人机关系演进与新闻生产形式的变化

李垚瑞

关键词 人机关系；人工智能；新闻生产

中图分类号 G2 文献标识码 A 文章编号 2096-0360（2021）15-0006-03

人工智能的快速发展，引发了人机关系的深刻变革，也同时驱动了新闻传播步入全新技术时代。人工智能技术为整个人类社会的发展带来了巨大的动力。尽管人工智能技术被引入到新闻行业传播的时间比较晚，但是人工智能技术却在新闻行业发展迅速，被应用于新闻生产的各个环节中，甚至正在改变整个新闻业态的发展，从而影响新闻的生产形式变革。

在人工智能时代中，传播学研究遭遇了新的挑战，其核心为基于深度学习的新型人工智能的机器与人之间的鸿沟的消融。在二者正越来越接近的当下，人与人工智能之间的思考界限正在变得模糊。人类中心主义对传播的定义是以更大的人类社会概念为前提的，即把传播作为一种独特的人类特征。早期的传播模型有意将人类作为传播者的角色，并将非人的技术归为传播媒介的角色。在整个传播学科的基础研究中，对“传播”的定义是基于人与人互动的交流模式，默认沟通是人们通过媒介技术交换信息的过程。然而，伴随着人工智能的快速发展，机器在传播网络中开始作为内容与意义的生产主体，甚至开始在人的“指导”下对人类传播进行某种独立的“学习”与“思考”。重新梳理一遍人机关系的演进历史，将有助于我们对“传播”概念进行某种重新思考，以此对未来的人机协作下的新闻表达形式做出某种预测性的猜想。

1 前人工智能时代：界面两边的人与机器

传统媒体的大众传播网络中，内容生产与信息接受者的角色一般都仅限于人类范围。然而机器，或者说非人的“工具”的发明和参与，实现了信息由自发性、零散性、口耳交互性的传播，变为产业化的、批量的、非具身性的传播。机器突破了信息传播的介质束缚，突破了人类肉体凡身的距离，将信息的传播范围从理论上延展至无限边界。机器突破了媒体的束缚和信息传播的生产力瓶颈，打破了时间和空间的界限。通过对即时信息的编码和翻译，以及后期的加工和生产的整合，机器可以大规模地收集信息，将信息批量分发到不同地区，并以此干预普通受众的日常生活。

基于机器工具的发展和应用，人与机器之间建立了一种信息传播关系：信息传播方（人类）—信息传播工具—信息接收对象（人类）[ 1 ]。这种关系侧重于线性、不可逆的传动，以人对机器的单方面调度和使用为主要运动轨迹，而尚未体现信息传播工具对人的反向影响。

技术不仅只是人使用以生产意义的工具，事实上，它们是人类生产意义的框架，这一点在前人工智能时代的意义生产中常被人类参与者忽略。早期的意义生产机制将内容与意义呈现在物质性的界面上——纸质的报纸、电波传送的声音、或是电视三原色处理的画面。“机器”在“界面”上呈现新闻，人通过“界面”获取新闻，“机器”的参与在这种新闻表达中更多作为“传播信道”参与，而非传播中参与意义编码或解码过程的“参与者”之一，被混淆在了“界面”的存在中。此时的“机器”在人类传播中并不具有主体地位，而是作为非人的“渠道”或者说是“媒介技术”参与到传播过程中。

但这些没有主体性的“工具”却以技术上的“分化”悄悄影响着人类。传播史根据传播媒介的物质不同，依时序分为口语、文字、电子等不同发展阶段，即承认传递信息的媒介物质，将会深刻影响传播活动的形式与效应。对口语或物质技术的关注，反映了传播研究者已意识到传播的物质性，即媒介对传播活动的影响，并且需要积极评估傳播媒介对社会秩序乃至人类身心形塑的影响。同样，新闻表达形式在不同物质“界面”中为受者传达出的意义有差异，例如印在报纸上的新闻会被认为是更为严肃的，可长久保存的，某种意义上来说可作为“历史的文本”被保存下来；而电视节目的播放是转瞬即逝的，但是是可选择的，也更容易具有娱乐化、轻松化的倾向。人们在谈论电视新闻时有可能会谈论声音与画面的冲击，也更有可能会谈论与新闻信息本身完全无关的内容，比如评价新闻节目中主播的穿着或长相。通过不同的“界面”，机器悄然形塑了人类的媒介认知，潜移默化地向人类证明自己的主体地位。

