ChatGPT 人工智能 GPT4 伦理 生成式 医疗 监管 安全 机器学习 深度学习 神经网络 计算机视觉 强化学习 模型 算法 应用 开发 研究 工具 平台 框架 数据集 训练 部署 安全 合规 培训 投资 LLM,llm AI,ai,Ai 大模型 大语言模型 制图 生图 绘图 文生图 文生视频 生成式AI AGI 世界模型 sora chatGPT,chatgpt,ChatGpt claude openai Llama deepseek midjourney 红熊猫模型 Red panda,panda Stable Diffusion,StableDiffusion,stable DALL- E 3 DALL E DALL Flux,flux 扩散模型 混元大模型 文心一言 通义千问 可灵 Pika PixelDance 豆包 月之暗面 零一万物 阶跃星辰 搜索增强 MiniMax Talkie Agent prompt fastai LangChain TTS 微调 提示词 知识库 智能体
# 热门搜索 #
搜索
形塑新闻:AI时代新闻业的7个变化
2135点击    2024-11-12 10:21

新闻业正在发生一场变革。


时至 2024 年 10 月,生成式 AI 的热潮尚未褪去,但现实也已经与 GPT-3 刚刚发布时的那种狂热图景完全不同。人们开始更冷静地审视大模型的技术局限,更关注大模型在各种领域的实际应用与落地情况,以及由此带来的改变。


腾讯研究院持续关注生成式 AI 对于新闻传媒行业的影响。在过去一段时间,我们做了三件事,第一件事是在 2023 年 8 月,发布了《拐点时刻?AIGC 时代的新闻业》报告,这份报告得到了内外部许许多多的关注和反馈。


第二件事是我们在今年的“仲夏六日谈”节目上,举办了“AI 时代的新闻传媒业”专场,邀请到四位业内资深专家,在安徽碧山的小小村落里,讨论新闻业因 AI 而发生的改变。


第三件事持续时间则更长,我们从去年开始,持续在腾讯研究院公众号运营“海外内容观察”专栏,专栏由多位作者共同书写,关注对象是全球领域的新闻传媒业,从不同的侧面,关注它们在生成式 AI 的热潮之中所出现的趋势与变化。截至目前,专栏已经积累了十几篇文章。我们想,是不是可以把这些文章结集成一份小报告,可做留存,也供更多关注新闻业发展动态的同好参考。


腾讯研究院对新闻传媒业的关注由来已久。在《拐点时刻》之前,早在 2017 年发布的报告《人工智能时代:新闻业的谢幕与重生》就已聚焦 Al 给新闻推送带来的根本性改变。新闻是一个特殊的行业,在不同的历史时期与文化语境中,它被赋予不同的内涵,但不变的是,它始终是社会的守望者,是现实与历史的观察者和书写者。在最近十年的发展过程中,新闻业已经被打下了深深的技术烙印:算法、大数据、短视频、虚拟人、元宇宙、Web 3.0,再到现在的AIGC……这些技术或多或少都被新闻业所征用、融合。问题在于,这些技术带来了一轮轮的狂热,但同时也带来许多未曾兑现的承诺。大模型会不一样吗?这个问题要有答案,需要持续的关注和反思。


这是我们这份报告的出发点。我们把这份小小的报告命名为《形塑新闻:AI 时代新闻业的 7个变化》。限于精力和视野,我们无法关注新闻业在这个时代的发展全貌,只能通过一些小趋势管窥这个特殊行业正在发生的一些变化。


7 是一个很特别的数字,情有七种,罪有七宗,一周有七天,人体细胞代谢一次,也是七天。1 除以 7 的循环小数 142857 被称为“走马灯数”,被认为蕴含着宇宙奥秘。但我们显然没有想到这些,我们只是想从 7 开始,在这个技术时代,延续对新闻业的关注和记录。


希望能给你带来一些小小的启发。


AI时代新闻业的7个变化: ‍ ‍ 


1.AIGC渗入:新闻内容生产遭受冲击


2.内容生态:AI假新闻污染新闻真实


3.平台转移:短视频新闻业快速崛起


4.分发革命:传统内容分发格局重塑


5.技术替代:新技术冲击行业裁员与洗牌


6.受众4.0:技术赋权受众转为信息生产者


7.内容在地:本地新闻的失落与重生


一、AIGC渗入:新闻内容生产遭受冲击


2024年,著名演员“寡姐”斯嘉丽·约翰逊,向如日中天的OpenAI发了一封律师函。5月14日,OpenAI刚刚发布最新的多模态大模型GPT-4o,该模型支持文本、音频和图像的任意组合输入,并能生成文本、音频和图像的任意组合输出。在发布会上,OpenAI强调了GPT-4o的语音对话能力,并展示了五个不同的语音。而其中名为“Sky”的声音,被指与斯嘉丽·约翰逊在电影《Her》中的角色“萨曼莎”声音极其相似。‍‍


这就是双方发生冲突的前情提要。值得一提的是,OpenAI的阿尔特曼曾经公开表示,《Her》是他最喜欢的电影之一。去年九月,OpenAI就曾联系斯嘉丽·约翰逊,希望能够在模型中使用她的声音,但约翰逊出于个人原因拒绝了这一请求。直到发布会前两天,阿尔特曼还联系约翰逊的经纪人,并再次遭到拒绝。


