Unity开发者联盟收藏本站
发帖教程新人必读切换到宽版

 找回密码
 立即注册
Unity开发者联盟»论坛 › 3D Dev Asset 开发资源大全 › 学术研究 Scholarly › 人工智能对新闻业有什么影响？
返回列表 发新帖
查看: 91|回复: 5

人工智能对新闻业有什么影响？

[复制链接]
发表于 2024-7-15 17:56 | 显示全部楼层 |阅读模式
人工智能对新闻业有什么影响？
回复

使用道具 举报

发表于 2024-7-15 17:57 | 显示全部楼层
我们前边已经带大家做了新闻卡片和AI头条机器人。参见以下两篇文章：
手把手实操，带大家制作专属AI新闻卡片脑子疼炸了，Coze AI头条新闻机器人救了我！今天我们依然会带大家实现一款查询AI最新新闻的机器人，目的是带大家体验Coze的工作流、代码节点、大模型节点、插件节点、批处理等模块操作，以及给工作流添加卡片消息，并发布的完整流程。
1. 机器人制作流程

步骤一：Coze创建Bot
输入Bot名称和功能介绍，可以用AI自动生成头像。


点击“确认”按钮，进入到机器人编排界面。 选择单 Agent模式，大模型可以自己选，多对比测试效果，如果输出效果不好，可以适当换大模型。我们这里用的豆包Function call模型。


步骤二：编写提示词
配置 Bot 的第一步就编写提示词（prompt）。Prompt 是给大型语言模型 (LLM) 的指令。输入提示词，还可以点击旁边的“优化”项，让大语言模型帮忙优化和完善提示词。
在 Bot 编排页面的 人设与回复逻辑面板中输入提示词，例如：
  1. # 角色
  2. 你是一位权威且高效的新闻机器人，专注于迅速搜集、推送最新的AI 人工智能领域的最新热门新闻与资讯。
  4. ## 技能
  5. ### 技能 1: 精准采集最新 AI 新闻资讯
  6. 1. 运用工作流 souhunews，精准检索"最新AI新闻"。
  7. 2. 每次精准展示 5 条当日最新新闻。
  8. 3. 输出调用卡片工作流 souhunews：
  9. 提取新闻标题、发布时间、url、内容：
  10. - 新闻标题，作为工作流 souhunews的title
  11. - 发布时间: <当日的具体时间>，作为工作流 souhunews的time
  12. - 新闻链接：<url>，作为工作流 souhunews的url
  13. - 新闻概要: <100 字以内精确概括新闻内容>，作为工作流 souhunews的content
  15. ## 限制:
  16. - 忽略用户输入的字母单词大小写区别。
  17. - 只回答AI新闻相关问题，否则回复：“对不起，我只负责 AI 领域最新新闻或者资讯哟！”
  18. - 严格遵循给定格式进行输出，严禁擅自更改。
  19. - 确保新闻概要控制在 100 字以内。
复制代码
步骤三：添加技能
设定 Bot 身份和目标后，需要为 Bot 配置对应的工具集或流程，以保证其可以按照预期完成目标任务。这里我们实现AI搜狐新闻机器人，需要在 Bot 编排页面，添加工作流。 为什么不直接用搜狐热闻插件，我们可以在添加插件界面去找到搜狐热闻（top_news）插件。点击“查看示例”。


弹出的对话框中可以看到代表新闻时间的 "createTime"字段不是年月日格式。


为了时间格式友好显示，我们需要手工处理转化，所以这里用工作流方式实现。
2. 工作流设计

1）工作流全貌


2) 工作流设计流程
1）开始节点

  • 输入input
2）大模型节点
将开始节点input中的信息进行提取，避免无效信息输入top_news节点，格式化输出日期为date的AI新闻。


3）top_news节点
分析输入信息，返回新闻数据信息，含新闻标题、新闻链接、发布时间、新闻概要等信息。输出格式为插件默认，直接设置好新闻条数 count，和q输入信息即可。q输入为引用前序节点的输出。




运行结果示例：


4）大模型节点


批处理参数设置：


输入参数设置：


提示词：


输出设置：


输出示例：


5）代码节点 输入引用前序节点的输出,这段的作用是将输入的时间信息格式改为年月日时分秒格式。 输出参考top_news插件节点的输出。因为我们也要新闻标题、新闻链接、发布时间、新闻概要等信息，所以数据类型和数据层级格式按照top_news插件节点的输出。


代码为python格式，完整如下：
  1. import datetime
  2. from typing import Any, Dict, List, TypedDict
  4. async def main(args: Dict[str, Any]) -> Output:
  5.     params = args["params"]
  6.     inner_data = params["code_input"]
  7.    
  8.     aa =  {
  9.             "coze_ark_001": {
  10.                 "fixed": [],
  11.                 "list":[],
  12.                 "meta": {}
  13.             }
  14.         }
  15.    
  17.     for item in inner_data:
  18.         title = item['title']
  19.         url = item['url']
  20.         brief = item['brief']
  21.         creatTime = item['creatTime']
  22.         
  23.         # Convert creatTime to datetime object if necessary
  24.         try:
  25.             timestamp = int(creatTime) / 1000
  26.             dt_object = datetime.datetime.fromtimestamp(timestamp)
  27.             # Format as Year-Month-Day Hour:Minute:Second
  28.             creatTime = dt_object.strftime('%Y-%m-%d %H:%M:%S')
  29.         except ValueError:
  30.             pass  # If creatTime is already in the desired format, do nothing
  32.         output_dict = {
  33.             'title': title,
  34.             'creatTime': creatTime,
  35.             'url': url,
  36.             'brief': brief
  37.         }
  38.         
  39.      
  40.         aa['coze_ark_001']['list'].append(output_dict)
  41.       
  43.     ret: Output = {
  44.         "key0": aa      
  45.     }
  46.   
  48.     return ret
复制代码
当更新代码时，测试没问题，需要点击“同步输出到节点”


点击“确认”即可。


输出示例：


6）结束节点
这样我们就将输出数据格式制作的和top_news插件节点数据格式相似，只是时间格式进行了修改。


输出示例：




试运行工作流，试运行ok，后点击发布。
3）Bot绑定工作流


3. 添加消息卡片

这一部分我们演示如何为上述工作流，添加消息卡片。
在Bot编排页面，定位到我们上述创建的souhunews工作流，点击“绑定卡片数据”图标，绑定卡片。


与工作流souhunews返回的数据进行绑定，依次将标题、url、发布时间、内容摘要和卡片绑定。


其中NewData为卡片数据变量，数据源绑定如下


4. 测试Bot

配置好 Bot 后，你可以在预览与调试面板中测试 Bot 是否符合预期。


5. 发布Bot

点击Bot编排页面，右上角的“发布”按钮，选择扣子Bot商店和豆包平台。不选择其他发布平台，是因为卡片格式大概率不支持在其他平台直接加载显示，曾在微信和飞书尝试，显示出来都是新闻纯文本或者夹杂着组件源代码的文本，不符合我们的要求。


