从符号逻辑到认知体验：智能传播系统化运作的历史、现状与趋势

杜杨玲

（四川大学 符号学-传媒学研究所，四川 成都 610064）

据统计，《2017—2018互联网新媒体趋势研究》提及的60个趋势中约有1/3与人工智能相关。智能化信息机器逐步成为一种媒介新物种，同时，人与机器的距离不断缩小，人机数一体化成为时代新走向。

在传播领域，技术革命一直都是改变传播形态的驱动力。印刷术和造纸术带人类走进印刷传播时代，电子技术引领电子传播时代的到来，电子技术带来电子传播时代，互联网革命使网络传播得以实现。当前，泛在网正代替互联网成为新的基础设施，成为更高级的“互联网”，智能传感器、大数据与数据挖掘、网络算法、知识图谱、VR/AR、机器学习与深度学习、语音识别与图像识别、自然语言处理等人工智能技术正引领着智能传播时代的到来。腾讯、新华社先后研发新闻机器人；“今日头条”基于智能网络算法，个性化推送信息；BAT等著名互联网企业则将AI引入了家居、零售、无人驾驶等领域。《2018年国务院政府工作报告》也指出，要在政策、产业、医疗、交通、教育、家居、养老、零售、司法等多领域推进“人工智能+”。

一、人工智能技术与智能传播概述

(一）人工智能与人工智能技术

1.人工智能的发展历史［1］2-9

早在古希腊时，机器人辅助人类从事劳作的传说就开始在各地流传。这虽然只是人们对人工智能的美好遐想，但随着历史的推进，17世纪左右，逻辑机的设计思路被提出，要求通过符号体系推理计算出对象的特征。“符号体系”与“推理计算”的概念可谓是智能化机器的萌芽。

20世纪上半叶，英国数学家A.M.Turing继提出图灵机模型后，又认为“机器能够思维”。几乎在同一时段，第一台累计数字计算机Z-1被成功研制，Planka.kel程序语言也被发明出来。直到1956年，人工智能作为一门学科才宣告正式诞生，在美国Dartmouth大学一次具有历史意义的集会上，以人工智能为研究方向的几个项目组得以组建。其中IBM公司项目组的Sameul开发的一款具备自学能力的西洋跳棋程序，先后打败了开发者本人和美国某州的跳棋专家。也就是说，几乎在60年前，就已经存在类似AlphaGo这样的智能程序。20世纪60年代以来，人工智能愈来愈受到专家学者的重视，与之相关的博弈、计算机视觉、自然语言处理、程序设计等课题接连被研究和探讨。所属的IBM“深蓝”计算机，在1997年以一分之差险胜国际象棋世界冠军卡斯帕罗夫；Google开发的AlphaGo分别在2016、2017年与职业九段棋手李世石和柯洁对战，均轻松获胜，在围棋对战中，人工智能程序能够比肩甚至超越人类的最高智慧。

近年来，人工智能不断运用到包括家居、交通、新闻、教育、制造、零售、医疗、司法等多个行业，在其自身的思想、理念与技术不断更新深化的同时，也给社会其他领域带来了广泛的机会和重大的挑战。

2.人工智能的概念

人工智能是一个发展的概念，这是人类对人工智能的认识不断深化的必然结果。关于什么是人工智能，J.McCarthy最早将人工智能定义为“使一部机器的反应方式就像是一个人在行动时所依据的智能”；P.Winston认为“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作”；M.Minsky也把人工智能定义为“让机器做本需要人的智能才能够做到的事情的一门科学”［1］2-9。这三位学者的定义可谓如出一辙，智能机器能够通过持续习得新知识，发展出具有实践指导意义的技能，但人类与机器在解决问题时仍然存在很大差异，二者不是取代与被取代的关系，而是取长补短、互相合作、互相成就的关系。我们可以从广义和狭义两个层次来界定人工智能。广义上的人工智能就是一门研究如何规划机器的感知、思维和反应方式，以模仿、扩展和延伸人类智能，在一定程度上辅助或代替人类执行各种交互任务、解决各种实际问题的科学。而狭义上的人工智能常常被简单地等同于人工智能技术，可取代甚至超越人类智慧，执行识别、认知、分析、判断、决策等任务，从而极大地提高社会运行和合作的效率。

