雪崩来临：新闻业从用户、内容市场到商业模式的大滑坡

　　      6月21日下午，互联网前沿沙龙PRO举行，相关领域专家就人工智能对于新闻业的影响进行了主题分享和圆桌讨论。腾讯研究院发布了《人工智能时代：新闻业的谢幕与重生》报告，并就新闻业面临的挑战和机遇及新闻业的意义进行了思考和论述。以下为报告全文：

　　

　　      对于新闻业来说，这是最好的时代，也是最坏的时代。

　　      在生产端，媒体终于迈进自动化门槛。机器人替代普通劳动力不仅发生在富士康等制造业，如今也进入智力密集的新闻业。腾讯Dream Writer如今已累计生成了三万多篇稿件；全球最大通讯社美联社早在2014年7月开始使用机器人新闻记者撰写财报新闻。

　　      在分发端，以天天快报、今日头条为代表的个性化阅读客户端，也在掀起一场巨大的变革：把新闻的编辑发布权从人让渡给算法。当然，算法终归也是人来编写，但是主导这一过程的不再是传统的编辑，而是程序员或者由程序员和编辑组成的跨界小组。门户网站在勃兴十多年后又掀起了一场自我革命：那些最初招聘来的编辑将何去何从？在这之外，社交网络则扮演着更为主流的新闻分发平台角色——你的亲人、同事、朋友正在成为决定你每天看什么新闻的那个人，从这点看，我们似乎又回到了人际分发的乡村田园时代。

　　      在接收端，深度阅读可望不可及，纯文字的传统阅读变得更为小众化和精英化，图片和视频开始升格为21世纪主流文本表现形式。微信公众号一篇图文的平均阅读时间只有区区80余秒，全球用户都在经受注意力涣散的阅读大转折。新世纪的数字难民，不再是无法接入互联网的人群，而是沉溺在互联网海量信息之中无比焦虑的网民。这无疑极具讽刺：我们面对着信息的大海，却依然干渴难耐。海量信息在拓宽消费选择边界的同时，也加剧另一种短缺——过滤。

　　      过去，传统媒体扮演着信息过滤器的角色，这也是法兰克福学派所批判的“景观社会”——媒体只对社会做有选择性的呈现，最终受众得到是一个扭曲的景观。今天，人工智能是否能够呈现一个更加客观还是更加扭曲的社会镜像？人工智能之于新闻的影响，是正向还是负向、是技术性的还是根本性的、是短期还是长期？回答这些疑问，首先还需仰赖于以下几个问题的解答：

　　      “第一，相比其他行业，新闻业是否存在特殊性？”

　　      我们从新闻客户端中点击一条新闻，与我们从自动售卖机中购买一听可乐，这两个动作是否可以等量齐观，如果是，其区别只不过一个是为了满足大脑、一个是为了满足口腹之欲，那么我们完全不必为新闻业的跌宕起伏而担忧。但如果我们承认，新闻不是一种简单消费品时，那么衡量其价值的标尺，也不应该只有产值、活跃用户数这些资本市场感兴趣的维度。毕竟，在西方社会，媒体长期扮演着立法、司法、行政之外的“第四权力”的角色，它不仅取得了商业的成功，同样也扮演着社会守夜人的角色。这一点也表现在好莱坞的价值观中，从《罗马假日》到《纸牌屋》，新闻从业者人物设定的主流都颇为积极、向上。

　　      “第二、人工智能是否将全面替代记者编辑？”

　　      现阶段，无论是自动写作软件、还是视频自动剪辑，都不过是对传统新闻从业者的初级拟态，从这一点看，人工智能短期内取代的主要是菜鸟写手，媒体老炮们的地位依旧岿然不动，理论上不会引发新闻业大规模的失业浪潮。但是，如果未来人工智能加速进化，发展出不同于图灵机之外的技术逻辑，那才是新闻业真正的凛冬。

　　      “第三，新闻业的意义是否正在转变？”

　　      我们无法想象五十年后的世界，一如五十年前无法预测今天的科技成就。回溯新闻业十多年的历史，两大蜕变趋势十分明晰：其一，新闻的生产和分发正在分离，传统新闻机构容易依赖平台公司的分发，且在内容生产上主动揣摩、跟进平台算法吸引用户注意；其二，新闻的意义之墙正在瓦解，社会教化、监督功能弱化，娱乐功能空前膨胀。电视时代开启的大众传播娱乐化浪潮，在互联网时代更为澎湃，当物质生产日益丰腴的今天，娱乐在整个内容产业中发挥引领性作用，新闻业亦不能幸免，由此不难解释，为何王宝强离婚事件引来数亿群众围观，而事关司法公正的聂树斌案仅仅在社交网络激起浅浅涟漪。

　　      这正是当下新闻业所面临的困境：拥抱人工智能可能被其吞噬，而抗拒新技术无异于自杀。从悲观的角度看，人工智能正在摧毁传统新闻业残存的基础；从乐观的角度看，人工智能正在把新闻业变成一个全新的内容产业的一部分。