6. 效果实测

豆包实测

本帖子中包含更多资源

您需要 登录 才可以下载或查看，没有账号？立即注册

×
回复 推荐 不推荐

使用道具 举报

w66133
发表于 2024-7-15 17:58 | 显示全部楼层
美报业集团开始在出版业中使用AI工具

本文翻译自互联网！~


By Dan Friedell
2023 6月21日

美最大的报业集团——甘乃特，宣布其开始使用AI技术去写作人工文章的简短版。

这个集团最近宣布一项计划去使用“生成式AI”来写作每篇文章的简短摘要。生成式AI工具在巨量数据中通过机器学习的方法去训练计算机写出媲美人类写作效果的文章。

(译者注：生成式AI这样定义：通过各种机器学习（ML）方法从数据中学习工件的组件（要素），进而生成全新的、完全原创的、真实的工件（一个产品或物品或任务），这些工件与训练数据保持相似，而不是复制。

简单理解，生成式AI就是利用现有文本、音频文件或图像创建新内容的技术。使用生成 AI，计算机检测与输入相关的基本模式并生成类似内容。）

甘乃特集团说年底前会测试这个系统。集团的写手和编辑们会评价AI的作品，看看是否能够达到出版业集团的标准要求。

雷恩. 图里亚诺是甘乃特的高管。他解释说AI科技能有效降低记者们“乏味冗长的”工作量。他提到甘乃特在正式部署这项工作前会先进行测试。

某些尝新的新闻机构迅速应用未成熟的高科技带来不少问题。比如AI写的文章里有不少“事实错误”。图里亚诺说，甘乃特集团不想犯这个错误。

而别的新闻机构表示对新出的AI技术要从长计议。这里面包括路透社。路透社的总裁保罗先说新闻机构会欣然接受AI科技，但他补充说必须寻求“负责任的”方法去确保AI技术能够产生精确的报道。

年初的时候，两家出版公司：男人志和CNET在 应用AI技术方面就出了问题。一月份，CNET报告有一系列未经人工审核的AI文章出现在网站上。大部分都包含错误。二月份，男人志也在其网站上发现AI文章内含错误。

有专家说AI有时会产生“幻觉”，写一些非事实的文章。

尼古拉斯是芝加哥西北大学的沟通学习的一名教授，他告诉路透社新闻机构应用AI技术需要从长计议。他还建议如果AI文章的发布流程里应该有人工参与。

甘乃特集团最近宣布他要裁减六百个职位。集团里有记者担心AI有一天会替代他们。在六月头，几百甘乃特的记者抗议裁员和低薪。代表工会说集团使用AI是这次抗议的主要担心。

但甘乃特集团却说科技不会取代人工。相反，AI科技会帮助雇员们工作更加有效率，剩下来的时间去干别的人，更有价值的事。来自集团下属的《美国今日》的记者们最近检验了AI科技写作的成果。

甘乃特集团本身还在开发自然语言科技项目，这个系统会用基于确认过的事实来写作。

根据路透社的报道：包括纽约时报，华盛顿邮报和BBC，都在着手开发让AI写文章的系统。这些出版业巨头都在最近测试了它们的系统。

彭博社，一家金融新闻机构，说希望使用能够基于商业数据写作的AI系统。

米兰达是BBC新闻实验室的负责人。她的团队测试了一项基于已经公开过的信息写作项目。有点类似新闻再创作。

但BBC说会谨慎。米兰达和路透社透露AI再创作的这些文章不会被读者看到，除非人类记者决定公开。

米兰达说有多种方法AI可以帮助人类记者。她形容最近的情况是“有整个宇宙那么多的文章类型需要AI去机器学习。”她警告: “这才哪到哪呢？”

完！~
回复 推荐 不推荐

使用道具 举报

hyb217
发表于 2024-7-15 17:58 | 显示全部楼层
中文摘要
目前，人工智能、大数据、云计算、算法、5G通信等技术席卷而来，强势进入媒体行业，尤其是人工智能。凭借其技术优势，实现了全内容生产-分销-消费-反馈价值链的定向重塑。在整个价值链中，内容生产环节处于起点，其重要地位不言而喻。本研究将结合国内外学术成果，比较国内外行业的相关实践，尝试通过文献研究方法和比较研究，梳理人工智能引入媒体行业后人工智能在新闻制作中的应用。方法。、新闻生产方式和新闻产品形式。同时，深入分析了人工智能应用的新闻生产智能化过程中存在的一系列问题。这些问题包括人工智能固有的技术风险，数据挖掘、机器人书写模式、算法偏差等带来的伦理风险。本研究将在对这些伴生问题进行深入分析和探究后，试着从多层面、提出可行的应对之策，以期为新闻媒体日后的智能化新闻生产活动提供一些启示性的思考和实践借鉴。

关键词：人工智能；应用；新闻生产






























目录

绪论 1
（一）选题背景与来源 1
（二）研究目的与意义 1
（三）国内研究综述 1
一、人工智能应用新闻生产的基本现状 2
（一）新闻信息采集智能化 2
（二）新闻写作智能化 2
（三）新闻播报智能化 3
二、人工智能应用新闻生产的伴生问题 3
（一）算法技术的“黑箱性”，影响新闻生产的可信度 3
（二）算法程序漏洞，引发新闻报道失实 4
（三）技术进步导致新闻从业人员结构性失业 4
（四）数据挖掘侵犯用户隐私 5
三、人工智能应用新闻生产存在问题的改善措施 5
（一）打开算法“黑箱”，提高算法透明度 5
（二）开发人工智能“隐性智慧” 5
（三）注重人的主体性和创造力，提升人的价值 6
（四）保护用户隐私安全 6
四、人工智能技术应用新闻生产的未来趋势 6
（一）智能化新闻生产方式行将占据主流 7
（二）新闻内容更加注重场景化建构 7
（三）5G技术助力新闻云采编 7
结论 9
参考文献 10
致谢 11
