3.人工智能技术

在实际应用过程中，经常被提及和使用的是狭义上的人工智能概念。人工智能技术是人类在开发、利用、改造及应用智能机器的过程中所掌握的技术知识、方法和手段的总称，包括智能传感器、大数据与数据挖掘、智能算法、知识图谱、VR/AR、机器学习与深度学习、语音识别、图像识别、自然语言处理、计算机视觉等各类技术方法与手段。本文第二部分将基于人工智能典型技术对智能传播微观技术与应用支撑作分析，这里不再过多阐述。

（二）智能传播的界定

智能化是人类社会发展的必然，目前传媒的智能化和新闻业的智能化是学界两个最主要的研究方向，少数用“智能传播”这个核心术语的文献也大量聚焦智能传媒，这也意味着学界对智能传播存在着不同角度的探讨。一部分学者从媒体视阈出发，例如，吕尚彬等人认为，作为在线社会信息传播系统的传媒，在互联网平台上按照自组织系统的连接、开放的逻辑进化发展，逐步成为人工智能传播系统［2］。胡正荣认为，智能媒体阶段即“以价值的智能场景匹配为特征，以内容、用户数据和服务为核心资源，以‘传统媒体+APP+SNS+O2O+LBS等’为主要的产品业态，在信息和数据技术的基础上，深度开发利用人工智能技术，为智能场景时代的匹配需求服务”［3］。另一些学者从宏观的传播环境出发进行研究，例如，陈昌凤提出，第三代互联网极有可能实现生物信息和计算信息的连接，将“人脑/人的智能”和“电脑/人工智能”进行连接，因此可以称之为“人联网”；同时，由于“人联网”时代的机器依赖于人工智能技术的开发，所以可以认为是一种智能传播的生态［4］。按照这样的逻辑，很容易得出智能传播是建立在“人联网”上的一种传播形态的结论。还有部分学者从智能传播本身的特征出发，例如，郭全中将智能传播与传统传播、互联网传播进行比较，提出智能传播的核心是基于大数据的智能信息匹配［5］，其实离不开大数据信息资源平台、智能生产和传播平台以及用户沉淀平台［6］。不可否认，这些学者对于智能传播的探讨非常有建设性，但因为是从某个角度出发而具有局限性，这样的探讨终将是碎片化的，很难从根本上融合成一个有机的传播生态系统。但既然智能传播是传播的一个新兴形态，要界定这个发展中的概念，必须回归传播这个最原始的概念，才不至于偏离传播轨道而走向技术之路。

传播通常被认为是社会信息的传递或社会信息系统的运作过程［7］。所谓社会信息的传递多是从具象和微观的角度而言，而社会信息系统的运作是从抽象和宏观的层次而言，两者由不同的阐释视角带来了差异，本质是一致的。从宏观层面来说，智能传播也就是社会信息系统的智能运作，包括信息的智能收集、智能生产、智能推送以及智能接收的整体过程，这是一个高度自动化的过程，与机械化传播（或称前智能传播）相对。从微观层面来说，智能传播是指智能化的传播者（可以是个人、组织甚至机器）依托智能传感器、大数据与数据挖掘、智能算法、知识图谱、VR/AR、机器学习与深度学习、语音识别、图像识别、自然语言处理、计算机视觉等人工智能技术，刻画出完整的用户画像并实时掌握其所在的具体化场景，挖掘用户的个性化需求，通过智能传媒进行定制化、精准化的信息生产、推送及接收，实现信息生产传送和用户①这里的“用户”和信息化时代其他社会经济领域的消费者角色转型一样，成为生产型消费者，信息消费者同时也是极为重要和不可或缺的信息生产者。信息生产与消费的动态、实时、自动化场景匹配，从而极大地提高信息生产供给的效率和品质，整体上降低人类社会合作与交往的信息交易成本。

