2022年最热门的媒介技术专题？新传学术圈出镜率最高的词汇？智能传播时代，这些你

　　

　　

　　1982年，一部《银翼杀手》将菲利普·迪克的灵魂拷问传达给全世界：仿生人也会梦到电子羊吗？在那之后，人们对未来的想象愈发天马行空，但其中这条线始终引人注目：人工智能。从《我，机器人》到《人工智能》、《黑镜》，再到《底特律：变人》，技术与伦理的冲突总是充满戏剧性......而稍微拨回现实，今年依然火热的新概念“元宇宙”的构建，同样离不开人工智能这类新技术。那么言归正传（不是），仿生人真的会梦到电子羊吗？谁知道呢？人工智能也许不会做梦，但新传考研人梦里已经有了人工智能。

　　听说有同学做梦都在整理专题

　　，是你吗？别焦虑，我们今天就来帮大家缕一缕人工智能专题~

　　媒介技术大框架，后续我们会陆续更新其他板块专题人工智能专题今年考试的可能性是相当大的！首先，如果你去翻翻新传学界大咖们的最新论文，很容易发现，“智能传播”“人机关系”等词汇出现的频率是最高的，这一领域已经成为新传学术研究的最前沿；此外，国家广电总局在去年10月发布了《广播电视和网络视听“十四五”科技发展规划》，规划指出，推动虚拟主播、动画手语广泛应用于新闻播报、天气预报、综艺科教等节目生产，创新节目形态，提高制播效率和智能化水平。（是的！所以不要一提人工智能就想起来机器人啊喂！）

　　面向新闻、综艺、体育、财经、气象等电视节目研究虚拟形象合成技术，包括 2D 虚拟形象的合成、3D 虚拟形象的驱动、虚拟引擎构建、语音驱动、动作捕捉、面部表情捕捉等技术，提升节目制作效率及质量；同时探索短视频主播、数字网红、直播带货等虚拟形象在节目互动环节中的应用，增加个性化和趣味性。

　　新华社的数字记者小诤这也就意味着人工智能在新闻生产领域将有着进一步应用，我们可以看到今年以来，各大主流媒体陆续推出了自家的虚拟主播、虚拟记者，比如北京卫视的时间小妮，比如湖南卫视的小漾，以及神州十二号载人飞船上天的时候新华社推出的数字记者小铮等。（这里大家一定要好好的积攒一些相关案例，不能总是用以前的一些旧案例）