　　      在科技进步推动之下，新闻从业者所拥有的生产工具可谓前所未有的强大而又唾手可得：就在20世纪初，一篇新闻稿件的问世，从记者接获新闻线索到采访、整理、写作、编辑、校对、排版、印刷、配送，全程往往需要经历十几个环节，最快也需要在隔日才能抵达读者。那个时代，人们习惯用“飘着油墨香味”形容最新消息。今天，人们早已无需通过嗅觉去感知新闻的新鲜度。这一切几乎都可以在线完成，记者从社交网络中获取信息，在即时通讯软件做视频采访，最终通过文字、图片、视频的方式直接发布，跳过了纸张、印刷、运输环节，直接把新闻推送给用户。这个推送动作，甚至不需要记者或编辑直接完成，而是通过一套算法推荐给感兴趣的用户。

　　      过去十多年，传统新闻业无疑是最早接受互联网暴风骤雨般改造的行业之一，并无可避免地遭遇了历史性的转轨：门户网站夺走了用户、技术公司分流了广告、就连记者编辑也纷纷转行，以报刊、电视、广播为代表的传统新闻业遭遇令人瞠目结舌的一幕。革命性技术的出现，在新闻业中最初展现的是毁灭的一面，而建设的一面却又让习惯了线性编排、标准答案、统一声音的人们，不得不学会在各式舆论噪音中建立辨识能力，有人继续转发“不转不是中国人的”流言贴，有人在网络里发现另一个中国；过去，数十家全国性新闻媒体生产了绝大多数新闻，今天，随着自媒体千军万马加入，内容生产的源头变得千沟万壑，内容多样化和碎片化的同时，新闻本身的意义和面貌也在变得模糊，新闻客户端的提法已经让位于信息分发平台，新闻成为了一个过时的名词。

　　      2015年两位普利策奖得主离开新闻业，再度敲响了传统媒体的人才流失的警钟。

　　      39岁的加州地方报记者罗布·库兹尼亚与两位同事，用50多篇调查报道揭露当地教育贪腐事件，荣获当年的普利策奖地方报道奖。同时，来自南卡罗来纳州《信使邮报》31岁的年轻记者纳塔莉·哈夫，因参与报道该地严重的家暴与相关犯罪问题，获得普利策公共服务奖。但不久后，两位获奖者都跳槽到公关行业，其中，库兹尼亚给出的理由是“因为付不出房租。”

　　      早在人工智能兴起之前，传统新闻业人才流失问题就开始凸显。据美国皮尤研究中心统计，与前一年前相比，2016年美国的新闻编辑室减少了10%，尽管美国的日报新闻编辑室仍然有33000个全职雇员，但与20年前相比，雇员数目减少了20000个。

　　      中国的情况也大同小异。2016年，《京华时报》、《生活新报》、《上海商报》、《今日早报》等在内的多家纸媒陆续停刊。2014年，南方报社离职员工人数达到202名，这一数据在2012年、2013年分别为141人、176人。

　　      新闻行业所提供的薪酬不再能吸引顶尖人才。美国职业资讯网站CareerCast发布的2016年美国最差和最好的工作榜单（主要依据环境、收入、前景与压力四项指标做评估），报纸记者连续三年被评为美国最差的工作。

　　 2012-2016年中国报纸、杂志、电视、用户到达率（百分比）和接触时长（分钟）变动表

　　      比员工流失更残酷是的用户流失。 

　　      比起上世纪七八十年代纸媒的黄金年代，今天，除少数媒体外，绝大部分报纸、电视台的用户都在减少：ESPN在2016年失去了超过300万订阅用户；美国《新闻周刊》、《时代》周刊的订阅用户如今还不到顶峰时期的一半；2016年，Sky Sports英超联赛现场直播的收视率已经下降了20%，而其竞争对手BT体育在同期的欧洲冠军联赛的收视率也下跌了40%。

　　      中国情况也是如此。央视市场研究（CTR）-CNRS调查数据显示，从2012年到2016年报纸、杂志、电视的用户到达率和消费时间双双下滑：报纸的日到达率由2012年的53.9%下滑至2016年的32.8%，日均阅读时长也由2012年的25分钟下滑至2016年17分钟；同期，杂志媒体的周到达率下降到15.1%，周均阅读时长也从22分钟下降到15分钟；2016年，电视的日到达率为70.5%，较2012年下降了近13个百分点，日均收看时间也减少了半个多小时。

　　      智能手机占据了用户获取信息来源的主渠道。路透社发布的《2015年数字新闻报告》显示，在2015年9月所调查的12个国家中，平均每周使用智能手机获取新闻的用户达到46%，在一年内上涨了10%。 

　　      员工和用户的流失的同时，传统媒体的内容生产能力也在退化。

　　      美国皮尤研究中心曾经在《改变中的新闻编辑部》的研究报告中谈到了美国报纸目前面临的问题，“美国报纸得到的是数字时代网络观念和技能的更新，以及肤浅内容的多元化展示，失去的是精致内容的生产能力。”

