人工智能的三类媒体平台应用

王砾尧

摘 要 人工智能引入新闻传播领域，对新闻生产和传播格局的改变是全方位的，互联网平台类媒体的出现就是典型例子。从当前新闻传播的生产、分发以及消费反馈三个环节来看，可以分为三类：一是以内容生产为主的平台，通过数据采集、整理、输出新闻产品；二是以智能推送为主的平台，目的在于实现“内容找人”的个性化分发；三是用户聚合为主的平台，目的在于通过新闻产品、策划发起活动，吸引用户参与，激发用戶生产内容的积极性，最终加强用户在平台的聚合。

关键词 人工智能；媒体平台；应用

中图分类号 G2 文献标识码 A 文章编号 2096-0360（2018）02-0011-02

每一次传播技术的变革都会带来媒介形态和传播方式的演变，近两年掀起的人工智能热潮对传媒的影响也不例外。近期发布的《中国新兴媒体融合发展报告（2016—2017）》认为，作为大数据技术和算法技术的结合，近年来快速兴起的人工智能技术很可能成为未来一段时间媒体发展的核心技术。

1 内容生产平台

近年来，互联网平台类媒体的迅速崛起壮大，让人们对人工智能传媒领域的发展充满期待。将人工智能引入作为基础环节的内容生产，其典型应用之一就是机器人新闻。

机器人新闻是指运用算法程序对输入或搜集的信息数据进行自动化的分析、处理和加工，从而自动生成接近“成品”的新闻报道[1]。目前国内外均已有机器人新闻的应用。在国外，美联社等媒体部分财经和体育新闻采用Word Smith软件，输入最新数据后，1分钟内可生成上千篇报道。在国内，2015年腾讯启用机器人Dreamwriter，新华社推出自动写稿软件“快笔小新”。近期，新华社和阿里巴巴研发的国内首个媒体人工智能平台“媒体大脑”也正式发布。

在操作流程上，以新华社的“快笔小新”为例，机器人写稿流程分数据采集、数据加工、自动写稿、编辑签发四个环节。技术上通过根据各业务板块的需求定制发稿模板、数据自动抓取和稿件生成、各业务部门建稿编审签发“三步走”来实现[2]。目前，机器人新闻以简单事实类为主，比如体育赛事、财经报道、突发事件等。一般情况下篇幅简短，结构固定简单，对数据要求很高。

但当前的机器人新闻在报道实践中仍属于辅助型角色，仅适用于处理一些数据性显著、报道程式化明显、拥有明晰数据支撑的新闻题材。在诸多设想中，机器与人协同进行工作的可能性最大：机器帮助人发现、分析及判断选题，收集数据并完成程式化部分的写作；而人则在跟进确认、技巧性叙事、深度解读中发挥自己的特长。机器也可以帮助人分析以往类似报道的传播效果与主要受众，为优化写作与传播提供依据[3]。从另一个角度看，机器人将记者从机械性的写作中解放出来，记者会有更多的精力提升专业水准。

在未来新闻生产系统的各个环节，机器及万物都可能成为信息的采集者，而机器也可以完成信息的智能化加工。这意味着掌握着智能机器和传感数据的IT企业、物联网企业，也将成为新闻生产系统中的成员。脉搏、血压、大脑表层的兴奋度，在未来可能将成为信息传播效果的测量指标。这些反馈信息，不只是用于评价某个信息的传播效果，还会成为优化内容的依据[3]。

由此可见，引进人工智能技术的内容生产为主的平台，未来将在充分利用数据算法等技术的基础上，为记者提供更多便利和发挥空间，与此同时，也给媒体在产品提升与创新上提供了更多可能性。

2 智能推送平台

众所周知，平台媒体除了做好内容生产外，分发渠道同样重要。如果不能将海量信息资源与特定个体需求相匹配，那么平台媒体的发展将受到很大掣肘。

这时，另一种平台的作用就突显出来——智能推送平台。实际上，算法推送可以扩大信息传播的力度，而人工智能的特征之一正是运用算法和大数据技术进行推送效率的提升。当前，一些平台媒体能通过大数据与算法优化，不断提升智能化服务水平，为用户提供特定场景下最优化的需求供给匹配。

如今，算法分发已经是信息平台、搜索引擎、浏览器、社交软件等几乎所有软件的标配。例如今日头条作为国内平台类媒体的代表之一，凭借“新闻的搬运工”的定位迅速成为主流应用级的互联网媒体，关键便在于通过运用算法技术，建立了一套包含了多个推荐模型的推荐系统。推荐模型中，点击率、阅读时间、点赞、评论、转发包括点赞都是可以量化的目标，能够用模型直接拟合做预估，在提供丰富来源内容的基础上，通过分析用户在使用过程中的阅读习惯，结合内容、用户特征、环境特征三方面维度，模型会给出一个预估，即推测推荐内容在这一场景下对这一用户是否合适。在移动互联网时代，用户随时随地移动，在工作场合、通勤、旅游等不同的场景，信息偏好有所偏移。结合三方面的维度，模型会给出一个预估，即推测推荐内容在这一场景下对这一用户是否合适。

