李馨瑜、茶西、臻臻、夏雅薇编译

从观望者到变革者:给新媒体的AI解决方案

委婉地说,新闻媒体对人工智能的发展一直保持观望状态。

因此,在人工智能驱动的个性化时代,新闻机构无法再定义什么是真实的新闻,甚至无法决定什么是真实的或值得信赖的。

如今,社交媒体平台、搜索引擎和内容整合平台控制媒体内容的用户流并直接影响新闻内容的创造。

因此,新闻媒体将无法再掌握自己的未来。

事实是这样的吗?

新闻数字化的(死亡)谷

从历史发展来看:新闻媒体的效率和创意无法使其成为数字世界的变革者。过去,新闻曾经是吸引和引导大众(和广告商)的独立信号。后来,互联网以及它的指数级增长在线可搜索信息永久地改变了这一现状。

在早期的互联网中,门户网站将人们引导至他们感兴趣的内容版块。还记得早期的门户网站霸主雅虎吗?然而随着信息量的增加,搜索引擎接任引导者的角色,它改变了人们在线搜索信息和新闻的方式。接着移动技术和交互界面的使用变得广泛,以新闻流和推文形式为主的社交媒体接管这一任务,再次改变了人们发现内容的方式,强调了社交网络在用户内容引导方面的作用。

值得注意的是,新闻媒体并没有在这些信息获取方式发生重大改变的关键节点上发挥任何积极作用。恰恰相反,它很迟才开始利用互联网、搜索引擎、内容整合平台、移动产品、社交媒体和其他新数字解决方案为自己的内容输出寻找更好的渠道。

广告业务紧跟其后。首先新闻机构让谷歌处理其网站的相关搜索,使这个未来的搜索之王得到一个独一无二的机会来索引媒体内容。后来随着社交媒体的兴起,新闻机构,特别是美国的新闻机构,倾向于使用Facebook和Twitter来发布新闻,而不是开发自己的突发新闻功能。就这样,新闻媒体将他们的核心业务拱手让给了新数字经济时代下新兴巨头们。

说得严重一点,新闻媒体在用户体验、业务逻辑和内容创造方面从来没有数字化过。想想iPad的支付墙和电子报纸!互联网和数字化迫使新闻媒体发生变化,但这种变化是被动的,而非主动。新闻媒体陈旧过时的内容创作方式、受众的理解效果、用户体验和内容发布方式仍然积极影响着今天新闻内容的创作和发布方式(在这里清楚地申明,此处并没有否认全世界杰出的新闻工作者的新闻讲述方式,卓越的创造力以及辛勤的劳动)。

由于这些发展,今天像谷歌和Facebook这样的算法守门人已经主导了之前由新闻媒体主导的信息流和广告业务。更重要的是,当今互联网巨头的个性化和广告驱动的商业逻辑已经不是为了让新闻媒体再次以自己的方式发展而设计的了。

从观望者变成变革者

新闻媒体一直以局外人、观察者的身份报道算法世界新秩序的兴起。新闻报告是彻底的、准确的和有启发性的—新闻媒体讲述的故事对人们如何看待不断发展的数字现实产生了具体影响。

然而,随着信息流进入由互联网巨头控制的算法黑盒子,很明显,外部观察者很难或几乎不可能理解某条信息是如何或为何能成为有新闻价值且广泛传播的内容。对于主流新闻媒体而言,特朗普当选总统是一个“惊喜”,然而这只是如今数字化现实实现新动态的一个例子。

这是一个悖论。随着信息和我们的关系越来越密切,信息的起源和信息的背景变得比以往更加模糊。

评论或批评算法平台的垄断行为并不会改变当前信息时代的发展进程。

社交媒体结合了利用最新机器学习方法的自我实现的反馈循环,同时容易遭受恶意或非预期攻击的特点,带领我们进入了一个“被替代的事实”和虚假新闻的世界。

在这个自动化广泛普及和算法操纵的时代,新闻媒体的理想听起来至关重要且和我们息息相关:发布真实且和民生相关的信息;培养言论自由;帮助边缘群体发声;扩大和丰富人们的世界观;支持民主。