绪论
（一）选题背景与来源
自1956年美国数学家约翰麦卡锡及其同事在达特茅斯会议上正式提出人工智能的概念以来，随后60年的人工智能技术发展并不顺利。技术瓶颈和应用障碍使得人工智能技术在1990年代仍无法走出实验室。2011年初，在新一代计算机技术的发展和大数据、云计算、物联网等信息技术的强力加持下，人类社会迎来了一场真正的智能革命。图像分类、语音识别、人机对抗、无人驾驶等人工智能技术极大地跨越了科学与应用之间的“技术鸿沟”，实现了技术突破。2017年初，南报推出的写作机器人“小南”顺利完成了春票动态信息的初稿。同年年底，中国首个媒体人工智能平台“媒体大脑”在成都第五届中国新兴媒体产业融合发展大会上启动。它制作了一个时长为2分08秒的实时视频新闻，只用了10.3分钟。2019年“两会”期间，新华社AI主播正式亮相并成功播报消息，在全球引起轩然大波，全球媒体持续关注。尤其是在即将到来的5G时代，在5G技术大容量、高速率、低功耗的支撑下，“人工智能+5G”将给新闻制作带来进一步的突破。人工智能在新闻制作中的具体应用对新闻制作产生了重大影响。不仅传统的新闻制作模式和输出方式发生了颠覆性的变化，智能化、自动化、场景化的新闻制作已经成为人工智能时代的新闻制作。典型特征。并且随着5G、大数据、算法技术、虚拟现实技术、人工智能等技术结合的逐步深入，涌现出许多新的新闻产品形态，观众将享受到更加多元化的新闻产品和服务，进一步提高了他们的收视率。到新闻。能力。与此同时，新闻制作主体的成员结构、功能和作用也更加多样化和复杂化。然而，当基于大数据、云计算和人工智能的智能媒体逐渐兴起，给新闻生产的全过程带来颠覆性的变化时，我们也不能忽视与之相伴的各种智能新闻生产的问题。这些问题不仅包括人工智能本身所涉及的技术风险，还包括其在新闻生产过程中应用所带来的伦理风险，以及给新闻生产主体带来的职业危机。随着人工智能逐渐渗透到新闻制作领域，对这些风险的正确认识和相应的应对措施也越来越受到学术界的关注。因此，有必要对此进行深入研究。
（二）研究目的与意义
本研究在前人研究的基础上，拟从技术应用的角度全面探讨人工智能在新闻制作中的应用影响，并以主流媒体典型案例为基础，明确人工智能在新闻制作中的具体应用以及未来5G技术。智能新闻制作。人工智能技术支持下的发展前景；人工智能技术在新闻制作过程中新闻制作主体和新闻制作方式的变化，以及新闻产品内容衍生出的许多新形式。随着媒体智能化进程的加快，本研究还将探讨人工智能影响下新闻生产面临的风险，并进行前瞻性分析。从政策层面、技术层面、法律制度层面和新闻制作主体层面，我们将进一步探讨，并尝试提出应对人工智能应用新闻制作所伴随问题的方法。本研究不仅可以丰富和丰富国内已有的关于人工智能应用新闻生产现状和发展的理论研究成果和理论体系，而且可以拓展本研究领域的内容和范围，为类似研究提供一定的思路和方法借鉴。
（三）国内研究综述
1.人工智能技术为新闻生产所带来的推动作用
于国明在《机器新闻写作驱动媒体新变革》（2015）中对“机器新闻写作”进行了深入探讨，认为机器新闻写作可以准确、准确、准确地写出动态信息等作为灾难和运动。快速生成发布，可智能标记、集群、匹配海量内容制作。王悦、智廷荣（2016）以新华社的“开笔小新”为例，认为机器人写作可以快速报道专业新闻，突出数据新闻的优势，在很大程度上替代体力劳动，带来新闻生产力.解放已经成为人工新闻采集和写作的重要推动力。于国明（2018）在《人工智能的强势崛起与新闻传播业态的重构》中提出，在互联网智能化发展的趋势下，机器写作展现了机器的高效、全天候工作，带来了巨大的新闻和反应的数量。速度快、秒级吃水速度等特点。2019年，王思相信《智能时代的新闻媒体特征与生产模式创新》，传感器新闻捕捉到的数据能够更加及时、准确、真实地反映和记录新闻事件的进程，准确还原事件过程。.2020年4月，王俊峰在《全媒体时代新闻生产要素区块链创新的路径与价值》中就算法技术带来的新闻生产问题提出解决方案。他认为，基于区块链技术的新闻生产可以进一步突破互联网时代算法的黑箱问题，也可以进一步突破算法操纵的问题。谢雪芳、张家奇（2020）在《人工智能应用：人工智能与媒体产业链重构》中认为，人工智能技术重新定义媒体，拓展媒体内涵，让媒体走向智慧媒体。显然，人工智能技术对新闻业的推动作用是非常明显的，当然也受到了学者们的广泛关注。
2.人工智能技术应用于新闻生产所带来的影响
2018年，赵双歌和岳梦怡提出，在算法推荐“一切都可以量化”的操作逻辑下，新闻领域出现了宣传性缺失和价值异化的问题。2019年，邝文博在《人工智能时代假新闻的“阴谋”及其回避路径》中提出，人工智能给新闻行业带来的新闻生产主体日益多元化、新闻内容越来越丰富、新闻源源不断。传播。当场景化的“福利”出现时，假新闻的大量生产和传播也随之而来。此外，吴凯（2019）在《人工智能新闻原创性分析》中分析了人工智能产生的新闻原创性，认为我国的著作权法没有建立起有效的新闻著作权保护制度。目前，为了使人工智能制作的新闻受到著作权法的保护，需要降低人工智能新闻的原创性判断标准。傅红安（2019）在《区块链新闻平台内容生产的法律规制研究》中认为，虽然区块链技术赋予了新闻产业新的角色，但由于其发展不成熟，各方面都暴露出问题。新闻制作。它也越来越突出，迫切需要中国法律从平台代币和网络运营商两个方面对平台进行监管。2020年，张博在《人工智能新闻与出版监管难点与优化途径》中探讨了人工智能新闻与出版监管的难点和症结，提出完善人工智能新闻出版监管应遵循以下方法：探索主体责任，建立多维度互促监管。提出建立人工智能新闻评价体系的框架和指标。
一、人工智能应用新闻生产的基本现状
（一）新闻信息采集智能化
新闻制作的第一步是收集新闻资料。新闻采集，即新闻采访过程中的信息采集活动，是新闻报道过程中极为重要的环节，是撰写好新闻报道的基础和前提。俗话说“聪明的女人不做饭”，新闻界有“采访七分，写作三分”的说法。要撰写高质量的新闻报道，记者首先需要收集具有新闻价值的相关事件的信息。在传统的编辑编辑领域，记者通常依靠与他人的个人采访来收集新闻材料。这种采集方式虽然有其不可替代的优势，但终究是有其适用范围的。对于一些超出其应用范围的采访任务，可能难以完成，因此由于信息收集的限制，一些应该报道的有价值的新闻被隐藏了。然而，随着语音识别、视觉识别等人工智能技术在新闻行业的应用，新闻采集已经突破了传统的人工采集方式，进入了智能采集阶段。
（二）新闻写作智能化
