劉建明

【摘要】西方的新聞算法并非出奇制勝的媒體新寵，個(gè)性化新聞分發(fā)潛藏許多陰差陽(yáng)錯(cuò)和信息風(fēng)險(xiǎn)。建立一套科學(xué)機(jī)制，防止新聞推薦的失算，才能保證新聞分發(fā)的安全性，受眾的差異化需要也能得到滿(mǎn)足。面對(duì)網(wǎng)媒的挑戰(zhàn)，把新聞的自動(dòng)化生成轉(zhuǎn)化為報(bào)刊和廣播電視報(bào)道，實(shí)現(xiàn)傳統(tǒng)媒體的智能化和編輯記者的能智化，傳統(tǒng)媒體才可能發(fā)生大的變化。

【關(guān)鍵詞】?jī)煞N新聞算法；算法的失算；算法的科學(xué)化；傳統(tǒng)媒體的算法

算法新聞的創(chuàng)新正在攪動(dòng)各類(lèi)媒體的操作意識(shí)，調(diào)整算法的標(biāo)配和技術(shù)指標(biāo)，不僅決定各大資訊平臺(tái)的競(jìng)爭(zhēng)力，也使傳統(tǒng)媒體受益匪淺。但新聞的“算法推薦”曾引起廣泛的質(zhì)疑：算法能讓受眾得到真正重要的新聞、了解社會(huì)的變化嗎？媒體使用算法新聞能否全面反映世界、透視社會(huì)現(xiàn)實(shí)？盲目夸耀西方新聞分發(fā)的算法，介紹算法的理論也讓人懵懵懂懂，根本無(wú)法回答和解決這類(lèi)問(wèn)題。為了解開(kāi)新聞分發(fā)的算法之謎，本文不能不從新聞算法的常識(shí)贅述。

一、用于不同報(bào)道的兩種新聞“算法”

算法是計(jì)算機(jī)處理數(shù)據(jù)的主要手段，新聞的智能生成和新聞分發(fā)都有各自的算法，二者譯成漢語(yǔ)也有不同的說(shuō)法，因?yàn)橛?jì)算機(jī)對(duì)二者執(zhí)行的指令不同，達(dá)到的目標(biāo)不一樣，把兩個(gè)算法攪在一起，只談推薦算法，使傳播規(guī)則的重塑陷入一隅。

第一種算法是指智能生成新聞的數(shù)據(jù)推算，英語(yǔ)常由Algorithm（Algorithmic）一詞表示。通過(guò)大數(shù)據(jù)搜索、整合和推斷，發(fā)現(xiàn)真實(shí)的新聞，由計(jì)算機(jī)編寫(xiě)成文本，稱(chēng)作智能新聞或自動(dòng)化新聞，很多人把它譯成算法新聞。打開(kāi)英文網(wǎng)站，AlgorithmicJournalism，Algorithmaboutnews或Videos of algorithmic news，大多是指由計(jì)算機(jī)在海量數(shù)據(jù)中自動(dòng)編寫(xiě)的新聞，按漢語(yǔ)的習(xí)慣似應(yīng)譯為“智能新聞”或“計(jì)算機(jī)程序新聞”，可以將其稱(chēng)為“自動(dòng)化新聞”。

這類(lèi)新聞不是記者親自采訪、寫(xiě)作的，而是由計(jì)算機(jī)程序搜索到數(shù)據(jù)，經(jīng)過(guò)統(tǒng)合、辨析提取事件的五個(gè)W要素，再現(xiàn)一個(gè)完整事件，每次推算都可得到正確的結(jié)果。正如美國(guó)學(xué)者哈特利·羅杰斯所說(shuō)：“在數(shù)學(xué)和計(jì)算機(jī)科學(xué)中，一個(gè)推算（Algorithm）是關(guān)于如何解決某個(gè)問(wèn)題的明確規(guī)范。推算可以執(zhí)行計(jì)算、數(shù)據(jù)處理和自動(dòng)推理任務(wù)?！盵1]Algorithm依據(jù)大量資訊（僅包含少許數(shù)字）推斷出事實(shí)的存在，僅需數(shù)秒或十幾毫秒。美聯(lián)社新聞智能程序“墨客”（Wordsmith），每秒能形成2000篇文章，《華盛頓郵報(bào)》的新聞程序“吐真者”（Truth Teller）集成一篇新聞僅用半秒左右時(shí)間，不僅會(huì)寫(xiě)作，還能核查新聞。

