新聞生產(chǎn)中算法運(yùn)用的技術(shù)路徑與價(jià)值邏輯

人類發(fā)展離不開技術(shù)。但是僅就技術(shù)的有效性而言，人類與其他許多物種相比，很長(zhǎng)時(shí)期內(nèi)始終是落伍者；僅就工具制造技術(shù)而言，難以證明人類的特殊性。是人類的大腦而不僅僅是雙手，使人類具備了語(yǔ)言符號(hào)、審美形象，以及可以在社會(huì)群體中傳播和共享的知識(shí)，才使人類真正地與眾不同。因此，從本質(zhì)上來(lái)說，技術(shù)的工具價(jià)值帶來(lái)有效性的那部分價(jià)值，并不是技術(shù)的全部?jī)r(jià)值，而其終極價(jià)值—人類文明中的根本價(jià)值，即帶來(lái)知識(shí)和智慧的那部分價(jià)值，才是突顯人的尊嚴(yán)的。馬克思·韋伯將人的理性行為分為工具理性行為和價(jià)值理性行為。工具理性在于在認(rèn)識(shí)和改造世界的過程中指導(dǎo)人類“如何去做”，而價(jià)值理性在于告訴人類“為什么要做”，二者的有機(jī)統(tǒng)一才能對(duì)滿足人類需求的生產(chǎn)實(shí)踐活動(dòng)進(jìn)行有效指導(dǎo)。人類對(duì)生產(chǎn)工具的需求并不像動(dòng)物一樣出于生存本能，而是存在目的性需求，因此在面臨算法這種新的“生產(chǎn)工具”時(shí)，我們需要同時(shí)兼顧其工具價(jià)值和理性價(jià)值，考慮其作為一種技術(shù)或者工具的“工具價(jià)值”。但在現(xiàn)實(shí)中，我們會(huì)因?yàn)樾录夹g(shù)的效益而歡呼雀躍，而常常忽略了另一面的價(jià)值。

智能技術(shù)可謂集人類工具制造能力和知識(shí)智慧的最高代表。人工智能就是讓計(jì)算機(jī)完成人類心智能做的各種事情。人工智能正在開啟新聞傳播的智能傳播時(shí)代，并運(yùn)用于數(shù)據(jù)挖掘與信息采集、自動(dòng)化寫作、算法式分發(fā)、自動(dòng)化事實(shí)核查、優(yōu)化產(chǎn)品以及社交機(jī)器人與用戶的互動(dòng)等各個(gè)環(huán)節(jié)，引發(fā)了媒體生產(chǎn)與運(yùn)營(yíng)、媒體人的角色與技能要求的新轉(zhuǎn)變。有學(xué)者斷言：我們已經(jīng)進(jìn)入新聞算法（news algorithms）的時(shí)代，自動(dòng)化和算法已經(jīng)成熟到能夠從事真正的新聞工作。近年來(lái)，智能算法在新聞傳播領(lǐng)域的應(yīng)用是學(xué)界的前沿和熱門議題，關(guān)于智能算法運(yùn)用于新聞生產(chǎn)，學(xué)者們主要討論了以下幾個(gè)方向：一是從新聞生產(chǎn)的過程入手，探討人工智能在新聞內(nèi)容采集、新聞制作與分發(fā)、新聞接收、用戶畫像等層面為新聞業(yè)帶來(lái)的全新變革；二是從現(xiàn)實(shí)性、前瞻性的方向探討智能化新聞生產(chǎn)的應(yīng)用現(xiàn)狀及前景，一些學(xué)者還以目前已經(jīng)問世的寫作機(jī)器人或算法推薦的產(chǎn)品為案例去分析其在新聞生產(chǎn)過程中的實(shí)際應(yīng)用與未來(lái)發(fā)展；三是從倫理的角度出發(fā)思考算法作為一種新興技術(shù)所帶來(lái)的算法黑箱、算法歧視、隱私讓渡與侵犯等問題，并試圖解釋算法倫理問題的成因、影響與對(duì)策；四是討論在新聞智能化生產(chǎn)環(huán)境下新聞從業(yè)者的可替代性和再定位，算法僅僅是“搶飯碗”，還是能夠?qū)崿F(xiàn)對(duì)行業(yè)的融合與重塑？本文以智能算法運(yùn)用于新聞生產(chǎn)階段為例，通過分析算法運(yùn)用的技術(shù)路徑，探討其價(jià)值邏輯及風(fēng)險(xiǎn)。

一、算法運(yùn)用于新聞生產(chǎn)的技術(shù)路徑

算法（algorithms）指的是為解決問題而進(jìn)行的計(jì)算機(jī)操作規(guī)則的一系列步驟。計(jì)算機(jī)運(yùn)用的技術(shù)主要是自然語(yǔ)言處理（natural language processing，NLP），主要包括自然語(yǔ)言理解(natural language understanding，NLU)、自然語(yǔ)言生成（natural language generation，NLG）兩個(gè)方面。

以新聞文本的生產(chǎn)為主要目的，由機(jī)器學(xué)習(xí)或者神經(jīng)網(wǎng)絡(luò)為技術(shù)基礎(chǔ)生產(chǎn)和分發(fā)的新聞被稱作算法新聞。算法新聞的流程包括三個(gè)階段，也稱為算法新聞的“I-T-O模式”：數(shù)據(jù)輸入（input），即從公開或私人的數(shù)據(jù)庫(kù)中抓取信息，作為算法新聞生產(chǎn)的“原材料”；數(shù)據(jù)吞吐（throughput），即通過監(jiān)督式機(jī)器學(xué)習(xí)（人為預(yù)先設(shè)定規(guī)則）或無(wú)監(jiān)督式機(jī)器學(xué)習(xí)（機(jī)器自動(dòng)學(xué)習(xí)形成一套人無(wú)法清晰了解的規(guī)則，并運(yùn)用到之后的新聞生產(chǎn)中），根據(jù)既定的語(yǔ)法和句法規(guī)則，經(jīng)過半自動(dòng)或全自動(dòng)的NLG，將輸入的數(shù)據(jù)整理成一定的結(jié)構(gòu)；新聞產(chǎn)品輸出（output），指的是由NLG生成的新聞產(chǎn)品完成線上和線下的分發(fā)。機(jī)器學(xué)習(xí)是人工智能的核心技術(shù)，包括監(jiān)督式和無(wú)監(jiān)督式兩種。監(jiān)督式學(xué)習(xí)有固定的模板，輸入和輸出的都是已知信息，將數(shù)據(jù)“喂”給算法后，自動(dòng)按照給定的規(guī)則填充公式化的表達(dá)，生成稿件；無(wú)監(jiān)督式學(xué)習(xí)沒有固定的輸入—輸出模板，以大數(shù)據(jù)為基礎(chǔ)，主要尋找相關(guān)關(guān)系和趨勢(shì)、表面奇異值等，不追究因果關(guān)系，機(jī)器自動(dòng)從數(shù)據(jù)中抽取知識(shí)。