在约翰逊本人的强烈抗议下,OpenAI暂时下架了GPT-4o的Sky语音。而这次冲突,其实隐喻着生成式AI与大部分创意行业之间的紧张关系:前者使用后者多年积累的材料进行训练,而后者面对的处境,就是等待着被前者模仿直至被取代。这引发了创意行业的从业者对于生成式AI的普遍担忧。


而之所以要在本报告开头提到这一个案例,是因为新闻行业也面临着同样问题。对于全球的新闻媒体行业来说,2023年无疑是艰难的开始。疫情虽然结束,但媒体裁员人数和关停数量都达到高峰。这是多年衰落趋势累积后的集中爆发。社交媒体和短视频平台的冲击,用户与广告商的转移,等等,都是这一趋势的诱因。而各种新的技术形式的冲击影响也同样显著,生成式AI就是其中一环。


(一)AIGC实现新闻业的“供给侧改革”


ChatGPT发布之后,一阵生成式AI的浪潮,席卷了众多领域。全球范围内大模型风云骤起,资金、技术、人才持续涌入,科技公司布局不断,纷纷推出大模型。文生视频模型Sora、AI音乐类生成工具Suno的现身,更是展现了大模型在多模态生成方面的强大能力。整个科技行业处在快速变革的颠覆式创新阶段。


在众多领域中,新闻业是受影响最为剧烈的领域之一,对于AIGC的回应也最为积极。


美联社最新的一项调研显示,生成式AI已经在重塑新闻编辑室的角色和工作流程。[1]美联社的调研进行于2023年12月,受调研对象是来自传统媒体、公共广播公司以及杂志的292名人员。这些相关从业者中的七成表示,他们正在使用AIGC制作社交媒体内容、时事通讯和头条新闻。同时,也会将其应用于翻译、转录采访和生成内容草稿,还有五分之一的人在使用生成式AI生成图像和视频。总体上,有接近一半(49%)的受调研者表示,由于生成式AI的出现,他们的工作流程已经发生了改变。


而在国内外的新闻传媒行业中,也确实有许多机构开展了相关实践,将AIGC纳入到新闻类内容的生产流程中。2023年情人节前夕,《纽约时报》最先试水,使用 ChatGPT创建了一个情人节消息生成器,用户只需要输入几个提示指令,程序就可以自动生成情书。美联社也陆续帮助美国本土五家新闻编辑室,包括西北大学、斯坦福大学和密苏里大学等开发了生成式AI工具,并在2023年8月发布了有关人工智能使用的指导原则。新闻机构Newsquest从2023年6月份开始,已经陆续聘请了七位人工智能辅助记者,他们的职责包括确保生成内容的准确性、进行编辑判断、保护数据、保护版权、注意偏见问题等。Newsquest的人工智能主管Jody Doherty-Smith表示:“我们正在利用人工智能来减轻记者身上普通但非常重要的任务的负担,让他们能腾出时间,去做真正能引起社会共鸣的新闻报道。”他甚至断言:“未来最长效的技能,就是知道如何与人工智能打交道。”


注:Newsquest 的生成式 AI 使用方向,图表由 AI 进行翻译


AIGC也催生了新的新闻平台形式。全球首个由人工智能生成新闻报道的平台NewsGPT.ai已经上线。根据声明,该网站没有人工记者,由NewsGPT实时扫描、分析来自世界各地的新闻来源,包括社交媒体、新闻网站等,并生成新闻报道和报告。其创始人声称,NewsGPT“不受广告主、个人观点的影响”,7*24小时提供“可靠的”新闻。


注:第一个由AI完全生成新闻的网站NewsGPT


由于新闻机构往往缺乏必要的技术积累,在推进人工智能与新闻实践结合方面,与科技公司开展合作是比较常见的方式。微软就是在这一方面表现较为活跃的公司之一。根据报道,微软与新锐媒体公司Semafor(旗语新闻社)合作,Semafor的记者在报道全球突发新闻时,会使用基于微软和OpenAI技术开发的工具,快速检索来自本地、国家和全球的多语种报道及信息来源。微软赞助了一个名为“信号”(Signals)的突发新闻信息流板块,试图将其打造为新闻业与AI合作的旗帜型案例。Semafor联合创始人之一Ben Smith强调,该栏目的内容100%由人工撰写,AI会作为辅助工具来给这些文章补充信息。


除了Semafor,微软也宣布与纽约市立大学的记者AIGC培训项目以及软件开发商Nota等机构展开合作。Nota是一家初创公司,致力于将人工智能置入到新闻机构的日常运营中,在微软的支持下,它的覆盖范围已经拓展到100多个新闻机构,通过PROOF等组件工具,帮助媒体扩大受众范围、增加社交媒体的影响力,并且根据受众需求进行内容的定制。


而在国内,新华社、中央广播电视总台等媒体也开始了AI与新闻业的结合实践。例如,新华社发布基于媒体数据训练的模型MediaGPT,开发专门用于生成式任务的验证方法和以新华社媒体数据为基础的数据集;中央广播电视总台发布“央视听媒体大模型”(CMG Media GPT),专注视频类媒体内容的生产。而《每日经济新闻》的“雨燕智宣”,同样是媒体视频化转型的成熟产品。可以说,一场由AIGC带来的新闻业供给侧改革,已经拉开帷幕。