5年前，智能新聞只能在體育、財(cái)經(jīng)和天氣預(yù)報(bào)等很少的領(lǐng)域應(yīng)用，這兩年正在向時(shí)政新聞擴(kuò)展。美國(guó)頂尖的算法新聞公司AutomaticInsights和NarrativeScience聯(lián)合開(kāi)發(fā)的新的推算程序，能自動(dòng)生成市場(chǎng)營(yíng)銷(xiāo)和時(shí)事新聞，并已被越來(lái)越多的網(wǎng)站采用。NarrativeScience公司創(chuàng)始人克里斯蒂安·哈蒙德（KristianHammond）預(yù)測(cè)，到2030年將有90%以上的新聞?dòng)蓹C(jī)器人完成。[2]

第二種所謂算法是向用戶(hù)智能分發(fā)新聞，多使用英文newson arithmetic表示。打開(kāi)西方英文網(wǎng)站，常看到這樣的欄題：Arithmetic：Latest News（數(shù)據(jù)統(tǒng)計(jì)：最新消息），Videos of news arithmetic（數(shù)據(jù)統(tǒng)計(jì)的新聞視頻），Videos of arithmetic on news feed（數(shù)據(jù)統(tǒng)計(jì)推送的新聞視頻）等。這些欄題都是指通過(guò)數(shù)字計(jì)算排列出新聞的順序，并向受眾推薦他們需要的新聞，即我們常說(shuō)的新聞算法分發(fā)。Arithmetic是指數(shù)學(xué)的算法，通過(guò)計(jì)算閱讀量的大小排列新聞的順序，向受眾推薦。“從古希臘時(shí)起，Arithmetic就稱(chēng)為算術(shù)（名詞、形容詞），曾被設(shè)想為將事物裝配在一起或計(jì)數(shù)后排列出先后次序?！盵3]

當(dāng)一款名為Custombot的算法工具誕生后，根據(jù)用戶(hù)的特定偏好、標(biāo)準(zhǔn)或元素創(chuàng)建個(gè)性化新聞推送（feed），迅速風(fēng)靡各大資訊平臺(tái)。這種算法采用文本分割和自定義標(biāo)記，快速過(guò)濾用戶(hù)不喜歡的信息，算出某個(gè)用戶(hù)最需要的新聞和文章，產(chǎn)生了新聞的定制報(bào)道。一時(shí)間，“個(gè)性化推薦”成為網(wǎng)絡(luò)平臺(tái)和新聞客戶(hù)端追捧的熱點(diǎn)和新寵?！袄袌?chǎng)”“因子量值”“長(zhǎng)尾信息”“置信區(qū)間”等高大上的概念和詞匯接連出現(xiàn)，讓人感到高深莫測(cè)。

上述分析，基本厘清了Algorithm和Arithmetic之間的區(qū)別。Algorithm屬于解決難題的推算思路和方法，用于計(jì)算機(jī)自動(dòng)化新聞的生成。而Arithmetic是指如何更快、更精確計(jì)算一條新聞的閱讀量或讀者偏好，用于向用戶(hù)推薦新聞或其他信息。西方英語(yǔ)資訊平臺(tái)或社交媒體往往把智能新聞（algorithmabout news）直接推薦給用戶(hù)，這類(lèi)報(bào)道的欄題，通常使用“news

feed algorithm”，而不是“newsfeedarithmetic”。

新聞推薦根據(jù)數(shù)據(jù)計(jì)算，推測(cè)出用戶(hù)可能喜歡的新聞，大體有7種數(shù)字推薦方式，這就是：依據(jù)用戶(hù)的偏好推薦、協(xié)同過(guò)濾推薦，按照既定的規(guī)則推薦、效用推薦和基于內(nèi)容的推薦、新聞熱度推薦及知識(shí)推薦。后4種推薦作為新聞分發(fā)的主要指標(biāo)，打破了新聞推薦的個(gè)性局限，能有效防止新聞推薦的失算和風(fēng)險(xiǎn)。