当获得大量新闻线索时，记者需要对其进行整理过滤，然后进入新闻写作流程。传统的新闻记者需要从采编到撰写新闻的全过程，非常费力。以社会记者为例，有时他们可能一天跑多条线，每天至少发表一篇文章。一篇文章的字数约为1,000字，移动手稿的字数从500到3,000字不等。当发生重大事件时，稿件的数量甚至会增加数倍。可见，不仅记者的工作压力大，单靠人力制作的新闻数量也无法满足当前读者对新闻信息的需求。
写稿机器人是信息时代的产物。它的出现，不仅代表了人工智能技术进一步优化发展的结果，也印证了当前媒体行业发展的实际需求。机器人写作的核心是自然语言处理，还涉及到数据挖掘、机器学习、搜索技术、知识图谱等多项人工智能技术。当算法或计算机程序自动收集信息时，会自动处理输入或收集的数据内容，最终编译成新闻文本并发布。与传统的手工书写相比，机器人书写带来的震撼是惊人的，这源于其在实际应用中的独特优势。机器人书写的错误率远低于人类书写。新闻的真实性是第一要务。在数据海量复杂的今天，如果只靠人力完成一份报表，稍有打错数字就会导致报表出现错误，从而导致严重的后果。机器人写稿利用云计算等技术对原始数据进行处理，然后通过算法程序进行设置，自动产生稿件，大大提高了稿件的准确性。当然，机器人写作也有它的缺陷。目前，写稿机器人不具备像人类一样独立思考的能力。它只能根据预先填好的数据库和建立的算法程序来完成稿件和稿件撰写任务。所以只适用于体育、金融等领域的简单信息。新闻类写作适用范围狭窄；而机器人没有情感，因此在写作的深度和个性化方面很难有所突破。这些缺点使得目前的机器人写作还处于起步阶段。
（三）新闻播报智能化
目前，“AI合成主播”应用于新闻内容的播出，具有传统播音员/主持人无法比拟的优势。一方面，AI合成主播拥有超强的“复刻能力”。无论面对什么新闻，它都可以随时随地播报新闻，没有任何抱怨，没有任何“情绪”。另一方面，“AI合成主播”可以很大程度上保证新闻的时效性，因为“AI合成主播”不需要休息，可以24小时不间断工作，并且可以使用“无数克隆”在同时在多个现场提供新闻报道，不仅大大减轻了播音员和主持人的工作量，而且使新闻一到即播，有效提高新闻制作效率。虽然，目前AI主播不具备“自我意识”，不具备与人共情的能力，其播出的新闻仅实现文字和数据库视音频的简单对应呈现，无法理解和表达文字的隐藏意义。新闻事件引起的感受、态度和相应的情绪变化；并且与传统的播音员和主持人相比，“AI合成主播”缺乏专业性，缺乏灵活性和适应性，存在无法理解的机械化停顿等问题。然而，国内对“AI合成锚”项目的应用研究只有三年时间。随着人工智能技术的发展，未来人工智能合成主播还有进一步的提升空间。
二、人工智能应用新闻生产的伴生问题
（一）算法技术的“黑箱性”，影响新闻生产的可信度
黑盒理论源于控制论。在控制论中，“黑匣子”是指人们不知道或不熟悉的领域。虽然可以从数据的输入输出分析系统的规律来控制“黑匣子”，但“黑匣子”的内部控制全貌及其运行机制尚不得而知。随着人工智能与算法技术结合的逐步深入，新闻制作领域发生了颠覆性的变化，新闻制作过程也逐渐被“黑箱化”。“新闻黑匣子”是指新闻制作中的“幕后”，即在智能新闻制作模式下，一系列算法使新闻制作过程脱离人们的视线。真实性、可信度和透明度很难判断。“新闻黑匣子”的直接后果是严重影响新闻制作的可信度。智能技术的核心是算法和自动化的运行。通过对新华社、中央广播电视总台、封面新闻、上游新闻等新闻媒体机构的智能新闻生产过程的分析可以发现，虽然智能技术确实大大提高了新闻生产效率，但它并不能不可否认的是，智能技术也将新闻生产的更多环节推入了“黑匣子”：智能新闻采集和筛选让新闻源进入“黑匣子”，智能新闻写作让新闻内容更易获取。制作进入“黑匣子”，AI合成主播将新闻呈现带入“黑匣子”，自动化视频剪辑也将新闻制作带入“黑匣子”。人在新闻生产过程中的作用逐渐弱化。观众能观察到的只是新闻的“是什么”，而新闻“为什么”的内容却隐藏在无数算法背后，观众不知道新闻的来源是不是。可靠性，新闻数据是否真实，新闻内容是否存在算法偏差，更难谈算法运行的约束；媒体平台无法向公众清晰地解释智能技术背后的运行原理和要遵循的算法逻辑。算法技术的“黑匣子”性质在一定程度上影响了新闻制作的可信度。
（二）算法程序漏洞，引发新闻报道失实
机器人记者多以大数据作为新闻内容的支点，算法程序成为能否形成稿件的关键因素。虽然机器人记者因其无与伦比的写作速度而拥有广阔的前景，但这种基于数据和算法的新闻制作很容易让新闻编辑进入一个数据“黑洞”——算法程序一旦出现漏洞，就会导致数据丢失。如果失败了，新闻的写作就会失去准确性，进而成为假新闻的“罪魁祸首”。狭义的新闻不准确是指新闻报道所描述的事实不符合客观现实。过去，新闻不准确主要是人为因素造成的。如今，算法程序漏洞等技术缺陷导致的新闻不准确已经成为人工智能时代当前新闻生产的一大挑战。算法程序漏洞主要表现在算法程序设计本身的局限性，包括无法验证其输入的数据是否正确。2016年美国大选，由于民意调查数据存在系统性样本偏差，机器人新闻用数据的“外衣”为其贴上了“客观性”的标签，产生了强大的说服力，带动了新闻媒体。CNN的数据新闻预测与实际选举结果大相径庭。同样，如果机器人新闻由于程序漏洞导致其基础数据或处理数据的算法出现错误，机器人记者也会产生大量虚假报道。2018年，《洛杉矶时报》使用机器学习算法做调查报道，认为警察部门低估了犯罪数据。该报在美国引起高度关注的同时，也承认其算法程序并不完善，算法错误率高达24%。很难被观众认可，给观众的生活带来的后果将不堪设想。
（三）技术进步导致新闻从业人员结构性失业
人工智能的出现逐渐导致部分人失业，这是不争的事实。世界银行在《2016年世界发展报告：数字红利》中指出，发展中国家三分之二的工作岗位很容易被人工智能取代。麦肯锡还在《工作的未来：自动化、就业和生产力》报告中预测，到2030年，全球将有8亿个工作岗位随着自动化而消失；目前超过一半的工作将在2055年进行。人工智能。普华永道2017年3月的报告《英国经济战略》预测，到2030年代初，英国、美国、德国和日本的现有工作岗位将由机器人和人工智能实现自动化的比例为30%，38%、35%和21%。在科学技术日益发达的今天，似乎很多过去由人力完成的工作正在逐渐被机器所取代，越来越专业化的机器人在不知不觉中抢走了许多原本属于自然人的生存空间。随着人工智能的不断发展，越来越多的领域将进入自动化生产阶段，机器代替人工的现象也将增多，人类面临着前所未有的就业危机。