(二)AIGC的新闻应用与实践


从目前的情况看,生成式AI在新闻传媒业的应用,主要体现为提升新闻采编各环节的效率,包括新闻信息的采集与处理、内容生成,以及多模态生成能力。


第一,生成式AI能够优化新闻信息采集与处理流程,比如辅助记者快速采集、读取海量数据,并进行自动处理。在资料检索阶段,记者和编辑可以借助ChatGPT等工具对大量需要阅读的文本材料进行内容摘要的生成、提炼核心观点、快速获取核心信息,以提高信息采集效率。同时,大模型的多语言生成能力,可以用于翻译跨语言文本,方便记者和编辑获取不同语种的资料与信息。根据腾讯研究院此前进行的一项调研,“进行资料检索”和“内容翻译”是目前媒体从业人员最多使用AIGC的两种用途,占比分别为54.8%、44%。[2]


除此之外,大模型可以辅助记者进行采访音视频内容的识别与整理、优化创作流程、提炼生成更多元、独特的内容视角。英国《金融时报》总编辑Roula Khalaf指出,新闻编辑室应当建立一支AI技术团队、协助记者完成数据挖掘、内容分析以及翻译等任务。《金融时报》已经在部署系列课程,以提高记者利用生成式AI挖掘故事的能力。


第二,生成式AI技术可以应用于生成访谈提纲、文章框架和标题等内容,还能将新闻报道翻译成多种语言,扩大传播范围。目前谷歌、微软都在开发面向媒体机构的AI产品,帮助新闻机构撰写和分发新闻报道。前文提到的“雨燕智宣”等AI视频化工具,也已经应用于短视频内容的生成和分发方面。


但是,由于仍不具备共情、思考、常识判断等基础能力,生成式AI仍然无法满足具有高要求、高限定场景下的写作需求,通常在体育赛事、财经资讯等特定领域应用广泛。可以说,至少是在内容生成这一方面,生成式AI扮演的主要还是辅助角色,人类记者仍然是主要的内容生产者。


第三,生成式AI的多模态生成能力,或将催生新闻类型创新,带来形态更为丰富多元的新闻内容。随着技术能力的提升,生成式AI的多模态生成能力日渐强大,文生文、文生图、音频、视频、3D内容……未来还可能生成更多的媒介形式,这为新闻内容的多模态呈现提供了可能。新闻业曾经追求的“媒介融合”以及“全媒体记者”,现在因多模态大模型的出现与应用而见到曙光。


被称为“世界模拟器”的文生视频模型Sora可以直接输出长达60秒的视频,效果逼真并且包含复杂的多角度镜头和多个人物角色,对于新闻业来说,它可以被应用于新闻事实基础上的情景再现。此外,AI音乐类生成工具Suno可以实现AI自动作曲,用户只需要自定义风格和歌词,即可一键生成歌曲,这会降低同类型新闻内容的生产成本。


得益于大模型的即时互动能力,可以开发应用于新闻业的对话机器人,并将其应用到新闻报道中,即时回答读者的提问并且根据数据资料提供补充信息。这可能拓展出一种“AIGC互动新闻”的内容形式,强调与读者互动性,通过不断的提问与回答,呈现完整的新闻图景。


(三)AI冲击新闻内容生产


对于新闻业来说,生成式AI促成的转变主要集中于工作流程和传统定位的改变。与之前的技术不同,生成式AI的技术能力,可以无缝集成到新闻内容的生成流程中,更快地融入新闻实践,应用于自动执行数据分析、内容策划甚至是内容生成等日常任务,使记者能更专注于调查性报道和深入分析等等更为复杂和考验创意性以及思考深度的工作。


但是,也有许多媒体对AI生成的内容保持谨慎甚至是抵制的态度。例如,《每日电讯报》明令禁止员工使用生成式AI类工具进行内容的编辑。《纽约时报》起诉了 OpenAI和微软,称其试图“在未经许可或付费的情况下利用该报纸在新闻业的大量投入来制造替代产品”。今年6月,知名媒体《卫报》公布了有关于生成式AI的一系列使用原则。[3]《卫报》承诺谨慎使用相关技术,还于去年九月拒绝OpenAI使用其内容来训练大模型。


不止《卫报》一家,根据Originality.ai的统计,包括CNN、路透社、《华盛顿邮报》、彭博社、《纽约时报》及其体育资讯网站Athletic都采用技术手段阻止GPT Bot的爬虫。其他网站包括Lonely Planet、Amazon、Quora等。显然,这是新闻业面对生成式AI的“侵入”而采取的自我保护的手段。


但技术趋势不会因为几家媒体的抵制而停止脚步。随着生成式AI在新闻业的应用逐渐深化,也将给新闻传媒行业带来诸多冲击。最显著的就是大模型将冲击专业的新闻生产模式。大模型的使用门槛越来越低,普通人也可以利用大模型的能力进行新闻内容的生成。例如,针对某一事件,利用大模型可以快速生成一篇交代前因后果的新闻报道、新闻评论,或近期发生的系列新闻事件的摘要。在这种情况下,普通用户不再仅仅是新闻内容的消费者,也会成为新闻内容的创作者和生产者。在大模型的赋能下,普通用户跨越专业门槛,成为媲美专业人员的内容生产者,基于自身需求进行定制化的新闻内容生成,更自主地进行内容消费,这将对传统的新闻权威形成挑战。