二、新聞算法分發(fā)的失算與風(fēng)險(xiǎn)

網(wǎng)上信息浩如煙海、凌亂不堪，用戶(hù)無(wú)法很快找到他們需要的信息。網(wǎng)媒如果按照新聞發(fā)生的重要程度排序，向受眾推薦他們關(guān)心的新聞，就能為用戶(hù)產(chǎn)生最大的效用。出于這一目的，首先在英美社交媒體上出現(xiàn)了新聞的算法分發(fā)（newsArithmeticfeed），簡(jiǎn)稱(chēng)新聞推薦（newsfeed）。從本質(zhì)上看，新聞推薦要解決在適當(dāng)?shù)臅r(shí)間，把合適的內(nèi)容推薦給信息需要者，便于用戶(hù)閱覽。但實(shí)際上，大量資訊平臺(tái)的新聞算法分發(fā)，除制造神秘氣氛外，還強(qiáng)行向用戶(hù)推銷(xiāo)不良信息，用戶(hù)得到的很多是他們不需要的東西。

資訊平臺(tái)與社交媒體主要依賴(lài)個(gè)性化算法向用戶(hù)分發(fā)新聞，個(gè)性化本身就暗藏許多低俗的信息需求，為推銷(xiāo)色情、淫穢和暴力新聞打開(kāi)缺口。尤其是各類(lèi)無(wú)孔不入的直播平臺(tái)，總是齊聚于用戶(hù)端，淫邪銷(xiāo)魂的視頻不請(qǐng)自來(lái)，打頭陣的當(dāng)然是廣告。從2017年末開(kāi)始，美國(guó)的臉書(shū)網(wǎng)就多次收到與垃圾郵件相關(guān)帖子的投訴，在同一時(shí)間，我國(guó)多家社交媒體由于向用戶(hù)兜售精神劣品，也引起網(wǎng)民的極度不滿(mǎn)。

無(wú)論基于用戶(hù)的新聞偏好、行為協(xié)同還是基于內(nèi)容的推薦，如果不掌握用戶(hù)的特征和全面數(shù)據(jù)，就很難給受眾提供實(shí)用的東西。許多平臺(tái)忽略客戶(hù)的準(zhǔn)確特征和分類(lèi)，按照自己的意圖漫無(wú)邊際地推送有利可圖的信息，根本不考慮信息的社會(huì)危害。算法分發(fā)新聞，一方面要識(shí)別內(nèi)容需要者的巨大差異，另一方面又要為同一條新聞?wù)业讲煌脩?hù)，計(jì)算技術(shù)很難精準(zhǔn)、圓滿(mǎn)，信息推送必然屢屢失算。在算法分發(fā)新聞?wù)Q生地的美國(guó)，許多業(yè)界人士對(duì)算法推薦的破綻就提出了種種批評(píng)。班尼迪克·埃文斯（Benedict Evans）指出，“臉書(shū)”等社交媒體執(zhí)行“算法派發(fā)新聞”的邏輯，只是個(gè)技術(shù)術(shù)語(yǔ)。用算法找出最想看到新聞的人，以及最想看到什么樣的新聞，然后將這些內(nèi)容排序，出現(xiàn)在用戶(hù)的新聞?dòng)嗛喼?，這是十分錯(cuò)綜復(fù)雜的。算法分發(fā)新聞的邏輯存在兩個(gè)問(wèn)題：一是讓算法的樣本變得“正確”非常困難。用戶(hù)的欲望不斷變化，新聞偏好可能經(jīng)常改變。二是即使完成一次成功的新聞推送，也是基于特定的算法規(guī)則，這些規(guī)則包含主觀判斷，這些判斷不是靜態(tài)的，在原則上都是不完美的。[4]算法分發(fā)新聞常常“投錯(cuò)娘胎”，給用戶(hù)推薦一些低質(zhì)、無(wú)聊的信息，大量新聞分發(fā)都徒勞無(wú)功。