　　      内容的同质化与深度报道优势弱化是新闻行业正在经历的病痛：

　　      一是传统媒体数字化和业务转型逐渐成为工作重心。如今，传统媒体深知转型升级的必要性，几乎都在紧跟互联网发展的脚步，全面布局新媒体。为了顺应受众的阅读习惯和阅读方式，他们开辟多个内容接收终端，但其内容的质量和品质并没有得到良好的延续。这种融合新闻直接催生了一批“多功能记者”，他们在采访完成之后，同时为报纸、报纸网站和移动客户端等多个平台供稿。

　　      大量记者疲于奔命于各种新闻发布会和突发事件现场，而鲜有时间去钻研线索、琢磨一些专业深度报道，以至于《哥伦比亚新闻学评论》在2010年载文揶揄记者成了“奔跑的仓鼠”，文章称：“编辑部的人数不断减少，任务却一直增加。一个NBC的白宫首席记者，一天要做16个出镜采访，主持一档节目、客串两档新闻节目，还要在Twitter和Facebook上更新8-10次，写3-5篇博文。和他一样，大部分记者忙碌如转盘上不停奔跑的仓鼠，强调速度，追求数量。但是，仓鼠虽然一直奔跑，却仍停留在原地，新闻业也是如此。”

　　      二是传统媒体在深度报道重要领域的阵地失守。国际新闻和调查报道是传统媒体在深度报道方面的重要领域。一方面，国际新闻报道数量持续下降。2013年，美国广播公司、国家广播公司和哥伦比亚广播公司共计报道国际新闻1671分钟，时长还不到20世纪80年代的一半。而数字新闻媒体由于得到更多的资金支持，反而有更多的资源在国际新闻这一领域大展拳脚；另一方面，充满风险、高成本的调查性报道日益稀缺。根据亚利桑那州立大学在2009年所作的一项调查显示，62%的美国报纸没有调查性报道专职编辑，16%的日报表示正在缩减调查性报道的采编团队。《美国新闻学评论》提出，调查性报道记者编辑协会的成员已经从2003年的5400名减少到2010年的4000名了。深度报道的从业人员减少、报道数量降低，直接削弱了传统媒体的深度基础。

　　      美国学者兰斯·班尼特曾反思，美国的新闻行业并没有发挥应有的民主促进作用，其主要原因是整个美国新闻报道呈现出了四大倾向：个人化、戏剧化、片段化和无序化。例如，一些调查报道的初衷并非引导公众认识社会问题、伸张正义，而是出于揭丑和戏剧化地曝光大人物以博得受众眼球。

　　      近年来，越来越多的广告营销公司把注意力转向数字领域，网络媒体和移动平台广告也逐年上升，传统平面媒体则备受冷落。

　　      一方面，传统媒体广告收入逐渐降低，数字化转型收效甚微。根据CTR媒介智讯数据统计，2016全年，报纸的广告刊例下降38%以上，杂志和电视的广告刊例降幅也分别达到30%和3%以上，而互联网广告、影院视频、电梯广告则保持了两位数的增长。

　　      另一方面，网络广告份额持续走高，新型的网络广告模式不断兴起。中国社科院新闻所今年6月份发布的《新媒体蓝皮书：中国新媒体发展报告No.7(2016)》显示，2015年中国广告市场发生巨大变化，互联网媒体广告收入首次超过电视、报纸、广告和杂志四家传统媒体广告收入之和。此外，新媒体还开辟了以实时竞价为主的RTB广告、以数字用户定向为核心特征的DSP广告等多种广告模式，在广告份额上也实现了发展。我国RTB广告市场规模不断提升，从2012年的2亿元增长到2016年的112亿元，发展速度惊人，这在一定程度上也反应了广告商对网络广告的重视和依赖不断加强。  

　　我国RTB（网络广告）市场规模（亿元）

　　      中国传统媒体的经营困境并非特例。第56届世界报业联合会发表的《世界报业的发展情况》指出，世界报业联合会涉及的80个国家，超过60%的国家报业发展都面临着销量下滑的困境。美国报业协会的数据显示，美国报纸业2000年的的广告营业收入为487.6亿美元，到2009年降到了275.6亿美元。谷歌广告收入在2011年全面超过了美国报业的广告收入。2013年，虽然美国报业通过数字订阅、付费墙等多种措施进行营收的改革，营业额也有所回升，但全美还是有将近60%的广告被谷歌夺走。

　　     “机进人退”人工智能对新闻业的摧毁式创新

　　      人工智能的发展，推动新闻业直接从手工业阶段跨越到流水线大工业时代，从内容生产、渠道分发、用户信息反馈，新闻业正在经历有史以来最为震撼的大变革。

　　      资深的业内人士笃信人工智能将主宰未来的新闻业：彭博社总编辑John Micklethwait认为AI技术将对新闻业的未来起到决定性作用；《纽约》杂志作者 Kevin Roose称 “自动写作将是未来新闻行业最佳发展趋势。”Narrative Science预计，到2020年前后，90%以上的新闻报道都将由机器来完成。

　　      在这一过程中，传统报刊、电视、广播媒体的影响力将进一步衰弱，而拥有技术优势的新媒体、特别是一些超级信息分发平台开始成为新闻业的新枢纽，它们掌握先天的强大渠道分发优势，并借此进一步影响上游内容生产，以便更好满足用户胃口。