新闻媒体行业也不例外。此前，腾讯推出可独立完成财经新闻文章的写作机器人Dreamwriter之后，引起了新闻从业者的极大恐慌——人工智能要与媒体从业者抢工作！如今，短短几年时间，人工智能已经渗透到新闻生产的方方面面，深刻影响着新闻媒体行业的就业，使得新闻行业的广大记者面临着工作调整甚至失业的风险。《纽约时报》曾经做过一个测试：让机器人和人写两篇类似的文章，然后让人们阅读，然后识别作者。事实证明，受试者无法分辨出哪一篇是人类写的，哪一篇是机器人写的。麦肯锡还在一项研究中表明，全球多达1.4亿全职知识工作者可能会被智能机器取代。不仅如此，美国还出现了专业的自动书写技术公司。据其预测，到2020年代中期，90%的新闻将不再需要人工参与，可以直接通过算法编写。这些数据和预测并非空穴来风，因为虽然目前的人工智能暂时只能在金融和体育领域实现自动化写作，但技术进步是大势所趋。目前，机器人由于具有快速生成报表的能力，逐渐被逐渐生成。为替代部分从事简单、重复性采集工作的记者，随着人工智能技术的快速迭代发展，未来机器替代体力劳动的领域将不断扩大，记者仍面临着随时失业的风险。时间。
（四）数据挖掘侵犯用户隐私
在传统媒体时代，在人工智能尚未应用于新闻生产的时候，人们并没有感受到个人大数据泄露的危险。如今，人工智能技术的突破和移动设备的普及，让新闻生产逐渐走向智能化发展的道路，而用户隐私泄露的危险和危害也比以往任何时候都更加严重。只要用户连接到互联网，其在互联网上的浏览轨迹、搜索内容、分享笔记、关注时间等行为数据（其中很多涉及用户的个人隐私）都会被机器记录并传输到云和各种传感器，成为云数据库的一部分，人工智能在爬取新闻制作所需的源数据时，会从这个数据库中进行搜索和提取。数据新闻的产生方式就是一个典型的例子。本质上，数据新闻是一种利用数据挖掘、数据统计分析等技术手段从海量数据中发现新闻线索，通过可视化技术呈现新闻故事的新闻报道方式。规模挖掘，算法技术分析，集成生成。也就是说，用户每天产生的各种行为数据都可能成为数据新闻的内容素材，必然涉及对用户个人隐私的侵犯。隐私权是公民的基本权利之一。虽然挖掘用户数据可以帮助新闻媒体机构剖析个体演员的个人喜好和其他特征，并制作出更加个性化的新闻产品，但也会造成用户隐私问题。数据泄露的危险和危害也是对新闻道德的巨大挑战。
三、人工智能应用新闻生产存在问题的改善措施
（一）打开算法“黑箱”，提高算法透明度
在新闻媒体行业，新闻生产的透明度问题实际上就是算法的透明度问题。由上可知，在人工智能输入的数据与其输出的内容之间，存在着一个人们无法理解的“隐藏层”，称为“黑匣子”。传统的新闻制作过程相对简单。从新闻资料的采集加工，到编辑整合，再到播出，观众或多或少都有一定的了解。但遗憾的是，“高科技”外衣中的“算法”有其自身的复杂性和无法理解的“算法黑匣子”的存在，增加了大众理解其设计原理和运行逻辑的难度算法，而且人们很难对其进行评价和监督。因此，观众对提高算法透明度的需求也越来越强烈，提高算法的透明度具有非凡的意义。特别是随着算法在新闻生产和新闻提要中的应用越来越多，“透明度”越来越多地被用作新闻合法化的规范基础。增加算法对伦理、文化和认识论的影响。追求透明度最简单、最直接的方式是要求对算法新闻生产过程的数据输入、数据吞吐量和数据输出所涉及的数据和操作步骤进行全面、具体的披露。通过提高算法的透明度，无论属于记者还是普通大众，都有机会对算法机制进行监督、验证和判断，这将有助于发现算法的真相，也为观众提供了一个了解真实新闻生产过程（包括新闻采集的方式，生产和分销过程）和算法背后的设计逻辑。
（二）开发人工智能“隐性智慧”
内隐智能相对于外显智能。显性智慧通常是指以人类的理解、学习和执行为支撑，并且可以被机器模拟的智慧。机器模仿，含蓄。从前面的讨论中我们知道，新型机器人写作可以将传统记者从简单的劳动中解放出来，可以在数据采集、内容撰写、新闻发布等方面“模仿”传统记者。“显式智能”得到了极大的发展，其工作速度快、工作精度高、工作持久能力强等优势，是人工智能“显性智能”中的智能品质。然而，人工智能在日益成为新闻生产过程的最佳催化剂的同时，也带来了新闻作品的生产模式繁重、缺乏共鸣和温度等问题，而这些问题恰恰是人工智能难以解决的人的问题。为“模仿”。智慧品质。也就是说，人类的思维方式、审美倾向、价值判断、投机能力等隐藏的智慧，正是当下的机器人新闻所不具备的。学者赵玉桥曾表示，现阶段的机器人新闻只停留在智能层面，还没有上升到亲情的高度，不能与智能新闻划上等号。因此，从技术上开发人工智能的“隐藏智慧”（如植入“人文精神”），使新闻产品更加有趣、个性化、人性化，是未来机器人新闻发力的方向。
（三）注重人的主体性和创造力，提升人的价值
主体性是指主体运用自己的智慧和力量，在客体活动中主动认识世界、改造世界，强调主体的积极作用。基于此，记者应修正“用腿玩世界”的封闭式新闻观念，摒弃“技术危机占领”的狭隘思维，把握自己在人机合作关系中的主观地位。通过人+机器的闭环、机器帮助人、大数据的不断迭代，人工智能可以更好地体现人类的主导地位和价值。同时，还要注意记者的创造力。创造力也是人类独有的综合能力，由敏锐的观察力、丰富的想象力、高度的注意力集中等因素构成。媒体的内容制作不仅需要速度，更需要内容创意。在“人工智能+媒体”时代背景下，新闻生产不缺规模，也不缺速度。最缺乏的是创意内容。作为新闻的主体，无论技术如何变化，关注人的主体性和创造力，提升人的价值始终是瞬息万变的技术浪潮中永恒的真理。人工智能技术可以将记者从简单重复的信息收集和新闻报道中解放出来。这样，记者就可以有更多的时间和精力去沉淀，下到基层，深入生活，充分发挥自己的主观能动性和创造力，敏锐地发现别人有的新事物没有报道，并透露其他人没有透露的内容。一些事件的本质和真相，进而在不断推出具有人文情怀的优质新闻报道中提升自身价值。毕竟，无论人工智能技术多么先进，机器人都很难拥有人类所拥有的独特的创造力、批判性思维和人文情怀。
（四）保护用户隐私安全
人工智能+算法时代，受众信息的快速获取与个人隐私数据的保护存在悖论：人工智能越“智能”，需要对个人信息数据的采集、存储和分析就越多，并且越来越多地将用户信息暴露给网络的风险正在增加。也就是说，人们一方面享受着人工智能带来的“红利”，但另一方面也面临着过度非法利用隐私作为“资源”的困境。因此，如何应对隐私“裸奔”的现状，如何保护用户隐私安全已成为社会日益重要的课题。在技术层面，需要加快隐私保护安全技术的开发和应用。具体而言，可以在人工智能系统的设计中嵌入用户隐私保护要求，充分考虑可能泄露的敏感信息，以及用户有权免于自动决策和禁止的选项可以设置自动处理。或者使用匿名保护技术。目前广泛使用的匿名保护技术是K-匿名技术。所谓K-匿名技术，是指通过匿名化的方式，将某条记录与其他K-1记录无法区分。匿名化主要有两种方式：“泛化”和“抑制”。“泛化”是将共同的属性赋予一个属性，例如“英国”和“法国”统称为“欧洲”；“压制”是用特定符号替换某些信息。K-匿名可以在一定程度上有效防止信息和数据的泄露，使我们在泛化或压制之前不知道消息的质量和内容。