（三）智能传播的核心与特征

1.智能传播的核心

在信息相对稀缺的时代，只要内容足够吸引人，就不缺乏受众，这是所谓的生产者主导时代，受众没有足够的选择权，所以大众传播成为必然。但随着互联网尤其是移动互联网的发展，信息从令人欣喜的无比丰富逐渐变成令人忧心的信息大爆炸和信息泛滥。信息本来是为了降低社会运行的不确定性而存在的，但信息过载带来的极大噪音导致用户注意力被分散，有效信息和稀缺信息被海量信息掩盖，无论是对于整体社会还是个体用户来说，获取有效和高质量信息的成本几乎无限增加，从而产生了“多即是少”的悖论——即过多过滥的信息与能够满足用户需求的有效信息过度匮乏之间存在矛盾［8］。因此，针对用户进行个性化、定制化、精准化的信息生产、传递及接收就变得十分重要。从微观层面来讲，智能传播的核心就在于依托人工智能技术，实现信息生产传送和用户信息生产与消费的动态、实时、自动化场景匹配。具体来说，就是通过对用户大数据进行深度学习和深化分析，构建起关于用户的知识图谱，描绘出完整的用户画像并实现实时洞察，结合特定的场景特征，智能生产并推送“高场景度”的信息。

2.智能传播的特征

前面已经提到，智能传播即社会信息系统的智能运作，是一个高度自动化的过程，与之相对的是机械化传播。这里就需要掌握机械化与自动化、人工智能与自动化之间的关系。在一定意义上而言，不管是机械化、自动化还是人工智能化，都是传统手工人力生产的技术升级和生产方式变革，从而带来效率的提升，机械化、自动化和人工智能化一以贯之的目标都是追求效率和效益的提升（对于生产主体而言）和效用与满足感的提升（对于消费主体而言）。在信息运行系统领域，信息效率与效用提升的背后是技术范式的改变以及由于技术变革带来的整体社会信息运行系统的升级与重组。

首先，我们知道，第一次工业革命让机器可以制造机器，从而实现了机械化；到第二次工业革命，由于电气化的广泛运用，自动化水平再度提高；工业4.0则在3.0数字化的基础上为冰冷的机器硬件植入了操作灵活的智能软件，从而将原来那种仅仅拥有充足动力的机器激活为智能化生产乃至能够自我管理的机器［9］。因此，就信息传播和运行领域而言，我们称工业4.0以前的时代为机械化传播时代，4.0时代则为高度自动化的智能传播时代。

其次，人工智能在一定程度上代替或辅助人类执行任务、解决问题，比如超市里已经出现的自助结算商品，使得一些原本需要人才能完成的工作实现了自动化，创造出自动化经济。在2017智能硬件高峰论坛上，李晓东教授从工程的角度将人工智能解释为智能的自动化，即AI=Automation of Intelligence。他认为人工智能的本质是知识的自动化，虽然知识不能自动产生，但知识可以实现自动获取、分析、传播和影响。面向物理世界的工业自动化将成为历史，面向数据和信息空间的知识自动化才是未来［10］。以上阐释是为了说明，我们讨论智能传播的特征，是相较于传统的机械化传播来说的，智能传播是对机械化传播的升级与提升。

传媒生态正在移动互联网、物联网、人工智能、大数据、VR/AR等技术的推动下发生着不可低估的变化和重构［11］。智能传播相对于机械化传播而言具备以下几个方面的特征：第一，移动互联网用户成为信息消费的主流，一方面用户的需求愈来愈个性化，另一方面用户在传播者眼里几乎完全透明，消费者的主导权和消费者被深度洞悉双重存在；第二，在智能传播中，信息的本质是数据流，可跨越场景无缝衔接，可面向数据和信息空间实现自动化获取、分析和传播，具有个性化、定制化、可视化、高保真的特点，从而实现信息运行效率的提升以及个体信息效用满足的提高；第三，一切智能物皆可成为媒介，搭载智能物的对象（不管是有无生命的物体和主体）通过数据挖掘、网络算法等技术独立完成信息的搜集、筛选、整合和推荐，万物不仅是信息呈现的载体，也自动传播信息；第四，所有智能物和人都通过泛在网连接，用户可以在任何时间、任何地点、任何界面自由生产、传播、分享信息，人机互动方式升级为“屏读”、无界面脑脉冲沟通等，用户信息生产与消费的自由度空前提升；第五，用户的感知在全息世界中将会由视觉、听觉延伸至触觉、嗅觉、味觉，甚至是不可感的思维、情绪，获得全方位的人体感知，用户信息消费的感官卷入度大大加深。

