考点预测07丨从名词解释考到实务写作，「人工智能」是海王考点实锤！
打开知网找文献的时候，不知道大家有没有和我一样的发现：随处可见的人工智能方面的论文，AI、VR、数字医疗、智能课堂...这不前两天微博#清华首个AI虚拟学生正面亮相#的话题也登上热搜榜。
不得不说，人工智能真是近三年考研真题中的无水高频考点。其考察方式从名词解释、简答、论述再到实务写作皆有。各位崽崽们一定不要错过这一重要考点！
简答：简述人工智能技术驱动的广告创新路径 （暨南大学 2021）
论述：人工智能技术对传媒业的影响 （上海大学 2021）
论述：人工智能促进了机器人的发展。结合传播学相关理论预测社会化机器人未来发展可能存在的问题 （北京大学 2021）
辨析：人工智能是生产和传播新闻的技术工具 （华中师范大学 2021）
简答：人工智能给新闻生产带来哪些变革 (中国传媒大学 2020)
简答：人工智能对新闻伦理的影响（北邮 2020）
简答：人工智能在中国新闻业的发展现状（安徽大学 2020）
简答：在新闻领域为什么人工智能是人类工作最有价值的补充（安徽大学 2020）
简答：人工智能对媒体融合转型的意义 （安徽大学 2020）
论述：人工智能在新闻报道的地位、作用和影响 （华东政法大学 2020）
考查人工智能对新闻业产生的影响。
考查人工智能在新闻业的应用。 以人工智能为引子，考查机器人新闻、算法推荐、大数据等关联概念。
一、“人工智能”的定义
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。
人工智能技术将使新闻生产更加高效便捷，受众行为分析更加精准，媒体传播效果更加优化，它对新闻的内容生产、议题设置、运作方式等带来革命性的影响。
二、“人工智能”的相关理论背景
1.使用与满足
“使用与满足”理论主张从受众的角度把握大众传播的效果与价值，认为受众对于媒介的选择通常是合理的，并通过对具体服务的使用来获得满足。在个性化新闻推送APP上，用户对于媒介内容的“使用”由原来的用户主动搜寻获取或是海量信息流推送的被动接受转变为基于用户兴趣需求和信息智能推送的双向匹配。这一转变既能满足信息过载情形下用户对优质内容的选择，也有利于新闻信息的高效分发。用“满足"的角度来看，个性化推送解决了用户需求中“兴趣”这一核心要素。总的来说，个性化新闻推送使“传者中心"向“用户中心"转变。而基于兴趣的信息在到达用户环节后更有可能被转发到社交媒体平台上，进而触发下一轮的传播。这一过程也促成了用户社交需求和价值认同的相互对接。
2.信息茧房
“信息茧房"是哈佛大学法学院教授桑斯坦在其著作《信息乌托邦》中提出的概念，指的是在信息传播中，因公众自身的信息需求并非全方位的，公众只注意自己选择的东西和使自己愉悦的通讯领域，久而久之，会将自身桎梏于像蚕茧一般的“茧房"中。
在个性化新闻推送机制下，通过算法过滤和正反馈处理的新闻信息在类型、题材、丰富程度等方面不断受到限制，用户的媒介接触也被自我“兴趣"不断固化。久而久之，会使成人们的视野越来越窄。甚至可能出现像桑斯坦说的：“不同群体之间无法沟通，造成群体极化现象"。这样的个性化推送技术的扩散会使人们脱离具有挑战性的视角，从而降低受众的公众意识。
三、人工智能可以给新闻业带来什么
1.带来新的传播速度
传统媒体时代，新闻生产主要依靠专业机构和新闻记者（PGC) 。进入互联网时代，新闻生产不再是职业媒体人的专属，受众也开始自主或众包生产内容（UGC)。人工智能时代，随着机器计算能力和学习能力的不断提升，新闻生产实现的一个新突破则是“机器人写新闻”(CGC)。