智能機(jī)器已經(jīng)具有在復(fù)雜情境下進(jìn)行語(yǔ)義理解和文本生成的能力，可以同時(shí)承擔(dān)簡(jiǎn)單的替代性勞動(dòng)和復(fù)雜的創(chuàng)造性勞動(dòng)，依托不同的情境進(jìn)行多元靈活的新聞生產(chǎn)。內(nèi)容生成屬于自然語(yǔ)言生成算法領(lǐng)域的一個(gè)應(yīng)用分支，其歷史、發(fā)展和自然語(yǔ)言生成基礎(chǔ)算法的發(fā)展基本保持一致。自然語(yǔ)言生成是以模仿人類書寫以及說話的方式來(lái)產(chǎn)生有意義的短語(yǔ)和句子的過程，其領(lǐng)域包括內(nèi)容生成、機(jī)器翻譯以及聊天機(jī)器人等應(yīng)用，目的是通過預(yù)測(cè)句子中的下一個(gè)詞語(yǔ)來(lái)傳達(dá)信息，它以每秒數(shù)千頁(yè)的速度，自動(dòng)生成回復(fù)、描述、總結(jié)或者解釋輸入結(jié)構(gòu)化數(shù)據(jù)的敘述性語(yǔ)句。目前有兩類主流的自然語(yǔ)言生成方法：基于模板的靜態(tài)算法和基于上下文的動(dòng)態(tài)算法。?? 到目前為止，只有后者被認(rèn)為是“真正”的自然語(yǔ)言生成算法。兩種算法在實(shí)際應(yīng)用中各有優(yōu)劣，業(yè)界比較成熟的算法往往是兩類方法的結(jié)合體。

1.基于模板的靜態(tài)算法

基于模板的靜態(tài)算法主要將模板填空式算法作為主流算法，模板填空式算法可謂最古老最簡(jiǎn)單的自然語(yǔ)言生成方法之一。早期的系統(tǒng)代表有Eliza、PARRY、天氣預(yù)報(bào)系統(tǒng)以及體育運(yùn)動(dòng)播報(bào)系統(tǒng)，其最初主要使用在“預(yù)定義結(jié)構(gòu)”的填充上。預(yù)定義結(jié)構(gòu)俗稱為“模板”，類似于完形填空式的內(nèi)容，對(duì)于具有預(yù)定義結(jié)構(gòu)且只需要填充少量數(shù)據(jù)的文本可生成一段完整的描述。例如，天氣預(yù)報(bào)播報(bào)的預(yù)定義結(jié)構(gòu)是：

明天[

城市

][

天氣狀況

]，最高氣溫[

最高氣溫

]攝氏度，最低氣溫[

最低氣溫

]攝氏度，[

風(fēng)向

][

風(fēng)力

]級(jí)，最適合[

活動(dòng)類型

]，天氣預(yù)報(bào)祝您開心每一天。（中括號(hào)內(nèi)為填充內(nèi)容）

填充相應(yīng)數(shù)據(jù)之后，便可以生成以下兩條天氣預(yù)報(bào)的播報(bào)內(nèi)容：

明天北京晴，最高氣溫25攝氏度，最低氣溫17攝氏度，東南風(fēng)1—2級(jí)，適合戶外運(yùn)動(dòng)及出游，天氣預(yù)報(bào)祝您開心每一天。

明天天津晴轉(zhuǎn)多云，最高氣溫16攝氏度，最低氣溫6攝氏度，北風(fēng)3—4級(jí)，適合居家及進(jìn)行室內(nèi)休閑活動(dòng)，天氣預(yù)報(bào)祝您開心每一天。

對(duì)于具有預(yù)定義結(jié)構(gòu)且只需要填充少量數(shù)據(jù)的文本，這種方法便可以批量生產(chǎn)出符合人類語(yǔ)言規(guī)則的內(nèi)容，且在內(nèi)容上也可以實(shí)現(xiàn)一定程度的差異化。然而該方法并不被認(rèn)為是“真正”的自然語(yǔ)言生成，主要在于“預(yù)定義結(jié)構(gòu)”上。所謂預(yù)定義結(jié)構(gòu)由句子模板和詞匯模板組合而成，句子模板包括若干個(gè)含有變量的句子，詞匯模板則是句子模板中的變量所對(duì)應(yīng)的所有可能的內(nèi)容。

靜態(tài)模板運(yùn)用在自動(dòng)新聞寫作過程中，“規(guī)則”掌握在人的手中，應(yīng)當(dāng)是先有規(guī)則，后有新聞產(chǎn)品。從上面的例子可以了解到，無(wú)論是句子模板還是詞匯模板，基本上都來(lái)源于人工總結(jié)提取，并形成固定模板，但模板的豐富性和實(shí)時(shí)性都很難得到保證。在以往的各類內(nèi)容中存在著大量規(guī)范化的句式，如果能從先前的文本數(shù)據(jù)中自動(dòng)將這些句式模板提取出來(lái)，將極大地減輕人工負(fù)擔(dān)。因此在后來(lái)的基于模板的靜態(tài)算法研究過程中，大量的工作集中在如何自動(dòng)從數(shù)據(jù)中挖掘和生成句子模板，減輕人工負(fù)擔(dān)，增加模板的多樣性。例如，使用聚類算法對(duì)內(nèi)容進(jìn)行聚類，然后利用先驗(yàn)規(guī)則將抽象的模板挖掘出來(lái)，或者使用二步迭代的方式逐步從內(nèi)容中生成句子模板和詞匯模板?；谀０宓撵o態(tài)算法后期加入了邏輯規(guī)則處理可能出現(xiàn)例外情況，這些規(guī)則的加入使得計(jì)算機(jī)更容易生成語(yǔ)法正確的文本，編寫更加復(fù)雜的模板。模板填空式算法的優(yōu)點(diǎn)在于簡(jiǎn)單、可控和嚴(yán)謹(jǐn)，因?yàn)槊恳粋€(gè)模板都是人工總結(jié)出來(lái)的。