但是,如果新闻媒体本身无法积极开发能够塑造算法世界的解决方案,那么新闻媒体的驱动价值将无法在算法世界中得到充分体现。

评论或批评算法平台的垄断行为,不会改变当前算法世界的发展进程。“改变Facebook”这句口号还没有被新闻媒体正式提上议程。新的人工智能支持的谷歌新闻由谷歌根据其公司文化和价值观进行控制和开发,因此不会受到新闻机构的直接影响。

在互联网的兴起和如今算法秩序的建立之后,我们再次处于重大范式转变的边缘。机器学习驱动的AI解决方案将对我们的数字和物理现实产生越来越大的影响。

这又将是一个影响权力平衡、调整数字发展方向和改变我们思考新闻的思维方式的时候,即新闻媒体从外部观察者转变为变革者的时代。

给新媒体的AI解决方案

如果新闻媒体想要在未来影响新闻内容创造、发展、呈现和交付的方式,他们需要在人工智能发展中发挥积极作用。如果他们想要了解数据和信息是如何在数字环境中不断受到影响和操纵,就必须开始接受机器学习的可能性。

但是,新闻媒体如何与今天的AI领导者竞争?

新闻媒体有一个谷歌、Facebook和其他大型互联网公司还没有的优势:新闻媒体参与内容创建的完整过程,对内容有深入而细致的理解。通过选择合适的AI解决方案,他们可以将内容创建和内容消费相关的数据强有力地组合在一起。

新闻机构需要使用人工智能来“增强”你我。他们需要“增强”记者和新闻编辑室。这是什么意思呢?

用户增强

个性化这一概念已经出现有些时日了,但是否曾为新闻媒介本身的设计和开发而“个性化”呢?新闻媒体的目标是将重要的内容与个性化的用户体验相结合,打造符合新闻原则与价值观的,无缝且有意义的新闻体验。

对于新闻来说,即将到来的实时机器学习方法,例如在线学习,为了解用户在现实生活中的偏好提供了新的可能性。这些技术提供的新工具可以直接在你的锁屏上发布新闻。

通过智能通知系统发送个性化的新闻推送可以了解新闻内容对人们移动设备锁定屏幕的影响,从而优化新闻内容和内容分发。这一系统可以个性化内容呈现的方式,无论是音频、视频、图片、增强现实素材、或是可视化内容,都可以基于用户的喜好和背景来呈现。

值得注意的是,机器学习可以创造一种用户、记者和新闻编辑室之间的互动新形式。自动管理评论只是现在的应用之一。设想一下,是否可能直接在锁定屏幕上建立互动让记者更好地了解内容被消费的方式,与此同时实时捕捉故事传达的情感。

通过数据可视化与深度报道来开放算法与数据使用,新闻媒介可以创造一个崭新的,真正以人为本的个性化形式,让用户了解个性化是如何实现的,并将如何影响新闻体验。

我们不要再因为过滤器泡沫而怪罪算法了。算法可以使你的新闻体验多姿多彩。通过了解你看到了什么,就有可能了解到你之前没看过什么。把一些个性化的逻辑颠倒过来,新闻机构可以创造一种机器学习驱动的推荐引擎,增强多样性。

记者增强

在抽象化新信息和不可知(新闻)事件的领域,人类的智慧仍然是不可战胜的。

记者对内容的深层次理解可以训练人工智能新闻助理系统,通过直接向记者使用人工智能的过程来学习,加上对内容消费的相关数据分析考量,这个系统会变得越来越好。

一个聪明的新闻助理可以发现什么内容是暗指和明示结合,例如通过标题、口吻或者其他元数据,比如作者或者地点。这样的一个智能新闻助理可以通过展示哪些过去的内容和当下的流行话题或爆炸新闻有关,从而帮助记者更好的理解新闻内容。由此一来,这些故事可以更快更精准地锚定在一个有意义的背景中。

创新与数字化如果不能深入到新闻事业的核心,是不能改变新闻媒体文化的。

人工智能解决方案可以帮助记者更快更彻底地搜集和理解数据信息。智能新闻助理可以通过比如通过识别社交媒体的热点或者搜索词条,亦或者标记出历史性报道的范式来提醒记者有重要内容要在下周或者下个假期报导。同时,人工智能解决方案将日益成为事实核查和检测内容篡改的关键,例如识别伪造的图像和视频。