所谓“机器人写新闻”，实际上是一套程序算法，通过垂直领域开放平台的接入或平台授权，机器人可以快速抓取、生成、发布和推送资讯。尤其在证券交易、体育赛事、地震信息等方面，机构网站提供信息接口，机器就可快速抓取而后生成并推送新闻。
2.创造新的阅读体验
运用人工智能，新闻呈现方式可以更加互动化，可以尝试做出智能化的交互体验。皮埃罗·斯加鲁菲在《2017未来媒体报告》中就曾预言，未来的新闻是用来体验的，而非仅仅用来阅读。近年来，随着语音识别、语音处理技术的不断成熟，中外互联网公司推出了一系列“语聊机器人”产品，比如苹果“Siri”、微软“小冰”和百度“小度”等。不少媒体也将此应用到新闻报道领域，推出智能新闻机器人。
3.形成新的分发机制
如果说“机器人写新闻”和“语聊机器人”是人工智能技术对新闻内容生产环节的改造，那么智能分发和个性化推荐则是人工智能技术对新闻内容分发环节的变革。过去，无论是报纸版面还是门户首页，主要由编辑根据新闻价值和媒体定位来筛选稿件，他们推荐什么用户才能看到什么，新闻的筛选和排列主要基于人工的判断，而且考虑的是大众的普遍需求，而非用户的个体兴趣。（押题班语料）
四、传统媒体如何应对人工智能（简答题/论述题的最爱）
1.首先，传统媒体不能一味沉溺于“内容为王”的路径依赖，而要考虑“内容+技术+渠道+市场+人才”的全产业链运作。片面强调“内容为王”，对科技发展视而不见，最终会导致传统媒体的彻底边缘化，丧失主流舆论阵地。
2.其次，传统媒体除了培养“全能型记者”，还要引进软件算法工程师。一方面，媒体需要复合型的人才队伍，需要记者掌握多元化的知识结构，使其除了必备传统“报台网”的采访、编辑和写作技巧，懂得文字、图片、音频、视频的制作技能，还要懂得微博、微信、客户端等新媒体平台的发稿流程。另一方面，媒体队伍需要专门的算法工程师。媒体队伍的知识结构，不能局限于中文、新闻、传播等文科领域，还需要大量的IT人才，满足TMT（Technology/Media/Telecom）、ICT（Information and Communications Technology）产业的融合趋势。
3.最后，面对人工智能技术的步步紧逼，传统媒体不能画地为牢，需要打破藩篱。既要开展传统媒体与新媒体的一体化运营，也要做好内容集成服务商，在媒体聚合平台安营扎寨（如媒体公众运营号），还可以主动聚合自媒体（如发起自媒体联盟），实现平台共享。
五、“机器人”新闻存在的问题（核心考点，务必掌握）
1. 新闻写作的模式化
“机器人写手新闻”以缺少具体数据的新闻模板为基础，由于技术的局限性，基于代码编程的系统和软件目前只能提供固定的新闻模板，因此，“机器人写手”只能按照固定套路进行新闻生产，新闻写作呈现固定化、模式化。这种方式更多地运用在体育、财经、灾难事件报道中，在深度报道等领域无法适用。
另外，“机器人写手新闻”的组成是确定的模板以及变动的数据，在速度化生产的同时，还带来了新闻生产批量化、同质化问题，同一领域、同一类型的新闻报道文本极为相似，而唯一的变化就是其中的一些数据。
2.缺失的新闻敏感度
机器人写新闻同样存在新闻敏感度缺失的问题，尽管美联社表示机器人写作软件按照程序使用不同语气的能力越来越强，但新闻毕竟出自机器人之手，它不具备对新闻线索进行挖掘的观察能力，也不具备对新闻事件进行取舍的决断能力，而这两种能力是新闻敏感度的重要体现。
3.冰冷的新闻温度
机器本身没有办法判断情绪，它们只是单纯地从数据库中抽取形容词，用法正确与否暂且不论，与“手工打造”的饱含情感、责任和人文诸因素的新闻稿相比，从机器人手中传递出来的新闻虽然是新鲜的却是冰凉的。（押题班语料）
4.数据收集对个人隐私的侵犯