這種算法的缺點(diǎn)也顯而易見，使用場(chǎng)景十分有限且生成內(nèi)容的重復(fù)性高，由于過度依賴人類知識(shí)和經(jīng)驗(yàn)，模板的豐富性和實(shí)時(shí)性都很難得到保證?；谀０宓撵o態(tài)算法只能處理特定場(chǎng)景下的語(yǔ)言生成，且話術(shù)千篇一律，很容易產(chǎn)生審美疲勞，其“智能性”難以體現(xiàn)人類的智慧和能力。

2.基于上下文的動(dòng)態(tài)算法

基于模板的靜態(tài)算法由于其單一性和過度依賴人工經(jīng)驗(yàn)的缺點(diǎn)，在如今的大數(shù)據(jù)時(shí)代已經(jīng)不能夠滿足人類的需求。在此背景下，一種基于上下文的動(dòng)態(tài)算法逐漸流行起來(lái)，該方法通過上下文語(yǔ)法語(yǔ)義結(jié)構(gòu)信息來(lái)動(dòng)態(tài)地創(chuàng)建句子。上下文信息指已經(jīng)完成書寫的段落、開始寫作時(shí)輸入的內(nèi)容類別以及內(nèi)容關(guān)鍵詞等信息。動(dòng)態(tài)創(chuàng)建意味著系統(tǒng)可以在不尋常的情況下自主做出反應(yīng)，不需要技術(shù)員為每個(gè)邊界情況顯式地編寫模板和規(guī)則。它還允許系統(tǒng)在語(yǔ)言上以多種方式優(yōu)化句子，包括引用、聚合、排序和添加連接詞。同時(shí)，相比于基于模板的靜態(tài)算法，基于上下文的動(dòng)態(tài)算法可以生成篇幅更長(zhǎng)的文章，而基于模板的靜態(tài)算法由于編寫模板的限制而在全文生成方面存在困難。基于上下文的動(dòng)態(tài)算法可以在“微觀層面”生成句子，同時(shí)也可以在“宏觀層面”生成與讀者相關(guān)、結(jié)構(gòu)良好的有用的敘事性文檔，能否做到這一點(diǎn)取決于文本的目標(biāo)人群及個(gè)性化信息體系是否完整。

自然語(yǔ)言生成從模板生成到動(dòng)態(tài)生成，經(jīng)過了多年的技術(shù)試驗(yàn)才取得了令人滿意的結(jié)果。作為NLP和AI的一部分，自然語(yǔ)言生成依賴于一些算法來(lái)生成文本，近年來(lái)主流的基于上下文的動(dòng)態(tài)算法主要有以下幾種：

（1）馬爾可夫鏈（Markov chain）：馬爾可夫鏈?zhǔn)亲钤缬糜谡Z(yǔ)言生成的算法之一，其名稱來(lái)源于俄國(guó)數(shù)學(xué)家安得雷·馬爾可夫。該模型通過當(dāng)前詞語(yǔ)并考慮每個(gè)詞語(yǔ)之間的關(guān)系來(lái)計(jì)算下一個(gè)出現(xiàn)的詞語(yǔ)的概率，從而預(yù)測(cè)句子中出現(xiàn)的下一個(gè)詞語(yǔ)。這種算法在早期版本的智能手機(jī)輸入法上經(jīng)常使用，在用戶主動(dòng)輸入一些詞語(yǔ)后，句子中可能出現(xiàn)的下一個(gè)詞語(yǔ)會(huì)被聯(lián)想出來(lái)，從而為用戶生成內(nèi)容建議?；隈R爾可夫鏈的語(yǔ)言模型在數(shù)據(jù)驅(qū)動(dòng)的自然語(yǔ)言生成中有著重要的應(yīng)用，但研究人員必須為每一個(gè)場(chǎng)景以及領(lǐng)域設(shè)計(jì)特有的輸入特征，例如為體育領(lǐng)域設(shè)計(jì)的輸入特征無(wú)法適用于其他領(lǐng)域。

（2）循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）：神經(jīng)網(wǎng)絡(luò)是試圖模仿人類大腦運(yùn)作的模型。RNN通過前饋網(wǎng)絡(luò)傳遞序列中的每一項(xiàng)，并使用模型的輸出作為序列中下一項(xiàng)的輸入，同時(shí)儲(chǔ)存著歷史信息。在每次迭代中，模型將前面遇到的詞語(yǔ)存儲(chǔ)在內(nèi)存中，并計(jì)算下一個(gè)詞語(yǔ)出現(xiàn)的概率。對(duì)于字典中的每個(gè)詞語(yǔ)，模型根據(jù)前一個(gè)詞語(yǔ)分配一個(gè)概率，選擇概率最大的詞語(yǔ)并將其存儲(chǔ)在內(nèi)存中。RNN的“記憶”使該模型成為語(yǔ)言生成的理想模型，因?yàn)樗梢噪S時(shí)記住對(duì)話的背景。然而，隨著序列長(zhǎng)度的增加，RNN不能存儲(chǔ)句子中相距太遠(yuǎn)的詞語(yǔ)，只能根據(jù)最近的詞語(yǔ)進(jìn)行預(yù)測(cè)。由此，循環(huán)神經(jīng)網(wǎng)絡(luò)很容易忘掉前文生成的內(nèi)容進(jìn)而生成前后邏輯不一致的內(nèi)容。