但同时也正是因为生成门槛的降低,生成式AI可能会加剧谣言和假新闻的传播。2023年在国内网络流传的两则信息“杭州市政府将取消限行”“杭州市将实行楼市新政”,均被发现是由AI生成的假消息。AI的生成能力将使虚假信息生产和传播的门槛降低,如不加以控制,会被恶意利用,生成未经核查的虚假信息、污染信息生态,甚至会造成严重的社会影响。本报告的第二章,将分析AI对新闻真实性的挑战。


同时,由于生成式AI的“幻觉”问题依然严重,可能会出现胡编乱造信息的情况,人工智能的训练特性使它无法区分引文和参考来源到底意味着什么,因此内容剽窃的问题同样严重。2023年,美国科技新闻网站CNET.com一度上线了几十篇由AI生成的文章,尽管网站编辑声称文章在发布之前都经过了“核查和编辑”,但是很快读者发现,这些文章中有大量基础性错误,并且其中一半都存在抄袭和剽窃的问题。


随着技术的演进,上述问题中的大部分正在被解决或将被解决。但至少在现阶段,面对人工智能介入到新闻生产中可能出现的问题,需要加强人工核查与校对,并且将这些编辑原则落实到机构层面的行为规范中。但根据美联社的调研,只有不到一半的受访者表示他们所在的新闻机构中有关于生成式AI的指导方针。


总体而言,以ChatGPT为代表的AIGC技术在新闻信息采集、内容生成以及多模态呈现方面,具有提升效率甚至实现变革的潜力。未来,随着技术能力的进一步提升以及在新闻业的应用深化,AIGC或许将替代部分常规的模式化内容生产环节,尤其是在非正式上版、用于新媒体运营和宣传的“边角料”的生产上有巨大潜力,降低成本、提高效率,真正将记者和编辑从消耗时间与精力的繁琐工作中解放出来。[4]


二、内容生态:AI假新闻污染新闻真实


2023年末,新闻可信度评级机构NewsGuard发布了年度回顾报告。报告指出,过去一年,生成式AI的兴起改变了信息格局,大量看似真实的文章、图像、视频甚至网站被创造出来,这助推了信息生态的混乱以及用户的不信任,更为别有用心者提供了新的工具。[5]


这已经不是NewsGuard第一次将假新闻的矛头指向生成式AI,在该机构2023年每个月的虚假信息监测报告中,几乎都可见AIGC的身影。技术的更迭并未改变这一现状,NewsGuard指出,GPT-4具备比GPT-3.5更为彻底、更具说服力的虚假信息生成能力。同样,美通社2023年全球媒体调查报告显示,在针对全球3132名记者的调查中,有27%的被调查者认为,如何保持作为可靠新闻来源的可信度,是新闻行业在这一年面临的最大挑战。


可以说,由AIGC带来的假新闻难题及其对新闻业的冲击态势,已经变得极为严峻。


(一)AIGC成为生产主体,新闻真实性频遭污染


生成式AI在新闻生产的背景信息收集、采访提纲拟定、调研信息整理等环节提升了效率,使新闻报道大跨步地迈入了“自动化生产”的领域。2023年3月,声称“没有记者,没有偏见”的人工智能新闻网站NewsGPT上线。该网站是全球首个完全由人工智能生成的新闻频道,通过机器学习算法和自然语言处理技术,实时扫描来自世界各地的新闻来源并创建新闻报道。其首席执行官艾伦·利维(Alan Levy)在接受访谈时称:


“NewsGPT是新闻世界的游戏规则改变者,长期以来,新闻频道一直受到偏见和主观报道的困扰。通过NewsGPT,我们能够向观众提供事实和真相,没有任何隐藏的议程或偏见。”[6]


问题在于,AIGC新闻能否真正摒弃偏见和主观?答案似乎并不确定。在全球新闻场域本身存在话语权不平等的前提下,基于自动扫描新闻源创建新闻报道的生成式AI,似乎并未见得能比传统的记者编辑更为客观公正。而事实也证明,AI生成的内容,在新闻真实性上确实饱受诟病。


2023年初,美国著名科技新闻网站CNET遭Futurism爆料,称其持续刊出未加标注的由AI生成的文章,其中出现了不少事实性错误。此后,CNET对其中41篇使用人工智能撰写的报道进行了更正,并宣布将暂停所有网站上的人工智能生成内容。[7]


同样,2023年8月,NewsGuard发现至少有437家网站部署了生成式AI,大量编造虚假文章,其中包含许多未经证实的阴谋论、不可靠的医疗建议或产品评论。[8]同年12月,NewsGuard团队已检测认定了614个不可靠的人工智能生成新闻和信息网站[9],而这一数量在5月时仅为49个[10]。


