【中图分类号】G210 【文献标识码】A 当前，人工智能技术正驱动全球新闻业态与媒体生态全方位变革。英国伦敦政治经济学院的新闻研究机构Polis开展的一项全球调查中指出，在46个国家的105所新闻机构中，有90%的新闻机构在新闻内容生产环节使用某种形式的人工智能，而在新闻采集与新闻分发环节使用人工智能技术的新闻机构也已分别达到75%与80%[1]。在国内，随着主流媒体的创新转型从融合发展向系统性变革纵深推进，人工智能技术在我国新闻业的应用亦呈现出规模化、体系化、规范化的发展态势。既有研究已分别对人工智能技术在新闻生产流程[2]、记者与编辑角色转型[3]、新闻伦理规范[4]等方面的影响进行了详尽讨论，这为理解智能技术赋能下的新闻业变革提供了重要支撑。不过，针对人工智能日益从技术工具演化为新闻业基础设施的复杂现实状况[5]，我们亦需一种全局视野审视全球新闻业的人工智能转向何以发生、如何演进与调适。因此，本文旨在基于全球范围内主要新闻媒体机构开展智能化转型的实践经验，系统考察人工智能技术作为一种结构性力量对全球新闻媒体行业生态与发展格局产生的变革性影响及引发的价值危机，进而探讨面对具有不确定性的未来，新闻业应如何作出有效调适。 一、从机器辅助到人机协同：智能时代的新闻生产模式变革 根据人工智能技术自身的创新进程，可将过去二十余年间新闻行业应用人工智能的历程划分为自动（automation）、增强（augmentation）与生成（generation）三个阶段。 （一）自动写作阶段：数据增值与速率优化 新闻业应用人工智能的第一波浪潮是使用大数据分析和自然语言生成技术（NLG），对以结构化数据为基础的程式化新闻报道进行自动写作。全球最早的自动化新闻实践一般被认为是2006年汤姆森金融公司（Thomson Financial）使用计算机程序加工、处理财经数据生成的经济和金融类报道。[6]2010年之后，自动化新闻写作工具被广泛应用于新闻生产实践，例如国外美联社与Automated Insights合作开发的新闻写作机器人Wordsmith、《华盛顿邮报》的Heliograf体育赛事新闻生成系统、《纽约时报》的AI编辑Editor等，以及国内腾讯的Dreamwriter、新华社的快笔小新、今日头条的Xiaomingbot等都是早期自动化新闻写作工具的代表。 这一时期的自动化新闻写作主要有三种类型[7]：一是将不同题材的结构化数据置入预先设定好的模板中生成新闻稿件，常见于财经、体育、金融、气象等标准化程度较高的报道领域。二是根据用户阅读内容或偏好等数据，基于同一信息生成不同角度、风格多样的个性化稿件。三是将采集到的新闻素材与记者的数据模型相结合，自动生成符合该记者风格的稿件。 与传统的新闻生产模式相比，自动化新闻写作能够发挥数据价值，提升新闻报道的速度与效率。然而，自动化新闻稿件虽可以呈现基本事实，却难以解释新闻事件的前因后果，更无法提供独到的观点见解，这使得自动化新闻在报道题材、视角、深度等方面均表现出明显的局限性。 （二）增强报道阶段：机器强化与场景拓展 随着人工智能技术迈入深度学习主导的发展新阶段，其在大数据、算法、算力等方面均实现了关键性突破，新闻业也随之迎来第二波智能化浪潮。在此阶段，智能技术的应用重点从依赖规则设定的自动化写作转向通过人类判断与机器学习算法共同生成编辑内容，即“增强型新闻”。[8]相关技术能够从庞大且复杂的非结构化数据集中识别关联、发现规律并预测趋势[9]，从而极大增强了人工智能在新闻生产各环节中的应用能力。 与早期自动写作相比，此阶段的人工智能应用已拓展至包括“收集、评估、创造和呈现新闻”的业务场景[10]，并逐步向新闻分发与用户互动的消费场景延伸。具体而言，在信息采集阶段，机器学习能够通过强大的算法快速收集、分析信息与数据，从而帮助记者识别规律、预测趋势以及发现有价值的新闻线索[11]。在事实核查层面，机器学习算法驱动的事实核查工具能够将给定文本与具有可信信源的数据库进行比对，从而识别虚假信息、检验新闻信源[12]。在内容呈现环节，语音识别、图像处理、计算机视觉等人工智能技术可增强新闻内容的全息性与多维性，为用户带来新颖的视觉体验。此外，在新闻分发环节，从业者利用大数据分析技术与算法推荐系统根据新闻订阅用户的兴趣、偏好、浏览痕迹、位置等数据，定制并推送个性化的新闻故事，这种个性化程度提高了用户参与度，也增进了新闻媒体组织与受众之间的关系。 （三）生成式智能阶段：人机共创与范式革新 2022年，生成式人工智能（Generative Artificial Intelligence）的出现掀起了新闻业智能化的第三波浪潮。生成式人工智能可通过大规模数据集的训练而学习和理解人类语言，进而自主生成文本、图片、视频、代码等全新内容[13]。与其他类型人工智能多以训练结构化数据集并提供分析和预测的应用模式不同，生成式人工智能可经过训练分析非结构化数据，即时响应用户的自然语言输入[14]，这一独特能力使其被广泛应用于文本数据分析、新闻内容生成、自动化新闻编辑、新闻推荐与分发等多种任务场景中。[15] 在文本数据分析层面，生成式人工智能可基于神经网络技术，对既有文本进行分析与判断，从而帮助记者解读新闻事件，提炼出有意义的新闻见解或报道角度。在新闻内容生成方面，生成式人工智能能够理解自然语言中复杂和抽象的概念，其不仅可以根据提示词生成标题、导语、策划、采访提纲等多种类型的新闻文本，亦能够提供新闻背景知识与新闻事件的关联性内容。与早期标准化程度较高的自动化写作不同，此类新闻文本在语言风格和语法规则上更加连贯与准确，题材涵盖范围也更加广泛。在繁杂的新闻编辑活动中，生成式人工智能可自动完成转录、翻译、事实核查、文稿校对、语言润色等任务，进而提升新闻稿件的质量。在新闻分发环节，生成式人工智能创建了一种对话交互式新闻分发机制，这与传统依赖于用户浏览记录、历史行为、关系网络等隐性数据的算法推荐机制不同，其依靠新闻用户主动提供、输入的显性数据，明确用户的偏好与需求，进而不断优化个性化推荐效果[16]。