（3）長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）：為解決遠(yuǎn)程依賴問題，人們引入了RNN的一種變體—長(zhǎng)短期記憶網(wǎng)絡(luò)。雖然與RNN相似，但LSTM模型包含三個(gè)門信息以及當(dāng)前單元狀態(tài)的神經(jīng)網(wǎng)絡(luò)，三個(gè)門分別為遺忘門（forget gate）、輸入門（input gate）、輸出門（output gate），它們?cè)试S神經(jīng)網(wǎng)絡(luò)在任何時(shí)間間隔通過調(diào)整該單元的信息流來(lái)記住或忘記單詞。當(dāng)遇到句號(hào)時(shí)，遺忘門識(shí)別出句子的上下文可能發(fā)生變化，可以忽略當(dāng)前單元狀態(tài)信息。這就使得網(wǎng)絡(luò)能夠選擇性地只跟蹤相關(guān)信息，同時(shí)最小化梯度消失的問題，模型也能夠在更長(zhǎng)的時(shí)間內(nèi)記住信息。盡管如此，由于從上一個(gè)單元到當(dāng)前單元的固有復(fù)雜的串行路徑，LSTM內(nèi)存的容量被限制在幾百個(gè)單詞內(nèi)，長(zhǎng)度有限。其模型復(fù)雜度導(dǎo)致了高計(jì)算需求，這使得LSTM難以訓(xùn)練或并行化，內(nèi)容生成速度慢。

（4）自注意力模型（transformer）：2017年谷歌首次提出了一個(gè)相對(duì)全新的模型，該模型使用了一種名為“自注意力機(jī)制”的新方法。Transformer由處理任意長(zhǎng)度輸入的一組編碼器和輸出生成的句子的另一組解碼器組成。與LSTM相比，transformer只執(zhí)行少量的、固定數(shù)量的步驟，同時(shí)應(yīng)用了一種自注意力機(jī)制，直接模擬句子中所有單詞之間的關(guān)系。與以前的模型不同，transformer能夠處理較長(zhǎng)的句子，同時(shí)其計(jì)算量并未激增。因?yàn)樽宰⒁饬δＰ驮谟?xùn)練時(shí)可以并行化，所以其內(nèi)容生成速度遠(yuǎn)遠(yuǎn)領(lǐng)先于長(zhǎng)短期記憶網(wǎng)絡(luò)。

用于語(yǔ)言生成的transformer中最著名的例子之一是OpenAI，即其GPT-2語(yǔ)言模型，該模型通過關(guān)注先前生成的文章來(lái)預(yù)測(cè)下一個(gè)詞語(yǔ)。GPT-2語(yǔ)言模型是學(xué)界和業(yè)界生成模型中最為領(lǐng)先也最具代表性的一個(gè)，其不僅在很多任務(wù)上超越了此前的最高水平，還可以根據(jù)一小段話自動(dòng)補(bǔ)充大段連貫的文本，并模擬不同的寫作風(fēng)格。同時(shí)，GPT-2還被冠以最強(qiáng)假新聞生成器的稱號(hào)。OpenAI 設(shè)想，人們可能出于惡意目的利用GPT-2來(lái)生成誤導(dǎo)性新聞、在網(wǎng)上假扮他人進(jìn)行欺詐、在社交媒體上自動(dòng)生產(chǎn)惡意內(nèi)容和偽造內(nèi)容、自動(dòng)生產(chǎn)垃圾郵件或釣魚郵件等。所以，OpenAI在發(fā)布GPT-2的同時(shí)就宣稱“這種強(qiáng)力的模型有遭到惡意濫用的風(fēng)險(xiǎn)”，選擇不對(duì)其做完整開源。后經(jīng)過一年多的時(shí)間，GPT-2謹(jǐn)慎地開源了一部分源代碼以供開發(fā)者嘗鮮。但不可否認(rèn)的是，作為谷歌最新升級(jí)的算法，transformer雙向編碼器(BERT)為各種自然語(yǔ)言處理任務(wù)提供了最先進(jìn)的結(jié)果。

基于上下文的動(dòng)態(tài)算法由于不需要過多的人工干預(yù)，克服了基于模板的靜態(tài)算法的諸多缺點(diǎn)，已經(jīng)越來(lái)越受到業(yè)界的重視。然而基于上下文的動(dòng)態(tài)算法也有其缺陷：不可控性以及前后邏輯矛盾。不可控性主要體現(xiàn)在生成的內(nèi)容可能會(huì)超出人類預(yù)期的一些結(jié)果，比如違背道德和法律的內(nèi)容、種族歧視以及虛假新聞。因其不需要人工干預(yù)，完全由上下文來(lái)決定要生成的內(nèi)容，所以很容易被訓(xùn)練語(yǔ)料、初始狀態(tài)或在線學(xué)習(xí)算法等過程引導(dǎo)到一個(gè)錯(cuò)誤的方向，進(jìn)而生產(chǎn)大量的垃圾內(nèi)容。前后邏輯矛盾主要受制于當(dāng)前的技術(shù)水平，在目前技術(shù)水平下能回顧的上文長(zhǎng)度不宜過長(zhǎng)，否則上文信息就會(huì)消失，進(jìn)而生成和上文完全沒關(guān)系的內(nèi)容，生產(chǎn)出的內(nèi)容會(huì)顯得非常松散甚至出現(xiàn)前后觀點(diǎn)矛盾的情況。這種方式將新聞生產(chǎn)過程推進(jìn)深深的“黑箱”—新聞生產(chǎn)的幕后，人類現(xiàn)有認(rèn)知水平難以判斷其真實(shí)度、可信度、透明度，人們不需要知曉規(guī)則，產(chǎn)品即“不需要推敲”的成品，編輯審稿環(huán)節(jié)（如果還保留的話）很難進(jìn)一步核查事實(shí)、追尋真相邏輯鏈。但是對(duì)于基于模板的靜態(tài)算法而言，因?yàn)槠淠０宥际侨斯た偨Y(jié)出來(lái)的，所以天然不存在以上兩個(gè)問題。

目前，市面上幾乎所有的產(chǎn)品都不只局限于某種單一的技術(shù)，而是采用基于動(dòng)態(tài)算法的多種技術(shù)的集成。例如，今日頭條的新聞寫作機(jī)器人“張小明”（xiaomingbot）可以2秒完成稿件并快速上傳，在里約奧運(yùn)會(huì)開始后的13天共撰寫457篇報(bào)道，每天生產(chǎn)新聞30篇以上，內(nèi)容涵蓋羽毛球、乒乓球、網(wǎng)球等領(lǐng)域，發(fā)稿速度幾乎可以與現(xiàn)場(chǎng)直播相媲美。“張小明”通過語(yǔ)法合成，結(jié)合最新的自然語(yǔ)言處理、視覺圖像處理和機(jī)器學(xué)習(xí)等技術(shù)，不僅可以模仿人類語(yǔ)氣進(jìn)行新聞稿件寫作，還可以自己選擇新聞配圖。在內(nèi)容生產(chǎn)運(yùn)用于新聞生產(chǎn)的領(lǐng)域，國(guó)外的主要新聞寫作機(jī)器人和智能編輯審稿機(jī)器人有美聯(lián)社的Wordsmith、《紐約時(shí)報(bào)》的Blossombot、《華盛頓郵報(bào)》的Heliograf、《衛(wèi)報(bào)》的Open001、路透社的OpenCalais等；國(guó)內(nèi)的除“張小明”外，還有新華社的快筆小新、騰訊的Dreamweiter、第一財(cái)經(jīng)的DT稿王等。