　　#1什么是人工智能人工智能（Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人智能的理论、方法、技术及应用系统的一门新技术科学。人工智能的研究领域包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 美国人工智能专家戴维·汉森（David Hanson）甚至给出了一个时间表：按照现如今的发展，到2029年人工智能机器人的智商将达到1岁孩子的水平；在2039年，机器人将实现充分的权利；到了2045年，人类将会和机器人恋爱、结婚。 人工智能的三大基础超强的运算能力海量的数据精准的算法 人工智能与算法推荐 算法是解决问题应当遵循的过程或规则，这是一个逻辑化、结构化、步骤化的过程。计算机在许多领域都发挥了变革性作用，能以极快的速度运行，同时与大数据相连，远远超出了人力所能及的范围。 人工智能则是自我引导、自我适应的计算机活动，已经超越了单纯算法分析的阶段。在某些情况下，人工智能还可以进行系统的自我提升。即算法在有限人为干预下，或自行通过大量数据总结而出的经验，优化其响应，甚至生成程序员都未曾预见的结果。所以说，人工智能源于算法，并最终超越算法。 人工智能与大数据 人工智能与大数据一个主要的区别是大数据是需要在数据变得有用之前进行清理、结构化和集成的原始输入，而人工智能则是输出，即处理数据产生的智能。这使得两者有着本质上的不同。 人工智能是一种计算形式，它允许机器执行认知功能，例如对输入起作用或作出反应，类似于人类的做法。传统的计算应用程序也会对数据做出反应，但反应和响应都必须采用人工编码。如果出现任何类型的差错，就像意外的结果一样，应用程序无法做出反应。而人工智能系统不断改变它们的行为，以适应调查结果的变化并修改它们的反应。 支持人工智能的机器旨在分析和解释数据，然后根据这些解释解决问题。通过机器学习，计算机会学习一次如何对某个结果采取行动或做出反应，并在未来知道采取相同的行动。 大数据是一种传统计算。它不会根据结果采取行动，而只是寻找结果。它定义了非常大的数据集，但也可以是极其多样的数据。在大数据集中，可以存在结构化数据，如关系数据库中的事务数据，以及结构化或非结构化数据，例如图像、电子邮件数据、传感器数据等。 它们在使用上也有差异。大数据主要是为了获得洞察力，例如Netflix网站可以根据人们观看的内容了解电影或电视节目，并向观众推荐哪些内容。因为它考虑了客户的习惯以及他们喜欢的内容，推断出客户可能会有同样的感觉。 人工智能是关于决策和学习做出更好的决定。无论是自我调整软件、自动驾驶汽车还是检查医学样本，人工智能都会在人类之前完成相同的任务，但速度更快，错误更少。 虽然它们有很大的区别，但人工智能和大数据仍然能够很好地协同工作。这是因为人工智能需要数据来建立其智能，特别是机器学习。例如，机器学习图像识别应用程序可以查看数以万计的飞机图像，以了解飞机的构成，以便将来能够识别出它们。 人工智能实现最大的飞跃是大规模并行处理器的出现，特别是GPU，它是具有数千个内核的大规模并行处理单元，而不是CPU中的几十个并行处理单元。这大大加快了现有的人工智能算法的速度，现在已经使它们可行。 大数据可以采用这些处理器，机器学习算法可以学习如何重现某种行为，包括收集数据以加速机器。人工智能不会像人类那样推断出结论。它通过试验和错误学习，这需要大量的数据来教授和培训人工智能。 人工智能应用的数据越多，其获得的结果就越准确。在过去，人工智能由于处理器速度慢、数据量小而不能很好地工作。也没有像当今先进的传感器，并且当时互联网还没有广泛使用，所以很难提供实时数据。人们拥有所需要的一切：快速的处理器、输入设备、网络和大量的数据集。毫无疑问，没有大数据就没有人工智能。 人工智能发展历程 1956年—1959年 ：人工智能初创期20世纪50年代英国数学家图灵《计算机与人工智能》提出的图灵准则与讨论可计算性的边界问题等，奠定了 AI 理论研究的起点。随着研究的深入，1956 年“达特茅斯夏季人工智能研究会议”成为未来 AI发展的重要里程碑，克劳德·香 农、马文·明斯基等十几位学者成为 AI 研究的代表人物。 