【摘要】人工智能正在变革新闻生产，提高新闻生产的效率，但也带来新闻从业人员失业风险、新闻报道信息质量等问题。自动化新闻和人机协作的模式各有优势，AIGC模式更为新闻内容生产提供了新的解法，但算法偏见和假新闻并未消失。通过理性对待技术带来的变化，新闻工作者需适应新角色，平衡技术益处与潜在问题，以确保新闻行业在数字时代的持续发展。
【关键词】人工智能；新闻生产；人机协作
一、人工智能在新闻生产中的应用
自2001年人工智能进入新闻传播学界的视野以来，“自动化写作”“新闻视频自动生成”等提高内容生产效率的未来愿景逐步成为现实［1］。智能技术，例如机器学习、自然语言处理和虚拟现实等，颠覆了传统的传播方式，从根本上改变了信息生产的格局［2］。“自动化内容生产”将传统新闻生产者从重复性劳动中解放出来，节省出的时间和精力能够用于更具创造力的实践中；以AIGC为核心的生成式人工智能，例如ChatGPT的应用打破了“弱人工智能”时代的魔咒，通过人机耦合赋能新闻生产。
（一）解放重复工作，赋能新闻生产
人工智能依托计算机视觉、自然语言处理、深度学习与神经网络以及AIGC等技术应用于实际的新闻内容生产中，并通过实现新闻内容创作各个环节的自动化生产和人机协作，在降本增效的同时，优化新闻生产力。
国内外新闻生产机构早已布局各类型的新闻自动化生产。国际上，《华盛顿邮报》的Heliograf软件可根据模板与关键词完成稿件编写，其内容具有专业的评论语气和明晰的逻辑。在国内，新华社的“快笔小新”在擅长的体育和财经领域只需要3—5秒钟便可完成记者需要15—30分钟才能完成的内容。人工智能利用算法程序，完成了数据采集与分析以及故事化叙述与文本生成。传统的内容生产者只需要参与最初编程或最后的内容审核环节，这就极大地节省了重复性工作的时间。除自动化生产外，以AIGC为核心的生成式人工智能可以赋能垂直应用场景［3］。相比于传统专用人工智能只服务于特定领域，生成式人工智能具有广泛适用性。通过模型训练和数据微调，ChatGPT等AIGC应用可以低成本地为各个垂直领域提供个性化服务。换言之，新闻创作者可以利用既有的生成式人工智能的大模型和专业数据训练，生产出与垂直新闻领域风格一致，符合用户需求的新闻产品。
人工智能的应用还为新闻机构在危机报道、实时新闻播报等场景提供了强大的支持。凭借其高效的数据处理能力，人工智能可以帮助记者在短时间内从海量的复杂信息中提取关键要素，快速生成精准的新闻内容。这种高效灵活的新闻生产模式能够显著提升新闻机构在紧急事件中的反应速度和报道质量。AIGC在新闻生产中的应用也为个性化新闻推荐提供了技术支持。通过对用户行为数据的分析，生成式人工智能能够预测受众的兴趣偏好，并能根据用户的喜好变化动态调整推送内容，从而为其定制个性化的新闻内容。这种定制化的新闻推荐机制，不仅能够提高用户的黏性和互动性，还能帮助新闻机构精准触达目标受众，提升内容分发的效率和效果。
（二）建立人机耦合，智能辅助创作
随着新闻产品的不断转型与升级，新闻生产对时效性的要求正在增强，与此同时，生产的复杂度也在提高，这使得人工智能创作权重不断提高。现阶段人工智能创作凭借可靠的新闻专业知识能够胜任客观性新闻报道工作。然而，关于非客观的新闻报道，需要提供更多深刻见解和人文关怀的新闻，无法单纯依靠缺乏主观判断力与生命力的算法完成［4］。一项针对新加坡读者的实验证明，对于非客观性文章，人们倾向于认为人机混合型作者的文章信源可信度更高。人机协作新闻写作模式代表了在新闻制作的全过程中，传统的编辑和记者承担主要责任，同时与人工智能合作，参与新闻制作和发布等环节，从而使整个传播过程快速、高效、精准和低成本［5］。人机协作的新闻写作模式仍是新闻生产链路中必不可少的一环［6］。
人工智能的迅猛发展，特别是生成式大语言模型如ChatGPT的问世，为人机协作的新闻写作模式提供了不同的解法。生成式大语言模型能够理解自然语言文本，并以同样的形式生成有意义的回应。这使新闻创作者能直接与AI进行对话式交互，为人机协作进行新闻创作提供了新的契机。具体地说，随着智能技术应用不断成熟，人工智能向“拟人”“超人”方向发展，其不再仅仅是辅助新闻记者处理数据、收集信息的工具，通过凝练关键新闻线索、设计相关主题与内容框架，人工智能能够为新闻创作者提供智力支持和灵感提示。特别是AIGC在新闻中的应用可以赋能新闻评论和分析。人工智能可以帮助作者完成对历史数据和社会舆情的挖掘，生成深度分析文章、趋势预测报告等内容，帮助新闻机构提供更具洞察力和前瞻性的报道。因此，AIGC参与新闻生产能够进一步丰富新闻服务的多样性。