二、智能传播的系统支撑条件分析

（一）智能传播微观技术与应用支撑分析

智能传播依靠传感器、大数据与数据挖掘、智能算法、知识图谱、VR/AR、机器学习、深度学习、语音识别、图像识别、自然语言处理、计算机视觉等人工智能技术驱动，同时，这些技术并不是完全独立的，而是相互依靠、相互辅助的一个有机整体和系统。譬如，数据挖掘要依靠智能算法、机器学习等技术来实现，自然语言处理要依靠大数据与数据挖掘、语音识别等技术。笔者根据人工智能技术的基础性和主体偏向性，可将其分为基础性技术、偏向生产主体的技术和偏向接收主体的技术三类，并对此进行分析，说明智能传播所需的微观技术与应用支撑条件。

1.基础性技术

（1）大数据与数据挖掘

如今，大数据越来越成为核心竞争力所在，如果说数据的产生和收集是基础，那么数据的挖掘、分析和利用则是关键。简单来说，数据挖掘就是要从大量非结构化数据和半结构化数据中挖掘出隐含的、先前未知但潜在有效的信息和模式的一个工程化和系统化的过程［12］。

在大数据时代之前，抽样调查是获取信息的主要途径，样本的数量和质量很容易影响调查结果；而大数据时代意味着一个全样本时代的来临，可以对全样本进行深度学习来精准回答问题，把握用户的真实想法和习惯。这就意味着，在算法、机器学习、知识图谱等技术的帮助下对数据进行专业性挖掘和处理，进而通过数据加工将之变成具有一定针对性的有效信息，能够帮助我们实现智能化的信息收集和加工，大数据仍然是人工智能的基础。

（2）机器学习与深度学习

人工智能的核心是机器学习，其他人工智能技术基本上都在它的基础上发展和进化。简单来说，机器学习就是计算机模仿人类的学习过程和学习行为，从以往的数据或经验中获取新的知识或技能，优化自身性能，并对未来进行预测［13］73。传统的机器学习在指纹识别、人脸检测、物体检测等领域的应用已经比较成熟，但面对大规模数据却一筹莫展，直到深度学习的出现。

深度学习起源于人工神经网络，它无须人工指导，利用海量数据自动进行自我训练，从而构建相关模型来学习特征数据，它能够发现大数据中的复杂结构［13］73。比如吴恩达就调用了一千万段YouTube视频中的图片来对计算机进行训练，让神经网络识别猫。相反，在遇到小样本问题的时候，使用人工指定规则的传统机器学习的性价比则更高。作为智能传播的基础性技术驱动力，机器学习和深度学习是智能媒介快速进化和升级的必然条件。

2.偏向生产主体的技术

（1）算法推荐

21世纪伊始，算法就在社交媒体中崭露头角，如Facebook推出的News feed项目大获成功；今日头条在2013年前后运用算法进行内容分发，针对不同用户完成智能化推荐。算法可谓是人工智能思考问题、处理问题的方法论，通过追踪用户的网络行为，收集用户大数据，运用算法从大数据中提取出用户特征、环境特征等信息，推测出用户可能感兴趣的内容和话题［14］。

某用户长期使用某平台浏览内容，不断累积的用户数据使用户画像愈加明确，定制信息、个性化推荐提高了用户黏性和忠诚度，又使该平台累积起更多的用户。如今信息海洋里的信息已是海量，人工编辑、审核、分发难以胜任，而智能算法可以对每一个用户进行精准计算，形成个性化、定制化的个人信息流。

（2）计算机视觉与图像识别

计算机视觉即模拟人的视觉效果，通过电子化的方式来“看”影像［15］。在计算机视觉中，图像识别，亦称模式识别，经常被用于对局部进行识别和分类。这里的“图像”，不仅包括通常所说的图片，也包括指纹、文字、数字、符号等。

智能媒介通过获取图像，比如网购平台的“拍照识别”基于图像识别技术辨认出图像内容，找到原图像或相似图像来源。在判断用户的特征、喜好等基础上，为用户匹配有效信息，同时通过算法推测用户意图，推荐相关内容。