“机器人写手新闻”基于互联网和物联网数据采写新闻，对用户的隐私安全有一定隐患。由于当前网络监管的不完善，“机器人写手新闻”在利用物联网技术采集信息，以及对社会化媒体中的用户生产内容、新媒体用户数据进行采集时极有可能侵犯个人隐私。如何把握新闻报道所需要的资源与个人隐私之间的界限，这将是对媒介伦理的一个挑战。
5.新闻报道不平等的加剧
“机器人写手新闻”的应用需要经济、技术等多方面的支持，在短时间内并非所有的媒体机构都能够利用“机器人写手”完成新闻报道。有能力使用这一先进技术的媒体机构可以率先享受技术变革带来的便捷，并可以节省出大量的人力和物力，以利于其发展。这种运用的不平等在某种程度上也会加剧媒体间的竞争，给部分媒体带来更大的生存、变革压力。（押题班语料）
另外，不同发展水平的国家和地区对机器人写手的使用情况也会不同，很可能进一步加剧地区之间新闻报道的不平等现象。“机器人写手新闻”最先运用成功的都是欧美发达国家媒体，依托于强大的经济和技术支持，先进发达国家比其他地区更早、更快、更好地运用新的报道方式，由此加大了国家和地区之间新闻报道的不平等。
人工智能参与新闻采集流程主要是以智能化工具或机器人的形式实现，以为记者的后续报道提供素材。如通过机器学习和数据挖掘方法提升调查性新闻报道的质量或是作为新闻自动化生成系统的基础部分而存在。（押题班语料）
当前的人工智能新闻采集工具主要用于实现三种功能，包括大规模数据的挖掘、处理和分析，突发事件监测以及事件发展趋势预测。在人工智能的辅助下，当下预测性数据新闻的主题已从政治扩展到了体育、文化、商业和公共卫生健康等领域。
【案例】代表性应用有路透社研发的Newstracer等。
局限性
1.许多与新闻相关的数据掌握在政府和私人手中，不能公开获取，通常需要收集、谈判或购买。而新闻推理则需要非常高的准确性或大量的人工检查，以避免诽谤的风险；
2.新闻价值的评判因素往往来自深刻的社会政治现实，因此很难在计算上进行编码等。
（二）新闻生产
人工智能在新闻生产领域的应用主要是“采集数据，数据的结构化处理和分析，判定新闻价值并提炼报道选题，套用模板生成规范的新闻稿及润色。”（押题班语料）
而由此生成的新闻也被称为 “自动化新闻、“机器人新闻、“计算新闻"或 “算法新闻”。目前，此类应用主要存在于财经、体育、政治和天气等主题的报道中，并且可以文字、视频和数据可视化等不同形式展现。
【案例】新闻自动化生产的代表性应用包括《洛杉矶时报》的 Quakebot、“新华社”的“快笔小新”、“今日头条”的“Xiaomingbot”、“第一财经”的“DT稿王”、腾讯的“Dreamwritter”以及《南方都市报》的“小南”等。
局限性
1.该技术能较好地应用需要基于数据可用性和好的数据质量，而一旦报道领域拓宽，语义方面的数据或文本更加多元化，自然语言生成技术可能会无法处理，所以目前该技术的应用领域和主题有限；
2.该技术无法从矛盾的数据中得到结论，因而数据库必须可靠。
3.对单一数据流的依赖（缺少多样化的信息源）、新闻角度的提前预测以及新闻模板的预先设置等因素，使得算法生成的新闻缺乏传统报道的背景、复杂性、创造性和人性化元素，可能对真实性等伦理原则造成挑战。（押题班语料）
（三）新闻分发
人工智能在新闻分发环节中的应用主要包括个性化新闻推荐、智能化新闻播报以及智能化传播效果分析。
1. 个性化新闻推荐
基于决策流程的差异，推荐算法可分为基于内容的推荐算法、协同过滤推荐算法、基于知识的推荐算法以及混合推荐算法。新闻推荐算法的基本原理是算法会根据用户的个人特征（如年龄、性别和兴趣等）、社会特征（如种族、经济状况和社会关系等）和历史足迹（如信息使用、阅读习惯等数据）等信息建立多数据点的用户画像，同时也会对信息和用户的地理环境、技术环境等进行描摹，之后再将用户画像与标签化的信息产品适配，进而通过多种算法手段进行新闻分发。