1960年—2011年 ：人工智能成长期数字技术的发展推动着媒介生态变革。从1960年代符号推理系统至1980年代专家系统，AI 演进在几十年间几次飞跃。1974 年作为节点，之前 7 年启发式算法盛行，之后至1980年第一次跌入低谷 ；1980 年后神经网络占主导，反向传播算法就出现在 1986 年。次年再跌低谷，直到 2006 年深度学习算法出现，才使得AI进入第三次发展浪潮。到本世纪初， AI 推理以命题逻辑、谓词演算等知识表达、启发式搜索算法为代表，摩尔定律以及互联网的出现改变了这一切，人们可以通过大量训练深度神经网络来验证想法。这一时期，AI 稳步发展。 2012年至今：人工智能快速发展期2011年沃森夺冠、谷歌大脑的出现，助推2012年成为AI发展的重要节点，直到2016年机器人阿尔法狗（Alpha Go）基于符号逻辑算法，使用了蒙特卡洛树搜索技术和基于深度学习技术，战胜韩国世界围棋冠军李世石，再引关注。在数据、算力与算法支持下，AI 从2012年的知识图谱发展 到2018年的认知图谱，研究的重心由感知智能逐步向认知智能过渡。业内 AI专家普遍认为，认知图谱将成为认知智能技术突破的关键，未来让机器具备类似人的理解、 逻辑与解释能力是AI发展的高级阶段。 人工智能的应用 1,机器人写作机器人写作实际上是一套程序算法，通过垂直领域开放平台的接口或平台授权，机器人可以快速抓取、生成、发布和推送资讯。尤其在证券交易、体育赛事、地震信息等方面，机构网站提供信息接口，机器就可快速抓取而后生成并推送新闻。 案例：美联社使用Automated Insights公司开发的Wordsmith平台撰写的财经信息和洛杉矶时报使用Quakebot系统写就的地震报道引起了人们的广泛关注。 我国的机器人写作肇始于腾讯的Dream writer于2015年9月撰写的题为“8月CPI涨2%创12月新高”的一篇新闻稿件，此后，相继出现了新华社的“快笔小新”，第一财经的“DT稿王”，“今日头条”的“张小明”等写作机器人。 问题：机器人写作存在着缺乏深度、缺乏特色且仅局限于某些个别领域等缺点，但其24小时待命的工作状态和超强的时效性仍给新闻业界带来了不小的冲击。 机器人写作背后的机器工具理性和人的价值理性之间产生冲突。机器人写作是不掺杂人类感情的，新闻稿件的生成完全依赖于数据和算法，这更多地表现为一种工具理性，即对信息的真实、准确、完整的追求，然而，人是有情感需求的，在很多时候会把尊严、爱、理想、信念等价值追求放在第一位，这是人的价值理性，这种价值理性通常有不同程度的模糊性，很难转化为精确的系统和算法设计，因此，也就很难被机器人写作所理解。 2,机器人新闻 作为一种智能化媒体时代新闻生产的新模式，机器人新闻可以看作是自动化新闻的一种，是一种稿件自动生成软件。 我们将其定义为使用书写算法自动生成自然语言文本的过程，在这个过程中除了算法的初始编程之外不需要人工输入。新闻机器人的出现与大数据时代数据挖掘的兴起密不可分，其应用主要分布在财经、体育、民意调查、灾难和天气等方面的报道中。 目前，由于机器人新闻中并不具备思维方面的创新，其相关报道还局限于那些数据要求多且拥有成熟报道经验的新闻事件（如企业财报和体育报道），无法进行深入报道或与被采访者进行心灵沟通，从而完成题材宏大的新闻报道。 此外，机器人新闻还可能会带来假新闻，模糊新闻报道伦理界限。在出现假新闻时，我们不能以“机器写作的新闻”来 搪塞，也不能因为是机器写作的新闻而选择原谅， 原因在于机器也是人类发明和控制的。脸书等媒体用机器写作新闻，并不等于新闻审核团队的消失，它是用机器这一审核团队代替了之前由专业记者和编辑组成的新闻审核团队，所以，人应该对机器新闻进行有效的操控。3,虚拟主播虚拟偶像是通过绘画、动画、CG等形式制作，在网络等虚拟场景或现实场景进行演艺活动，但本身并不以实体形式存在的偶像人物，是一种完全通过技术手段创造出的新角色。 从定义上看，虚拟偶像与普通的二次元动漫角色不同，它们具有独特的人物设定，能够进行演艺活动。