　　      人工智能技术在媒体的应用，某种程度上也是一场机器对人力的大范围替代，新闻业的灵魂正在从“写作者的情怀”让位于“工程师的严谨”，“机进人退”的幕布拉开了。某种程度上看，传统意义上的新闻业正在消融。 

　　      早在2006年，国外媒体就已开始应用人工智能写作。相比于美国、英国等发达国家，中国人工智能在媒体领域应用的开始时间较晚，不过近几年也在迎头赶上。

　　      1、文本生成：新闻业的机器之心

　　      部分新闻媒体机构都已经采用人工智能撰写稿件。

　　      由Automated Insights 公司研发的Wordsmith写作系统，其工作过程有点像填字游戏。用户可以生成一些语法路径，其中的信息可以下载和修改。比如，这样一个句子“（某公司）的收入（增长/减少）的百分比（%）。Wordsmith接下来就把相关的公司财务信息填充到这个句子中去。类似的语法路径应用广泛：“（某足球队）以（比分）击败（某另一足球队）”或“（某电影）周末票房达到（美元）”等等。这些例子最终可以汇聚成一些豆腐块文章。Wordsmith所生成文章的深度，主要取决于用户加入的词语和短语的总量。通过搭建这些句子段落，用户可以确信Wordsmith能够搞清楚语义关系。和受过新闻专业训练的记者一样，自动写作系统也会犯错误。从2014年7月起，每一篇由Wordsmith生成的报道，美联社都会安排编辑进行审查，每一次编辑对稿件的勘误反馈，都会提升机器学习的能力。现在，Wordsmith的错误率比人类同行要低许多。

　　      美联社于2014年7月开始使用Wordsmith平台撰写财报新闻；《洛杉矶时报》通过写作软件，从抓取美国地质调查局发出的预警数据，到生成报道并发布，只需3分钟。

　　其他机构应用人工智能进行自动化编辑情况

　　      腾讯网、搜狐网、新华社等机构在人工智能方面也有所尝试。

　　      2015年9月10日，腾讯财经推出自动化新闻写作机器人Dream Writer，主笔发布了首篇新闻《8月CPI同比上涨2.0%创12个月新高》，该报道抓取了国家统计局发布的CPI相关数据，同时援引了行业专家和业内人士的分析。据Dream Writer的研发团队透露，它的内容生产方式主要是基于大数据分析平台，在短时间内选出新闻点、抓取相关资料，通过学习固定的新闻模板生成稿件，它的优势在于适用在信息量巨大的财经资讯类新闻，在准确率和时效性上都完胜人类记者编辑。

　　      2016年2月18日，搜狐宣布正式推出智能股市播报系统“智能报盘”，利用人工智能的自动跟踪技术，及时捕捉股市动态，自动化生成并发布资讯。“智能报盘”基于对股市大盘和个股行情盘面变化，进行纯粹客观描述。

　　      除了腾讯Dream Writer和搜狐的“智能报盘”，类似的还有新华社的机器新闻生产系统“快笔小新”。它通过对数据采集、加工，并进行自动写稿、编辑签发，以最快的速度地完成例如体育赛事、中英文稿件和财经新闻的自动撰写等。目前，“快笔小新”服务于新华社体育部、经济信息部和《中国证券报》。在新华社体育部，它可以快速生成中英文数据消息，包括每轮比赛的成绩公报和积分排名；在《中国证券报》，它可以写一句话的报盘、一段话的公司财报、快讯等。新华社机器人发稿系统研发团队成员、技术局高级工程师熊立波曾介绍，机器人写稿流程分数据采集、数据加工、自动写稿、编辑签发4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。

　　      与普通的编辑人员不同的是，智能写作机器人通过文本风格模式的识别，使用算法进行数据加工处理，并运用计算机程序自动化生成文本内容。相比普通的新闻记者，“智能记者”在时效性、准确性上更加具有优势可言。目前，人工智能在新闻媒体内容生产领域的智能化应用还处于比较基础的状态，能做到效率的提高，还未能进行更加深度的分析和解释。   

　　      2、视频剪辑：后文字时代的魔幻手

　　      相比文字，人工智能在视频领域的应用相对更为普遍。

　　      图片视频信息获取方面，无人机航拍、无人车地面拍摄、无人船的水下摄影等，通过最大限度延伸人类的拍摄能力，可以无死角呈现世界的全貌。此外，可穿戴设备在媒体领域的应用也逐步凸显。例如一些智能眼镜产品可以实现精准的拍摄和第一视角的图片与视频摄影录制，推动了媒体领域的技术创新。

　　      人工智能在图片处理领域，利用神经网络、深度学习等技术，可以让普通用户也能享受奇妙丰富的艺术和娱乐体验。俄罗斯科技公司研发的图片处理软件Prisma，能在短短十几秒内，将手机相册或随意拍照的任意一张照片转变成特定风格流派的图片。与传统滤镜的简单叠加不同，Prisma主要基于机器学习技术的应用，通过导入无数张图像，不断训练其学习图片的颜色、结构和纹理，进行各种风格的识别和图片转化。