2 老式人工智能/符号人工智能到来：机器“阅读”人类符号

自图灵机发明以来，基于学习的人工智能一直与符号人工智能的范式，即“老式人工智能”（Good Old-Fashioned AI，GOFAI）形成对比，后者基本上将智能理解为阅读、“操纵”符号的能力。旧式人工智能又称人工智能的“符号范式”，多围绕自动下棋或数学定理证明等问题进行建模，专注于符号解读和对特定数学问题的解决。目前机器学习范式对老实人工智能的主导地位通常被解释为过去10年中计算技术在图形处理单元（GPU）上向高性能并行计算的强劲发展的结果。通用图灵机的概念及其在冯·诺依曼处理器架构中的实现，不仅比机器学习更适合符号范式，更影响了当时对“智能”和“认知”的普遍理解，使之专注于符号操作和问题解决。“透过界面，数字媒介成为操控者与机器感知、呈现、控制的互动因子……虽然计算机确实在写作和阅读，但它是以一种写作和阅读的人类看不见的方式进行的。”[ 2 ]这种对符号的“阅读”和“写作”最早影响了新闻生产中人工智能的应用方向。

基于特定采集“阅读算法”的旧式人工智能的应用之一，是物联网对人类全天候的信息采集。在这种对人类行为数据的获取中，机器能起到的作用只是采集而非“筛选”“理解”和“重表达”，数据在新闻中的实际应用仍是通过人类参与者的逻辑进行的。人将旧式人工智能收集的数据以人类的视角进行“编辑”，令其变得可视化、可读化。旧式人工智能在人类有意或无意“压制”算法的智能化发展与自我调适能力的过程中变成了“新闻表达背后的协作者”。

这种情况下产生的旧式媒介融合是一种需要人自主选择的“全方位”——无视不同媒介之间无法通约的差异性，所谓的“媒介融合”，指的无非是不同媒介（如小说、漫画、电影、电视、游戏）在资本意义上的“融合”，也就是认为同一个“IP”（内容）应该在多种不同的媒介平台上进行一体化地复制再生产，以便获取最大化的受众。此时的多种形态的分发“机器”在人类眼中仍和前人工智能时代的“不同物质形态的新闻呈现界面”没有本质的区别。

然而，人工智能的符号式应用也带来了某些媒介表达变迁的可能性。在旧式人工智能前提下发展出来的用于交流的人工智能技术被设计成人们与之交流信息的东西，这与历史上媒介作为人们相互交流的手段而发展起来的角色不同。诚然，在人工智能之前，机器的“发声”技术已经存在于汽车导航系统中；但是，与这些设备的互动仅限于使用范围狭窄的有限指令。技术不能适应用户、情境或信息[3]。与人工智能设备和程序的互动是动态的，而不是静态的，取决于在特定的时刻和背景下交换的信息或输入程序的数据。在用于交流的人工智能技术发展起来的同时，某种“人与机器的协作”关系正在悄悄生成。当人们为“说话的人工智能”设定了“类人格”的目标时，实际上就是将机器纳入了传播的主体之中，作为“传播的行动者网络”的一环——这一重要的设定，影响了接下来人与机器新型协作关系的发展路径。

