算法新闻：模仿、影响及其使用

算法新闻：模仿、影响及其使用本站　　人工智能深度学习中的模仿特性在算法新闻中有着充分地运用，这种智能化的模仿特性及其作为技术的本质属性，使得立足于算法机制的算法新闻为传媒融合创新提供更多的可能性

　　人工智能深度学习中的模仿特性在算法新闻中有着充分地运用，这种智能化的模仿特性及其作为技术的本质属性，使得立足于算法机制的算法新闻为传媒融合创新提供更多的可能性。在充满不确定性的技术社会和人工智能领域中，算法新闻在模仿律作用下存在着引领传统新闻业框架革新性发展的“风俗”走向和超越传统新闻业框架颠覆性发展的“时尚”走向。在不确定性的未来前景中，算法新闻在创业与创新的驱动下会得到进一步开发与应用，并试图以人机协同的方式共同推动新闻业向前发展。

　　随着新信息传播技术的发展，新兴媒体与传统媒体相互竞争、相互补充，营造了一个复杂的媒体生态系统。如何将新媒体与传统媒体进行有机整合，进行传媒融合创新是传媒业中的一个核心议题。纵观新媒体的发展历程可发现技术创新是传媒融合创新的一个有效路径。VR/AR、区块链、人工智能等技术的发展为传媒业带来诸多的新变化。在这些技术中目前对传媒业影响最大当属人工智能，尤其是算法在新闻业中的应用。技术的发展有着自身的逻辑属性，媒介环境学派的观点是媒介作为人的延伸，在不同时期不同媒体有着自身的媒介偏向。这种观点容易走向技术决定论，而与之相对应的社会决定论则强调社会对技术的改造与接受。无论是技术决定论还是社会决定论，技术逻辑的存在及其影响都是社会发展过程中一个不可忽视的重要因素。随着信息传播技术的发展，社会化媒体的使用数量、频次、时间都已经超过了传统媒体，尤其是随着算法机制应用到新闻信息的生产与分发流程后，这种趋势尤为明显。以“今日头条”为代表的科技型媒体公司是算法新闻的核心实践者，也是传媒融合创新的开拓者。当下算法新闻已成为了新闻业中新媒体与传统媒体都在竞相实践的一个重要领域。

　　算法新闻的基础源自于计算机领域中自然语言生成技术的发展，机器能够从结构化数据中自动生成大量文本，这一技术应用到新闻传播领域中造就了当下的算法新闻。算法新闻（Algorithmic Journalism）是指在算法程序的引领下，新闻机器人在确保精准度和可靠性的同时，自动生产新闻的过程。 在“算法新闻”的概念群中也涉及到“自动化”、“数据驱动”、“机器”、“计算”等特性。算法新闻在国内外的使用与发展状况有所差异，在西方的应用源自于媒体企业与科技公司的共同合力，在中国则是主要源自于科技公司的实践，算法新闻在技术公司和新闻媒体中的使用目的分别体现为创业和创新两个不同的方向上 。例如路透社为创新新闻业务而使用算法为其网站编辑财经新闻，Automated Insights和Narrative Science这两家科技公司最初是出于创业目的而研发了能应用于体育、财经新闻等相对简单的自动化写作软件，在中国最先实践算法新闻的也是“今日头条”此类追究经济效益的科技公司。算法新闻在新闻业中的运用带来了：新闻内容生产模式由“手工作坊”转向人机协同、表征现实的机制由记者中介转向算法中介、新闻叙事由线性叙事转向交互叙事、新闻价值评价由经验判断转向实证测量、新闻内容推送方式由大众化覆盖转向个体化定制等变革。 在这些转变中算法新闻的自动化生产及其个性化推荐的分发对新闻业的影响最大。由此可见，传统报业的式微及其开始过渡到数字新闻业的这些转变趋势，都使得整体新闻业处在“算法转向”的十字路口。