語(yǔ)言生成從使用簡(jiǎn)單的馬爾可夫鏈生成句子向使用自注意模型生成更大范圍、更連貫的文本演變，再到如今新聞生產(chǎn)機(jī)器人多種算法的技術(shù)集成，這是一個(gè)從機(jī)器學(xué)習(xí)到深度學(xué)習(xí)的過程。然而，我們正處于生成語(yǔ)言模型的開端，transformer只是邁向真正的自主文本生成的第一步。生成模式也被開發(fā)用于其他類型的內(nèi)容，如圖像、視頻和音頻，這為將音視頻生成模型與文本生成模型集成在一起，開發(fā)出具有音頻及可視界面功能的高級(jí)個(gè)人助理提供了可能。同時(shí)，為了增加可控性以及邏輯一致性，目前大量的研究開始探索如何將人類經(jīng)驗(yàn)和生成模型統(tǒng)一結(jié)合起來(lái)，人類只需要提供少量的監(jiān)督信息即可規(guī)避上述問題，這個(gè)領(lǐng)域在未來(lái)肯定會(huì)有更好的發(fā)展。

二、算法運(yùn)用于新聞生產(chǎn)的價(jià)值邏輯

在人類創(chuàng)造、使用技術(shù)和工具的過程中，技術(shù)和工具也會(huì)承載著特定社會(huì)中人的價(jià)值。隨著算法的逐漸發(fā)展與強(qiáng)大，作為一種技術(shù)或者說工具，算法也不可避免地會(huì)陷入技術(shù)倫理價(jià)值的善惡之爭(zhēng)之中。算法運(yùn)用于新聞生產(chǎn)，涉及人在生產(chǎn)中的創(chuàng)造性和主體性，算法的權(quán)力關(guān)系與道德責(zé)任，以及工具價(jià)值與終極價(jià)值的矛盾等價(jià)值觀問題。

1.人的主體性與創(chuàng)造性

計(jì)算機(jī)不可或缺的四大思維，包括精準(zhǔn)的溝通、記憶和計(jì)算能力、具有計(jì)算的通用性和特定的結(jié)構(gòu)，以及能夠按大腦核心算法進(jìn)行創(chuàng)造性思考。運(yùn)用計(jì)算機(jī)科學(xué)的基礎(chǔ)概念去求解問題、設(shè)計(jì)系統(tǒng)和理解人類的行為，首次從物理空間對(duì)人體的延伸、思維的嫁接與嵌入進(jìn)行革新，最終以取代人類大腦為目標(biāo)。算法思維將成為一種空前的技術(shù)思維，推動(dòng)社會(huì)向未來(lái)變革。算法的本質(zhì)是抽象和自動(dòng)化，抽象是人類以理性把握世界的重要方式，而數(shù)學(xué)、計(jì)算和邏輯則是抽象思維的最高境界，從20世紀(jì)中期開始，伴隨著生物學(xué)和計(jì)算機(jī)科學(xué)的發(fā)展，人們就嘗試著以計(jì)算的抽象思維去認(rèn)識(shí)和把握世界。

人工智能不僅僅是計(jì)算機(jī)科學(xué)發(fā)展的產(chǎn)物，它還是特定媒介文化前提下的人機(jī)混合物。傳統(tǒng)上，人們認(rèn)為人工智能模擬人類功能，并重現(xiàn)人的智力能力，但從控制論的視角來(lái)看，人工智能并不是重現(xiàn)人的智力能力，而是通過捕獲人類的認(rèn)知能力將人類嵌入自身，形成混合的人機(jī)設(shè)備。這其中，人的主體性與創(chuàng)造性是值得關(guān)注的重要問題?；谟?jì)算機(jī)智能的生產(chǎn)者和研究人員降低了人性。笛卡爾主張的客觀和中立的真實(shí)性、真正的知識(shí)是無(wú)語(yǔ)境的抽象，基本預(yù)設(shè)了事實(shí)和價(jià)值的分離，以為信息技術(shù)是中立的。對(duì)于人工智能新時(shí)代的傳播理論與實(shí)踐而言，如何保持人的獨(dú)特性是首要問題。

計(jì)算思維已經(jīng)大量地運(yùn)用于新聞產(chǎn)品中，而且要設(shè)計(jì)得具備智能思維—人類思維的模擬化，這就需要足夠的“新聞的想象力”。不同的算法意味著不同的價(jià)值觀考量。僅從上述自動(dòng)化寫作的技術(shù)之中，我們就可以發(fā)現(xiàn)算法技術(shù)存在的缺陷。首先，寫作模式固定，缺乏舉一反三的創(chuàng)造性。人類的寫作，即使使用“模式”，也是以思維的載體的形式出現(xiàn)的，記者并非按部就班地遵循閉合的規(guī)則來(lái)進(jìn)行事實(shí)推敲和文本寫作。而基于數(shù)據(jù)統(tǒng)計(jì)的AI在過去的數(shù)據(jù)中進(jìn)行歸納總結(jié)，難以出現(xiàn)人類的推理、靈感。目前的AI技術(shù)不會(huì)聯(lián)想，是缺少想象力和個(gè)性的，但是人類具有靈感。因此自動(dòng)化寫作仍需要人的創(chuàng)造力的彌補(bǔ)，并為文本的發(fā)展和多樣性提供更多的可能。其次，原生創(chuàng)造力缺失，應(yīng)對(duì)突發(fā)情況能力差。無(wú)論是傳統(tǒng)的基于規(guī)則模板的方法，還是目前的統(tǒng)計(jì)學(xué)方法，都缺乏創(chuàng)造力，基于規(guī)則模板的方法也只能創(chuàng)造給定場(chǎng)景和條件下的內(nèi)容。基于統(tǒng)計(jì)學(xué)的方法只能從過去的新聞內(nèi)容中學(xué)習(xí)文法規(guī)則、事件實(shí)體以及已產(chǎn)生的內(nèi)容。一旦遇到全新的新聞，包含大量新的事件、場(chǎng)景以及描述詞語(yǔ)時(shí)，目前AI的創(chuàng)造能力基本是不足的。因?yàn)锳I只能模仿以往的新聞寫作習(xí)慣以及用詞，對(duì)沒見過的事物基本無(wú)法處理，所有的內(nèi)容都來(lái)源于海量數(shù)據(jù)，不可能產(chǎn)生訓(xùn)練數(shù)據(jù)沒有涉及和覆蓋的內(nèi)容。最后，知識(shí)和感知可能無(wú)法自洽?；跀?shù)據(jù)的AI，無(wú)論是一代的知識(shí)型AI還是二代的感知型AI，在知識(shí)和邏輯中還未達(dá)到自洽的程度，如果人類沒有提前告訴它人生理構(gòu)造的不同，AI有可能寫出女性得前列腺癌的文章。想要以人工智能完全替代人類的諸如新聞寫作這樣的智力勞動(dòng)，還是難以實(shí)現(xiàn)的。