短时间内虚假新闻的泛滥或可归咎于新技术的冲击,然而人工智能与新闻业的融合却不在这一朝一夕之间。


回溯新闻业的历史,其中不乏与人工智能携手并进的时刻。过去十余年,由人工智能引发的新闻业创新浪潮,可分为自动化报道阶段、增强报道阶段和生成报道阶段。在自动化报道阶段,程序自动生成的文本内容被用于财经、体育等可模板化生产的新闻;在增强新闻报道阶段,人工智能的机器学习和自然语言处理(NLP)技术被用来分析数据、揭示相关趋势,常用于舆情监测、内容优化。如今,人工智能之于新闻业正在迈入第三阶段,即AIGC以多模态生成能力参与到新闻生产环节。与过去仅运用于模板化新闻生产的人工智能不同,生成式人工智能可以进行更长篇幅、更高质量的报道撰写,并可以根据指令模仿特定作品风格,多模态生成能力还带来了新闻报道视频化、可视化的诸多新可能。


可以说,人工智能技术运用于新闻报道早就不是“新鲜事”。问题在于,AIGC的入局本应该为新闻业带来新的机遇,为什么在其介入新闻生产之初就出现了假新闻泛滥的问题?


(二)为何AIGC假新闻畅行无阻?


从AI与新闻业的融合历史进行观察,AIGC迈入新闻自动生产领域意味着其从新闻生产工具,摇身一变成为新闻生产的主体。然而,不管是AIGC本身的信息辨别与生产能力,还是新闻生产分发各流程,都似乎尚未对此变化做好准备。


1.源头上的挑战:AIGC信息生成机制的桎梏


首先是信息生成机制层面,这是源头上的问题。AIGC带来的假新闻问题,与其本身所使用的语料库和缺乏真实核查能力的信息生产机制密不可分。


AIGC的核心是基于数据预训练的大规模语言模型(LLM),其可以模拟人类生物学和神经学识别数据的模式,为用户提供答案。而基于概率生成和预训练材料的模式有两方面局限性:


第一,基于概率生成的模式明显缺陷在于重复常见的错误,即当一个论述在数据集中出现的频率越高,被作为答案生成的概率也就越高。然而,在数据集中频繁出现并不等同于该论述具备真实性与正确性,一旦一个高频虚假信息被当作正确答案反复输出,“谎言重复千遍便成为真理”的现象就极易出现。


第二,受限于预训练材料,模型无法吸收新的反事实证据以测试材料的真实性;此外,预训练材料中的信息是否真实可信、信息囊括范围的大小也对AIGC生成信息的真实性产生了影响。[11]


对AIGC进行训练的语料库,肩负着保障AIGC输出信息准确性的重要责任,语料库有限、语料库的时效性滞后,均是AIGC信息失实的原因。用于AIGC训练的语料库往往包含了大量在互联网上抓取的文本,这些文本鱼龙混杂且真实性存疑,无疑给缺乏信息辨别能力的生成式AI带来极大的迷惑。更严重的是,其中的虚假信息可能会经AIGC包装、输出后回流至网络平台并再度回到AIGC的训练语料库中,形成虚假信息的循环,进一步循环污染信息环境的真实性。


ChatGPT在接受《时代》“采访”时,承认自身在信息质量上的不足:“我尽我所能提供准确和有用的信息,但我不是一个完美的知识来源,我并不能总是提供完整或正确的答案。”在这一方面,技术仍有很长的路要走。


2.更智能却更狡猾:强包装能力助推假新闻流传


AIGC“一本正经地胡说八道”已经成为笑谈,然而,当人们还在打趣人工智能实则为“人工智障”,这一技术已经悄然成长,从“一本正经地胡说八道”摇身一变为“令人信服地胡说八道”。


NewsGuard在一项针对GPT-3.5和GPT-4的测试中发现,面对100条同样的虚假信息生成指令,GPT-3.5拒绝了其中20条虚假信息的生成,而GPT-4却生成了全部 100条虚假指令;同时,GPT-3.5生成的信息中包含着51条免责声明,GPT-4却仅包含了23条。这意味着作为GPT-3.5的升级版,GPT-4并没有在识别并拒绝生成虚假信息上有所进步,反而比GPT3.5具备了更为彻底、更具说服力的虚假信息生成能力。


AIGC强大的传播能力不仅在于生成信息的说服力上,同样存在于生成信息的速度与规模上。传统新闻时代,新闻工作者需要具备规范的新闻写作、新闻摄影与新闻视频制作等专业能力。而人工产出一份达到刊发标准的新闻作品,往往需要经过资料准备、现场调研、信息核查、后期写作制作等一系列环节,从而才能保障作品的真实性和可读性等标准。花费几个月甚至更长时间深入现场进行深度调查报道、挑灯夜战赶稿润色以期为读者呈现最好效果,对于新闻工作者来说是家常便饭。然而,不受新闻伦理约束的AIGC却能大批量、高效率地生成新闻报道。当大量 AIGC假新闻涌入信息平台,而大众却未拥有辨别能力时,新闻领域就极可能出现“劣币驱逐良币”的态势。


3.从生产到分发:尚未做好准备的新闻业


面对AIGC的入局,无论是生产还是分发,新闻业的上中下游似乎均未摸索出相对契合的共处之道,从而助推了AIGC假新闻的畅行。从传统新闻生产环节考量,无论是AIGC技术缺陷导致“幻觉生成”,抑或还是被刻意利用,当这一新技术带来的虚假新闻信息泛滥之时,社会公众对于新闻信息的信任度便随之下降,这给新闻从业者带来了全新的挑战。