算法一旦經(jīng)常失算，用戶(hù)的信息滿(mǎn)足感就會(huì)遭到踐踏，資訊平臺(tái)的公信力就會(huì)喪失殆盡，時(shí)間一久將被用戶(hù)拋棄。媒體報(bào)道新聞要讓受眾了解社會(huì)變動(dòng)，提升受眾的認(rèn)知，以往的新聞推送還經(jīng)常把錯(cuò)誤或虛假信息派發(fā)到用戶(hù)的移動(dòng)端，構(gòu)成報(bào)道風(fēng)險(xiǎn)。有關(guān)社會(huì)政策、社會(huì)發(fā)展和社會(huì)矛盾的重大事件報(bào)道，是相當(dāng)數(shù)量的用戶(hù)所關(guān)心的，僅僅從用戶(hù)的個(gè)體指標(biāo)出發(fā)計(jì)算新聞分發(fā)，新聞推送必然埋下潛在的威脅。

算法新聞推薦，促使各大網(wǎng)絡(luò)平臺(tái)和移動(dòng)客戶(hù)端競(jìng)相吸引眼球，為招攬廣告而龍爭(zhēng)虎斗，社會(huì)責(zé)任的大堤被一步步蠶食。正如《人民日?qǐng)?bào)》提出的警示：“所謂的算法成為利益的砝碼，一切圍著流量轉(zhuǎn)，唯點(diǎn)擊量、轉(zhuǎn)發(fā)量馬首是瞻，‘標(biāo)題黨泛濫，價(jià)值取向跑偏，內(nèi)容淪為附庸?！薄扒宦傻耐|(zhì)化信息，信口雌黃的歪理邪說(shuō)，形形色色的商業(yè)廣告，還有那些活色生香、花邊八卦、流言蜚語(yǔ)，以各種爭(zhēng)奇斗艷的形式粉墨登場(chǎng)，一股腦、無(wú)休止地推送過(guò)來(lái)，讓廣大受眾被迫接受……”[5]網(wǎng)絡(luò)媒體的先進(jìn)技術(shù)只能服務(wù)于新聞的傳播力、引導(dǎo)力和媒體的公信力，否則就是荼毒筆墨。當(dāng)受眾被算法引入迷途，夸大算法推送新聞的出奇制勝，就將網(wǎng)絡(luò)研究推向貽害無(wú)窮的懸崖。

三、創(chuàng)建新聞算法推薦的科學(xué)機(jī)制

新聞推薦算法一旦“價(jià)值缺失、制造信息繭房、競(jìng)爭(zhēng)手段無(wú)底線”[6]，無(wú)窮無(wú)盡的消極信息就把著迷的用戶(hù)搞得暈頭轉(zhuǎn)向和筋疲力盡。正如許多美國(guó)用戶(hù)批評(píng)“臉書(shū)”消磨人們的心智時(shí)所說(shuō)的：“該公司的產(chǎn)品利用人類(lèi)心理上的脆弱性，將人們吸引到社交媒體上，劫持他們的時(shí)間和注意力，正在破壞他們的安寧和幸福?！盵7]消除這類(lèi)流弊，只能建立一套科學(xué)機(jī)制，而不是拋棄信息計(jì)算技術(shù)。如果資訊平臺(tái)設(shè)立信息安全警戒，平穩(wěn)、適度、科學(xué)地運(yùn)用推薦算法，就能防止新聞推薦的失算和風(fēng)險(xiǎn)。

舊的新聞分發(fā)算法，大多基于用戶(hù)的使用習(xí)慣，預(yù)測(cè)用戶(hù)感興趣的信息和話題。由于計(jì)算數(shù)據(jù)的大體量（用戶(hù)數(shù)以?xún)|萬(wàn)計(jì)），根據(jù)點(diǎn)擊率、閱讀時(shí)間、評(píng)論和轉(zhuǎn)發(fā)量做出的評(píng)估和內(nèi)容標(biāo)配，不可能完全“對(duì)號(hào)入座”。當(dāng)把個(gè)性偏好列為推薦的首要標(biāo)準(zhǔn)，黃色媚俗的內(nèi)容贏得千百萬(wàn)受眾的點(diǎn)擊，就不足為怪了。

