時代，新聞媒體尤其主流媒體，增強新聞生產(chǎn)能力，產(chǎn)出更多優(yōu)質(zhì)內(nèi)容，是改善傳播生態(tài)、做強主流輿論、實現(xiàn)輿論引導的重要途徑。增強生產(chǎn)能力的重要方面，就是在新聞采集、生產(chǎn)等環(huán)節(jié)，更多借助算法進行人機協(xié)作的高效智慧生產(chǎn)，使更多體現(xiàn)主流價值的優(yōu)質(zhì)新聞信息產(chǎn)品注入內(nèi)容池，促進算法時代傳播生態(tài)的優(yōu)質(zhì)化。

管好算法，注入主流價值導向。沒有規(guī)矩不成方圓。“無論什么形式的媒體，無論網(wǎng)上還是網(wǎng)下，無論大屏還是小屏，都沒有法外之地、輿論飛地?！庇捎谒惴ㄒ讶遮吷羁痰亟槿胄侣劜删帯⒎职l(fā)和用戶反饋環(huán)節(jié)，即使所謂信息聚合分發(fā)平臺，也具有強大的媒體特征，必須加強監(jiān)管。監(jiān)管主要方向，是針對算法偏差進行必要人工干預與審核。算法表面看只是一套計算代碼和程序，貌似“技術中立”。實際上，算法是人設計的，使之運轉(zhuǎn)的規(guī)則制度，必然體現(xiàn)設計團隊的理念與價值傾向，不可能完全中立?！皠蚍治觥笔录姆疵嬉舱f明了這一點?！皠蚍治觥?016年大選時受雇于特朗普團隊，通過臉書獲取5000多萬用戶私人信息后，借助個性化推薦，對不同選民推送量身定做的信息，或讓他們對希拉里反感，或說服他們投票給特朗普。比如，對海地人聚居區(qū)，提供關于克林頓基金會在海地地震后扣留善款的消息；對非裔美國人，推送一則希拉里把黑人稱為捕食者的視頻等。其中有許多誤導性信息甚至謠言，實現(xiàn)信息操縱。因此，必須使企業(yè)或平臺擔負應有責任。同時注入正確的價值觀，如果算法不能自動對體現(xiàn)主流價值的內(nèi)容推薦分發(fā)，有必要像傳統(tǒng)媒體時代的“新聞聯(lián)播”一樣，作為制度規(guī)定，通過人工干預，在頭條區(qū)或主頁呈現(xiàn)，運用消息推送（Push）全網(wǎng)播發(fā)。

改進算法，減少各類負面效應。管好算法的更高層次是改進算法，在滿足用戶需求的同時更好地體現(xiàn)主流價值。目前我國核心算法缺位，多數(shù)依賴開源代碼和現(xiàn)有數(shù)學模型。因為沒有從底層算法做起，整個數(shù)學模型、算法設計、模擬訓練等無法協(xié)同優(yōu)化，實際運用很難達到預期效果。這也是目前新聞領域無論算法生產(chǎn)還是推薦，仍讓人感覺水平較為初級的重要原因。當然，即使在現(xiàn)有技術條件下，也可以對算法進行主流價值導向的改進。比如，建立科學合理的算法推薦模型，按照價值觀正確要求，優(yōu)化算法推薦權(quán)重配比，關注內(nèi)容來源規(guī)范、自媒體信用等級等質(zhì)量類要素，再輔以用戶瀏覽歷史及文章閱讀量、轉(zhuǎn)發(fā)量、評論量等興趣類要素。由于互聯(lián)網(wǎng)企業(yè)更注重商業(yè)逐利，往往只為迎合、吸引受眾以實現(xiàn)商業(yè)利益，這方面的研究開發(fā)并不積極。一些主流媒體試圖開發(fā)“黨媒算法”“主流算法”等，由于資金、技術等原因，也沒有明顯進展。因此，應有政策鼓勵措施，研究開發(fā)具有中國特色、體現(xiàn)主流價值、契合受眾需求的算法。研究開發(fā)要有問題意識。比如，對過濾氣泡、信息繭房，以及為吸引用戶而有意使算法進行“趣味下坡式推薦”及至“道德滑坡式推薦”等問題，研究讓受眾有更多與不同新聞信息“偶遇”的機會，拓展認識世界的視野與觀察問題的角度，防止觀念極化。

認知算法，提升受眾傳媒素養(yǎng)?；ヂ?lián)網(wǎng)信息駁雜，即使有媒體內(nèi)容提質(zhì)、政府規(guī)范監(jiān)管、企業(yè)自律創(chuàng)新等舉措，仍很難徹底消除各類負面影響，還必須提升受眾傳媒素養(yǎng)，培養(yǎng)良好上網(wǎng)習慣，塑造理性健康人格，為用主流價值導向駕馭算法，營造良好受眾環(huán)境。

簡單地講，傳媒素養(yǎng)就是認知和運用各類傳媒信息的能力。個人進入社會必須進行社會化，傳媒素養(yǎng)也需要后天培育。在許多國家和地區(qū)，傳媒素養(yǎng)已是學校教育和社會教育的重要內(nèi)容。我國以往媒體管理是管源頭，對接受端即受眾的傳媒素養(yǎng)教育長期忽視。互聯(lián)網(wǎng)興起，源頭管理難度加大，接受端即受眾的傳媒素養(yǎng)沒有跟上，因此公眾對傳媒信息的辨別力低、免疫力差，網(wǎng)絡表達不理性不負責任等問題更為突出。如今算法已使受眾成為自己的“總編輯”，傳媒素養(yǎng)更顯重要。如果受眾普遍對低俗內(nèi)容不感興趣，對無法判斷真?zhèn)蔚男畔⒊直Ａ魬B(tài)度不予轉(zhuǎn)發(fā)，習慣于平衡瀏覽各類信息，則低俗內(nèi)容被算法判定為熱門資訊并進行推送的概率就會大大下降，網(wǎng)絡謠言也就減少了被算法推薦的機會，也不會出現(xiàn)較大的信息失衡問題。如果多數(shù)人更為關注主流媒體有深度、高質(zhì)量的新聞信息，主流輿論自然在算法推薦中會占據(jù)主導，主流價值也會在算法生產(chǎn)與推薦中得到更多體現(xiàn)。因此，有必要借鑒一些國家和地區(qū)經(jīng)驗，讓傳媒素養(yǎng)教育進學校、入社區(qū)、到家庭，使人們能夠?qū)W會正確解讀新聞、理性運用網(wǎng)絡，通過算法獲取有助于個人工作、生活以及身心健康的優(yōu)質(zhì)信息，從而更有利于形成社會共識，使主流價值的傳播更順暢，主流輿論的引導更有力。

習近平總書記在“1·25”重要講話中，提出“正能量是總要求、管得住是硬道理、用得好是真本事”的重要原則。這也是管好算法、用好算法必須堅持的重要原則。要真正做到用主流價值導向駕馭算法，使之更好服務于信息生產(chǎn)領域的供給側(cè)結(jié)構(gòu)性改革，推動媒體融合向縱深發(fā)展，全面提高輿論引導能力。