3 从机器学习到深度学习：人与机器的新型协作关系

“Web 2.0”时代到来，人们被“无处不在的算法”裹挟，此时人与机器之间的关系发生了根本性的转变，这种转变在人机交互的设计和完善中得以实现。当前，人工智能技术的次时代的特点是，通过将人类作为机器认知的“代理”，实现智能设备的网络化技术新形态。基于现代用户体验设计形成的媒介转型不仅是深度学习成功的先决条件，还促进了“人工智能”概念本身的转变，这与人与机器的媒介技术关系密不可分。在深度学习范式中，人类的认知技能不再由机器模拟，而是嵌入到机器网络中。深度学习与其说是用智能机器取代人类的认知劳动，不如说是通过新的劳动形式和机器化的权力关系，将人类的认知嵌入并收获到计算网络中。

步入智能时代后，机器学习不仅仅是算法和计算机硬件的高性能计算：它是一个涉及人机界面和媒介技术的媒介文化集群，使得参与其中的人们潜移默化地产生可以作为训练数据的数据。在脱离老式人工智能后的发展中，今天基于深度学习的人工智能是在计算网络中大规模收获人类劳动和认知的产物。深度学习是机器学习领域中基于模拟人工神经网络（ANNs）的方法。许多在旧式人工智能时代难以解决的计算问题，如图像中的对象识别、自然语言处理、大型数据集中的模式识别等，现在都可以通过深度实现自动化。深度学习的本质是通过网络采集的人类数据和人类参与对人进行认知。深度学习项目成功所依赖的稀缺资源既不是算法，也不是计算能力，而是训练和验证数据的可用性，而这些数据最终是通过人类的参与获得的[4]。

深度学习的算法无法超越自身，也无法改变算法与设计的关系，算法无法取代输入阶段的人类和机构行为者。即使是自我学习的算法，也还不能超越算法本身设计的结果而学习和改变自己。此时，人类在机器的深度学习过程中的“协助”作用得以发挥。

一个典型的例子是对自动写作机器人写作风格的不断“调整”。“机器写作真正的难点在于怎么让它看起来像人写的，因为只有数据不是好故事”。在这方面，基于对人的写作模式的分析和学习，机器也在不断提高自己的创意性表达水平，也有可能逐渐形成一定的个性化写作风格。事实上，对于新闻内容应该如何生产、传播或使用的理想，在很大程度上来自于人类新闻工作者提供的“过去的经验”。从这层意义上来说，人类就像一个新闻工作室中的“前辈”，“协助”进入新闻生产工作流程不久的“机器”适应面向人类读者的新闻生产工作。

腾讯开发的DreamWriter是人机协作的一个典型例子。DreamWriter使用机器学习汉语的表达，就像人类上语文课那样学习所有的汉语词汇、句子、经典文本，从中提取人类的语言习惯。DreamWriter利用知识映射技术、自然语言处理技术等文本分析算法，来分析和理解这些文本信息的语义和语法关系。掌握中文单词和句子是如何形成的，根据文章的结构和逻辑连接单词和句子并形成一篇文章，以及学习使用一些修辞手段。DreamWriter还能够在新闻文章中找出表达中的错误，并提供建议以纠正文本中的错误[5]。人类则为Dreamwriter提供“学习素材”，向其数据库中大量提供人类的新闻生产逻辑，并向它提供必要的要素、数据以生产新闻。这一过程在某种程度上是人类对旧媒体时代新闻生产理想化的体现，“客观公正地提供必要的信息”。

在“教授”机器的过程中，人类新闻表达的方式也受到了影响。各种不同的叙述体式与表达方式模糊了新闻表达的边界。例如最近出现的“新闻对话机器人”，以人与新闻机器人對话的形式将新闻内容呈现出来，这显然与传统的新闻信息对“新闻要素”齐全的要求有了较大差别。同时，在以人机对话形式呈现新闻时，机器的主体性也在人类的传播网络中得到体现。技术并没有被归结为只在交流中扮演一种传播渠道角色，对技术的设计、功能以及人们如何感知和与之互动的另一种思考方式，开启了对人与机器之间互动的新理解。