無(wú)論美國(guó)的“臉書(shū)”還是我國(guó)的“今日頭條”，已經(jīng)意識(shí)到以往算法推薦的紕漏和失策，正著手改進(jìn)算法的指標(biāo)和運(yùn)作程序。從2018年開(kāi)始，國(guó)內(nèi)外的資訊平臺(tái)和移動(dòng)客戶(hù)端都在揚(yáng)棄舊的算法，開(kāi)創(chuàng)和完善新的推薦體系。Facebook的CEO馬克·扎克伯格（MarkZuckerberg）說(shuō)：“我正在改變我們的產(chǎn)品目標(biāo)，從幫助你找到相關(guān)內(nèi)容到來(lái)幫助你找到更有意義的社會(huì)互動(dòng)?！薄拔覀儗⒆尅槙?shū)的20多億用戶(hù)在社交網(wǎng)絡(luò)上花更少的時(shí)間，包括觀看視頻。”[8]我國(guó)的“今日頭條”也在嘗試建立算法推薦的科學(xué)機(jī)制，修正以往僵化的推薦模型參數(shù)，把社會(huì)責(zé)任擺在首位，嚴(yán)格防范發(fā)出政治錯(cuò)誤和虛假信息，加強(qiáng)對(duì)推薦內(nèi)容的多次審核。

這種科學(xué)機(jī)制，首先要把內(nèi)容的積極意義和知識(shí)性列為第一指標(biāo)，把有關(guān)公共利益的重要新聞給予更大流量，把事關(guān)全局的重要新聞匹配給所有用戶(hù)。社會(huì)政策、國(guó)內(nèi)外大事、人民生活狀況、社會(huì)各種正能量和重大事故，應(yīng)成為各大資訊平臺(tái)推薦的重頭新聞。將其編制為特定的計(jì)算標(biāo)簽分發(fā)給廣大用戶(hù)，拒絕受閱的用戶(hù)是極少數(shù)的，關(guān)鍵在于文字稿與視頻要制作得有聲有色、準(zhǔn)確生動(dòng)，增強(qiáng)正面新聞的吸引力和感染力。

所有分發(fā)內(nèi)容都要通過(guò)風(fēng)險(xiǎn)模型過(guò)濾，經(jīng)過(guò)2-3次風(fēng)險(xiǎn)審核后才能進(jìn)入推薦程序。當(dāng)出現(xiàn)十多個(gè)用戶(hù)的批評(píng)反饋或負(fù)面信息舉報(bào)時(shí)，網(wǎng)站還須即刻對(duì)信息進(jìn)行復(fù)審，如果確認(rèn)分發(fā)了錯(cuò)誤或不當(dāng)?shù)男畔?，?yīng)立即直接下架。對(duì)信息當(dāng)事人造成侵權(quán)或涉及違法內(nèi)容的信息，直接責(zé)任人將受到應(yīng)有的處罰，直至接受法律訴訟。這類(lèi)保證內(nèi)容安全的健全機(jī)制，成為內(nèi)容配送的嚴(yán)格要求。

與新聞內(nèi)容相匹配，計(jì)算新聞的熱度，把熱點(diǎn)新聞作為算法推薦的重要指標(biāo)，是優(yōu)化新聞推薦的重要機(jī)制。當(dāng)一則新聞不斷被用戶(hù)點(diǎn)擊、閱覽、下載、轉(zhuǎn)發(fā)，有更多的用戶(hù)給予正面點(diǎn)評(píng)，標(biāo)志著新聞熱度持續(xù)升溫。這樣的新聞具有極高的價(jià)值，可向全體用戶(hù)推薦。按照新聞?lì)悇e確定新聞熱度，沿用個(gè)性分發(fā)的方式向習(xí)慣性受眾推薦，比如重要體育新聞要向喜歡體育信息的用戶(hù)推薦，重大科學(xué)發(fā)現(xiàn)和發(fā)明的新聞要向科技專(zhuān)業(yè)人士推薦，個(gè)性化新聞推薦既要堅(jiān)持內(nèi)容積極有益的標(biāo)準(zhǔn)，又要滿(mǎn)足受眾差異化的需要。