作为偶像品类中的新生力量，虚拟偶像从诞生之初就携带着年轻、时尚、二次元等标签，同时还可以像真人偶像一样出专辑、演电影、上直播、拍广告，以此吸引特定粉丝群体。 虚拟偶像的概念最早起源于20世纪80年代，彼时的英国人创造了一个名为Max Headroom的虚拟人物，他曾参演过电影并拍摄了多部广告片。另一边日本动画《超时空要塞》也已经出现了虚拟歌姬林明美，她曾以动画角色歌曲的形式发布单曲。#2人工智能对新闻传播的影响答题框架一一、新传播格局下的媒体智能化发展进程1、技术发展脉络：从专门性智能到全面性智能。人工智能技术作为传媒业转型发展的重要驱动力量，目前人工智能技术在新闻业的应用只是一个前奏性的初步尝试，并未规模化，当前人工智能处于初级产业化阶段，但传媒技术正经历从数字域到智能域的升级，从而走向全面智能化。2、媒体深度融合：从生产流程到具体模式。人工智能技术与媒体内容生产、管理、传播乃至传播效果的各个环节都有关联，从信息采集、新闻编辑制作、新闻认知体验、内容推送等环节出发，人工智能技术在微观上重塑了传媒产业的业务链。3、传播价值观照：从技术伦理到综合治理。人工智能技术在推进内容生产流程重构的过程中，以算法推荐技术为基础的智能形式虽然突破和创新了固有的媒体结构，为媒体发展带来了新的动力和契机，但技术要素本身的工具属性在发挥积极作用的同时也产生了技术伦理问题，算法偏见、信息茧房、虚假新闻、隐私权益、版权争议、法律规范以及伦理冲突等均受到学界和业界的广泛关注。智能技术的负面效应作为现象，其本质是价值观和伦理问题。智能技术的伦理风险可以分为算法偏见、信息滥用、数据所有权归属不清、隐私侵犯等，在风险基础上应建立以人为本、以政府为主导的系统的信息法律规范与信息伦理体系二、技术嵌入媒介，创新智能内容生产机制1、智能生产的应用领域更加广泛。在智能技术深入推进的背景下，机器写作逐渐升级为机器化写作，即将在机器写作基础上的多样化技术应用于智能化内容生产（AIGC）。近年来成为发展热点的社交机器人作为多元主体不仅参与用户互动，更参与新闻生产。当然智能技术的应用案例不止于此，从早期的机器写作到如今的多元智能创作，新闻报道领域也从早期的专门领域逐步拓展到政治、社会、民生、社交等领域，这一过程中MGC也不再是智能新闻生产的唯一方式，从MGC向AIGC转变成为媒体智能化发展的重要特征，也是智能技术在内容生产体系中应用范围拓展的体现。（案例：新华社在全国两会期间利用生物传感智能机器人Star以5G+AI的声像分析技术进行创新报道，人民日报推出“云剪辑师”创新生成音视频内容。此外，微软发布个人智能助理“小娜”，突出与用户对话、为用户提供服务等功能。更多最新案例戳：）2、媒体智能化表达形式更加丰富。内容和形式在内容生产机制中是相辅相成的，媒体智能化不仅推动内容生产变革，同样带来媒体表达形式的创新和多元。以当下较为流行的虚拟主播为例，2018年新华社与搜狗公司合作推出全球首个3D版AI合成主播“新小微”，2019年又推出站立式AI合成主播“新小浩”和首个AI合成女主播“新小萌”，从坐着播新闻到站着播新闻，动作、语言、表达更加人性化，某种程度上虚拟主播的演进是现实主播发展与受众期待的统一。表达形式创新的目的是更好地呈现内容，通过具体的主播、产品、介质进行场景式、沉浸式、具身性的互动与传播。3、智能编辑部整合多元生产要素。技术驱动下，新闻生产流程的策划创作、联动采集、智能制作、算法分发、多元互动与智能审核突破了以往“中央厨房”中简单机械的生产环节。智能编辑部是在“中央厨房”的基础上，将多样化的智能产品和智能应用汇聚于一个平台，赋予媒体内容生产以技术基因，强化的是内容生产基础上的产品生成，满足了“集约高效的内容生产体系和传播链条”的深度融合发展诉求与传媒政策逻辑。从“中央厨房”的集约化导向到智能编辑部的技术化驱动、产品化思维及智能化应用，媒体智能化内容生产机制逐渐形成，以产品运营逻辑实现了媒体资源的集约利用、共建共享、有效增值甚至产能输出。三、技术作为支撑，塑造传媒智能结构布局媒的结构布局是媒体在内容生产的基础上，通过战略性或前瞻性的具体实践进行的策略调整或创新运营，目的是打破传统媒体时代的组织结构和发展模式，打造适应新技术发展和媒体深度融合的体制机制和运营模式，提高自身造血能力。