人工智能技术助力媒体生产和运营
面对人工智能和大数据技术在传媒行业无法逆转的发展趋势，传统媒体唯有在立足自身内容优势的前提之下，积极推动优质内容与先进科学技术的融合应用，才能在新的媒体生态格局中谋求进一步的发展。概而言之，人工智能和大数据的结合正在带来传媒业生态的重新洗牌与构建。这一生态变化包括用户平台、新闻生产系统、新闻分发平台及信息终端几个主要方面。
1.“平台型媒体”的优势凸显
平台型媒体是指既拥有媒体的专业编辑权威性，又拥有面向用户平台所特有的开放性的数字内容实体。这种平台型的媒介不是单靠自己的力量做内容和传播，而是打造一个良性的平台，向所有的内容提供者、服务提供者开放，无论是大机构还是个人，其各自的独到价值都能够在平台上尽情发挥。平台型媒体概念起源于乔森纳·格里克于2014年发表的一篇名为《平台媒体的崛起》的文章，“platisher”一词是平台（platform）和出版商（publisher）相结合的产物，是具备内容技术混合属性的新型互联网平台。国外对于平台型媒体的概念界定除了“platisher”之外，还有媒介平台（media platform）、出版商平台（platform press）等。其中杰罗姆对平台媒体的概念界定产生深远影响：“平台媒体是指既拥有媒体的专业编辑权威性，又拥有面向用户平台所特有开放性的数字内容实体。”[8]
平台型媒体在本质上融合了科技平台的开放特质和媒体出版领域的把关属性。它结合恰当的算法技术和专业编辑运营，实现对平台用户的开放式运作。无论是传统媒体还是新型媒体，甚至是科技平台，都在进行平台型媒体的尝试。例如Facebook 2015年初与九家专业媒体达成协议，推出了新闻推送业务，通过此举来实现其对于内容生产的主导权而不仅仅只作为引流的中介平台。美国传统商业杂志《福布斯》早已建立起社会新闻平台（Social Journalism Platform），重组新闻编辑室，借助社交平台建立多元庞大的作者网络，改变传统内容生产模式。Twitter教父埃文·威廉姆斯（Evan Williams）于2012年创立了新媒体平台Medium，这是一个简洁的、发布高质量文章的线上交流平台，其融合了博客的严肃写作风格和Twitter的碎片化表达特点，通过对机构或个人发布的优质内容进行线上出版或付费墙制度实现商业盈利，是较为典型的平台型媒体。国内的平台型媒体则有今日头条、一点资讯、微博、微信、百度、快手、抖音等，涉及资讯、社交、搜索、短视频等多种形式的平台。今日头条是其中的典型代表。自2012年创办起，今日头条一直声称其“不做新闻生产，只做新闻搬运工”，强调自己的算法技术和信息聚合能力，其“头条号”平台允许用户自由注册并贡献内容，吸引了大量的自媒体、企业和政府机构。
平台型媒体的概念在近年来常与“全媒体平台”和“融媒体平台”等概念混为一谈，但从本质上来说，平台型媒体和另外两个概念之间是存在区别的。其一，平台型媒体不是对新旧媒体在形式上的简单整合——如对报纸、网络、微博、微信、客户端等不同媒体平台的形式整合，而是更高层面上的媒体和互联网整合。其二，平台型媒体是对新旧媒体内容生产方式的一种突破性重组，它真正意义上实现了用户对于新闻生产各个环节不同程度的参与。它不同于现今颇为流行的“中央厨房”等新闻加工平台的概念——中央厨房是“一个产品，多个出口”“一次采集，多次加工”的生产流程，而平台型媒体则在源头上将“一个产品”“一次采集”转变为了由用户进行多次采集生成不同的产品。
平台型媒体彻底颠覆了无论是传统媒体还是目前绝大多数新媒体奉行的单向度的生产和传播逻辑，使原本处于内容传播链条的用户真正参与新闻内容生产环节，极大地调动了兼具消费和生产双重身份属性的用户的创造积极性，同时平台所具备的社交属性使得用户之间能够围绕创作内容进行即时、广泛的互动交流，一个具有相当黏性和稳定性的用户社群由此形成，为平台创造巨大的流量效应。相较于传媒市场上内容良莠不齐的自媒体平台，平台型媒体拥有专业的记者和编辑团队为平台内容把关，可以保障持续高质量的内容输出和传播。同时，对用户内容生产的放权，在对媒体生产模式改革的同时，也是一种商业模式的调整，可以帮助缩减传统媒体的采编成本，挖掘新的合作渠道和方式，开源节流，改变传统媒体广告收入下滑、营收压力增大的现状。伴随着国内外平台型媒体业务发展的不断成熟，全球媒体融合进程将迎来新突破，进入更加“高维”的发展层次。