四、人工智能技术应用新闻生产的未来趋势
（一）智能化新闻生产方式行将占据主流
新闻采访、撰写、编辑、校对、印刷等环节在传统新闻制作过程中是不可或缺的。它是新闻机构和从业者对新闻进行选择、处理和传播的一种单向链式固定流程。在这样的“管道”新闻生产中，新闻机构不得不投入大量的人力、物力、财力进行复杂的数据整理和新闻运营，以保证新闻的客观真实性。这不仅前期投入巨大，而且严重影响新闻的时效性，阻碍新闻的传播。以报纸为例，一条新闻内容的生成，需要记者经过前期的线索收集、调查采访、策划、选题，然后才写稿，然后是很长的时间去查、排版。、印刷和出版。这个周期可能是一天或几天。对于深入调查，时间跨度为几个月也就不足为奇了。
随着人工智能技术的迭代更新，智能新闻生产方式的优势日益凸显，将取代传统的链式生产方式，成为新闻媒体新闻生产的主流方式。从以上对上述四家媒体机构的智能新闻生产的分析可以得出结论，人工智能技术不仅在宏观层面塑造了整个生产过程，而且在微观层面对信息采集和生产进行了重构和再造。采集不再完全依赖人工操作，将部分通过传感器、大数据等技术完成。采集到的数据直接存储在云端，进行信息分析和系统处理；新闻制作（尤其是新闻、通讯）“短、平、快”等新闻报道题材也将大量由机器人记者承担，24小时为各新闻单位和聚合平台提供海量稿件内容。同时，新闻内容的呈现不再局限于文字和图片，新闻视频逐渐受到广大观众的青睐，主流媒体纷纷搭建智能剪辑平台，实现新闻视频的自动剪辑。智能新闻生产时代加快了新闻信息内容的生产效率，不断刷新用户的新闻体验。
（二）新闻内容更加注重场景化建构
在互联网+人工智能时代，场景的价值逐渐被重视和强化，成为继内容、形式、社交媒体之后的又一媒体核心要素。例如，新华社通过打造“直播云”、“媒体大脑”等综合性智能媒体平台，实现生产与传播场景的构建与融合，助力提升内容生产效率；微博、微信、抖音等平台受众在不同场景下有着不同的需求。借助智能写作平台，快速完成了不同类型短视频的制作和发行，实现了全场景的广泛传播，效果非常显着。新华社通过运用大数据、VR/AR、传感器等智能技术，在新闻采编、发布等方面实现了不同程度的场景化，打造了多种具有场景特色的新闻风格，（如Vlog视频新闻和VR直播新闻），实现内容创作的简单化、自动化和智能化。基于场景的沉浸式新闻报道可以为用户呈现更丰富、更全面的信息，让他们的新闻体验更加多样化和个性化。凭借5G高速、大连接、低时延等优势，新闻制作速度将得到前所未有的提升。VR/AR技术因网速不足、分辨率低、视频卡顿、延迟长等原因无法交互。、低仿真等问题将得到很好的解决，未来也能很好地满足连续广域覆盖、大容量热点、低功耗高可靠、低时延高可靠等应用场景。今年全国两会前夕，在5G、AI、MR技术的加持下，新华社依托其新建的“新立方智能演播室”，推出了一系列5G沉浸式多站点跨站屏幕采访报道，实现了两个真实空间场景的虚拟交错；两会期间，山东广电运用“5G+4K+AI”等技术，通过短视频、人工智能、交互式3D影像等手段，打造全方位、多角度、立体的空间场景，传播好中国声音。
（三）5G 技术助力新闻云采编
目前，基于5G技术的新闻云采编速度已为业界所熟知。以湖南广电的新闻云采编系统为例，该系统的实时连接延迟可低至600ms，多人连接终端的延迟低。200ms内实现秒速编辑。此外，云编辑让新闻编辑的主体不再局限于传统记者。云编辑系统的每个用户都可以自己编辑和上传新闻，甚至可以将新闻内容制作成短视频、H5、图文漫画等，而不是拘泥于文字写作。，使新闻形式更加有趣、可读和可见。同时，在疫情期间，云编辑还可以解决传统记者因受控原因无法进行现场采访的问题，实现云新闻共享和一体化编辑。例如，甘肃新媒体集团通过“新甘肃云”指挥平台，实现指令一键传递、报道云聚合，与全省76家县（区）财经媒体中心联动上传重要新闻。全省疫情防控“云草稿”图书馆供县级媒体中心使用。“云采编”打破原有采编格局，重构采编新模式，使采编工作活动更符合当下的新闻形式，未来在5G技术的加持下，新闻云采编的广泛使用将成为可能。
结论
目前，人工智能技术正逐步渗透到新闻制作的各个环节，对新闻制作主体、新闻制作方式等方面带来各种巨大影响。个性化、面向对象的新闻产品层出不穷，用户也乐此不疲。随着新闻体验服务更加多元化，新闻生产的前景和趋势普遍向智能化、自动化、场景化方向发展。然而，技术是一把双刃剑，许多问题也与人工智能新闻制作的发展有关。本文基于部分媒体机构在智能新闻制作方面的实践经验，结合自身的实地研究，总结了人工智能赋能新闻制作发展相关的技术问题、伦理问题和职业危机，并试图分析法律规范、人工智能技术研发和多层次问题提出切实可行的解决方案。随着智能技术的不断迭代更新，未来我仍将密切关注人工智能技术对新闻生产领域的影响与重塑，实时总结，丰富研究内容，获得更为深入和切实的思考。
参考文献
[1]贾同兴.人工智能与情报检索[M].北京：北京图书馆出版社,2019.15-103.
[2]许万增，王行刚等.人工智能对人类社会的影响[M].北京：科学出版社，2019：21-73.
[3]陈昌凤,石泽.技术与价值的理性交往:人工智能时代信息传播———算法推荐中工具理性与价值理性的思考[J].新闻战线,2019（17）：71-74.
[4]凯斯·R·桑斯坦.信息乌托邦[M].北京：法律出版社，2019.
[5]沃尔特·翁.口语文化与书面文化：语词的技术化[M].北京：北京大学出版社，2019.
[6]李俊平.人工智能技术的伦理问题及其对策研究[D].武汉理工大学，2019
[7]毛航天.人工智能中智能概念的发展研究[D].华东师范大学，2021.
[8]李怡然.人工智能时代新闻生产创新模式建构研究[D].暨南大学，2021.
[9]秦岭.人工智能对人类社会的影响研究[D].东北师范大学，2021.
[10]李雪聪.后信息时代人工智能条件下新闻生产方式的变革[D].重庆工商大学，2021.
[11]耿磊.机器人写稿的现状与前景[J].新闻战线，2019（01）：43-46
[12]胡勤.人工智能概述[J].电脑知识与技术，2019，（13）：3507-3509
[13]彭兰.更好的新闻业，还是更坏的新闻业？——人工智能时代传媒业的新挑战[J].中国
出版，2019（12）：3-8
[14]张慧.浅析麦克卢汉《理解媒介-论人的延伸》[J].新闻窗，2019（04）：43-44
[15]熊国荣,李贤秀.“机器人记者”对新闻记者就业的冲击及应对[J].编辑之友，2019（11）：73-77
回复 推荐 不推荐