对人机交互的新理解也使得人在和机器的“对话”中进行无意识的重新反思，并强调主体“自我”的必要性。无论从狭义的角度或是更广泛的角度来定义新闻，新闻报道中都会尽量保持新闻报道的客观性，在报道中会尽量避免使用第一人称“我”，同时也较少使用对新闻报道中人物的心理状态的描写，但是运用非虚构叙事方式进行的非虚构写作却频繁的使用着“我”的称谓，文本中也常常含有自我感情的表达。例如，界面新闻的子品牌正午故事中的一篇非虚构写作作品《家园计划：关于人类的未来？》中就含有大量的人物内心独白的内容，以“我”的视角呈现新闻内容。尽管对于非虚构写作是否能够归为新闻的界定问题还处于争议中，但当强调观众沉浸式体验的AR、VR新闻开始发展，传统新闻客观性的绝对地位开始动摇，而主观视角下“我”的感受在新闻表达中得到强调。

4 未来的新闻表达形式：“智能化”的信息内化

传播技术的发展使得人工智能从人们交谈的中介渠道转变为人类传播过程中的直接参与者，这同时给传播学者带来了理论上的挑战和机遇。正如上述所阐述的那样，关键的颠覆性转变在于交流型人工智能打破了人类参与在传播理论中的主导作用，而这种作用长期以来都是基于根植于人类中心主义的传播定义的逻辑假设。

人工智能的进化最终是为了消融“界面”的可见性，使界面和数字信号的处理过程一样变得对界面前的人不可见——同样也使得界面区隔对自身“不可见”。在人工智能对所收集的人类提供的数据不断的学习、“反思”过程中，人工智能得以越来越贴近人的思考方式，将人的主体性再次纳入新的话语网络中，实现了超越前话语网络的“反思”。站在人的角度，则是站在“媒介本体论”的角度，重新思考机械作为“行动者”的主体性。非人的媒介技术将未必是传统信息传播模式中作为“传播信道”的媒介。在人类与人工智能交互产生的媒介文化网络中，人们习惯性地依附于数字界面，从而能够将其作为数据仆人和自由劳动力加以驾驭。因此，人类辅助下的人工智能不仅是众多技术中的一种，而且是一种历史形成的传播媒介技术。它基于社会经济条件、技术标准、政治话语，以及数字世界中的特定习惯、主体性和体现，本身就是与数字媒介日常互动的产物。

数字信号在人类不可见的界面内部会发生更进一步的与人的协作需求；人工智能追求的未必是单方面以自己的数字符号体系“教化”人类，而是“面向”人类，通过卷积式的深度学习跨越“界面”的壁垒。人工智能与人协作，拥抱彼此乃至成为彼此。此时，关于媒介技术对新闻表达形式影响的议题也许将回归到传播的初级形式——人际传播，甚至如果技术成熟的话，可能会发展为对人内传播的研究，即人类的“反思”过程。隔开人与机器的“界面”已经在人机关系的演进中被消融了。当新闻传播中的“机器”从传播的渠道变成“界面”对面的传播主体，当“界面”的存在在机器的高速运算和智能化内容呈现中逐渐变得不可见，或许新闻表达形式终有一天会完全變成一种“人机交流”，新闻传播过程将会变成“智能化的信息内化”。

参考文献

[1]赵渊.人机关系与信息传播变革[J].现代传播（中国传媒大学学报），2019，41（6）：150-154.

[2]唐士哲.作为文化技术的媒介：基德勒的媒介理论初探[J].传播研究与实践，2017，7（2）：5-32.

[3]Andrea L Guzman，Seth C Lewis. Artificial intelligence and communication：A Human–Machine Communication research agenda[J].New Media &；Society，2020，22（1）：1-17.

[4]Rainer Mühlhoff.Human-aided artificial intelligence：Or，how to run large computations in human brains·Toward a media sociology of machine learning[J].New Media &；Society，2020，22（10）：1868-1884.

[5]刘睿楠.人工智能技术参与新闻生产的路径与影响研究[D].沈阳：辽宁大学，2020.