AI夺权，“备胎变正”的戏码在传媒界上演。5月底，微软宣布将解雇50名从事筛选和策划新闻报道的编辑，取而代之的是与这些人类编辑合作了一段时间的AI编辑。受此影响，负责维护其MSN网站新闻主页和MicrosoftEdge浏览器的英国新闻协会约27名编辑被告知，他们将在6月底被解雇。虽然微软明确表示此次裁员与COVID-19大流行导致新闻媒体广告收入下降没有直接关系，但AI技术可以用来降低新闻团队的人力成本已经是不争的事实.对于这些无奈的新闻编辑来说，曾经为他们提供各种新闻和筛选建议的AI算法推荐，竟然是这样一个“暗中磨刀”的心机AI。在报告中，一位即将被解雇的编辑强调了用人工智能完全取代人类的风险，因为只有人类编辑才能确保网站不会向用户展示暴力或不当内容。对于AI来说，这确实会是一个问题，因为它更擅长推荐符合人性的内容，但它无法识别一些潜在的社会和伦理风险。当然，从1995年微软推出MSNNews至今已有25年了，全球至少还有800名编辑仍在从事新闻的甄选和推荐工作。未来，微软的新闻团队仍将与人类编辑和人工智能编辑一起工作，但人工智能取代人类编辑的趋势可能会明显加快。在普通吃瓜群众看来，我们也在被各种新闻资讯、视频平台的算法推荐所支配。最明显的体验是，我们花在让我们“欲罢不能”的内容上的时间越来越多。能否说人工智能将在取代人类编辑的战斗中取得最后的胜利？下面我们从人工智能算法推荐的优越性和争议性来探讨人工智能算法和人类编辑推荐可能的结果。信息发布：从“人找信息”到“信息找人”、“太阳底下无新鲜事”。算法推荐，虽然是近几年随着移动互联网内容应用的爆发才出现的，但本质上仍然是人类一种新的信息分发形式，我们对信息分发的需求自古就有。在《人类简史》中，哈拉里针对智人打败其他物种的原因提出了一个新的“假说”，即我们特别擅长“八卦”和“聊天”。“八卦”有助于整个社区建立情感纽带，团结一致，共进退。“聊天”有助于传授经验。出去的人告诉村民哪里有危险，老猎人教年轻的猎人如何捕捉猎物。这是信息最自然的社会分布，极大地提高了人类协作的效率和文明的延续。从那时起，我们经历了口耳相传的史诗、结结记、甲骨文的象征记，以及后来的文章和经典；现代文明的繁荣得益于印刷术的不断升级，在过去两百多年的时间里，新闻报纸、图书出版、广播电视等新型信息传播媒介的诞生构成了信息传播的基本版图。当代社会。互联网的出现突破了信息传播的时空界限，让信息始终在线、全球同步传输。然而，传统互联网的信息传递仍然延续了物理世界的范式。例如，互联网早期出现的门户网站和搜索引擎借鉴了图书馆的目录分类和百科全书的词条索引。新闻信息等信息的发布依赖于权威中心化机构的采集和报道，用户信息和知识的获取依赖于主动浏览和筛选。随着信息的爆发式增长和人们信息消费的碎片化趋势，“人们寻找信息”的方式遇到了新的挑战。算法推荐和相应的内容分发平台的出现，开辟了一种通过机器算法进行人工推荐“以信息找人”的新模式。1995年，NicolaNegroponte在《数字化生存》中预言性的“我的每日”构想现已成为现实。信息发布正朝着满足受众用户个性化需求的方向发展。几乎与此同时，明尼苏达大学的团队开发了第一个自动化推荐系统GroupLens，成为协同过滤推荐算法的最早提出者。此后，算法推荐系统也很早就在亚马逊的电子商务平台和Netflix的视频流服务中投入使用。2016年可以看作是新闻算法推荐兴起的元年。今年，YouTube将深度神经网络应用到内容推荐系统中。今年，在我国新闻信息分发市场，算法推送的内容首次突破50%。也是这一年，率先应用信息算法推荐的今日头条终于从四大门户和BAT支持的媒体平台突围，实现了6000万日活。