（三）增强创新能力，多模态融合传播
随着人工智能技术的不断发展，现阶段的人工智能已经具备较高水平的创造力，新闻行业依托于AI在内容生产中也逐步从移动融合传播模式向多模态传播模式转变。多模态传播模式中传播内容和传播方式都是多模态的，那些曾经不被认为是“内容”的内容也可能会成为新闻中影响人们获取信息、意识形成的重要力量。例如AI通过VR等技术生成的虚拟场景等交互式内容。在报道一场大型活动或灾难时，AI可以生成基于真实数据的虚拟场景，让用户以全景视角体验事件的发生和发展过程。这种沉浸式的多模态传播不仅提升了新闻的表现力，还能让用户对新闻内容产生更强的情感共鸣。多模态传播作为适应智能变革的颠覆式创新传播方式，不仅拓展了新闻的传播方式，也为新闻创作带来了新的可能性，使其能更好地适应数字化时代的挑战。
二、人工智能参与新闻生产的隐忧
任何技术的引入和实施都可能产生意外后果。［7］人工智能带来的变革也伴随着一些尚待完善的考虑。这包括对潜在的失业风险，信息质量和可信度的担忧，算法偏见和数据隐私问题的挑战等。
（一）新闻创作的归属权与主体性地位的争论
在过去的几十年里，“自动化新闻”“机器新闻”凭借超越人力的优越性得到了新闻媒体机构的青睐。在弱人工智能阶段，AI的创作能力、目的、水平都依靠人的因素作用，其生成的新闻作品通常因为缺乏“独创性”而不被著作权法保护。近年来，随着深度学习、自然语言处理等技术的突破，人工智能逐渐展现出超越人类的潜力，它能够在短时间内处理海量信息、提炼关键线索、制定合理的叙事框架，甚至能够模仿不同风格的新闻语言。2020年腾讯状告“网贷之家”案，是国内第一次以法律判决形式认定AI生成的作品具有著作权。这引发了关于新闻创作主体性地位的争论：在新闻创作过程中，AI是否可以替代人类记者，甚至成为新闻创作的主要主体？机器人写稿首获版权，如果把AI技术不仅当作新闻生产的辅助工具，还应用为创作主体，那么AI新闻作品的权利人应属于谁？这些争论反映出人工智能参与新闻生产后所面临的亟待解决的问题。
（二）新闻可信度与真实性的争议
自动化新闻在提高生产效率的同时也引发了人们关于信息可信度的担忧。真实性是新闻的生命。然而，人工智能在新闻传播实务中的多维嵌入可能对真实性原则造成挑战。首先，机器生成的文章可能缺乏人类记者的深入调查和判断能力，容易受到错误或误导性信息的影响。例如，数据层面的错误和不完整等，可能导致AI错判事实从而输出假新闻。其次，ChatGPT等人工智能在应用中存在“深度造假”现象。美国波因特学院曾经测试使用ChatGPT创建了一份完全虚构的报纸，包括四名编辑、一份报刊简介以及一篇虚构的指控当地政府腐败的文章，仅用了不到10分钟的时间。人工智能的“深度造假”能力引发了关于新闻真实性的争议。
（三）算法偏见和隐私问题
人工智能“黑箱算法”可能会给不同层次的组织和社会带来道德风险［8］。一个主要的伦理问题是，算法可能会复制和强化现实社会中的偏见。算法偏见是指在计算机程序或算法的设计、培训和执行中，可能出现对某些群体或个体不公平或不平等对待的情况。这种偏见可能是无意识产生的。例如，受到数据集的偏见影响，算法可能会错误地将某些文章归类为特定主题，或使用偏见性标签，从而歪曲报道的真实性或引导公众对特定主题产生偏见，造成新闻价值导向的偏移。此外，自动化新闻写作工具如ChatGPT，如果训练数据有偏见，生成的报道就可能不准确或带有歧视性。甚至，即使算法的设计者没有特意突出偏见，生成文本中可能因为其他编码变量而包含了偏见的术语。
人工智能带来高效率生产方式的同时也产生了数据隐私问题。在新闻用户端，用户数据被视为一种可开发的资源，随时被采集程序捕捉，并成为人工智能的数据集来源。然而，这种数据收集过程通常是不透明的，往往在用户不知情的情况下进行。人工智能通过跟踪用户的浏览习惯、点击行为、搜索历史等信息，来建立用户画像，以便提供个性化新闻内容。这种数据驱动的新闻生产方式大大提高了新闻的精准性和用户体验，但也引发了公众对隐私泄露和数据滥用的担忧。
三、人工智能参与新闻生产的策略探索
当前，在新闻生产领域，针对以人工智能深度参与新闻生产的实际情况及各类隐忧，需要从完善监管机制和培养技术思维等维度优化技术应用实践，寻求解决之道。