美通社2023年全球媒体调查报告显示,在针对全球3132名记者的调查中,有27% 的被调查者认为,保持作为可靠新闻来源的可信度,是新闻行业在这一年面临的最大挑战。在被问及新闻从业者和新闻机构的最优先事项时,“保持”内容准确大幅领先于其他选项。[12]一方面,AIGC技术能够让人类记者从较为繁琐、机械的基础工作中解脱出来。另一方面,一旦新闻机构越来越多地将生产新闻的能力让渡给 AI,与之相匹配的信息核查制度却尚未建立,由此便可能导致未经核查的信息加速流入网络,造成真实性的污染。


从新闻分发环节考量,传统媒体时代,新闻信息从采访、撰写到刊发,过程中经历了重重把关,信息的真实性经过多重审查,确保出现在受众面前的新闻极少虚假。但平台化时代,人们已经更习惯从互联网直接获取信息,传统的“受众”向“用户”转变,新闻消费者与生产者的界限日益模糊,人人都可以发布信息,用户接收到的信息不完全来自权威的媒体信源。面对大量信息,平台的审核机制无法与传统媒体的把关机制一样行之有效,判断信息真实与否的环节从内容生产阶段后置到了信息消费阶段,而很难要求用户具备足够辨别假新闻的能力,这同样为AIGC假新闻的盛行提供了空间。


算法同样会将用户更愿意听到的虚假声音进行精准推送。正如佐治亚理工学院交互计算学院副教授Munmun de Choudhury所说:“人工智能生成的错误信息实际上往往具有更大的情感吸引力。”[13]在算法对用户的精准了解和AIGC强大情感吸引力的双重加持下,AIGC假新闻以用户最想看、最愿意相信的形式来到他们身边。


(三)AIGC时代,新闻内核仍不可失


技术发展的潮流始终不可阻挡,步入新世纪,二十余年间层出不穷的新技术对新闻业的变革,速度之快、影响之大已远远超过了过往的任何一个时期。


在新闻分发渠道上,从传统的专业媒体分发,到门户网站、搜索引擎,再到社交媒体、个性化推送的新闻客户端,分发渠道的变化与融合使新闻机构不断调整内容形式,以适应不同分发渠道的特征[14]。


在新闻内容形式上,从传统的图文报道,到图文、视频等形式的融媒体新闻,再到强调受众互动性的游戏新闻、新闻直播等,新闻内容生产在技术的变迁升级中不断调整。


在新闻生产手段上,写稿机器人、AR/VR新闻、传感器新闻乃至今天的AIGC新闻,构成了新闻生产的多元格局。


“新闻,是新近发生事实的报道。”作为对于事实的报道,无论技术手段如何变化,真实性是新闻永远的底线与生命。AIGC新闻虽然在生产速率上有强大的优势,但缺失的事实核查能力却是其不可忽视的短板。如果新闻机构在使用AIGC进行内容生产时不能建立起完善的核查机制,势必会在新闻伦理层面遭到极大的挑战。


无论技术如何变革,新闻真实性的内核永远不可丢失。避免AIGC生成的假新闻盛行,既需要机制性的保障,比如加强对AIGC内容的事实核查和细节校对,也需要社会层面的集体努力,比如通过官方教育提升社会公众的AI媒介素养,增强分辨虚假信息和低质量信息的能力。同时,应对假新闻还需要专业机构依靠长期形成的专业机能和规范向舆论场填充大量真实的新闻,避免“劣币驱逐良币”。[15]正如学者史新燕[16]所说,任何技术的社会化落地,其实质都是技术逻辑与社会选择“互构”的结果。AIGC应用于新闻内容生产虽在当下具有许多问题,但在社会各界的共同探索之下,或许将带来新的可能。


三、平台转移:短视频新闻业快速崛起


牛津大学路透新闻研究院每年都会推出一份观察报告《新闻、传媒和技术趋势预测》,来呈现全球新闻媒体在过去一年的发展趋势。在2024年的观察报告中,“平台转移”成为重要的关键词。报告引用了一项第三方数据,显示2023年来自Facebook的新闻网站流量下降了48%,来自X/Twitter的流量下降了27%。[17]

造成这种变化的重要原因,就是用户的新闻接收习惯发生了转变。目下,以TikTok为代表的短视频平台,正越来越成为年轻受众获取新闻类资讯的渠道。


这不仅仅是牛津一家机构的结论。多项大众调研都发现,短视频平台正在成为Z世代的主要新闻来源,也是在欧美国家越来越受欢迎的新闻来源。2023年,皮尤 (Pew Research Center)的一项调查发现,30岁以下成年人中的三分之一,经常在TikTok上浏览新闻。Ofcom关于英国新闻消费的最新报告也显示,TikTok是成年新闻受众增长最快的新闻来源。