用戶(hù)中總有些人喜歡娛樂(lè)和奇聞異趣，對(duì)公共事務(wù)不感興趣。對(duì)這樣的用戶(hù)除給他們發(fā)送全局性的重要新聞外，還需滿(mǎn)足他們的特定取向，及時(shí)給他們分發(fā)興味濃厚、幽默雋永而沒(méi)有精神危害的軟新聞。但要擬定標(biāo)簽敏銳和用戶(hù)特征鮮明的算法模式，竭力防止低俗暴力、聳人聽(tīng)聞和荒淫糜爛的信息暗度陳倉(cāng)。在對(duì)正面信息制定加權(quán)標(biāo)志的同時(shí)，設(shè)置刪除荒誕淫穢、標(biāo)題黨興風(fēng)作浪的信息標(biāo)簽，及時(shí)實(shí)施有效的干預(yù)手段。如果新聞推薦的計(jì)算程序具備以上這些嚴(yán)密的機(jī)制，信息推送的安全性將得到有效保障。

四、傳統(tǒng)媒體的智能化創(chuàng)新

算法新聞不是網(wǎng)絡(luò)平臺(tái)的專(zhuān)利，而是所有傳媒絕處逢生的一場(chǎng)革命，傳統(tǒng)媒體不能置身度外。運(yùn)用計(jì)算機(jī)運(yùn)作程序，把自動(dòng)化新聞轉(zhuǎn)化為報(bào)刊和廣播電視新聞，雖比網(wǎng)絡(luò)慢了半步，但比人工操作要快千百倍。報(bào)紙?jiān)谕黹g編排和完成印刷，實(shí)際上壓縮了信息發(fā)生和傳播的時(shí)空，第二天早上讀報(bào)，讀者絲毫不會(huì)有新聞姍姍來(lái)遲之虞。

報(bào)紙把新聞寫(xiě)作完全交給機(jī)器，由機(jī)器將數(shù)據(jù)轉(zhuǎn)換為新聞文本，快速選擇讀者急需知道的新聞，按照重要程度排列出版面順序，構(gòu)成新聞的整體推送。在算法程序（Algorithmicprogram）的引領(lǐng)下，保障新聞內(nèi)容的精準(zhǔn)度和可靠性，傳統(tǒng)媒體新聞算法的大體量選擇和高效優(yōu)勢(shì)就凸顯了出來(lái)。“自動(dòng)新聞產(chǎn)生于電腦程序判斷，正在挑戰(zhàn)新聞工作者的職業(yè)判斷，因?yàn)槿说闹黧w性容易犯錯(cuò)誤。電腦程序判斷與新聞工作者的職業(yè)判斷不同，它在本質(zhì)上是客觀的，它的內(nèi)容都來(lái)自實(shí)際和現(xiàn)實(shí)，將冰釋人工編寫(xiě)的主觀成分，比人的自主判斷更有合法性?！盵9]

國(guó)外廣播電視正在謀劃由機(jī)器人主持各類(lèi)新聞節(jié)目，男女機(jī)器人擔(dān)任新聞主播。它們不僅擁有人工智能的對(duì)話系統(tǒng)，而且伴有豐富適度的面部表情，聲音也更加動(dòng)聽(tīng)、圓潤(rùn)。當(dāng)機(jī)器人坐上播音臺(tái)，會(huì)對(duì)廣大公眾產(chǎn)生極大的吸引力，擬人化的情感交互將產(chǎn)生卓爾不群的視聽(tīng)效果。雖然我們并不一味追求機(jī)器人主持節(jié)目，但當(dāng)廣播電視臺(tái)找不到受眾滿(mǎn)意的、理想的播音員和主持人時(shí)，天生麗質(zhì)、足智多謀的機(jī)器人播報(bào)新聞，將成為首選。