2.新闻生产系统的智能化革命
未来的新闻生产系统，会在信息资源、分析加工模式和生产者构成等方面发生一些重要变化。大数据以及数据挖掘被用于寻找新闻线索、查证新闻事实，机器人写作被用于直接的新闻生产、算法接管新闻信息分发催生新的新闻报道类型，各项技术推动媒体融合向着智能化、精准化、场景化的方向发展，技术对于新闻生产、分发流程的塑造是多样而深刻的。
（1）生产者从人到机器的扩展
彭兰在《智能时代的新内容革命》一文中提出了以智能化技术为基础的，新的内容生产全模式图。[9]在该模式中，人工智能技术的发展使内容生产全面自动化。随着人工智能技术的成熟与社交媒体的普及，媒体、用户与机器三者分工协作的内容生产模式将成为可能。未来的媒介内容将由PGC（专业生产内容）、UGC（用户生产内容）、MGC（机器生产内容）与IGC（人机协作的智媒生产内容）共同组成。[10]
机器人写作压缩了内容生产流程的环节。一是机器的自动化带来环节合并，如承担体育赛事报道的智能机器人能全景追踪体育赛事，在无人监管模式下，自动追踪体育场上的动向，并将素材自动组合成片，将拍摄、剪辑、后期多个环节进行整合。畅销书报告公司authors.me可以根据受众对畅销书的反馈数据，生成文本参考数据库，为后续的图书评估提供“相似性”报告，进而指导写作，这让受众反馈、内容评估、内容制作多个环节无缝衔接。
在传统的新闻生产环节中，记者对新闻源的掌控和新闻素材的获取往往会依赖于一些固定的“线人”或是特定的用户爆料，所获取的新闻线索在有效性上有待考察，人工智能技术的发展使得一些新闻线索的获取更加便捷及时且具有更高的可信度。美联社News Whip公司2014年1月开始利用社交网络分类监测系统辅助报道决策，该公司通过算法分析能够预测79%的主要热点新闻，使记者更高效地发现新闻线索，做出选题决策。路透社于2016年11月公布了其利用人工智能技术开发的新闻线索挖掘软件——“路透新闻追踪器”（Reuters News Tracer）。这款软件的算法设计了40项指标，用以对社交媒体上发布的信息进行评分，当综合评分达到设定的阈值时，路透社的新闻记者就会考虑对其进行人工调查和报道。[11]
除了在新闻内容生产制作环节的自动化应用，自动化写作在完整的新闻生产流程中也包括对内容的筛查和审核环节中——通过实时追踪，省略反复核查带来的环节冗余。在版权和内容审查方面，人工智能技术对监测媒体的传播内容、版权行为状况有很大帮助，人脸识别技术能够从图片、视频中识别特定人物身份，标签化新闻图片，完成图片和视频检测监管等功能。在内容审核方面，人工智能技术可以帮助媒体工作者针对新闻事实虚假、存疑、报道偏颇、整体逻辑、语言表达等方面的问题进行综合分析，给出建议，帮助媒体工作者做出更明智的决策，使内容生产更有价值。这一应用已经在传媒行业中广泛开展，并且伴随着智能化探索程度的不断深入，新闻自动化写作甚至已经实现了从新闻创作到最终发布整个过程的无人化监管。如英国的一家体育媒体GiveMeSport，实时自动收集新闻线索，并排除垃圾信息与虚假内容，确定信息来源的可靠性，人工智能技术对真实性的全面把关就省略了记者自查、编辑审核等多个环节。
人工智能技术的发展在很大限度上来说其实是对传媒人的一种解放，自动化合并内容、实时追踪核查信息、一站式剪辑服务、机器写作、视频自动配音等人工智能技术在传媒领域的运用：一方面正在将传媒人从烦琐工作中解放出来，传媒人使用这些技术可以更便捷地完成工作，对技术的把控更具有主动性；另一方面这些人工智能技术的运用更是对传媒人思想的一种解放，传媒人可以生产更具创造性的内容，探索更丰富的媒介形态。
（2）信息源在大数据基础上的扩张
利用传感器进行新闻数据采集成为智能化时代新闻生产获取信息源的重要途径。“传感器新闻”是指利用传感器生产或收集数据，然后对数据进行分析、做可视化处理或直接应用到新闻调查当中。
2013年6月，哥伦比亚大学托尔数字新闻中心组织研发人员、技术人员和新闻工作者成立了“传感器新闻”工作小组，探索传感器新闻在业界的实践。2014年，该中心研究员弗格斯·皮特组织了十几位学界和业界专家，共同编写了《传感器新闻》。[12]2017年，物联网得到更大程度的发展，作为物联网基础设施之一的传感器进一步普及，并向新闻业延伸，“传感器新闻”在此背景下兴起。