但算法推荐本身自那时以来一直存在争议。2017年9月，人民网故意用三篇社论批评今日头条等新闻应用的“算法推荐”。社论首先肯定算法推荐顺应时代潮流，满足人们个性化、多样化的信息获取需求，但特别指出以下问题：算法推荐会纵容劣质内容泛滥。有些推荐算法只会迎合大众的好奇心理。最后，他们只会反复推送那些低质量的内容。最终“劣币驱逐良币”，使得传统媒体优质全面的信息无法触达大众用户。推荐算法中所谓的“个性化”推荐，只会机械地推荐一些高度相关但内容单一的信息，甚至会过滤掉那些不熟悉、不合意的信息，造成“信息茧”。算法推荐的信息采集，不仅可能涉及大量版权问题，甚至可能走向“创新的对立面”。也就是说，智能推荐会变得媚俗和庸俗，充斥着大量缺乏独立思考和深度观察的肤浅内容，进而破坏社会的创新和发展。人民网的批评也代表了很多传统媒体和很多精英的观点，这些现象确实符合我们大多数人的直觉印象。但在跟着它走之前，我们还需要进一步了解算法推荐的基本方法和发展历程，搞清楚为什么人这么容易被算法“驯服”。算法推荐如何突破自身局限，不断进化？算法推荐：人性化，太人性化的信息发布本质是为了有效连接人和信息。算法推荐的本质是利用机器算法实现大规模的信息自动分发，让信息自动找到人。因此，算法推荐需要解决三个问题：理解信息、理解人、理解人们何时何地需要信息。但归根结底，算法推荐的核心还是懂人，即了解人的使用习惯、兴趣爱好，然后通过算法预测用户可能感兴趣的信息和话题，进行加权推荐。新闻信息的推荐算法主要来自于一些数学算法。以下算法主要用于主要的新闻聚合应用：1.内容推荐。这是最常用的信息推荐算法。算法系统对文本内容设置标签。一旦用户对相关内容进行了点击、浏览、点赞、评论、分享等操作，系统就会为用户打上相应的兴趣标签。这样，更多相关标签的文本可以与用户标签匹配。例如，观看了“德甲”内容的用户将获得更多关于“德甲”的推送信息。对于内容推荐，如果前期无法获取用户的兴趣标签特征，很容易遇到冷启动问题。因此，除了内容推荐之外，还需要其他推荐方法。2.协同过滤推荐。这是应用在推荐系统中最早也是最成功的技术之一。它采用了我们常识中理解的“人以群聚，物以类聚”的思想，即寻找用户的好友或其他具有相似特征的用户。将他们感兴趣的内容推荐给用户。协同过滤推荐采用经验分享的方式，避免了内容分析不准确、内容推荐过于单一等问题，能够发现用户潜在感兴趣和偏好的内容。3.热门推荐。热门推荐来源于传统媒体的思维方式，主要是根据时事热点事件和话题进行内容推荐。不同于传统媒体新闻编辑的人工筛选，新闻聚合平台的自动算法推荐是通过统计的方式，将一定时间内点击量和关注度最高的新闻推送给用户。此外，还有一系列基于规则、效用、知识以及各种组合的推荐算法，实现对用户的个性化推荐。换句话说，对于那些使用算法推荐的内容平台来说，相当于拥有了对付处于信息焦虑和信息饥饿中的移动互联网用户的“秘密武器”。即使你是新手用户，平台对你知之甚少，它也会通过让你自定义兴趣标签、尝试不同类型的内容推送、AB测试等，快速实现所谓的“冷启动”，并且找到你真正的爱好。然而，在最根本的层面上，像今日头条这样的内容平台最基本的“原罪”在于平台的目的是尽可能多地抢夺用户时间和注意力，而不是让用户获得基本的回头率和信息后离开。新闻联播也有准时结束，但这些内容平台可以随时刷新，无限供应，其经营本质是获取流量。因此，平台的推荐算法会尽可能取悦用户，利用用户的人性弱点来进行信息喂养。这正是人们在内容平台上经常诟病的问题：头条泛滥，稿件泛滥，洞悉人性弱点的低俗内容层出不穷。一旦你出于好奇浏览相关内容，算法会尽力推荐更多相关信息。这也是所谓“信息茧”的根源。