　　其他机构人工智能技术在内容转换方面的应用

　　      在很长一段时间，编辑掌握了内容分发的权利，我们读什么、听什么、看什么，都是由少数媒体精英所决定。今天，随着用户数据的积累，内容推送的权利，正在由有血有肉的编辑让渡给算法。

　　      相比人工分发，机器分发的优势主要体现在效率上：

　　      一是机器分发能够对海量内容进行深度加工。人工智能干预的内容数目受限，往往集中于最热门的头部内容，而机器分发则可以覆盖与用户生活、个人兴趣相关长尾的新闻报道之外的资讯，通过记录、分析用户的浏览行为，从信息源中提取分类、主题、标签、风格等结构化信息，利用用户的行为探索并发现有潜力的内容。

　　      二是机器分发有助于跳出编辑的个人视野，算法排序的核心是根据用户、内容、上下文信息决定实时计算每个内容的得分，按照得分进行排序。由于考虑到了用户的信息，排序结果是个性化的。另外，模型的更新也是实时的，能够充分的利用已有数据，指导下次分发，最大化的优化分发效率。

　　      但机器分发也存在一些不完善之处。Facebook就曾把一张曾获普利策新闻奖的越战照片误判为黄色图片，只因为机器把照片中为躲避炮火奔跑的小女孩裸露了部分身体。在中国，机器分发新闻引发的争议主要集中在“信息窄化”和内容低俗化上，即推荐引擎不断向用户推荐其兴趣范围之内、甚至是带有明显低俗倾向的内容，以尽可能地诱导用户沉浸其中、拖延停留时间。

　　      国际一流的新闻出版服务机构已经开始提供针对推特等社交网络的新闻监测服务，来帮助华尔街的金融客户自动筛选与交易趋势有关的新闻，以助于投资决策。

　　      2015年，《纽约时报》副总编Alexandra MacCallum基于团队工作中需要对文章进行针对性推送的繁琐经历，提出应该对用户关注度进行某种工具化的分析与预测，《纽约时报》数字部门研发的机器人Blossomblot由此应运而生。它能够对海量文章进行大数据分析，从300篇文章中搜索并挑选出具有用户偏好和社交发散效应的文章，同时推荐适合的内容与图片集，凭借后端先进的机器学习技术独立产生标题、摘要和配图等工作。Blossomblot所推荐的内容将会被发布到Facebook和Twitter等社交网络上。《纽约时报》内部统计结果显示，经过Blossom筛选后自动推荐的文章的点击量是普通文章的38倍，这极大地减轻了他们的工作压力，将工作人员从繁琐而复杂的内容搜索分类中解放出来。

　　      腾讯开发的天天快报，通过智能计算用户的兴趣，将各个端口的内容通过算法精确推送。天天快报先对用户进行海量推荐，根据用户屏蔽不感兴趣的内容从而进行算法计算，最终推荐给用户喜欢的内容；用户获取资讯的另一种方式就是自主选择想看的频道，设置频道选项的时候可以手动调整已收藏频道的顺序，并且可以选择添加想要的频道。当用户用微信或者QQ登录后，即可立刻识别用户的阅读兴趣。这种“算法+运营”的内容推荐机制，是基于腾讯的大数据以及用户的阅读习惯，让用户能看到自己感兴趣的内容，同时通过运营又能防止信息阅读单一的情况出现，其他领域优质内容的推荐让用户不至于将生活局限在熟悉的领域。

　　      美国著名报人约瑟夫·普利策曾把记者比喻为国家之船的瞭望者，而人工智能似乎有可能比记者看得更远、更深。

　　      人工智能可以直接越过新闻本身，追踪用户的情绪变化。

　　      Facebook在2017年3月宣称，已经在使用一套人工智能系统来监测Facebook Live和Messenger中的不良信息，以帮助用户防止自杀。这套系统基于对以往有自杀风险帖子的模式识别，对帖子中那些字眼进行分析，尤其是来自朋友的评论，比如“你好吗？”、“我很担心你”就是两种不同的情绪，相应会触发不同的信号。检测到问题后，Facebook 社区团队会对帖子进行审核，确认后会与有潜在自我伤害风险的人联系，建议他们寻求帮助。同时，人工智能会针对用户亲友突出显示“自杀或自我伤害”报告，让亲友们意识可能存在问题。

　　      通过分析大量的用户数据，可以增进对消费者的行为认知水平。

　　      2016年10月，腾讯推出国内首个基于移动浏览行为的数据分析工具——腾讯浏览指数。这套指数通过接入400多个APP、超过4亿对用户数据，可以提供基于行业、品牌和IP的热点分类排行，如明星、汽车、手机、电视剧、游戏等；基于关键词的浏览指数查询，涵盖浏览热度及趋势、热门资讯、人群画像、关联浏览等纬度；针对特定事件、人群、品牌指定专题报告和定制化洞察报告。