媒体适应新技术、新环境、新政策实施的结构布局和战略调整，在智能时代显得更加重要。数据价值驱动智媒产业创新。对于传媒产业创新而言，数据与媒体的连接更加紧密，信息时代我们需要通过数据时刻关注传媒产业环境和用户需求的变化。在推进数据赋能媒体的过程中，要将内容生产和用户消费结合起来，打造集内容数据、用户数据等于一体的数据分析平台，通过分析用户需求偏好、产业结构布局等趋势，寻找媒体智能表达新形态，进而生产出符合用户需求的智媒产品，重构媒体智能化产业链。智能化应用将带动媒体生产系统升级，应该将媒体的数据动能提升至核心生产要素的高度，不断推进智媒产业创新升级。四、技术赋能媒体，助力传媒参与社会治理1、政策引导：媒体借力技术拓展功能。人工智能技术之所以能够参与到国家治理体系中，与相关政策支撑密切相关。我国在政策层面不断深化认识，将人工智能作为推进经济社会发展的新引擎和新动能，逐渐从认识技术向利用技术发展，推进技术产业化和治理现代化。国务院在2015年发布《关于积极推进“互联网+”行动的指导意见》，将人工智能明确为“互联网+”重点布局的一个领域；2016年《“十三五”国家科技创新规划》将人工智能等技术作为引领产业变革的颠覆性技术；2017年《新一代人工智能发展规划》出台，正式将发展人工智能提升为国家战略。2、空间智能：媒体参与智慧城市建设。互联网的发展推进了媒体融合与社会治理的空间化转向。“人类生存和发展的空间，由过去现实空间主导开始逐渐转向网络空间主导。人类社会进入全新的网络空间和现实空间融合与协同的新时代。”??在这一过程中，媒体智能化将从媒体自身格局转入社会发展体系，人工智能将转向空间智能。空间交互中的场景应用将逐渐成为社会发展和传媒变革的新环境，交通、医疗、教育、社区、政务等多元场景都将成为社会治理中智慧城市建设的方向。3、数字治理：媒体助力治理模式升级。数字治理需要互联网思维、人工智能技术、丰富的用户数据资源，以及连接民众的互联网渠道，这些对于政府而言是弱项，而对于经历媒体融合和数字化转型的智能媒体而言却是强项。在数字经济市场环境下，媒体的数字化转型将成为未来媒体智能化的发展趋势。在数字化转型进程中，以智能技术为支撑，媒体凭借积累的数据资源和用户资源，能够实现数据高效收集、分析整理及人工智能运算等，为政府治理和社会服务提供精准解决方案。但这种治理模式仍然是人工智能技术应用的初级阶段，数字治理需要的是信息化支撑、精准化对接及高效化服务，这对于现阶段的媒体智能化而言是一个挑战。答题框架二一、微观：智慧化媒体时代新生产力的多线程作用在微观层面，AI作为一种新的技术原力，将对信息采集、整合与把关、加工、生产与呈现、分发的的整个新闻业务流程和生产机制，产生多线程作用。（一）采集力增强：从人到物、从现实到虚拟的多层面贯穿1.物力增强人力，扩张采集边界在物联网等技术推动下，未来将进入一个“万物皆媒”的时代。搭载智能设备和传感器的智能化物体将作为信息的采集者、传递者甚至加工者，成为内容生产全新的信息源。2. 虚拟增强现实，多面描摹社会借助大数据技术，实现虚拟数据采集，并与现实数据结合，通过虚拟现实技术呈现，丰富报道视角，全方位勾画社会图景。（二）整合与把关力增强：拯救碎片信息，提高信息审核力以前新闻素材的采集与整合受到海量、碎片信息困扰，而机器可以解决这样的困境：在智能技术助力下，信息整合方式将更加智能化、自动化。如相关文章的自动配发、多媒体的智能组合、专题的智能聚合。同时，人工智能在信息把关上，提供了一种智能化的内容审核方案：机器在自动审核与校对上的特长，将结合人的决策能力，建立一种智能化的人机协同把关机制。比如将AI用于来源分析、语义分析、交叉验证、演变追踪，可以有效破除谣言。（三）加工与呈现力增强：智能化加工与沉浸式呈现1.人机协同生产，进一步解放生产力智能化机器，将把劳动力从信息检索、数据挖掘、媒体资源管理等基础型机械劳动中解放出来，使其在文化创意革新、深度内容写作中发挥更大优势。近年来兴起的机器人写作正是这一趋势的应用方向，未来这一技术，将从单纯的文字材料的自动化写作拓展到多媒体材料，同时在写作类型上由快讯写作向深度内容发展2.