【案例】新闻推荐算法已被《纽约时报》《卫报》和《华盛顿邮报》等新闻媒体以及“谷歌新闻”“今日头条”和“一点资讯”等新闻聚合类平台使用。
个性化新闻推荐的新发展
近些年，人工智能语音工具得以进一步发展，而人工智能语音技术和个性化新闻推荐的结合渐成趋势，由此则催生了新闻机器人／ 聊天机器人／对话机器人之类的应用。
【案例】如BBC、澳大利亚广播公司、《人民日报》和 《光明日报》等，都已将人工智能语音工具运用于新闻的个性化推送中。
优点与不足
（优点）聊天机器人重新定义了新闻分发，有助于实现丰富性、趣味性、互动性和定制性的新闻推送，能够提供知识服务，平衡重大政治报道，促进信息的全球化传播。（不足）但此类应用同时也在全球范围内带来了“信息茧房”相关的担忧和探讨。
2. 智能化新闻播报
智能化新闻播报主要是通过人工智能主播来实现的。从技术原理来看，“AI合成主播”技术是基于 “自然交互”和“知识计算”的原理，将输入的文本自动生成相应内容的视频，并确保视频中音频和表情、唇动保持自然一致，展现与真人主播无异的信息传达效果，从而极大提升了电视新闻的制作效率，降低了制作成本，提高了报道的时效性和质量。
【案例】如 “新华社”联合“搜狗”公司发布的全球首个人工智能合成新闻主播、日本放送协会（NHK）的Yomiko等。
3. 智能化传播效果分析
人工智能可被用于收集用户的新闻阅读情况及相关的体验，从而进一步作用于新闻分发策略的调整。还有媒体利用数据驱动的标题测试为各种媒体平台优化内容。
【案例】如美联社与NewsWhip合作开发的新工具，可以帮助专业从业人员追踪“美联社”内容的使用情况，并分析这些内容如何推动了会员和客户的社交参与，从而进一步作用于内容的调整，以满足用户未来的数字需求。
（四）新闻核查
新闻核查技术是在数据挖掘技术的基础上，根据准确性、确定性等指标，进行真假新 闻的统计分析，计算未知新闻真实性的概率。新闻核查一方面会嵌入新闻采集、生产和分发等诸多环节中，同时也可作为单独的过程而存在。
根据核查系统输入源和计算原理的差异，可将新闻核查算法分为“基于内容模型的新闻核查算法”和“基于社会情境模型的新闻核查算法”：
前者借助自然语言处理技术，将带有真假标记的真假新闻数据输入程序，以计算真假新闻在语义特征（如单词使用、修辞、句法、情感语言等指标）上的差异，进而据此对给定文本的真伪进行判定；
而后者“则是关注社交特征和信号，将信息传播过程中的情境纳入考量，根据用户与内容、用户与用户之间的交互等上下文信息情境甄别假新闻”。
【案例】美联社开发了内部验证工具，可帮助记者实时验证多媒体内容；《华盛顿邮报》则开发了TruthTeller工具，以便自动核实实时政治演讲。
局限性
1.调查显示，当缺乏人类监督或处理大规模数据时，自动化事实核查工具辨识假信息的能力有限，尤其是在理解语句以及核查信息源方面，受科学发展现状和缺乏数据的限制。
2.自动化事实核查工具对特定目标文本的真伪识别依赖此前输入的训练文本的特征，而作为训练数据的语义线索，只能反映部分新闻文本的特性，难以应对新语境下层出不穷的复杂新闻形态。
🍀小铎说：人工智能作为媒介技术中最为重要的一环，在近年来院校真题热点考查中的频度一直居于前列。该专题下的一系列知识点如“算法推荐、信息茧房、机器人写作”都需要大家联系起来认真学习。即便知识在不断更新，我们仍然不难发现，2022年的考题很大程度上仍会考查经典题型方面，因此，答题的新意、案例的新旧将成为答题拉开差距的重要方面。如”人工智能在中国新闻业的发展现状（ 2020 安徽大学 334）“这一题就考查的是人工智能在中国语境下的发展。因此，大家学习时一定要注重对名言和案例的积累和运用，让自己的答案锦上添花。
参考文献：