3.偏向接收主体的技术

（1）知识图谱

20世纪中叶，普赖斯等人［16］首次提出了知识图谱的概念，用来说明各种实体、概念及其相互之间的关系，通用的知识图谱依靠大数据来构建，要求在广度上容纳更多实体和概念［15］。智能传播时代，通过对信息语料库和庞杂的用户数据进行深度学习，能够构建起关于用户的知识图谱。数据不再只是单纯的字符串，而具备了某种意义。在信息生产和传播过程中，根据知识图谱可自动转换表达方式以适应认知水平存在差异化的不同群体，使之更具有针对性地满足用户的认知体验。

（2）VR/AR

VR是在计算机系统及传感器技术模拟的基础上形成的高保真、可交互、可视化的三维虚拟空间，被称为虚拟现实技术。它把人的意识引入虚拟时空，将视、听、触觉等感官完全抽离出现实世界；AR（Augment Reality，增强现实）则将虚拟物象和真实世界的图像进行融合、实时叠加，交互后投射到同一个画面或时空，利用虚拟物象增强人对真实世界的感官认识［17］。

在新闻报道中，利用VR和AR可打造360°沉浸式新闻，比如《纽约时报》就定期通过NYT VR应用发布可视化VR内容，实现用户沉浸式的临场感、主角式的代入感。近三年来，全国两会也大量使用VR直播，虽然还仅用于全景展示，但已经显示出VR对于新闻的影响力。而AR对于报纸、杂志等纸媒的延伸则更为显著，原本静态的文字或图像，可以经由AR应用扫描识别，被“翻译”成动画、视频、音频等形式。

（3）语音识别与自然语言处理

语音识别和自然语言处理相当于人工智能模拟人类的听觉和语言能力。语音识别将声音“翻译”成文字，自然语言处理则要实现语言向声音的转化，人与计算机可以直接用自然语言对话来进行有效沟通。

目前在人工智能技术中普及得较快的是语音识别和自然语言处理，它已趋于成熟，在普罗大众的日常生活中应用得十分广泛，比如几乎每款智能手机都内置语音输入法、微信可实现语音与文字的相互转化等。但由于词法、句法、语义等的不确定性及背景知识的复杂性，自然语言处理技术仍有极大的进步空间［15］。在智能传播时代，语音识别与自然语言处理技术将会与媒介、受众、环境等有更多维度的结合，促成信息生产传送与用户信息生产和消费的场景适配，形成更加人性化的交互关系。

图1 基础性技术与偏向生产主体的技术、偏向接收主体的技术三者之间的关系Fig. 1 The relationship of basic technology，producer-manipulated technology and receiverrelated technology

目前，人工智能技术正在成为人的外脑，无限延伸人的感官。从信息的角度来说，人工智能技术扩展了信息收集的维度，提高了信息的准确度，实现了信息之间的相互补充、彼此纠正，保证了信息的“高保真”和精准定向匹配。从用户角度出发，人工智能技术让信息接收更加智能化，降低了用户寻求有效信息的成本，同时满足了用户差异化的认知体验和全方位的感官体验。

人工智能技术并不是某种单一的技术，而是包含了多个学科领域的一整套技术手段和方法，它们彼此影响、互相辅助，为智能传播提供了微观技术与应用支撑。但在技术日益先进的同时，我们必须有清醒的认识，防备技术异化反过来成为人类的对立物，威胁人类生存。

（二）泛在网提供宏观网络支持

泛在网的字面意思即广泛存在的网络，它无所不在、无所不包、无所不能［18］。在泛在网内，任何人、任何物都能在任意时间、任意地点、任意界面进行信息互通。这个概念一经提出就被公认为是信息通信网络的演进方向，直至今日已经逐步代替互联网成为社会基础设施之一。

互联网从诞生之初就是人与人之间的联网，承担着人与人之间互联互通的责任；在互联网基础上延伸出来的物联网，让物与物的连接与沟通变成现实，包含人际网、物联网、内容网、产业资源网等在内的初级泛在网已经形成［2］7，人与人、物与物、人与物之间的无缝对接正在加速实现。

泛在网并不要求搭建全新的网络，而是要求核心网络与边缘网络不断融合，使它们变成泛在网的子网，以此优化网络的整体结构。“连接一切”和“交换共享”是泛在网的两大特征。在泛在网这个大系统中，人与人、物与物、人与物、人与环境、物与环境实时连接、无缝衔接；系统中的所有物被人工智能技术赋予“智能性”和“感知能力”，可主动感知人和环境，获取并输出信息，接收并响应反馈，信息的交换如同人与人的交流一般自然；另外，智能物之间彼此连接，它们并不独占自己接收到的信息，而与其他智能物无条件共享，全面实现物与物、物与环境、人与物之间的信息共享，打破信息的不对称性。如同某位学者所说，泛在网中的物和环境都在某种程度上具有“智能性”，可以感知、沟通、互动、交换信息和能量［19］。