　　      美国科技公司Narrative Science旗下的Quill Engage平台不仅可以自动化生成详尽的图表式报告，还可以检索用户浏览路径，跟踪营销广告效果。Quill Engage通过数据统计各种网站用户行为，了解和显示用户浏览或进入某一网页的方式、网站所有人改善用户体验的手段，给网站管理员提供用户的有效信息，如用户关注的关键词、广告信息有效性等，持续跟踪营销广告的效果。基于这些跟踪统计信息，叙述科学公司的自动化写作机器人就可以此为基础形成图表报告，为网站所有者和广告商更加精准投放广告等信息提供策略。 

　　      未来的媒体行业将因其智能化连接而重新定义媒体。

　　      媒体介质正在泛化，一如麦克卢汉所说“万物即媒介”，一切能够实现信息互联的载体或社会信息活动都可以称之为“媒体”。因此，媒体不仅仅局限于报纸、广播、期刊等新闻性媒体，同时还包括微博、微信等社交媒体，以及美团、大众点评等生活服务平台，甚至未来整个物联网。美国IT研究与顾问咨询公司高德纳（Gartner）预计到2018年，全世界将有60亿台设备用上人工智能技术，届时人们将在互联网家电、汽车等产品上与人工智能零距离接触。

　　      虚拟现实和增强现实技术为传统媒体重建影响力提供了契机。

　　      华尔街日报曾借用用户手机的GPS定位及运动轨迹，根据用户提供的公开数据创作了“看图猜城市”的可视化互动新闻；在对2015、2016年全国两会等重大会议的宣传报道中，中央电视台和新华社、《光明日报》等机构积极运用新媒体、新技术、新手段，实现新闻报道的立体化，提高了受众参与的互动体验性。

　　      随着科学技术的进一步发展，未来的人工智能在包括媒体领域在内的各个领域所发挥的作用将变得越来越大。除了覆盖领域的扩张，在技术涉及的时效性、深度性和质量上都会有所突破，同时还能深入平民生活，实现人工智能的个性化发展。

　　      随着内容生产、分发、用户追踪逐步自动化，新闻的教育、业务到社会影响已经开始发生不可逆转的结构性变化，如何让传统新闻业浴火重生，目前看，最大的可能是泛化内容产业的一部分。

　　      算法正在成为现代社会运行的基础设施，离开了算法的世界几乎无法想象：旅行预订网站无法买到票，在微博、微信朋友圈上看不到好友更新，甚至搜索引擎也无法给出答案。实际上，算法几乎决定了人们在互联网上看到的一切。

　　      算法进入新闻业的生产、发布虽然较为晚近，但其巨大的革命性力量已经显现。在最近的美国总统选举中， Facebook 的新闻流算法引发了巨大争议，并被认为有可能影响了大选结果。

　　      以Facebook新闻色彩浓厚的热门话题为例，推送热门话题到页面一般需要经过三个步骤：首先，Facebook使用程序监控网站内部关于一些话题的分享和评论，同时，外部的爬虫抓取RSS新闻，搜索Facebook用户还没有开始分享的新闻。其次，当这些话题出现在Facebook的网站上时，管理员就会在1000家媒体上进行认证，并匹配标题、图片和地点人物等相关数据。最后，另一个系统将已经通过认证的热门话题推送到桌面和移动端的首页等。同一时间，任何一次刷新都会有有60-100条的热门话题，而Facebook会根据每个用户的个性化选择和算法推送少于10条的话题。

　　      《华盛顿邮报》曾经对117名随机的美国用户做了抽样调查，结果显示，Facebook会根据用户的性别、设备、使用习惯、居住地、年龄等进行个性化推送，比如关于福特皮卡的新闻，只推送给居住在农村而非城市里的用户，艺人碧昂斯的任何动态信息主要推送给了大部分的女性用户。而在测试的两天内，推送给几乎所有的用户的热门话题是一则关于世界首例“男性生殖器移植”的新闻，可见只有“猎奇+性”这样的超级组合，在Facebook的算法看来是适合所有人的。

　　      作为科技公司， Facebook和谷歌希望以算法全面取代人工编辑。

　　      Facebook“趋势”栏目编辑守则规定，编辑们的工作主要限定在基础的修改和格式编辑，其功能并不是提炼新闻要点或者选择新闻操纵娱乐，而是训练算法。2015年8月底，Facebook 解雇数十名新闻编辑，将热门话题的编辑、推荐和排名全部交给机器算法以“保持公正性”。然而，几天之后就有一篇关于新闻主播 Megyn Kelly 因为力挺希拉里被福克斯踢出公司的假新闻，被顶到 Facebook 热门话题榜的首位，之后很快又被 Facebook 紧急撤掉。

　　      当然，在传统媒体时代，假新闻同样无法杜绝，但是社交媒体的出现，使得假新闻传播的速度和广度得到了爆炸式增长。        Facebook针对其在美国大选中没有采取有效措施打击虚假新闻的指控，已宣布将联手第三方调查机构加大打击力度，并推出了新的防范工具。面对不断增多、声音渐趋一致的批评声音，Facebook联合创始人马克·扎克伯格于2016年12月16日在自己的Facebook主页中发布声明，并表白道：“我们很早就已经在着手解决这个问题，我们把这项责任看得很重。我们已经取得了重大的进展，但还有更多工作需要做。”