2.權(quán)力關(guān)系與道德風(fēng)險(xiǎn)

這里有兩層權(quán)力關(guān)系。一層是算法對(duì)新聞業(yè)的介入引發(fā)的“權(quán)力遷移”，算法使權(quán)力從公共機(jī)構(gòu)遷移到資本驅(qū)動(dòng)的技術(shù)公司，相比傳統(tǒng)媒體清晰的操作流程，算法使傳播的操作后臺(tái)化，資本權(quán)力擴(kuò)張，壟斷傳播資源，內(nèi)容采集、投遞、營(yíng)銷難以受到公共力量的監(jiān)督，擁有技術(shù)和數(shù)據(jù)的公司反而擁有更多的公共權(quán)力。算法除了在控制信息生產(chǎn)、流通的過程中體現(xiàn)出權(quán)力，還通過制定行業(yè)規(guī)范彰顯統(tǒng)治力。

另一層是在人工智能系統(tǒng)的生產(chǎn)過程中，存在兩種不平衡的權(quán)力關(guān)系—決策權(quán)和技術(shù)知識(shí)的聯(lián)手。一方面，管理者首先為人工智能系統(tǒng)運(yùn)行提出要求；另一方面，技術(shù)人員在技術(shù)決策過程中保留必要的自主決定權(quán)。因而，在工程師的職業(yè)想象中，其在法律規(guī)則、組織規(guī)范和用戶要求的基礎(chǔ)上構(gòu)建AI系統(tǒng)，人工智能系統(tǒng)的道德責(zé)任是分散的，工程師事實(shí)上扮演著人工智能系統(tǒng)、用戶、決策者之間協(xié)調(diào)者的角色，無(wú)法獨(dú)自為人工智能系統(tǒng)的道德狀況負(fù)責(zé)。

內(nèi)容生產(chǎn)中的權(quán)力，與信息分發(fā)中對(duì)用戶的“網(wǎng)絡(luò)分層”密切互動(dòng)，內(nèi)容公司需要全部的用戶行為數(shù)據(jù)，特別是用戶的“關(guān)系數(shù)據(jù)”，通過機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、定位服務(wù)等技術(shù)，向精細(xì)化導(dǎo)流的方向發(fā)展?，F(xiàn)階段人工智能屬數(shù)據(jù)驅(qū)動(dòng)型，機(jī)器主要是通過模擬人類的感知進(jìn)行計(jì)算的，這代技術(shù)先天地具有不可解釋性、不透明性。算法包含技術(shù)人員的價(jià)值觀和意識(shí)形態(tài)取向，如果技術(shù)員心術(shù)不正，刻意寫出有問題的算法，那么算法生產(chǎn)出的內(nèi)容就會(huì)存在倫理問題。內(nèi)容生產(chǎn)會(huì)受到互聯(lián)網(wǎng)信息服務(wù)類公司的控制，在專業(yè)性、獨(dú)立性上向服務(wù)商做出讓步。價(jià)值觀和意識(shí)形態(tài)一旦被事先嵌入算法之中，就會(huì)帶來(lái)算法偏見和倫理問題。即使并不存在有意為之的行為，目前通過已有數(shù)據(jù)集決定的算法，已經(jīng)有相當(dāng)多的案例證明其存在偏見，這里包括數(shù)據(jù)集的不全面和先天缺陷，比如關(guān)于少數(shù)族裔的數(shù)據(jù)，因?yàn)槠鋽?shù)量的不足常常出現(xiàn)先天性的不公正結(jié)論；也包括以過去的數(shù)據(jù)預(yù)測(cè)未來(lái)而帶來(lái)的價(jià)值偏見風(fēng)險(xiǎn)，比如關(guān)于美國(guó)歷史上犯罪率導(dǎo)致的算法種族偏見；還包括以整體的數(shù)據(jù)集的結(jié)論投射到個(gè)體身上的問題，比如美國(guó)單個(gè)黑人要承受黑人犯罪率被算法夸大標(biāo)記的風(fēng)險(xiǎn)。