丰富报道形式，提升沉浸式体验新闻呈现形式更加多样化，出现了数据新闻、沉浸式新闻、机器人写作、AI主播等新的报道形式，提升了交互与沉浸式体验水平。（四）分发力增强：用户算力增强，分发场景拓展智能化算法分发，主要解决的是人与内容的关联问题，目前，算法主要以个性作为基本关联维度，未来，它所依据的数据维度和分发思路或将不断拓展，除了个性外，用户所处的关系和场景也将是核心的关联维度 。在分发场景上，一切搭载了智能交互技术的智能终端设备将泛在，柔性屏、车载屏、智能音箱等将成为新的内容分发渠道和信息接收终端，万物皆媒将在更高的维度上实现。比如智能音箱占据客厅场景，比如模拟大篷车、高铁等场景的人民日报“时光博物馆”。二、宏观层面：新生产力作用下的新内容行业随着智能化技术在新闻领域的应用与普及，对生产者提出更高要求的同时，内容人员与技术人员、内容部门与技术部门、内容行业与技术行业的密切合作、跨界融合将成为融合发展的大趋势，促使传媒组织在体制机制与媒介经营与管理模式上的大变革。（一）体制机制变革：传媒业将在打破媒体内部区隔的基础上，推动媒体间的开放与合作，成立传媒集团、探索中央厨房等融媒体模式，是传媒业目前一直在做的。同时，在行业融合层面，传媒业的开放与跨界合作将成为大势所趋，体制内、体制外，技术、资金、人才的全方位合作与融合，将打通媒体融合的“最后一公里”。（二）经营模式变革：传媒业将立足产制优势，开展跨平台、跨区域、跨行业合作，调整产业布局，向信息服务业、文化创意产业、文化金融产业拓展，以摆脱对单一的广告模式的依赖，拓展变现渠道，延长与完善产业生态链条。（三）管理体制变革：在体制机制和经营模式变革的基础上，将推动管理体制的创新，一手抓发展、一手抓管理，成为必然。同时，技术带来的生产力提升、生产关系变革，并不一定带来一个更好的传媒业。面对技术带来的各种可能性，我们需要进行行业变革的冷思考，在此基础上破镜经营障碍、防范技术风险、进行伦理克制。#3人工智能带来的新闻伦理问题新闻传播的数字化和国际化对媒体伦理传统假定带来进一步的冲击。首先，在线新闻，特别是基于社交媒体的信息传播模式，使得传统的“验证新闻”及其严格的事实检查正在被非专业化的新闻形式取代。新闻专业人员把控信息流的垄断地位被打破，传统媒体一直遵循的伦理价值，如客观公正、把关控制等，也被大量即时性用户生成的内容遮蔽。而全球化新闻业的出现，不仅导致文化价值的冲突，也产生了一个更难解决的问题，即如何设想和界定全球化新闻传播的相关责任。人工智能的两大支柱——算法和大数据，已经多维度地进入新闻传播领域，特别是智能推荐算法作为两者的集成，已经在信息传播领域产生巨大的影响。目前主流的推荐算法有三种：基于内容的推荐、基于协同过滤的推荐和基于时序流行度的推荐。基于内容的算法，其主要逻辑是受众偏好与新闻内容特征的匹配。通过用户特征数据和网络行为的分析，确立兴趣模型；利用分词技术等模式计算内容文本特征，选取两者之间相关度高的形成推荐列表。这种算法能够有效增加用户黏性，但对于个人信息的标签化分析，也容易引发个人数据安全性的争议。近期斯坦福大学研发的算法可以通过交友网站信息判定性取向，准确率高达91%，这一研究立即招致公众批评，也让公众对于算法的信息挖掘能力产生伦理质疑。协同过滤算法的基本逻辑是人以群分，通过计算用户的特征数据将其编入一个用户群体，按照群体共享度较高的偏好推荐内容。这种做法将计算单位有效地下降为群体，减少了数据处理量。谷歌新闻最早采取的就是这类推荐算法。但是这种算法的伦理困境在于容易产生信息茧房，且将人群分类可能产生潜在的算法歧视，不仅触犯个人隐私，而且易于强化社会偏见。基于时序流行度的推荐算法，将单位时间的瞬时点击率等动态特征作为考量因素，将特定时间窗口内流行度较高的新闻推荐给用户。这种算法模型很好地解决了内容冷启动问题，但是对于“标题党”和“三俗”信息的免疫力相对较低。过度依赖算法推荐的新闻价值排序，会产生传播权（新闻价值权重排序决策权）、信息自由（人的传播自主性）、信息触达（服务的普适性、信息的不当触达）、信息隐私权和数字身份及其保护的问题。目前有两种伦理风险已经引起广泛的关注：数据安全和算法偏见。#4面对人工智能带来的变化如何应对？