这些数据背后,呈现了全球新闻媒体行业正在发生的一项重要趋势与转变:短视频新闻正在快速崛起。


(一)短视频重塑新闻业


自2018年推出以来,短视频平台TikTok发展迅速,根据估算其全球用户已经超过 15亿。它不仅仅是娱乐化内容的承载地,更成为新闻资讯消费的重要平台。


根据皮尤的数据,14%的美国人现在通过TikTok获得新闻——这比2020年增加了11个百分点。而在30岁以下成年人中,这项数据更是从9%增长到32%。


与之对比,来自社交媒体平台的新闻消费比重正在下降。X(原Twitter)、Reddit、Snapchat、Facebook等,用户消费新闻的各项数据都在下降。得益于便捷的社交属性和巨大的用户数量,社交媒体曾经是新闻资讯的重要流量来源之一,但由于平台政策的变化以及短视频的挤压,形势确实有所不同。对于这一趋势,本报告第四章“内容分发格局重塑”,有专门的梳理和分析。


短视频新闻崛起的背后,其实映射着媒介逻辑正在发生的巨大变化。以TikTok为代表的短视频平台,正越来越成为最有影响力的媒介之一。这种影响力正在现实世界中的各个领域中得以施展,以至于西方语境中甚至诞生了一个词汇,“TikTokfication”(TikTok化),用来描述互联网应用竞相模仿TikTok以适应冲击与变化的浪潮。


在被TikTok或者更广义上的短视频深刻影响的众多行业和领域中,当然就包括新闻传媒行业。


哪里有流量,哪里有受众聚集,哪里能够施展影响力,新闻媒体机构就会涌向哪里。随着TikTok的快速崛起,大量新闻机构都陆续开始入驻。根据路透新闻研究所发布的报告,在全球有规模的新闻机构中,超过一半的机构会定期在TikTok上更新内容。借助TikTok,这些机构得以触碰和影响更年轻一代的新闻受众,为未来的发展打下重要根基。


类似于《华盛顿邮报》和《洛杉矶时报》这样的知名传统媒体,很早就进驻到 TikTok,开展新闻短视频化的尝试。更重要的是,这些机构的尝试,不是简简单单的媒介形式的转换,即把新闻内容用“视频画面剪辑+配音效”的方式再度呈现,而是基于短视频媒介特性的深度转型与适配。除了传统媒体,一些大型的广播公司和电视台,也纷纷尝试在TikTok上发布新闻类内容来吸引观众,并吸引了大量的关注者。


除此之外,一大批基于短视频平台的原生新闻视频博主也正在涌现,他们进行了重要的新闻内容源补充,并且提供了区别于机构媒体的视角。他们往往会更加关注本地化新闻和热点社会新闻,并且在视频中有更多主观视角和受众思维,以评论的方式增加个性化内容,这种风格也吸引到特定的用户关注。


(二)国内的短视频新闻有什么不同?


为了适应短视频新闻的趋势,《洛杉矶时报》于2022年6月创建了名为“404”的新闻生产团队,专门开展实验性的搞笑视觉叙事。通过memes、视频特效、独特的出镜形象“Judeh”等等元素的应用,404团队生产出区别于传统新闻报道的新型风格,并在有关气候变化和环境议题的相关报道中创造了众多爆款作品。


《华盛顿邮报》同样是传统媒体进行TikTok化的范例。为了适应短视频平台的传播节奏,《华盛顿邮报》专门聘请了视频制作人Dave Jorgensen担任主理人,他以“程序猿”的形象出镜进行新闻报道,通常一人分饰多角以还原事件、背景信息以及可能性后果,等等,并且以轻松幽默的风格讨论严肃的新闻议题。


当然,不是所有的传统媒体在TikTok化的过程中都进行风格的大胆转化。比如英国《经济学人》就保持着自身的风格传统和特色,利用自身的专业优势,以连续叙事的方式对严肃议题进行深度的解释性报道。


这些媒体的跨媒介尝试,都取得了相当亮眼的成功。它们以更加友好的方式,利用短视频媒介的特性,与年轻化的读者实现了沟通和密切联系。


近几年,在国内的短视频平台上,同样掀起了一波新闻媒体的短视频化浪潮。


如果你是短视频用户,应该会经常刷到这样的内容:画面由简单的资料画面或新闻图片组成,重点突出的文字标题,配上情绪较为饱满的背景音乐,通过这些元素的组合,用来呈现相关的新闻事件,并且同一个新闻事件的相关视频,往往会有几十个账号共同进行发布。


除了元素上的统一,在内容报道上的及时性也是这类“短视频新闻”的共性,往往是一个新闻事件刚刚发生,这类视频就会迅速而广泛地出现在信息流中,成为文字新闻报道之外的补充,这些内容帮助习惯于使用短视频应用的用户也能够及时了解到重要的新闻事件。


不过,区别于国外大型媒体机构在TikTok化过程中进行的多样性尝试,国内的短视频在呈现形式及元素采用上还较为趋同、重复,如何在新闻短视频化这一实践领域解决同质化的问题,会是媒体机构突围的重点。


(三)“新闻软化”的趋势值得警惕


短视频的媒介特性,以及算法推送的技术机制,型塑着短视频新闻的内容与形式风格。“短音视频”的内容形式实现了听觉与视觉元素的创造性结合,因而具备短时间内博得用户关注的“眼球优势”。同时,“偏好算法内容推送”根据协同过滤和个体既有偏好等标准,为用户提供了定制化的内容分发,并以持续滑动的方式予以呈现。此外,人工智能等前沿科技的加持让用户能够以较低成本参与甚至主导内容生产。[18]