从新闻生产角度看，传感器扮演着两个方面的角色。其一是作为信息采集工具的传感器。在这个层面上，传感器是人的感官延伸，它可以在一定程度上帮助人突破自身的局限，从更多空间、更多维度获得信息。传感器获得的大规模环境信息、地理信息、人流信息、物流信息、自然界信息等，可为专业媒体的报道提供更为丰富、可靠的新闻来源，甚至在一定程度上扮演传统“线人”的角色，为媒体记者提供真实可靠的选题线索。其对某些特定对象或环境的监测能力，也使得它们可以更灵敏地感知未来动向，为预测性报道提供依据。
其二是作为用户反馈采集工具的传感器。作为反馈机制的传感器在现实应用中已经达到了将用户反馈研究报告深化到生理层面的程度。它可以采集用户的心跳、脑电波状态、眼动轨迹等身体数据，准确测量用户对于某些信息的反应状态。这样一个层面的反馈，真正实现了信息内容在每个个体接受对象上最直观、真实、准确生动的反馈，为信息生产的实时调节、个性化定制或长远规划提供可靠依据。“传感器新闻”的应用，极大程度上突破了“人-人”信息交互系统的局限，使得“物-人”信息交换系统的运行成为可能，拓展了人类社会所能触及的新的传播空间，提高了传播效率，专业媒体的中介性意义被削弱，人类信息交流传播上升到了一个新的层次。
应用一：监测突发事件，预测舆情热点
人工智能结合传感器、数据科学技术能够通过检测突发事件、预测舆情热点，实现传媒管理决策和传媒资源配置的优化。例如，洛杉矶时报自主研发的程序“Quakebot”能实时监控美国地质调查局的地震警报信息，并自动提取相关数据生成新闻稿，从撰写到发布耗时最快仅三分钟；美联社采用科技公司NewsWhip提供的社交网络分类监测系统，对六大社交网站（Facebook、Twitter、Instagram、Reddit、linkedln、Pinterest）进行每两分钟一次的数据监测，通过对涵盖100个国家30种语言的大数据内容分析，NewsWhip能预测79%的主要热点新闻，辅助美联社的热点新闻工作和报道选题决策。
应用二：众包“传感器新闻”——心跳、呼吸都可以成为新闻
美国路易斯维尔电台WFPL和肯塔基州调查报道中心，曾联合发起过一个众包传感器新闻项目，鼓励肯塔基州的居民戴上安有传感器的腕带，然后捐献出自己的健康数据，积累数年后，即可用于有关肯塔基州居民健康状况的深度新闻报道。该项目得到了奈特基金会的资助。利用群众的力量大规模收集数据，使得新闻生产不再是记者一个人的事。这方面最成功的作品之一，就是纽约公共广播电台的“蝉鸣”项目。该项目教听众自制传感器，然后去追踪春天里的蝉鸣。电台将收集来的数据做成时间轴，为听众献上了一篇由他们自己参与制作的优秀科普新闻作品。[13]
应用三：传感器网络——密布城市的大数据信息图
2014年，美国犹他州宣布要安装一种带传感器的交通信号灯，能够识别交通流量，并通过自动改变信号灯来控制交通堵塞。这些数据一旦作为新闻公开，对通勤者、城市规划师都会有很大的参考价值。[14]
美联社与自动洞察公司合作运用自然语言生成技术自动生产新闻内容。美联社还利用数字地球公司（Digital Globe）的卫星图像，为东南亚渔业公司奴役劳工的调查报道记录关键证据，该报道在2016年获得普利策公共服务奖。作为全球领先的商用高分辨率地球影像产品和服务供应商，数字地球公司为媒体提供了一个从太空更客观更全面观察和记录事物的视角和能力，CNN、《华盛顿邮报》、《今日美国》等媒体都曾利用数字地球的技术来进行报道。
（3）新闻信息处理系统从编辑部内部转移到“云端”
从传统编辑部到新闻编辑室的“云端”化，算法在这个过程中起到了关键性的作用。传统新闻生产的价值判断主要依赖记者个人新闻敏感度、编辑经验水平，而人工智能技术下的传媒内容生产则是以算法及其依托的数据作为判断依据。如路透社的Reuters News Tracer像一个“社交噪音过滤器”，它每天会识别1200万个推文对话，选择那些类似新闻的内容，给每个故事添加总结或主题，评估每个故事的新闻趣味性、准确性、新颖性和范围，并打上地理标签。
从2015年开始，《纽约时报》实施了一项名为“Editor”的人工智能实验项目。[15]这个项目致力于简化记者和编辑的工作流程。其工作原理是对人类新闻工作者的报道过程和报道经验进行深度学习，收集和积累报道中出现的新闻关键词、新闻主题和报道标题，对这些日积月累的数据进行语义标签和深度学习。在具体工作过程中，“Editor”可以提取事件、人物、地点和日期等信息，提供快速可靠的事实核查功能。