　　      谷歌则通过与媒体和社交平台合作的方式来鉴别假新闻。2015年，协助成立了打假新闻组织“第一稿联盟” （First Draft Coalition），与多家新闻媒体和科技公司一起联手打击假新闻，其中不仅包含纽约时报、法新社、CNN等老牌传统媒体，更有Buzzfeed、Twitter和Facebook这样的新媒体公司。

　　      在中国，微信等社交平台也在致力于打击假新闻。从2014年10月起，微信联合人民网、果壳网等一批具有影响力的机构建立了官方辟谣公众号——“谣言过滤器”，用最权威的渠道不定期发布辟谣信息。此后，“谣言过滤器”公众号中上线了一项名为“辟谣小助手”的服务，只需要将谣言的文字内容复制粘贴给“谣言小助手”，后者就会自动回复相关的辟谣结果。考虑到微信中的谣言一半为复制粘贴的群发，此功能在应对微信谣言方面被认为起到了很好作用。

　　      在甄别假新闻的过程中，科技巨头们不但会面临着技术上的问题，还有意识形态的问题。如果主观地把一类言论或意识形态粗暴地定义为“恶意中伤”，又会伤及“言论自由”。

　　      无论如何，算法的公正性直接决定了新闻的公正性。美国新闻网站Vox曾撰文指出，相比Twitter的时间线推送信息流， Facebook利用算法推送误导了用户，但这些算法给予高互动用户较高的内容呈现优先权，其采取的标准类似八卦小报，给用户推送最吸引眼球的标题，却完全不管文章是否公正、精确和重要。这种算法迫使类似《纽约时报》这样有声望的老牌媒体，也不得不亦步亦趋。

　　      简言之，算法主导下的新闻业，对人性弱点的迎合，对传统新闻业社会责任的弱化、对娱乐性的无限放大，将是人工智能时代，新闻业面临的根本性挑战。

　　      但是，拒绝算法无疑是自外于潮流之外，对于传统新闻业来说，更明智的选择是，把新闻专业主义贯穿甚至凌驾在算法之上，算法依然服务于新闻业所追求的真实和客观，并随时根据新的形势进行算法的调整。在未来的信息供给中，传统新闻业的大陆也许不复存在，但依然可以尝试扮演社会灯塔的角色。 

　　      机器替代人的阵痛才刚开始。

　　      现阶段，记者、编辑和机器尚能和平共存，美国国家公共电台(NPR)的一份报告认为，相比Wordsmith，媒体老炮们的文本更具内涵和魅力。美联社和Automated Insights也多次在公开场合表示，Wordsmith在生产了大量稿件的同时，还实现了零裁员，它让记者从豆腐块文章中解脱出来，腾出精力去提炼文章角度、挖掘更有深度观点和更锐利的分析。

　　      但是，从长远看，机器同样也能写出媲美人类的深度特稿。

　　      Narrative Science 联合创始人、CTO Kristian Hammond2016年在接受美国《连线》杂志记者采访时曾断言，机器人将5年内获得普利策新闻奖，未来20年，没有机器不能写的东西。不过，Hammond觉得写作机器人不会替代现有的记者，相反它会显著拓展新闻写作的领域。

　　      如果事实如同Hammond所料，那么对于新闻从业者来说，如果既不想转行跳槽、又不想失业，该如何是好？专栏作家、畅销书《认知盈余》作者克莱?舍基对媒体幸存者的建议也许值得思考：

　　      第一，要擅长理解和表述数据；

　　      第二，了解如何将社交媒体应用于新闻编辑；

　　      第三，通过团队协作和尝试新鲜事物来竭尽所能地积累新闻编辑经验。

　　      如果机器人的稿件写得和普利策获奖者一样好，大学还需要开设新闻系吗？

　　      美国人的回答是肯定的。人工智能在新闻业应用的不断深入，倒逼美国高校也开始尝试多学科融合的人才培养方式。

　　      美国拥有全球最为完备的新闻传播教育体系，新闻传播类专业点约有1000多个。吴锋、陈雯琪和章于炎等学者对美国十所顶尖新闻传播类学院进行调查研究，形成《美国新闻传播教育的最新进展与改革趋向——基于美国十所顶尖新闻传播学院的调查统计研究》一文研究发现，这十所学校在新闻人才的培养方式上都体现了融合发展的趋势：

　　      在学位设置方面，大部分院校在本、硕、博三类层级上设立1-2种学位。本科包括新闻学、理学、文学三种学士；硕士包括新闻学、理学、文学、传播管理、公共外交硕士；博士方面，美国密苏里新闻学院早在1934年就授予了全美第一个新闻领域的哲学博士。另外双学位教育盛行，涉及了艺术、商学、计算机、法学和社会科学等学位结合类型，在学位的设置上融合了广泛的专业领域；

　　      在专业设置上，这些大学注重专业的整合与细分两个倾向。下表可见，佛罗里达大学、印第安纳大学、南加州大学和密苏里大学在专业方向数量较多，专业设置更加具体化。尤其是作为全世界第一个开设“融合新闻”专业的密苏里大学新闻学院，其本硕的平均方向数达到34个。