算法放纵人性，进而固化认知，导致用户在自己熟悉的信息圈里转来转去。这也是很多人讨厌内容平台，但又似乎欲罢不能的根本原因。但需要指出的是，算法推荐本身并不一定要为内容平台的这些问题负责。道理很简单，就是“人以刀杀人，罪在人，不在刀”。事实上，通过算法推荐本身的演进，可以解决用户的信息“偏食”行为和“信息茧”问题。算法推荐自助：人机协作才是正道无论对算法推荐的批评有多严重，算法推荐的流行和流行是不争的事实。算法推荐的真正进步在于改变信息分发方式，即从集中式的“责任核查”分发方式，转变为基于用户个性化机器智能推荐的“算法核对”分发方式。这种分发方式带来了信息分发效率的极大提升，当然也带来了传统权威专业媒体分发“算法”的失效和分发内容权重的下降。但从目前来看，传统权威媒体不再持有当初消极打压的态度，而是以积极的态度拥抱新媒体平台，参与到算法推荐的流量竞争中，正凭借自己的实力身份和专业内容，在新媒体时代重新获得用户认可。关于算法推荐带来的“劣币驱逐良币”的问题，这确实是之前算法推荐的软肋。一些最早的机器学习算法和推荐算法无法识别文章内容是否涉嫌头条党、假新闻、洗钱等低俗、色情等内容。这些劣质内容其实是平台一直在努力消除的隐患。毕竟平台的发展不能单靠这些内容支撑，反而会带来很多版权、投诉和负面舆论。当前平台加大了内容安全机制的建设，包括广泛应用高危内容识别模型技术和大规模人工审核验证等。去年，即使是同样痴迷于算法推荐的Facebook，由于假新闻泛滥，也开始使用人工编辑来审查内容。对于“信息茧”，正如北京师范大学教授于国明近日在一篇论文中指出的那样，算法推荐并不是“信息茧”形成的必要条件。生成后不发挥协同作用，甚至有一定的消化作用。简单来说，“信息茧”的存在并不是因为算法推荐的出现。传统社会信息单一、媒体管控严格、个人信息“偏食”倾向，都是“信息茧”产生的原因。.相反，在算法推荐时代，个人用户仍然拥有传统媒体渠道、社交媒体渠道等多种信息来源，更难打造这样的“信息茧”生成机制；同时，随着算法推荐技术的不断迭代，用户潜在的信息需求不断被挖掘和丰富。归根结底，在算法推荐和人工编辑推荐的权衡中，我们其实更应该提倡一个具有“人文理性”和“技术理性”的可信算法推荐系统。显然，算法还是更容易为用户提供“沉浸式”的信息阅读体验，算法与人的交互关系本质上是“算法背后的设计者的价值逻辑或意识形态与用户的交互”。这就需要算法设计者在意识到“信息茧”可能造成的危害后，主动寻求更优化的方案，建立可信的算法推荐系统。最重要的是在算法推荐之外还要坚持人机协作，即重视人工编辑在算法推荐应用中的作用，包括提供新闻专业性的概念，设置更多的公共议题；提供更多加权的利弊信息；提供更多随机视角的信息等。回到微软新闻部门裁员的问题，之前的模式是AI算法辅助人类新闻编辑，但未来更多的可能是人类新闻编辑辅助AI算法优化内容推荐的质量。显然，AI算法推荐并不能完全替代人类编辑的工作。平台不会放心将自己的口碑和内容的选择全部交给AI算法。一项技术的发明和应用，在人类发展史上从来没有起到过助燃剂或催化剂的作用。就AI算法推荐而言，既不会摧毁传统媒体的生存基础，也不会把人类彻底变成目光短浅、自闭的傻瓜。其实，如果我们仔细观察，当你发现身边的老人开始整天盯着手机，关注着自己所在城市发生的各种事情，关心着政府出台的各种政策，关心着自媒体上各种奇葩血腥的故事，未尝不可。这对他们的生活和精神来说算不上是一种解放，至少开阔了眼界，不用再盯着家里的鸡毛蒜皮了。而对于那些因AI而走上职业生涯的媒体人，大可不必悲观。在夜深人静的时候，马不停蹄地开始你的创作，这些内容平台或许会给你一个更美好的未来。