除了辅助内容创作外，《纽约时报》还将人工智能技术应用在评论监管中——鼓励有建设性的讨论，减少骚扰和辱骂。在未引入AI编辑之前，《纽约时报》的评论监管工作主要由一个14人组成的评论部门来完成，每人每天需要处理超过上万条的评论，这样一个劳动密集型的工作过程只能对《纽约时报》全部文章的10%进行审查和处理，极大限制了评论功能。2017年开始，《纽约时报》开始使用“Perspective”，一款由Alphabet公司旗下Jigsaw开发的、基于算法的软件来开展评论区的管理工作，快速识别有害评论和有启发性的评论。[16]
除了《纽约时报》，国外其他传统媒体也在不同程度上将人工智能技术引入新闻编辑室，并在编辑室内部搭建了专业的科学技术团队。2012年，BBC引入了名为“Juicer”的人工智能编辑，该程序能把包括新闻快讯、专题报道、视频新闻、政府公告、社交媒体信息等在内的海量数据汇集在一起，并通过语义辨识对输入的信息根据信源、地点、人物和事件进行整理归档。当记者需要调取关于某个主题的新闻或信息时，能够快速提供一个包含相关内容的清单。
2019年，《福布斯》推出了一个由内容管理系统驱动的新网站——Bertie。[17]Bertie是专为内部新闻编辑室打造的AI内容发布平台。它能提供更具吸引力的标题，为故事内容匹配图片，评估阅读难度，自动生成推送摘要，并报告实时趋势以提供报道主题。
随着媒体在人工智能编辑室项目上投入资本的不断扩张，专业的人工智能技术团队已经成为媒体编辑室的常规机构。近年来，不少媒体集团还研发了专门的用户分析和反馈系统，进一步推动媒体新闻编辑室全方位的升级改造。
《纽约时报》的Stela系统于2015年9月向整个新闻编辑室开放，主要聚焦于单篇文章的相关分析。[18]Stela是一款基于“故事与事件分析学”的分析工具，可以实时关注报道的流量变化，帮助记者抽取出围绕这一报道的热点话题，进而缩短报道的响应时间。英国《卫报》的编辑室分析神器Ophan年年升级，功能日趋完善，可以担任数字舆情分析助理的工作。英国金融时报开发了Lantern分析平台，帮助记者调取整个公司的内部数据，长期追踪他们所写的内容。此外，大量第三方用户数据分析平台也纷纷上线，如来自加拿大的社交媒体管理工具HootSuite专门监测社交网站，该工具通过监测互联网推文带来的点击和会话，帮助媒体在社交平台上进行更高效率的写作和做出相关的导流计划。概言之，这些数据分析工具提升了新闻传播效率，也帮助编辑部更好地理解新闻在新媒体平台的传播规律。
（4）传媒行业内部人才结构发生重大变化
对于新闻记者和编辑而言，人工智能技术带来的冲击除了在内容生产层面的直观感受，更深层次的是其对于行业文化和职业内涵的重新思考。随着人工智能技术在传媒行业的广泛应用，一些新的人才类型如数据科学家和计算记者（computational journalist）进入新闻编辑部，成为重要成员。他们对于如何利用人工智能系统增强新闻报道，生产更为优质的新闻内容有着更加深刻的理解。
美联社任命贾斯汀·迈尔斯（Justin Myers）为第一位新闻自动化编辑，其职责是开发软件来自动化新闻编辑部工作流程并生成内容。《纽约时报》投入大量精力，让更多有编程技能的记者进入新闻编辑部。[19]在美国《亚特兰大宪法报》的医疗丑闻报道团队中，就有数据处理记者、数字可视化设计师、应用开发员和音视频编辑等各类技术人员。[20]随着技术日益深刻地嵌入到新闻生产中，新闻编辑室会更积极地吸纳“极客”型技术人才，为智能化报道生产注入更多的技术火花。
在数字化转型的背景之下，新闻业对于精通代码、设计和用户体验的新型人才需求量的增加将在很大程度上推动了新闻教育的转型。哥伦比亚大学新闻学院等老牌学府要求学生必修数据挖掘、软件编程等技术类课程，德州州立大学则更进一步，创立了以技术为教学核心内容的“数字媒体创新”本科学位项目。而在业内，2016年美国数字商业新闻平台Quartz得到了奈特基金会24万美元的赞助，他们用这笔专项资金成立了一个机器人工作室。[21]该工作室主要帮助记者了解如何在报道中使用机器学习技术，重点关注如何使这些技术同样投入到小型媒体机构，如一些特约记者较匮乏的地方性报社的实践中。