　　算法转向的十字路口使得学界与业界对其展开了诸多讨论与研究。算法新闻的主要议题包括：算法新闻应用实践的历史及其展望、技术分析、理论探讨、机遇与挑战。在发展历史方面，算法新闻并不是一个突然出现的产物，而是可以追溯到上个世纪：20世纪30至60年代是理论孕育期，此后历经了70至90年代的技术探索期以及新世纪以来的初步应用期。 关于实践运用状况的讨论多聚焦于Facebook、Twitter、今日头条、一点资讯以及各类知名传统媒体的案例研究。在理论探讨方面“算法”被视为是媒介的组成部分，是一种特殊的“中介” ；是行动者网络中的一员； 此外它背后的价值观念及其权利关系也是关键议题。在技术应用中，不同媒体平台所采用的具体算法类型是一个媒体企业的商业核心。在机遇与挑战方面，算法对新闻生产全流程的参与与重构正在推动新闻业朝着新的方向发展；但同时它也面临带来失业、信息茧房以及伦理失范等问题。整体而言在这些关于算法新闻的讨论中，业务实践的讨论较多，而深层次的理论探讨，尤其是从人工智能视野对人机互动的探讨较少。新闻业是专业新闻人/组织的社会协助产物，而算法新闻作为人工智能产品，是典型的机器产物。人与机器的互动成为了新闻业融合创新的关键变量。为此以算法新闻的智能算法特性为基础，借助加布里埃尔·塔尔德的“模仿律”再次审视算法新闻中的模仿特质、影响、技术使用。

　　加布里埃尔·塔尔德是法国著名的传播学者，他认为普遍的重复包括波动、生成、模仿三种形式，其中模仿对社会的发展有着重要的推动作用。塔尔德在《模仿律》中指出模仿分为“逻辑模仿”、“超逻辑模仿”（“从内心到外表”、“从上到下”扩散的模仿以及“从下到上”流动的模仿）、“反模仿”、“非模仿”等形式。 “算法新闻”作为一种全新的新闻生产范式，是当下技术主导生产下的产物。从机器模仿人类新闻生产的角度而言，它遵从的是“超逻辑模仿律”。

　　随着新信息传播技术的发展，媒体将出现智能化趋向，并推动新闻生产的机器化、智能化。 算法新闻的出现促使机器具备了能够从结构化的数据中进行新闻生产以及个性化推荐分发，并在时效性和准确性方面超过人类的新闻工作能力。尤其是基于算法的个性化推荐分发的技术更是变革了整个传媒行业的生态格局，在传媒市场中催生出像“今日头条”这样的新媒体巨头。算法新闻的这种强大社会功能使得人们的关注点再次聚焦于机器或是人工智能。不同于以往的印刷机、电报机、电视机这些无智能的机器，作为拥有人工智能的新闻机器人，算法机制是它们智能化的核心基础。在通过相关结构化数据的输入、转换以及输出后，新闻写作、编辑、推荐、分发能够高效准确地被新闻机器人独立完成。

　　虽然目前新闻机器人的智能化程度还处于弱人工智能状态，不可能完成深度报道，甚至被指责缺少相应的人文关怀。但不可否认的是，算法新闻已经在某种程度上可以取代大部分新闻工作者的简单劳动。算法新闻作为媒介网络中的“非人类行动者”已经成功地卷入到人类新闻生产协作体系之中，并和人类重建了一个新的“行动者网络”。为此有学者认为在技术时代，媒介不再仅仅充当人的工具和手段，反过来以“座架”的方式规制人，即人成为媒介的延伸。 在这一逻辑体系下算法/机器是新闻从业者的模仿者甚至是革新者。算法新闻是新闻业中新的变革主体，开启了全新的新闻产业范式。新闻从业者显然会首先受到波及，如此一来，如何有效地利用算法新闻来参与新闻工作将是新闻从业者需要思考的问题。

　　智能科学是一个交叉学科，涉及脑科学（从分子水平进行研究）、认知科学（从行为方面进行研究）、人工智能（从功能层面来进行仿真）。 算法新闻作为人工智能在新闻领域中的应用产物，无论是从人工智能的仿真功能，还是从认知科学中的行为模仿来看，在某种程度上而言算法新闻就是机器通过算法机制来模仿人类传统的新闻生产、编辑、分发，用以进行数字化的新闻生产、编辑、分发。人工智能的可塑性在于机器的深度学习。机器的“深度学习”能通过数据的输入与输出形工神经网络，具备类似人脑的相关功能，这个人工“大脑”能够处理精准复杂的事物；并具有把模仿人们机械性行为的技术，推进到模仿人们思维方式的技术。