泛在网络的真正实现，将直接引发这几个方面的重构：

第一，信息生产和传播的主体将从人拓展到机器乃至所有的智能物；

第二，讨论用户不能再仅仅局限于人本身，与人连接的智能终端和智能环境都将成为理解用户的重要依据；

第三，信息资源除了来自人工收集，更多将来自泛在网，比如用户在智能化平台发布的信息、智能穿戴感知到的用户信息、无人机收集到的环境信息等；

第四，泛在网赋予所有信息节点以同等的地位，人与物平等、个人用户与媒体机构平等，所有节点都是媒介生态的共建者，因此这个媒介生态既拥有专业媒体机构的权威性，又具有用户和智能物带来的开放性。

三、智能传播的系统化运作

从宏观层面来说，智能传播就是社会信息系统的智能运作，是一个高度自动化的过程。根据一般系统论提供的视角和方法，可以将智能传播看作是一个动态系统，考察其运作过程中互相关联的各个环节——信息的智能收集、智能生产、智能推送及智能接收。

（一）信息智能收集：智能终端重构数据来源

智能传播中信息的本质是数据流，信息的收集是整个智能传播中至关重要的第一个环节。在非智能时代，任何信息都依靠人力收集整理；而在智能传播时代，搭载传感器的所有智能终端①这里谈到的智能终端是整个泛在网中的智能节点，是一切搭载有传感器的智能物，目前最具代表性的是智能穿戴、智能家居和智能汽车。都可以被当作信息的收集者，并且克服了人收集信息的主观性和片面性。但另一方面，全面信息和海量数据意味着在具体的某一个智能传播过程中，存在着不可估量的噪音。受香农模式的影响，噪音在传播学中一直被认为是“无用之物”，若是如此，全面信息和海量数据反而成了传播之累赘，这与智能传播的核心相矛盾。因此，这里必须指出，无论是机械传播还是智能传播，噪音总是存在的。不过，符号噪音是特定意义不作贡献的符号观相，在具体过程中，总有一些观相溢出，既没有被意向性悬搁，也没有贡献意义①，但并非“无用”，一种解释中的噪音在另一种解释中可以去噪音化。

1.智能穿戴扩大用户数据的维度

智能穿戴，也称为可穿戴设备，是指智能手机、手环、眼镜、跑鞋等。在万物互联的泛在网中，用户的年龄、性别、职业、身体状况、空间位置、睡眠状况、兴趣爱好、情感状态、思维倾向等，都可以通过智能穿戴设备描述或映射出来。尤其是无法用感官获取的信息，比如人的血压心跳、思维活动，在可穿戴设备的支持下，也将全面外化和数据化，用户数据的维度因此扩大。智能穿戴的普及不仅意味着人的感知能力、信息交互能力的拓展和延伸，也意味着用户将成为生产型消费者，且所生产的数据将更加智能化和丰富化。

2.场景数据被纳入智能终端

这里单独提出场景数据的目的在于，再一次强调智能传播的核心是实现信息生产传送和用户信息生产与消费的场景匹配。与用户相关的场景有现实场景、基于VR的虚拟场景和基于AR的现实增强性场景，这三类场景在未来都是可以被量化和数据化的。就现实场景而言，随着移动互联设备在社会生活中大量普及，用户的场景数据几乎无时无刻不在变动，用户的信息需求更是随时空和场景而“秒变”。那么，智能终端就需要从移动状态中的用户获取实时变动的时间、地理位置、天气情况等现实场景特征，进行预测性的分析和计算。只有知道用户是谁、在哪里、正在做什么、想要做什么等，进行个性化的智能推送，才能精准地满足每个人在特定场景中产生的“高场景度”需求［20］。

除了用户数据和场景数据，在泛在网中的每个智能节点都会不停产生海量数据流，人与人、物与物、人与物、人与环境、物与环境在互动过程中不仅拓宽了信息来源，而且使得信息的收集和互通变得智能化和自动化。