3.工具價(jià)值與終極價(jià)值的矛盾

在新聞選題策劃方面，記者通過大數(shù)據(jù)的方式獲取新聞線索，將語(yǔ)音識(shí)別技術(shù)及文本轉(zhuǎn)化技術(shù)作為工具來(lái)管理稿件、組織采訪并回復(fù)電子郵件等。以“機(jī)器人記者”代替“人類記者”的自動(dòng)化新聞寫作技術(shù)，使得新聞出稿數(shù)量大幅增加；報(bào)道速度大大加快，在一些對(duì)時(shí)效性要求較高的領(lǐng)域具有顯著優(yōu)勢(shì)；形式更加多樣，不僅僅限于文字信息，圖片和視頻的識(shí)別、編輯能力也在迅速增強(qiáng)。對(duì)于商業(yè)媒體而言，以最有效的方式增加受眾和產(chǎn)出是其重要目標(biāo)。哥倫比亞大學(xué)的專家認(rèn)為，社交媒體和技術(shù)平臺(tái)對(duì)新聞生產(chǎn)的影響，F(xiàn)acebook、Snapchat、Google和Twitter這樣的技術(shù)平臺(tái)在加速全面接管傳統(tǒng)的新聞生產(chǎn)發(fā)行工作，并為之進(jìn)化，以適應(yīng)激烈的同行競(jìng)爭(zhēng)。社交媒體和互聯(lián)網(wǎng)公司不滿足于只占有新聞內(nèi)容分發(fā)的渠道，他們逐漸掌握了讓你看到什么、感覺到什么、關(guān)注到什么的操縱技能，甚至改變了新聞的格式。此外，監(jiān)控流量的技術(shù)公司、追求精準(zhǔn)導(dǎo)流的媒介運(yùn)營(yíng)商、外包商協(xié)作網(wǎng)絡(luò)乃至金融資本，都以各種方式參與新聞生產(chǎn)，追求效益最大化。其結(jié)果可能是用戶成為被權(quán)力工具宰制的對(duì)象，成為機(jī)構(gòu)實(shí)現(xiàn)商業(yè)化目標(biāo)的手段。

智能技術(shù)具有工具價(jià)值，即它可以被應(yīng)用于特定的目的。但是技術(shù)的積極意義還在于其使用戶認(rèn)為它代表了一個(gè)“良好”社會(huì)的價(jià)值觀，也就是不只強(qiáng)調(diào)技術(shù)的工具理性，還關(guān)注技術(shù)的價(jià)值理性。技術(shù)對(duì)于人類而言，其終極價(jià)值—關(guān)乎人類生存的意義、生命與宇宙起源等—是極為重要的。從其起源開始，技術(shù)就與人類本質(zhì)屬性互相聯(lián)系—一開始以生命、生存為中心，并非以勞動(dòng)生產(chǎn)為中心，更不是以權(quán)力為中心，技術(shù)始終是文化整體的一部分。強(qiáng)調(diào)工具價(jià)值，其行為是根據(jù)目的、手段和后果作為其行為取向的，目的和后果之間可能是相互競(jìng)爭(zhēng)和沖突的，是目的至上的；而價(jià)值理性行為是人根據(jù)自己的信念（包括義務(wù)、尊嚴(yán)、美、宗教訓(xùn)示、孝順、某事的重要性等）和要求所做出的行為，是價(jià)值觀至上的行為。

此外，基于既有數(shù)據(jù)（包括非理性用戶）的智能技術(shù)，有時(shí)會(huì)走向反智的一面，進(jìn)而反人類價(jià)值觀。2016年3月23日，微軟公司的智能聊天機(jī)器人Tay上線還不到一天，就被下線了。Tay基于上下文和動(dòng)態(tài)數(shù)據(jù)的算法，導(dǎo)致其生成不可控的內(nèi)容，被“壞用戶”引入歧途，生成大量反人類倫理的對(duì)話：詆毀黑人，發(fā)表/轉(zhuǎn)發(fā)種族歧視、性別歧視和反猶太人的言論。對(duì)于機(jī)器人Tay而言，它其實(shí)根本不理解所輸出內(nèi)容的內(nèi)涵。就本質(zhì)而言，技術(shù)對(duì)人類的危險(xiǎn)來(lái)自于人而不是機(jī)器?？刂普搫?chuàng)始人之一維納曾經(jīng)指出：“作為科學(xué)家，我們一定要知道人的本性是什么，一定要知道安排給人的種種目的是什么……我們一定得知道為什么我們要去控制人”。

算法運(yùn)用于新聞生產(chǎn)的業(yè)界技術(shù)探索和學(xué)界對(duì)智能算法的探討方興未艾，而算法與既有社會(huì)結(jié)構(gòu)進(jìn)行互動(dòng)及對(duì)新社會(huì)秩序具有中介作用，在這個(gè)過程中，算法對(duì)既有社會(huì)秩序的延續(xù)與重構(gòu)、算法與人的復(fù)雜交互過程值得關(guān)注，算法并非僅以技術(shù)工具的角色存在于社會(huì)生活中，它已然在人與世界的交互中扮演起重要角色。在智能算法發(fā)展的過程中，人類的主體性與創(chuàng)造性、權(quán)力關(guān)系與道德風(fēng)險(xiǎn)，以及工具價(jià)值與終極價(jià)值的矛盾的解決，都不是可以一蹴而就的。但不管最終結(jié)果如何，我們現(xiàn)在已經(jīng)進(jìn)入了一個(gè)智能算法強(qiáng)大到足以引起關(guān)注的時(shí)代。

注釋

①芒福德.機(jī)器的神話:技術(shù)與人類進(jìn)化（上）[M].宋俊嶺,譯.北京:中國(guó)建筑工業(yè)出版社,2015:3-4.

② 博登.人工智能的本質(zhì)與未來(lái)[M].孫詩(shī)惠,譯.北京:中國(guó)人民大學(xué)出版社,2017:3.

③陳昌鳳,石澤.價(jià)值嵌入與算法思維:智能時(shí)代如何做新聞[J].新聞與寫作,2021(1):54-59.

④ DIAKOPOULOS N.Automating the news:How algorithms are rewriting the media[M].Cambridge,MA:Harvard University Press,2019:1-2.

⑤ LATZER M,HOLLNBUCHNER K,JUST N,SAURWEIN F.The economics of algorithmic selection on the internet[M/OL].Zurich:University of Zurich,2014[2021-03-15].http://www.mediachange.ch/media//pdf/publications/Economics_of_algorithmic_selection_ WP.pdf.

⑥ 仇筠茜,陳昌鳳.基于人工智能與算法新聞透明度的“黑箱”打開方式選擇[J].鄭州大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版),2018(5):84-88.

⑦ D?RR K.“Mapping the field of algorithmic journalism”[J].Digital Journalis,2015:1-24.

⑧ 仇筠茜,陳昌鳳.黑箱:人工智能技術(shù)與新聞生產(chǎn)格局嬗變[J].新聞界,2018(1):28-34.

⑨ 陳昌鳳,石澤.價(jià)值嵌入與算法思維：智能時(shí)代如何做新聞[J].新聞與寫作，2021(1):54-59.

⑩ REITER E,DALE R.Building natural—language generation systems[J].Natural Language Engineering,1997,3(1):57-87.