人工智能具有機(jī)敏思考、廣攬縱判的思維功能，新聞將伴隨心智的頓悟，隨時(shí)打開(kāi)受眾的心靈窗戶(hù)。這一切不能僅僅依賴(lài)機(jī)器的算法，新聞現(xiàn)場(chǎng)畫(huà)面的人工采集，文字稿的編輯把關(guān)、加工和潤(rùn)色，都將有決定的意義。

也就是說(shuō)，當(dāng)傳統(tǒng)媒體實(shí)現(xiàn)新聞寫(xiě)作的智能化，原來(lái)的記者編輯并沒(méi)有如釋重負(fù)，他們將承擔(dān)更重要的任務(wù)。第一，掌握智能新聞的導(dǎo)引技術(shù)，每個(gè)人都要精通新聞模板的編程方法與技巧，成為熟練運(yùn)用自動(dòng)化新聞程序的新聞工作者隊(duì)伍中的一員。第二，新聞?dòng)?jì)算程序?qū)τ谀切┒〞r(shí)定點(diǎn)發(fā)生的新聞（比如新聞發(fā)布會(huì)），不能現(xiàn)場(chǎng)采訪，只能由記者人工完成。他們每天帶上“微型傳感器”（sensor）到處抓拍突發(fā)事件和各種要聞的現(xiàn)場(chǎng)畫(huà)面。記者攜帶智能視聽(tīng)工具和穿戴式搜索器，“對(duì)周?chē)h(huán)境的監(jiān)測(cè)極其靈敏，加上與衛(wèi)星傳感器和定位裝置的信息交互，對(duì)全球各地發(fā)生的事件盡收無(wú)余”[10]，及時(shí)給編輯部傳來(lái)最新的事件動(dòng)態(tài)。第三，編輯不再是單純的文字與圖像的一般處理者，而是自動(dòng)新聞文本的把關(guān)人和修補(bǔ)者，他們以職業(yè)的洞察力和核心價(jià)值觀，選好每一篇新聞，維護(hù)具有強(qiáng)大凝聚力和引領(lǐng)力的社會(huì)主義意識(shí)形態(tài)。在文字上，編輯們把自動(dòng)生成的新聞文本錘煉得精妙入神、呼之欲出，新聞的思想性和意境遠(yuǎn)遠(yuǎn)超出網(wǎng)絡(luò)信息的粗俗。閱讀這樣的報(bào)紙是名副其實(shí)的精神享受，也是一種文化滋補(bǔ)，它的社會(huì)效益和經(jīng)濟(jì)效益都將史無(wú)前例。

參考文獻(xiàn)：

[1]Rogers，Jr，Hartley（1987）.TheoryofRecursiveFunctionsandEffectiveComputability.TheMITPress.57.

[2]HomeDavinciInstitute，”Robots are writing more news than you think”，ww.impactlab.net/2014/04/17/.

[3]J.FauvelandJ.Gray，“TheHistoryofMathematics：AReader”，TheOpenUniversity，1987.

[4]BenedictEvans，“Thedeathofthenewsfeed”，Twitter，April02，2018.

[5]宣言.不能讓算法決定內(nèi)容[N].人民日?qǐng)?bào)，2017-10-05.

[6]宣言.不能讓算法決定內(nèi)容[N].人民日?qǐng)?bào)，2017-10-05.

[7]JessicaGuynn，“Facebook'smakingabigchangetoyournewsfeed”，USATODAY，January10，2018.

[8]JessicaGuynn，“Facebook'smakingabigchangetoyournewsfeed”，USATODAY，January10，2018.

[9]M.Carlson，”Automatingjudgment Algorithmicjudgment，news knowledge，andjournalisticprofessionalism”，NewMedia&Society;，（4）2017.

[10]劉建明.對(duì)智能新聞若干問(wèn)題的釋疑[J].新聞愛(ài)好者，2017（11）.

（作者為清華大學(xué)新聞與傳播學(xué)院教授）

編校：王志昭