（二）信息智能生产：人机协同主导内容生产

在智能传播时代，机器与人并非取代与被取代的关系，而是取长补短、互相合作的关系。智能程序与人类记者或可形成相互分工的新闻生产格局，与其说机器人剥夺了传统媒介从业者的生存空间，倒不如说其创造了让媒介生产变得“更为人性化”的机遇［21］。更有学者站在文化人类学的高度，将人工智能新闻看作人类在新闻实务领域发明出来的一种工具性物质，既可以提高记者对数据的分析能力和利用水平，也可以增加新闻的可视化程度和精准度［22］。

1.机器人写作的优势与局限

由于机器人无论在新闻生产的时间、强度、经济等方面均存在相当优势［23］，评论引导和在线讨论也在逐步运用智能算法，新闻交由人工智能掌管，将处于不断自动更新的状态［24］。因此，目前在提及“人机协同”时，一般只关注到新闻领域，这是因为新闻有固定的格式，只要按照预设的模板，机器人就能高效、准确地完成写作。但显然，这并非智能机器人的极限，随着机器人索菲亚的出现，能够预见未来具有更高级的分析、判断和处理事务技能的机器人能够模仿、复制、创新人的写作方式，甚至建构出自己独特的话语体系，进行内容原创［25］。不过乐观点说，至少在目前和不远的将来，机器人写作还跳不出模板的窠臼，它写出来的内容以程式化、简单化为特征，缺乏情感、思辨及自我意识，这也是机器人写作一直局限于格式化的新闻资讯的原因。因此，人机协同才是内容生产的主导方式。

2.人的角色升迁和价值位移

在大跨度的复杂变量的处理和判断方面、在微妙情感关系的处理和表达方面，尤其是在价值规则的制定和参照框架的选择方面，人的智能及其介入不可或缺［26］。首先，机器不具备思辨意识，以新闻为例，机器可以增加信息的宽度，但无法对事件背后的意义进行纵深化的挖掘，呈现出来的内容表面化、简单化；而人的大脑完全可以胜任此项任务，调查性报道、解释性报道目前来说是人的强项。其次，机器没有情感意识，虽然正好满足了新闻客观公正的要求，但没有基本的憎恶扬善的意识，无法处理微妙的情感关系，无法进行很好的舆论引导；而人对于情绪是很敏感的，新闻报道中隐含的人的意见倾向常常引发公众意见，引导舆论。再次，虽然智能机器和人都是泛在网中平等的智能节点，但人仍然应该是游戏规则的制定者、纠纷的协调者，人机协同，准确来讲，应该是智能机器辅助人完成内容生产。

（三）信息智能推送：内容和用户无缝衔接

“人”在未来的智能传播中将发挥越来越重要的主体性，会越来越匹配用户的个性化特征与实时需求［27］，通过洞察用户的个性化特征，把握完整的用户画像，结合具体的场景，推荐满足其实时需求的内容，在实现千人千面的同时有效提升用户黏性和忠诚度［28］。智能传播的核心即是实现信息生产传送和用户信息生产与消费的场景匹配，这也是达到其最终目标——使有效内容触达用户并为用户所接受的关键。由此，应根据用户的信息浏览、搜索数据等搭建以算法为驱动的内容通路，最为关键的是优质内容和用户画像的无缝衔接。

1.整合优质的内容资源并建构数据库

实际上，这是上一个环节已经完成的任务，人机协同的最高使命无非是对泛在网中的数据流进行标记、管理和整合，提升内容的质量。以“今日头条”为例，它从每条信息中抽取高维特征，经过降维、相似计算、聚类等一系列算法去除重复和错误信息；同时对文字、图像、动画、音频、视频等不同形式的内容进行分类、整合，营造条理化的信息环境，建构海量动态的信息数据库。由此，当检测到用户需求时，智能算法可以在几秒内抓取到相应的内容。