自动化内容生产系统可以自动地或者半自动地创造内容和评注内容,例如根据音频采访创建草稿,然后由记者人工完成终稿。可以进一步开发这种系统,从不同的内容片段和形式来创造新的编译(文本,音频,视频,图像,可视化,增强现实体验和外部标注),亦或者创造高度个性化的原子化新闻内容,例如个性化通知。

新闻助理还可以建议接下哪篇文章用编辑推荐提醒来发表,同时建议发布推送给终端用户的最佳时机。提醒一下,尽管Google的Duplex已经堪称杰作,但自然语言处理(NLP)的问题还远未解决。人类和机器智能可以在内容生产和语言理解过程的最核心部分结合起来。通过人工智能解决方案增加记者的语言超能力,将给自然语言处理的研究和开发带来新的途径。

新闻编辑室增强

创新与数字化如果不能纳入到新闻事业的核心,具体到诸如编辑室日常实践和业务开发中,是不能改变新闻媒体文化的。

人们可以开始将新闻机构看作是一个提供不同的个性化迷你产品给不同受众群体的系统或平台。新闻编辑室可以利用自动化或者半自动化的内容生产对相关的主题进行深入挖掘。当有更丰富的主题和更深入的报道,新闻编辑室就可以产出更优质的个性化迷你产品,例如给不同受众群体提供个性化通知,或者内容编译。

在一个越来越难分辨真假的时代,通过反省与透明化建立信任变得前所未有地重要起来。人工智能解决方案可以创造工具并付诸实践,让新闻机构和编辑室更准确地理解他们自己的行为及其影响。与此同时,这一工具还可以通过向更广大读者开放新闻编辑室及其活动来建立信任。

具体来说,人工智能解决方案可以探测和分析在报导和故事讲述中潜在的偏见。例如,是否某些群体在某些主题或者材料中过多地出现?在挑战多方的主题下或者被广泛报道的新闻中,报道语气和角度是什么?是否大部分的图片展示的是某一特定人种?是否有重要的主题或者声音在报道中并未提及?

人工智能解决方案还可以用来分析和理解哪些内容现在有效果,哪些又曾经有过效果,从而提供基于上下文的洞察以便在未来创造更好的内容。

人工智能解决方案将会更完全地反映报导以及故事讲述的影响,同时提供新的工具用于决策,例如决定报道内容及原因。

另外,这些数据信息可以可视化,让报导和内容创建产生的影响对整个新闻编辑室来说更加具体和易于理解。因此整个编辑和新闻决策过程可以更加开放和透明,这也从日常工作层面到更广泛的策略思考与管理层面,对新闻机构的原则产生了影响。

未来的新闻机构将由部分由人类、部分由机器构成。这种通过机器来增强人类智能的转变,将对未来的新媒体至关重要。为了维护正直与可信度,新闻机构自身需要有能力决定他们的人工智能解决方案将如何建立,如何使用。要充分认识这一点,就需要新闻机构开始建立人工智能解决方案。越快越好——对我们所有人来说都是如此。

大数据文摘
大数据文摘

秉承“普及数据思维,传播数据文化,助⼒产业发展”的企业⽂化,我们专注于数据领域的资讯、案例、技术,形成了“媒体+教育+⼈才服务”的良性⽣态,致⼒于打造精准数据科学社区。

产业新媒体AI
相关数据
增强现实技术

增强现实,是指透过摄影机影像的位置及角度精算并加上图像分析技术,让屏幕上的虚拟世界能够与现实世界场景进行结合与互动的技术。这种技术于1990年提出。随着随身电子产品运算能力的提升,增强现实的用途也越来越广。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

线搜索技术

最优化问题中,线搜索是一种寻找目标函数 的局部最小值 的近似方法。 它是最基础的迭代近似方法之一,另一种是置信域方法。 线搜索近似首先找到一个使目标函数 下降的方向,然后计算 应该沿着这个方向移动的步长。 下降方向可以通过多种方法计算,比如梯度下降法,牛顿法和拟牛顿法。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

推荐文章
暂无评论
暂无评论~