|传媒观察丨算法新闻,拥抱人工智能谨防“技术霸权”( 二 )


除了对信息数据的深层次分析,算法的深度挖掘功能如今更被广泛用于新闻生产过程中的信息证实与事实核查,帮助鉴别消息和来源的真伪,甄别假新闻 。密歇根大学和阿姆斯特丹大学研究团队在2018年最近的研究中开发的一套语义分析算法系统,识别假消息的准确率表现最佳时可达到76%,而人类自身分辨假消息的准确率水平大概在70% 。而针对数字时代多种形式信息辨别的算法技术也在不断进阶,In VideoVeritas研究项目中开发的复杂机器学习算法可以帮助识别网络传播空间中的虚假图像和视频,准确率高达92% 。但是,完全依赖算法来进行信息核查,以现有技术水平来看还是一件非常有挑战性的事情,虽然诸多网站如Politifact, Factcheck.org, Fullfact等事实核查组织,都在积极探索运用算法自动化进行信息的甄别,但目前最为行之有效并广泛采用的方法还是要人机协作共同完成 。算法自动化在这个过程中协助人工核查,有助于高效地处理大规模的信息 。
自动报道:更快、更广、更好生产新闻
如果说定位新闻线索和深度素材分析只是算法作为中介为新闻生产提供工具性支持,那么自动化新闻撰写则是实实在在地直接生产成品新闻,也因此成为对传统新闻生产冲击最为猛烈的部分 。
首先,算法主导的自动化报道可以帮助提升新闻生产的速率 。近年来自动化的机器人撰写新闻在财经、体育、天气预报、突发消息等信息传播内容简单、传播速度较快的领域应用广泛,尤其是天气预报领域的自动文本生成已经有20余年的历史 。
其次,自动化新闻大大拓宽了新闻媒体的报道广度 。拥有170余年历史的老牌通讯社美联社在2017年依靠算法实现了在每个财报季度生成3700多篇报道,覆盖了市值7500万美元的大部分美国股票,这个报道数量是不使用自动化生成状况下的10倍,相对于传统模式大大拓宽了报道涵盖的范围和种类 。算法使得很多原来因为采访人员时间精力有限而无法关注到的部分都被呈现在前台,获得了与受众见面的机会 。
是否动摇了新闻的本质和价值判断?
算法新闻通过机器化不停歇的数据处理能力实现了大规模海量消息报道的生成,在消息内容的覆盖面上达成了前所未有的广度,客观上造就了更多新闻信息的生产 。但与此同时,对于受众而言,接收和消化新闻的时间是有限的,日益增多的海量信息中能够被看到、实现传播价值的只是一小部分 。因此,我们不得不回归到最初始的新闻定义问题,究竟何为新闻,新闻的价值(news worthiness)是什么,究竟什么样的信息值得被关注、应该被报道、被传播 。算法逻辑主导下的这些信息生成是否还能算作是新闻,是否还具有新闻价值 。
在算法自动化生成信息时,往往是根据数据命令来对新闻进行检索,按照算法逻辑进行的大规模信息生产过程中,人类采访人员在实践中的应变和专业直觉很难量化为具体的数据判断指标,于是导致算法虽然可以生成大量消息,但很多消息的新闻价值确实值得商榷,无疑给受众带来更多的筛选困难 。另一方面,算法作为辅助功能确实可以帮助人类采访人员在海量资讯中定位到新闻线索,但如果整个工作流程被算法主导,按照算法逻辑来指引采访人员的关注方向,那么整个模式本身在将采访人员注意力引导到特定方向的同时,是否同时也使得采访人员们放弃了关注其他方向更有意义的线索呢?当新闻机构运用算法进行数据挖掘来导引新闻发掘的时候,本质上是允许算法来优先进行新闻价值判断,这个过程实际上是由算法来形塑了什么样的内容会被报道,也进一步影响了受众将会消费到什么样的新闻 。当算法左右了新闻生产的判断选择时,新闻的本质和价值在这一过程中必然受到强烈冲击和挑战 。
算法主导的新闻生产会更客观吗?
算法在新闻传播分发领域会导致“回音室效应”和“过滤泡泡”一直是算法会引起偏见的主要证据,但在新闻生产领域,看似客观的算法就能完全规避偏见吗?2018年美国一家AI创业公司网站Knowhere宣称人工智能可以被用来撰写公正无偏见的新闻,这家网站通过对新闻消息的大数据挖掘和深度学习抓取信息并运用自动化算法重新撰写,在网站上提供每一条新闻的三种版本:左倾观点版本、右倾观点版本和中立版本,其算法新闻的应用创新获得了资本青睐,该公司在2018年获1800万美金的投资 。但算法在这个过程中仍在不断获取借鉴人类判断数据,每篇标榜为“中立”的文章下面也会加入读者调查的环节,让受众阅读后根据自己的主观感受对文章的中立性偏颇程度打分提交至系统后台,事实上也是算法在不断搜集大数据来试图学习人的主观判断倾向 。只依赖算法去做中立价值判断,在实践层面看起来是个仍需要不断完善的漫长过程 。当我们回归到算法的工作原理本质,就会发现,姑且不讨论是否剥离人类采访人员在整个工作流程中的劳动,算法也很难比传统新闻更加中立无偏见 。


推荐阅读