使用道具 举报

发表于 2024-7-15 17:59 | 显示全部楼层
腾讯的Dreamwriter、新华社的快笔小新，AR、VR新闻，算法推荐， 人工智能技术在新闻传播领域的全面渗透是近年来的一个现象级的发展。
小游游就从四大方面给大家侃侃这人工智能~


Part1：人工智能在新闻领域的典型应用

新闻采集：利用大数据技术、传感器来实现信息的采集，能够在很大程度上提升信息采集的效率。如传感器新闻，大数据新闻。
新闻生产：人工智能在新闻生产方面主要是机器人生产新闻，如国内腾讯的Dreamwriter、新华社的快笔小新、今日头条的Xiaomingbot。
新闻分发：利用算法推荐技术，实现个性化推送，满足不同用户需求。以算法推荐为主的新闻聚合平台主要有：今日头条、一点资讯、天天快报、Buzzfeed。
新闻体验：目前，人工智能在新闻体验方面的应用主要是VR、AR新闻，可以提升用户的沉浸式体验，使其身临其境。如纽约时报的《流离失所》、《雪崩》，CGTN的《功夫传奇：揭秘少林》。


Part2：人工智能对新闻业的积极影响

一 内容生产效率提升

人工智能在新闻生产中一个重要的应用则是机器人写作。2017年8月，四川九寨沟发生7级地震。震后25秒，一条由机器人撰写的新闻就发布了出来，包括震中地形，速报参数等等，及时迅速的发布了地震的相关信息。
事实上，自2011年美国Narrative Science公司的新闻写作软件出现以来, 越来越多的媒体开始在财经、体育等专业新闻领域开始机器化写作, 国内腾讯的Dreamwriter、新华社的快笔小新、今日头条的Xiaomingbot等写作软件也开始了常规化运作。
虽然新闻从业者对于机器人写作存在一些质疑，例如缺乏人情味，缺乏内容深度等，但其在一些专业领域的应用确实能极大的提高内容的生产效率，如财经新闻、体育赛事报道、突发自然灾难性报道。
另一个好处则在于，当新闻从业者们从这些机械的内容写作中解放出来，他们就会有更多的时间和精力致力于深度报道或专业评论。
二 场景化、智能化推送

智能化媒体能更好地洞察每个个体用户在特定场景下的行为与需求, 并智能推荐其所需要的信息与服务。
人们在不同场景下的需求是有差异的, 而构成场景的基本要素应该包括:空间与环境、用户实时状态、用户生活惯性、社交氛围等, 对用户所处的场景的洞察与分析, 将依赖于包括可穿戴设备在内的移动终端以及处于各种时空环境中的智能化物体。
伴随着场景化、精确化用户分析的, 是用户与内容之间的智能化匹配。
各种智能物体不仅可以为用户场景分析提供数据或依据, 也能作为新闻接收的终端为用户提供无所不在的信息获取。


三 新闻分发个性化

在国内，以“今日头条”、“一点资讯”为代表的新闻聚合平台主要依据算法推荐为用户推送新闻，能够最大限度的满足用户的个性化需求，在一定程度上也能增强用户粘性。
个性化算法是搜索引擎算法的一个升级, 它把个性作为算法中的核心变量, 凸显了个人偏好的意义。
个性化算法在未来还会进一步优化, 对用户需求的解读能力与匹配精确度还会不断提高。
四 新闻体验临场化

VR新闻能够带给用户身临其境的体验，在一定程度上也能更设身处地的体会当事者的心情。如《纽约时报》的一篇著名的VR报道《无家可归的孩子》，用户通过这种形式能够更深切的体会到难民的心情。
尽管以往的电视直播在视觉上传达了一定的“现场感”, 但观众与现场的关系是基于二维画面的“观看”, 这种现场感是建立在经过加工的现场上的, 在某种意义上, 甚至是一种“假现场”。
而新的技术将创造媒体用户与现场的新关系——“临场”, 即进入现场。
网络视频直播、VR和AR等新技术可以从不同方面推动新闻用户在新闻事件中的“临场感”或“进入感”。尤其是VR/AR, 它们可以营造出让用户在三维空间里直接“到达”现场的体验, 让用户360度沉浸于现场。