2.刻画完整的用户画像并实现实时洞察

一般情况下，用户特指“人”，对应的是使用者或消费者。在媒介化社会和社会化媒体时代，通过技术赋权和个人传播素养的提升，这里的用户已经远远不是传统传播时代的被动的、消极的、单纯的用户，而是与信息化时代其他社会经济领域消费者的角色转型一样，成为生产型消费者，信息消费者同时也是极为重要和不可或缺的信息生产者。前文已经提到，智能穿戴正在扩大用户数据的维度，场景数据也被纳入智能终端，用户在不断生产数据，智能物和智能环境成为刻画用户画像的新变量。我们知道，即使在大众传播时代，对受众的考察也是非常关键的，不过抽样调查费时费力，加之样本的质量和数量很容易导致结果出现误差，想要描绘完整的用户画像几乎是不可能的，只能在每次遇到新问题时再进行用户的局部画像描绘。但随着大数据和算法的发展，泛在网中所有智能节点生成的关于用户的数据流都可以通过不同的模型、算法和程序进行整合、挖掘及分析，由此，对全样本的全方位、多维度考察和预测成为可能，优质内容和用户画像的无缝衔接成为现实。

（四）信息智能接收：用户认知与感官双重体验［29］

伴随着人工智能技术的不断进步与普及，用户接收信息不再简单追求认知满足和逻辑思考，同时注重接收信息的方式，追求沉浸式的临场感和主角式的代入感，以此满足认知与感官双重体验。

1.个性化的认知体验

由于年龄、职业、受教育程度等的不同，用户的认知水平和认知能力也是千差万别，因此用同一种表达形式满足所有人的认知体验是不可能的。而智能机器可以通过对不同语料库和庞杂的大数据的深度学习，发现其中的复杂结构，精准地定位和区分用户的认知逻辑和认知水平，进而构建起有关用户的认知图谱。在信息接收过程中，认知图谱和自然语言处理技术可以发挥作用，只要用户拥有一部智能终端，就可以轻易获取到符合自我认知的内容表达方式，在认知范围内表述粗浅内容，深度解释超越自我认知的内容，用户的个性化认知体验得以满足，并在一定程度上减少了用户接收信息的负担和障碍。

2.全方位的感官体验

（1）沉浸式的临场感

哈罗德·伊尼斯在《传播的偏向》一书中提到，传播具有偏向性，或倚重时间，或倚重空间［30］。但VR、AR技术使得过去、现在和未来都可以映射到同一个空间，虚拟空间和现实世界都可以存在于同一时间。这就是说，沉浸传播已经破坏了时空的固定性，既不偏向时间，也不偏向空间。它的偏向是“人”，“沉浸人”在自己所选择的时间，自由穿行于不同的世界间［31］。所谓沉浸式的临场感，就是用户置身于沉浸传播中身临其境的感受，由于VR、AR等智能技术能够实现场景重构，使过去、现在、未来交汇，将虚拟和现实交融，因此能够满足用户全方位的场景体验。

（2）主角式的代入感

主角式的代入感是沉浸体验的连锁反应。在智能传播中，用户暂时远离原本的环境和身份，而置身于特定的传播环境（新闻场景、广告场景等），从旁观者变身为目击者，甚至参与者。用户“真实”经历场景中发生的事件，依靠自然语言处理技术带给用户交互式的感官感受。自然人机交互既是用户自我选择的接收信息的方式，也是传播者用来增强说服力、提高传播效果的重要途径。

四、结语

从传播学的视角出发，用系统论的观点研究智能传播，可以发现智能传播的核心和终极目标是实现信息生产传送和用户信息生产与消费的场景匹配，这意味着不仅要全面把握特定场景中的用户，更要迅速做出判断，抓取符合用户需求的信息并推送给用户。人工智能技术提供的微观技术与应用支撑，以及泛在网代替互联网提供的宏观网络支持，构建起了智能传播的支撑系统。

从宏观层面来说，智能传播就是社会信息系统的智能运作，是一个高度自动化的过程。在信息收集环节，一切搭载有传感器的智能物都将成为信息收集者，数据来源正在被重构；在信息生产环节，人机协同才是未来的主流，虽然智能机器和人都是泛在网中平等的智能节点，但人仍然应该是游戏规则的制定者、纠纷的协调者；在信息推送环节，以算法为驱动的内容通路可以实现内容与用户无缝衔接；在信息接收环节，用户不再满足认知体验，同时注重接收信息的方式，追求沉浸式的临场感和主角式的代入感。

智能传播的发展之路还在不断扩张，一场意义重大的传播革命正在加速蔓延。