　　机器深度学习的核心是预测，同时也是人造物通向人类智能的一个标准。机器学习的基本原理涉及到5个流派：1.符号学（将学习看作逆向演绎，算法是逆向演绎）；2.联结学派（对大脑逆向分析，算法是反向传播学习）；3.进化学派（在计算机上模拟进化，算法是基因/遗传编程）；4.贝叶斯学派（学习是一种概率推理形式，来源于统计学，关注不确定性;算法是贝叶斯推理）；5.类推学派（通过对相似性的外推来进行学习，算法是支持向量机，即找出记忆的经历以及弄明白如何将这些经历结合起来用来做新的预测） 在算法新闻中运用较多的算法是贝叶斯学派的概率推理和类推学派的支持向量机的相似推理。这些算法原理在新闻个性化推荐分发时体现为内容推荐、协同过滤、混合式推荐等方式。

　　人工智能的这些学习方式模仿了人类的思维决策方式，使得机器的技术属性正在逐渐拥有人的自主属性。人工智能的机器学习一直在进化，其模仿的仿真度一直在不断提升。机器的深度学习是人工智能的核心技术，而模仿是学习的途径之一，因此算法新闻的智能性包括了机器对人类新闻生产的模仿与变革。作为人类新闻生产的模仿，除了生产流程与方式的整体模仿外，其智能化学习的模仿还在于算法机制。“算法机制”包含核心排序算法、新闻要素权重和算法价值观三个维度，关注的是决定算法背后的关键技术、社会规范和价值观念。 按优先级进行的排序、按特征进行的分类、按关系进行的关联、按标准进行的过滤是算法自主决策的基本过程。 算法新闻同样遵循这四个过程，而这四个过程明显是模仿了人类决策时的思维逻辑。在塔尔德的模仿律中存在自觉性与非自觉性的两种模仿， 依据人工智能的发展状况以及算法新闻的实际使用情况来看，目前算法新闻的模仿体现为弱人工智能的非自觉性状态，即其模仿的方式主要是通过人工算法指令来实现。而对基于强人工智能的新闻机器人而言，高度智能化的学习意识则能够通过自觉性模仿来进行新闻生产与分发。这种自觉性与非自觉性引发的思考是算法新闻的智能是机器的智能还是人的智能？就目前而言，算法新闻是弱人工智能的产物，很大程度上显示的是人的智能。但人工智能的自我进化以及不确定性，所谓的机器智能并非空中楼阁。

　　随着媒体技术的不断革新，人工智能等新一轮的信息传播技术将成为传媒业融合创新的活力源泉。算法机制作为人工智能在新闻业中运用的核心，是传媒业融合创新的一个应许之地。算法机制对于传媒融合创新的可能性主要得益于技术是融合创新的重要影响因素和模仿与创新之间的转换关系。

　　首先，技术是融合创新的组成部分。传媒融合创新不仅是市场的需求，更是国家提高新闻传播领导力、公信力、影响力的迫切需要。融合创新旨在通过融合不同领域的技术知识，以更快的速度、更高的效率推出更贴合消费者需求的产品或服务。 技术作为融合创新关键模块之一，它与组织结构、社会过程、金融和制度共同影响着融合创新的发展进程；其中的技术创新是指通过研发、生产、销售将市场潜力成功转化为市场价值的循环过程。 算法新闻作为人工智能与新闻业结合的产物，自从投入使用以来，其巨大的市场潜力正在转化为市场价值。算法新闻在某种程度上而言是一种作为文化的新闻与科技融合的创新结果。算法新闻的这种融合创新是新技术在改造传统产业和自身产业化的过程中的“业态新创”模式。 这种融合创新为新闻业带来了一种范式，正在影响着人们的生活方式。