通过洞察分析用户阅读习惯、逐渐调整推送内容，逐渐成为了解分析用户需求的重要环节。当然，当前的用户洞察和算法大多还停留在基于用户行为数据的层面，对于更深一步观察测算例如通过了解用户之间的关联关系，掌握用户交往和社会实践的需求等，都还有待进一步探索。因而从当前的实践来看，其常见做法基本是依靠用户历史进行相似性推荐，在预测性、丰富性等方面还有待提高，实现个性化的精准的传播尚处于起步阶段。

但另一方面，算法推送也会造成机械化、“信息茧房”效应等负面影响，将给社会群体间的交流与整合带来困难，因而近一段时间内，人工干预与算法推送结合可能将长期并行。例如，平台出于内容生态和社会责任的考量，对标题党、低俗、低质内容进行打压，重要新闻的置顶、加权、强插，低级别账号内容降权都是算法本身无法完成，需要人工对内容进行干预。

3 用户聚合平台

比起前两个平台，用户聚合平台可以看作是二者综合后的加强，即媒体通过提供优质内容、进行较为精准的分发以及组织线上线下的活动等，积累了一定的用户黏性，在此基础上，更加注重了解用户对于新闻产品的反馈，媒体对用户数据进行深入挖掘与分析，进一步提升阅读体验，从而提高用户的参与度以及对平台媒体的认同度，从形成一个用户黏性强的循环[2]。

用户聚合平台的建立代表将用户行为与媒体运营更加直接地联系了起来，二者之间的稳定性得到提升，其建立无疑对媒体优势内容的生产与整合以及大数据算法的精准度提出了较高要求。用户认可内容后，对平台的黏性会增强，同时通过阅读在平台上进行内容再生产的可能性也越来越大。点赞、转发、评论等行为，也会为原有内容增值[4]。

例如当前微信、微等博社会化媒体平台是较为典型的潜在用户聚合平台。例如当下新闻稿件中，“网友评论”成为新闻常见的组成部分，在专业媒体或研究院所开展各类丰富的关于事件、趋势等主题的舆情研究中，也是以用户评论为重要基础。评论内容相当于内容播發后，激发用户进行关于内容的二次生产，这种生产由于其多样性、真实性、针对性而具有阅读和研究价值。从内容生产的角度看，评论通过提供观点态度，增加了内容维度，同时也为分析平台媒体用户群体的特点打下了基础。用户特点通过积累、分析与沉淀，将具备商业价值。

例如当下时尚类、读书类的微信公众账号就是依循着这样的商业模式。除了提供内容阅读与推送，在多个微信公众大号中，用户的反馈和再生产甚至成为与内容一样重要的组成部分，点击量、转发率、评论内容成为用户同样关注的组成部分。很多公众号在拥有了一定的粉丝量后，通过在公众号内发起讨论和活动，激发用户进行内容生产，吸引更多用户来看，与此同时，实现了用户的连接、强化和群体聚合以及对公众号的认同感。

需要强调的是，内容生产平台、智能推送平台以及用户聚合平台三者本身并非线性升级的关系，其优势各有侧重，当然，如果一些平台类媒体是三者的融合，将会有更大的发展潜力。近期，由新华社和阿里巴巴研发的国内首个媒体人工智能平台“媒体大脑”，便称可向媒体机构提供“大数据+人工智能”的新闻生产、分发和监测能力，有待后续继续观察。

可以预见，未来平台型媒体将与人工智能技术的关联越来越紧密。在人工智能日益深入的融入下，平台型媒体将深刻影响到传媒业的生态格局。从目前来看，三类平台型媒体潜移默化地影响着媒体产业链上的各个环节，新闻产品的生产、分发与消费乃至整个传媒生态，将迎来一次重要的重塑。

参考文献

[1]叶韦明.机器人新闻：变革历程与社会影响[J].中国出版，2016（10）：16-20.

[2]滕瀚.智能传媒发展及展望——由机器人新闻说开去[J].声屏世界，2017（1）：23-24.

[3]彭兰.未来传媒生态：消失的边界与重构的版图[J].现代传播，2017（1）：9-10.

[4]喻国明，兰美娜，李玮.智能化：未来传播模式创新的核心逻辑——兼论“人工智能+媒体”的基本运作范式[J].新闻与写作，2017（3）：42-43.