? GATT A,KRAHMER E.Survey of the state of the art in natural language generation:Core tasks,applications and evaluation[J].Journal of Artificial Intelligence Research,2018,61(1):65-170.

? SANTHANAM S,Shaikh S.A survey of natural language generation techniques with a focus on dialogue systems—past,present and future directions[J].2019.In arXiv:1906.00500.

? WEIZENBAUM J.Eliza-a computer program for the study of natural language communication between man and machine[J].Communications of the ACM,1966,9(1):36-45.

? KENNETH M.Artificial paranoia:a computer simulation of paranoid process[M].Oxford:Pergamon Press,1975.

? GABOR A,PERCY L,DAN K.A simple domain-independent probabilistic approach to generation[J].EMNLP 2010:502-512.

? REGINA B,LILLIAN L.Catching the drift:Probabilistic content models,with applications to generation and summarization[J].HLT-NAACL 2004:Main Proceedings,2004:113-120.

? RAVI K,BLAKE H,FRANK S.A statistical NLG framework for aggregated planning and realizationc[J].Proceedings of the Association for Computational Linguistics,2013:1406-1415.

? BLAKE H,RAVIKUMAR K,Frank S.Domain adaptable semantic clustering in statistical NLG[J].International Conference on Computational Semantics,2013.

? LU W,CLAIRE C.Domain independent abstract generation for focused meeting summarization[J].Proceedings of the 51st Annual Meeting of the Association for Computational Linguistics,2013:1395-1405.

? SUTSKEVER I,VINYALS O,QUOC L.Sequence to sequence learning with neural networks[J].NIPS 2014:3104-3112

? HOCHREITER S,SCHMIDHUBER J.Long short-term memory[J].Neural Com putation,1997,9(8):1735-1780.

? VASWANI A,SHAZEER N,PARMAR N,et al.Attention is all you need[J].NIPS 2017:6000-6010.

? ZELLERS R,HOLTZMAN A,RASHKIN H,et al.Defending against neural fake news[J/OL].(2019-05-29)[2021-04-27].https://arxiv.org/abs/1905.12616.

? 仇筠茜,陳昌鳳.黑箱:人工智能技術(shù)與新聞生產(chǎn)格局嬗變[J].新聞界,2018(1):28-34.

? 虞鑫,陳昌鳳.美國(guó)“事實(shí)核查新聞”的生產(chǎn)邏輯與效果困境[J].新聞大學(xué),2016(6):27-33+66.

? 陳昌鳳,師文.智能化新聞核查技術(shù):算法、邏輯與局限[J].新聞大學(xué),2018(6):42-49.

? 趙禹橋.新聞寫作機(jī)器人的應(yīng)用及前景展望— 以今日頭條新聞機(jī)器人張小明（xiaomingbot）為例[J].(2017-01-11)[2021-04-27].http://media.people.com.cn/n1/2017/0111/c409691-29014245.html.

? 庫(kù)茲韋爾.人工智能的未來(lái)[J].盛楊燕,譯.杭州:浙江人民出版社,2016:170-189.

? 李凌.算法人文主義:智能時(shí)代信息價(jià)值觀的哲學(xué)論綱[J]//陳昌鳳,李凌.算法人文主義:公眾智能價(jià)值觀與科技向善（印刷中）[M].北京:新華出版社,2021.

? MüHLHOFF,R.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.

? 克里斯琴斯.哲學(xué)視野中的人工智能:語(yǔ)言的視角[J]//陳昌鳳.智能傳播：理論、應(yīng)用與治理（印刷中）.北京:中國(guó)社會(huì)科學(xué)出版社,2021.

? STEPHENR.培養(yǎng)數(shù)字時(shí)代的新聞?dòng)浾?新聞學(xué)的想象力[J].全球傳媒學(xué)刊,2017(4):70-74.

? 師文,陳昌鳳.社交分發(fā)與算法分發(fā)融合:信息傳播新規(guī)則及其價(jià)值挑戰(zhàn)[J].當(dāng)代傳播,2018(6):31-33.

? 陳昌鳳,霍婕.權(quán)力遷移與關(guān)系重構(gòu)：新聞媒體與社交平臺(tái)的合作轉(zhuǎn)型[J].新聞與寫作,2018(4):52-56.

? 呂新雨,趙月枝,吳暢暢,等.生存,還是毀滅—“人工智能時(shí)代數(shù)字化生存與人類傳播的未來(lái)”圓桌對(duì)話[J].新聞?dòng)浾?2018(6):30-44.

? 師文,陳昌鳳.新聞專業(yè)性、算法與權(quán)力、信息價(jià)值：2018全球智能媒體研究綜述[J].全球傳媒學(xué)刊,2019(1):82-95.

? ORR W,Davis J L.Attributions of ethical responsibility by artificial intelligence practitioners[J].Information,Communication &Society,2020,23(5):1-17.

? 喻國(guó)明,姚飛.試論人工智能技術(shù)范式下的傳媒變革與發(fā)展—一種對(duì)于傳媒未來(lái)技術(shù)創(chuàng)新邏輯的探析[J].新聞界,2017(1):39-43.

? 師文，陳昌鳳.信息個(gè)人化與作為傳播者的智能實(shí)體：聚焦2020智能傳播研究[J].新聞?dòng)浾?2021(1):90-96.

? HANSEN M,ROCA-SALES M,KEEGAN J,KING G.Artificial intelligence:Practice and implications for journalism[J/OL].Columbia University Academic Commons,2017(2017-09-14)[2021-04-27].https://doi.org/10.7916/D8X92PRD.

? 格倫瓦爾德.技術(shù)倫理學(xué)手冊(cè)[M].吳寧,譯.北京:社會(huì)科學(xué)文獻(xiàn)出版社,2017:302.

? 芒福德.機(jī)器的神話:技術(shù)與人類進(jìn)化（上）[M].宋俊嶺,譯.北京:中國(guó)建筑工業(yè)出版社,2015:11.

? 韋伯.經(jīng)濟(jì)與社會(huì)(上卷)[M].林榮遠(yuǎn),譯.北京:商務(wù)印書館,1997:57.

? 維納.人有人的用處[M].陳步,譯.北京:商務(wù)印書館,2019:144-166.

? 師文，陳昌鳳.信息個(gè)人化與作為傳播者的智能實(shí)體：聚焦2020智能傳播研究[J].新聞?dòng)浾?2021(1):90-96.