　　其次，技术模仿带来产品创新。作为传媒融合创新产物的算法新闻之所以对新闻业具有性的影响，原因在于它独特的算法和模仿特征。模仿与创新紧密相关，算法新闻作为人工智能技术模仿人类新闻生产与分发的产物，实现了对传统新闻领域新闻分发方面重大的创新性突破。技术创新学的创新模式包括自主创新、模仿创新和合作创新三类。 算法新闻的这种创新属于技术创新学中的模仿创新，这种创新相对于自主创新而言，其实现难度相对较小。算法新闻目前正处于初级运用阶段，还有着很多创新的潜力与空间，尤其是新闻产品创新和新闻生产/分发的过程创新等方面。例如算法新闻可推动数据新闻、可视化新闻等产品内容的进一步完善；推动新闻透明性，借助于庞大的数据技术增强新闻的客观性等。

　　人工智能以及算法新闻之所以受到社会各界的质疑，其本质在于作为技术的它们有着极大的不确定性。大众无法把握这些技术的确定性、稳定性特征，预期未来的发展，因此陷入到技术恐慌之中。不确定性是风险社会的典型特征，它分布在时间、知识、政策各方面。技术的不确定性在人工智能领域尤为明显，大众忧虑的焦点在于机器拥有了智能之后是否会对人类产生威胁。作为人工智能具体运用的算法新闻，在新闻模仿生产的过程中同样面临着这种不确定性。这种不确定性与模仿律中的“风俗”与“时尚”这两个影响密切相关。塔尔德指出在模仿律中存在：当古老的模式占优势的时代，是风俗的时代；当新颖和奇异的模式占优势时，是时尚的时代。 由此，算法新闻在模仿新闻生产时可能出现两种情况：

　　当算法新闻中的智能性处于弱人工智能阶段时，新闻机器人遵循人类所输入的算法指令进行新闻生产及分发，此时它们所遵循的是人类新闻生产的主流生产逻辑。此时算法新闻所带来的影响是模仿律中的“风俗”。首先，算法新闻通过其自动化生产特性减少了简单的重复劳动，提高新闻生产效率。基于结构化数据进行信息内容生产的算法新闻，缩短了传统新闻的生产时间，并提高了准确性，促使新闻从业者有更多的精力和时间去关注新闻价值更高的新闻事件。这是一种机器对新闻从业者的解放。其次，虽然算法新闻再造新闻业务流程，但大部分的新闻权利仍掌握在人类的手中。基于算法指令进行自动一体化新闻生产的算法新闻改变了传统的新闻采写编的业务流程，但在关键的新闻把关权方面，新闻从业者并没有完全让渡这方面的权利。因此算法新闻虽在整个新闻业中的应用在不断上升，但完全尚未充斥于新闻业各个环节，并且其角色定位仍是人的工具。

　　人工智能拥有强大的机器学习功能，其智能状态可成长到强人工智能状态。在自主机器学习中，当新闻机器人优化了人类所输入的算法指令，摆脱模仿的框架进行数字新闻生产的创新，算法新闻带来的影响则属于模仿律中的“时尚”层面。算法新闻的这种时尚既包括正面的影响也有负面的影响。正面的影响主要体现在：实现了新闻的自动化生产与个性化推荐的定务。传统的人类新闻业是典型的大众传播模式，传者与受众之间的互动较少。受众的个性化需求并没有得到完全满足，而算法新闻基于大数据的行为分析并以算法的手段进行个性化推荐，智能化地满足了受众的信息定务。这种信息定务突破了传统新闻业分发短板，因此 “今日头条”此类以算法新闻为核心技术的科技型媒体企业成为了新的媒体巨头，并成为了新信息传播技术环境下新闻业发展的领路人。