　　1、专业主义的坚持与升级

　　在“万众皆媒”“万物皆媒”的情况下，媒体 职责的核心履行者，仍然是专业媒体。媒体的专业 性，仍是新闻业的基本保障。网络的环境与传播特点对媒体在新闻的客观真 实性方面的追求造成了一定的干扰。专业媒体或自 媒体需要具有更高的辨识能力，才能尽可能减少失 误。在纷繁复杂的线索中，去探求事物的真相，解 读事物的发生、发展规律，完成深度报道，这仍然 是今天媒体的重要目标。

　　2、公民媒介素养的扩展

　　即使新闻专业主义 2.0 不能达成共识，万众皆媒的现实，也意味着，每个公民对未来新闻业都负有一定的责任。公民媒介素养，将不仅仅是对媒介的使用素养，也应该扩展到信息的生产与传播素养、社会交往素养、社会协作素养、社会参与素养等方面。哈贝马斯所倡导的交往理性，虽然完全实现存在很多障碍，但是，至少它应该成为公共话语空间中交往的理想追求。

　　3、社会化媒体连接模式的优化

　　社会化媒体带来的传播模式变化，已经成为一个现实。我们需要在这样一个现实基础上去寻求通向“真相”的更好途径，而不是简单倒退。每一个社会化媒体平台或应用，都有自己的连接模式，有些模式是封闭与固化的，有些是开放与流动的。一般来说，封闭与固化的模式更容易导致信息的同质化、人的情绪化与态度极端化，在这样的结构里虚假信息也更难以辨识与澄清。开放、流动而有内在秩序的结构则有可能提供更平衡、可自净的信息环境，这种结构也有助于促进人的优势互补，促成群体的智慧。社会化媒体中的人的连接模式的优化，或许有助于激发参与者的积极贡献，并形成相互校正、相互纠错的机制，连接模式的改善，也是减少“信息 茧房”或“回声室效应”的一种可能途径。这样一种优化，既取决于网络服务商的产品设 计与平台运营，在一定程度上也与技术有关。通过技术发现或指明最优模式，可以帮助平台服务商优化产品或运营模式。

　　4、人与机器的协同

　　在反思新媒体助推下“后真相”“信息茧房” 现象蔓延的同时，我们也不要简单地把技术当作一 种敌对力量。通过技术发现与补充人的能力局限， 通过人的力量来纠正机器的偏狭与误区，才是人工智能的要义。

　　5、机器时代的新约束与新伦理

　　机器时代需要新的约束与新的伦理。智能化时代，拥有了机器智能或数字资源霸权的组织及个人，应该如何善待手中的权力？如何防止这些权力作恶？如何在权力失衡的情况下进行纠正或制衡？这些问题将成为未来的基本问题，无论是法律上还是伦理上的约束，都是必须的。 算法看上去是客观、公正的，但事实上它在深层也隐藏着偏见，这也是导致信息环境失衡的一个因素，如何评判与纠正算法的偏见，同样是智能化时代的一个新拷问。而披着个性化服务外衣对个人隐私的侵犯，将是普通人在未来面临的一个巨大困扰，甚至会成为一个重要的安全问题。在推动个性化服务的同时，要尽早完善相关的约束机制。

　　参考文献：

　　1、智媒研究综述：人工智能在新闻业中的应用及其伦理反思 张梦，陈昌凤

　　2、人工智能技术驱动传媒业发展的三个维度 黄楚新 许可

　　3、CSDN作者：qq_34003774 原文：人工智能与大数据的区别

　　4、域外法治 | 算法、人工智能与法律 李啸飞 李家春

　　5、人工智能时代的新闻伦理：行动与治理 浙江大学传媒与国际文化学院教授 赵 瑜

　　6、媒介融合策略与案例 陈昌凤