（一）完善监管机制：保障伦理规范
首先，在人工智能深度参与新闻生产的实际情况下，新闻作品的版权问题需要法律层面的完善。推动相关法律法规的更新和健全，是确保AI新闻作品版权归属和明确新闻创作主体的关键。建立一套适用于智能时代“人机协作”的知识产权法律体系，明确人工智能创作物的版权归属以及独创性标准，将成为解决此类问题的有效途径。
其次，为应对人工智能新闻写作中算法偏见和用户数据隐私的挑战，健全“机器写作”应用的法律法规至关重要。从法律层面出发，必须制定标准化的行业规范，确保算法开发者和内容生产者遵守严格的道德和法律标准。
最后，建立“人机耦合”的新闻审查模式也至关重要。即在AI生成内容后，人类新闻从业者仍需扮演“把关人”的角色，对AI生成的内容进行审核和编辑，确保其符合新闻伦理标准。这种人机协作的审查机制将有效降低算法偏见和错误信息的传播，增强新闻内容的真实性和社会责任感。通过法律和伦理的双重保障，可以帮助新闻行业在AI时代建立更加完善的监管框架。
（二）培养技术思维：加强人机协作能力
人工智能的应用并不意味着人力从新闻生产领域消失，AI赋能于人，而非取代人。首先，从技术层面来看，当前基于深度学习的人工智能系统仍然面临着高昂的成本和复杂的技术要求，这使得大多数企业难以全面采用。其次，在新闻生产实践中，虽然AIGC应用能够模仿记者的社会感知和事件分析能力，但其创作所依赖的主要是网络上的二手数据，即经过他人加工过的信息。与人类记者相比，它难以直接理解真实社会，缺乏自主获取原始经验的能力。因此，AIGC应用在环境感知和创作热点新闻方面存在一定的局限性。
传统生产者收集和整合信息的工作边界正在被重塑，“训练”算法的“元作家”或“元记者”成为采编人员的新角色。对于新闻从业者来说，快速适应并转变身份，积极培养技术性思维与人机协作能力才是当务之急。新闻从业者应通过技术培训和跨领域学习提升对人工智能的理解，掌握相关工具的应用方法，利用AI进行新闻线索挖掘与分析。此外，从业者需要学会与AI系统互动，例如运用数据分析模型来获取新闻线索并能够在AI生成内容的基础上进行深度加工和编辑以确保新闻的准确性、深度和人文关怀，以及通过算法优化内容推荐等。记者要适应AI带来的工作流程变化，将更多精力投入复杂性和创造性任务，最终实现人机协同的高效新闻生产。
四、结语
人工智能在新闻生产中不仅助力消解重复性工作，还支持扩大专业新闻工作者的感知范围和增强他们的判断能力。然而这种深度渗入也造成了智媒时代的困境：潜在的失业风险，对信息质量和可信度的担忧，算法偏见以及数据隐私问题的挑战。以辩证的思维看待技术带来的颠覆性变化成为问题的唯一解决路径。无论是算法程序的“元作者”还是传统的专业新闻生产者都应以审慎的态度权衡技术在不同应用场景下的益处和弊端，迎接可能出现的挑战，以确保新闻行业能够更好地适应数字时代的需求。
参考文献：
［1］史安斌，高姝睿.人工智能在新闻传播中的运用：实践探索与伦理困境［J］.青年记者，2022（19）：92-96.
［2］马晓荔.ChatGPT将如何重塑新闻业［J］.中国广播电视学刊，2023（10）：9-12.
［3］郑玄.基于AGI技术新思考：AIGC模式下新闻生产的实践进路［J］.传播与版权，2024（18）：1-4.
［4］张益铭.新闻生产力的解放：机器新闻写作下的反思及策略［J］.新闻传播，2019（3）：9-10.
［5］张梦晗.人机协作：融媒体新闻写作的新探索［N］.中国社会科学报，2019-08-14（006）.
［6］张梦，陈昌凤.智媒研究综述：人工智能在新闻业中的应用及其伦理反思［J］.全球传媒学刊，2021，8（1）：63-92.
［7］Lindgren，S.（2017）.Digital media amp; society（pp.87–136）.London Sage.
［8］Kordzadeh，N.，amp; Ghasemaghaei，M.（2021）.Algorithmic bias：review，synthesis，and future research directions.European Journal of Information Systems，31（3）：1–22.
作者简介：于天姝，悉尼大学艺术与社会科学学院硕士生（悉尼 NSW2205）；顾理平，南京师范大学新闻与传播学院教授、博士生导师（南京 210023）。
编校：赵 亮