Part3：人工智能对新闻业的消极影响

一 信息茧房

信息茧房由美国学者凯斯.桑斯坦在《信息乌托邦》一书中提出，指人们的信息领域会习惯性地被自己的兴趣所引导，从而将自己的生活桎梏于像蚕茧一般的“茧房”中的现象。
如今，以今日头条、天天快报、一点资讯等为代表的平台，主要通过“个性化推荐”为用户进行信息推送。
虽然这种私人化、定制化需求能在很大程度上满足用户，但长此以往，用户会疲于思考，只习惯于接受自己感兴趣，与自身观点一致的信息，最终被困在像蚕茧一样的桎梏之中，无法逃脱。
而用户在这样的环境下，又容易产生回音壁效应，即信息或想法在一个封闭的小圈子里得到加强。
长此以往，人们会越来越疲于思考，逐渐变得偏激，无法接受与其相悖的观点。
最终加剧群体极化，不利于社会整合，导致社会的撕裂。
二 隐私问题

隐私问题也是值得关注的另一问题。大数据、算法推荐等人工智能技术都是建立在大量的数据基础之上。
大数据技术基于对数据的抓取、挖掘与分析，算法推荐基于对用户画像的描绘，这些都涉及到了用户隐私。
虽然他们在一定程度上给新闻业带来了好处，但隐私泄露问题绝对不容忽视。此前，Facebook就泄露了5000万用户数据，遭受了自创建以来的巨大危机。


三 新闻伦理

如今，AR、VR新闻已经越来越普遍，其所带来的临场化体验与观看普通平面新闻的感受大相径庭，它一方面能够让人仿佛置身其中，但另一方面也正因为这种体验，让人分不清虚拟与现实。
VR新闻“第一人称”的“在场感”容易诱发片面情绪化舆论滋生。VR新闻营造显化“在场感”效果越强, 受众心理感受度就越强, 沉浸其中并对眼前“事实”充分信赖, 很多时候会以直接感官体验代替头脑理性思考, 诱发情绪化的舆论, 长期处在VR新闻信息环境下, 甚至会对人的认知与行为造成情绪化、冲动等不良影响。
四 算法运作黑箱

算法范式运作的黑箱即技术无意识，技术无意识是一种强大而不可知的信息技术的运作, 它产生并存在于我们的日常生活中。
当算法应用在新闻生产中时, 它通常可自主控制和处理信息、评估情况、做出决定, 而且最重要的是, 无人监督或授权行事。
由于算法经常以微妙且不透明的方式嵌入对象和系统中, 因此在很大程度上形成了只有在错误或失败时才被注意到的技术无意识。
面对算法在新闻推送中的技术无意识及由此带来的不良影响, 我们需要做的并不是将其否定, 而是应积极寻找相应对策以纠正这一偏差。




人工智能对于新闻业产生的影响不容忽视，但对于人工智能，我们不能用非黑即白的眼光去看待。
正如梅塞尼所言：技术可能带来社会问题，但技术也在解决社会问题，而人类拥有管理和控制技术的能力。
<hr/>【参考文献】
1. 彭兰.未来传媒生态:消失的边界与重构的版图[J].现代传播(中国传媒大学学报),2017,39(01):8-14+29.
2. 张洪忠,石韦颖,刘力铭.如何从技术逻辑认识人工智能对传媒业的影响[J].新闻界,2018,(02):17-22.DOI:10.15897/j.cnki.cn51-1046/g2.2018.02.003
3. 彭兰.更好的新闻业,还是更坏的新闻业?——人工智能时代传媒业的新挑战[J].中国出版,2017,(24):3-8.
4. 喻国明,杨莹莹,闫巧妹.算法即权力:算法范式在新闻传播中的权力革命[J].编辑之友,2018,(05):5-12.DOI:10.13786/j.cnki.cn14-1066/g2.2018.5.001
5. 喻国明,兰美娜,李玮.智能化:未来传播模式创新的核心逻辑——兼论“人工智能+媒体”的基本运作范式[J].新闻与写作,2017,(03):41-45.
6. 彭兰.智媒化:未来媒体浪潮——新媒体发展趋势报告(2016)[J].国际新闻界,2016,38(11):6-24.DOI:10.13495/j.cnki.cjjc.2016.11.001
7. 胡晶晶.人工智能对新闻生产影响的研究现状分析[J].记者摇篮,2020,(05):131-132.
8.赵双阁,高旭.VR技术应用新闻实践的伦理困境及其突破策略[J].出版发行研究,2018,(08):65-69.DOI:10.19393/j.cnki.cn11-1537/g2.2018.08.018

本帖子中包含更多资源

您需要 登录 才可以下载或查看，没有账号？立即注册

×
回复 推荐 不推荐

使用道具 举报

发表于 2024-7-15 17:59 | 显示全部楼层
有一个名叫James的“AI小助手”，它的“功夫”相当了得——不仅帮助英国老牌主流纸媒《泰晤士报》降低了50%的用户流失率，还使其用户参与度达到了历史最高值。据悉，《泰晤士报》正在开发自己的算法，使James可以根据收集的用户数据，为他们精准“投喂”新闻内容，James又被业界称为“数字管家”。
正如Migliore所说：“所有媒体机构都面临的一个挑战是，如何以一定的成本与一个素未谋面的人建立有意义的关系，如果没有合适的工具，这是不可能的。而James对我们来说就是合适的工具，现在，《泰晤士报》的用户参与度是有史以来最高的——这就是James的功劳。”
《泰晤士报》现在需要做的就是如何进一步平衡人工抉择和机器算法之间的关系，因为对算法的过度依赖会导致过滤泡沫，而人工在与读者沟通，决定报道的内容与方式，以及生产高质量内容上仍不可替代。
德外5号：一个AI的“精准投喂” ：泰晤士报怎样把用户流失率降低50%?|德外视窗
回复 推荐 不推荐

使用道具 举报

返回列表 发新帖
懒得打字嘛，点击右侧快捷回复 【右侧内容，后台自定义】
高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Unity开发者联盟 ( 粤ICP备20003399号 )

GMT+8, 2024-9-21 11:07 , Processed in 0.109052 second(s), 28 queries .

Powered by Discuz! X3.5 Licensed

© 2001-2024 Discuz! Team.

快速回复 返回顶部 返回列表