　　算法新闻虽然带来了新闻业的诸多革新，但也带来了诸多的问题。关于技术对于人类社会的颠覆，尼尔·波兹曼的“技术垄断论”是一个典型的论调，他指出人们对媒介工具的运用，容易造成技术统治以及技术垄断，进而对文化产生影响与控制。与这种技术垄断论相似的观点还有伯格曼的技术哲学思想。伯格曼认为现代技术的本质结构是“装置范式”，该观点认为：技术不仅仅是工具而是一种环境和生活方式，人在技术环境中会受到影响，并形成一种思想框架。 算法新闻作为新闻业中的一种特殊“装置范式”，它提高了新闻生产与分发的效率和准确性达到了实用的效果，但也把新闻产品的制作推向一种单一模式，并逐渐强迫人依从该模式而生活。

　　算法新闻的“时尚”中的负面影响也在不断地规训着人们的社会行为方式，例如信息茧房、隐私保护等。其中负面影响较大的是对新闻伦理的挑战。算法新闻对于新闻伦理的挑战可谓牵一发而动全身。因为在新闻制作过程中有多个行动者和不同层次的责任，故而算法新闻将使媒体组织、专业记者、服务供应商、程序员、数据提供者和受众等各行动者在组织领域（层级张力、经济目的）、专业领域（客观性、准确性等）和社会领域（媒介素养、控制的需求）遭遇伦理挑战，这些伦理挑战主要分布在算法新闻的数据输入、生产转换以及输出各环节之中。 此外，算法新闻带来更深层次的影响还在于“算法判断”超越了“新闻判断”。新闻判断是新闻业的核心功能，但是随着算法的发展，算法判断俨然已经是一种不同于记者的客观专业判断，拥有了自己的逻辑。由此来看，算法判断对新闻判断提出了根本性的挑战，随着算法应用的增加将影响整个新闻系统、改变新闻的合法性模式、新闻的知识形态以及新闻的社会期望。

　　如何正确对待算法新闻这一命题与如何对待技术这一宏达命题是息息相关的。伊德认为人与技术之间存在四种基本关系，他们分别是体现关系（人类与技术融合为一体），解释关系（技术向人类展现的是一种表象）、背景关系（人类被技术人造物包围着）、他者关系（技术在使用中成为一个完全独立于人类的存在物）。 在人工智能视阈下，基于智能算法的各类自动化装置充分说明了人与技术的这种他者关系。作为他者的算法新闻是人类的新闻生产的模仿者，这为人类的技术使用提高了知识门槛，但也提高了使用效率。技术使用按照技术形态可以分为经验型技术使用（手工工具）、实体型技术使用（机器工具）、知识型技术使用（科学的技术）。 算法新闻的技术使用符合知识型技术的使用，其客体是以计算机和自控装置为主，技术使用呈现出智能技术性使用的面貌特征。

　　算法新闻的自主性及其他者的模仿性使得在技术使用过程中充满了不确定性。面对这种不确定性，正如鲍曼所说的，我们应该“勇敢进入滋生不确定性的温床”，同时“我们应当计划我们的行动，计算未来行动的得失，也应当因地制宜地根据不确定性评估行动的结果。” 虽然算法新闻在模仿中所引领的“时尚”加剧了大众以及新闻从业者对于技术本身不确定性的恐慌与抗拒心理，但在整体的产业趋势下大多数人选择在不确定性中摸索前行。因此算法新闻仍有着巨大的发展前景。机器辅助、人机协同、人机合一是人与机器的三种关系模式。 无论算法新闻如何发展,新闻生产的关键调节变量仍是新闻从业者。因此人与机器的共存与协同发展将是传媒业中的一个主流发展趋势。就目前人工智能的技术发展程度以及算法新闻的应用实践状况而言，拥抱算法这一新闻生产模仿者进行高效地人机互动是提升竞争力的一个最佳方案。为此，新闻从业者应积极探索人机协同合作的新方式，用以生产出更多元、更高品质的新闻作品。

　　编者按：近期，互联网应用适老化改造成为热点。相比尚不熟悉互联网的老人，已经能够熟练掌握互联网应用操作的老年网民同样面临网络谣言、网络、虚假广告等陷阱，他们抵御风险的能力远低于年轻网民。…

　　在现代社会数字化与智能化飞速发展的当下，老年人与互联网之间的“数字鸿沟”已成为必须逾越的课题。2020年底，工信部正式印发《互联网应用适老化及无障碍改造专项行动方案》。…