　　美国十所新闻传播类学院专业方向设置

　　      密苏里大学新闻学本科专业下设融合新闻、杂志新闻、新闻摄影、纸质与数字新闻、广播电视新闻、战略传播、特殊项目六大“重点领域”，其下又细分有32个“兴趣领域”，可见密苏里大学不仅在专业方向上顺应大势，在个人定制专业方面也更加注重学生的个性化发展。

　　密苏里大学新闻学院专业设置改革

　　      在课程设置方面，这几所大学以通识教育和专业课程并重。通识教育强调广度，专业课程包括基础性课程、实用技能课程、社会道德和法律课程等。由下表可见，这几所学校除了通识性课程，在专业性课程的设置上尤其注重新闻与数字信息技术的融合，提升专业人才的媒体技能。例如在基础性课程的设置上，俄亥俄大学还专门开辟了数字时代的媒体趋势和媒介未来课程；在实用技能的课程设置上，佛罗里达与北卡罗纳大学开辟了视觉新闻与视觉传播课程，强调培养“一专多能”型媒体人才。在社会道德与法律类课程强调培养新闻人才的职业操守和道德规范，提高他们作为新闻媒体人的社会责任感。另外，这些院校强调课程的自主选择性，所以在选修课程的设置比例上都要大于必修课程。 

　　美国十所大学课程设置

　　      目前，中国也已经有一批院校开始培养探索新闻媒体人才多元技能。其中，中国人民大学新闻学院增设了“数字新闻传播”、“跨媒体传播实验”等专业方向和课程，作为传统新闻学专业人才培养模式改革的实验田；南京大学金陵学院2007年率先开设媒体融合专业（方向），所参考的即密苏里新闻学院的课程设置，采用国际流行的模块化课程体系来培养复合型新闻人才；汕头大学长江新闻与传播学院也成立了国内新闻院校中第一个媒体融合实验室。

　　      未来，新闻系教学规模也许会缩小，并更多地融入到其他学科之中，但是作为一个拥有跨学科技能的毕业生而言，能够拥有良好的文本组织能力、出色的人际沟通能力，已经是迈入职场的良好第一步，相比其他职业而言，从事新闻业依然是一个不错的职业起点。 

　　      传统媒体的衰落，不仅松动了其第四权力地位的基础，同时也加剧了与政府、资本之间的平衡难度。

　　      早期的西方人喜欢把包括报刊在内的媒体美誉为独立于“三权分立”中立法、行政、司法之外的“第四权力”。“第四权力”代表着人们寄予媒体人作为瞭望者、监督者、把关者，起到监督政府、守望社会、制衡权力的重要作用。市场经济强化了新闻业的逐利性，高科技与人工智能的应用不再止步于新闻的生产，同时还被作为各种政治功能的辅助利用工具，这些行为不但没有得到遏制，反而有些媒体还和政府关系“暧昧不清”，令媒体的“第四权力”名不副实。

　　    特朗普当选后，就有舆论指向特朗普成功当选的原因是Facebook、Twitter社交网络上充斥的各种虚假信息影响了选民的判断力。虽然随后Facebook公布了打击虚假新闻的具体计划，如提高机器分辨错误信息的能力、用户更简单的举报、第三方机构核查，以及中断假新闻站点使用脸书的广告服务等，但多数都局限于技术层面。传统媒体“一边倒”趋势和数字媒体作为攻击武器入侵选举，不禁令美国公众在媒体的公正性方面产生质疑。

　　      资本方对媒体的控制也在加深。

　　      英国《卫报》在2011年7月4日发布头条消息，曝光默多克新闻集团旗下的《世界新闻报》曾经于2002年非法入侵失踪少女米莉·道勒手机，并窃听她和其家人的电话信息，一时间将默多克新闻集团推上了风口浪尖。同时《卫报》揭露，在米莉·道勒最初失踪几天里，记者还把米莉的短信删除了一些，以便留出空间接收新信息。巨大的舆论压力迫使《世界新闻报》关闭，但这一事件继续发酵，进一步被曝出默多克同政府机关的亲密关系。

　　      算法主导下的新闻业是否会背离社会监督的最初职责，媒体到底是独立于政府和社会公众的“第四权力”，还是作为政府机关以及利益机构的“第四部门”，成为需要着重考量的议题。

　　      网络表达渠道的多元化和信息分发的去中心化，媒体昔日强大的社会监督功能的衰减不可避免，但是新的机遇也在出现：

　　      首先，相对社交媒体的海量呈现，传统媒体应进一步强化其信息过滤器功能，建立一道基于信息减法原则的过滤网，既发挥筛选高品质新闻的功能，同时充当好打击假新闻、核验事实真相的主场。

　　      其次，要善于利用依托于社交网络的公民监督，正视“人人即记者”时代的到来——信息的消费者也可以是生产者，组织和引导好“公民记者”，是在一些突发事件报道中，利用分散化的在场人群，及时、准确地进行报道。

　　      最后，在任何一个社会，作为中立、第三方的新闻媒体始终有其独特的存在价值，这种价值并不仅仅表现在商业上，同样也体现在社会、政治功能上，媒体也许不再是强大的“第四权力”，但至少应该守住社会灯塔的角色。