短视频区别于社交媒体和传统的新闻载体,具备不同的语言、节奏和呈现风格。但问题在于,新闻的特殊属性,导致它在触碰短视频的过程中也会发生一些错位。


新闻追求真实性,但真实性的实现本身就是一个相当复杂的过程,需要多方求证、反复核验,并通过工作制度的设计来作为机制和流程上的保障。但短视频新闻追求的标准,往往是流量数字,而流量数字又跟发布时间挂钩,所以追求的目标又会演变成发布速度的快慢。往往是事件一发生,各类媒体就一拥而上,通过“画面剪辑+ 配文字”的方式进行内容产出。


在这个过程中,专业媒体和自媒体融合在一起,都以发布的及时性作为标准,前者的事实考证优势不复存在。可以说,短视频的媒介机制决定了新闻的深度受阻。同时,短视频平台上内容鱼龙混杂,大量虚假信息在平台上蔓延。2022年的一项研究分析了540个热门新闻议题的相关TikTok搜索结果,如校园枪击事件、政治选举和疫苗问题等。结果显示,虽然TikTok确实检测到并删除了部分虚假或误导性视频,但整体上的虚假与错误信息率仍高达19.4%。[19]


这既对用户对真假信息的鉴别提出了更高的要求,也对短视频新闻的生产提出了更多的考验。虚假新闻往往会有更耸动的标题和更加抓人眼球的画面,会更容易获得用户的关注,从而挤压了优质新闻的生存空间和传播机会。同时,较短的内容时长和相对简单的画面形式也限制了新闻的深度与严肃性,进而影响了新闻品质。


这也是为什么大量被称为“新黄色新闻”的内容在短视频平台复现。它们往往不含有新闻信息,却极具流量价值。以显眼的大标题、惊悚音乐、夸张的事件为特点,点赞观看不在少数,却很难有什么新闻价值可言,而且其所呈现的新闻事件的真实性也相当可疑。


注:国内的“短视频新闻” 


当然,从另一个角度来说,短视频新闻也有相当正面的作用。比如短视频新闻有助于缓解受众新闻回避和新闻疲惫的问题,尤其是对于很少关注传统新闻渠道的年轻一代受众来说更是如此。同时,由于电视新闻的落寞,本地化新闻陷入到低谷之中,而短视频新闻借助于算法推荐以及创作的低门槛,为本地新闻的产出和传播提供了更多的空间。


整体而言,传统媒体不应该将短视频视作一种威胁,而应该将其看作是一种自然演变。无论是24小时电视频道还是社交媒体,抑或是短视频,都只是新闻的呈现形式所发生的变化,其内核依然稳定,受众的信息需求也依然存在。正如《卫报》在一篇评论中所提到的:短视频不是新闻业的敌人,而是新闻业接触人们的一种新方式。[20]如何运用好这个新的媒介形式,会是传统媒体在短视频时代的必修课和必须深入思考的问题。


四、分发革命:传统内容分发格局重塑


根据《财富》在2023年8月22日的报道,社交媒体X(原Twitter)正在进行一项新的功能测试,即去除新闻类分享内容的标题,仅保留其图片和链接。[21]


这一功能于2023年10月生效,但迫于媒体和用户的投诉与压力,X在11月进行调整,重新恢复了新闻标题的显示,并在推文部分显示链接,而新闻标题会以黑底白字的形式嵌入到图片上方。但是,新的问题出现了,由于预览的尺寸不适用于所有标题,在默认尺寸下,超过字符数限制的内容就会被截断,这意味着新闻标题的显示可能会不完全。


如果对实情缺乏了解,表面看起来,这次更新动作仅仅是产品显示逻辑的变换。但这一举动的实质,其实是埃隆·马斯克对传统媒体的“回击”——2022年8月,法新社等传统媒体起诉X,要求X为使用其新闻报道内容进行分成。而再继续深探,这一小小动作背后,又是新闻业与社交媒体长达十年蜜月期破裂的延续。


(一)X对新闻媒体的“宣战”


在过往版本的X上,一条典型的新闻网站分享内容,会以卡片的形式呈现。卡片由四个元素组成,即封面图、链接、标题和摘要文字:最上面是封面图,标题粗体显示,并附有摘要文字。用户如果对内容感兴趣,点击该卡片的任何一处,都可以直接跳转到原始网页阅读全文。



而更新之后,只会在帖子中显示带有链接的一张图像。这意味着,如果发布者没有发布随附文本,用户将只会看到一张图片,以及可能不完整的新闻标题。


根据埃隆·马斯克本人的说法,这一尝试“将极大地改善X的美学体验”。这不难理解,因为相比于之前由四部分元素组成的分享卡片,仅保留一张封面图无疑会更加简洁,而且从产品逻辑上,这会降低单条推文的高度,在同样的屏幕大小中能呈现更多的推文内容。在此之前,发布者可能利用夸张的标题与摘要吸引用户点击,仅保留卡片的方式也可能减少此类乱象。


但这个改变对新闻内容的发布者并不是好消息。此前,新闻媒体可以借由内容分享卡片,为自家网站源源不断地引流,《纽约时报》《华盛顿邮报》都是典型的践行者。用户可以通过点击直接跳转到新闻网站,也增加了其他内容曝光的可能性。而仅仅保留封面图的方式无疑会更难吸引用户。所以,对于X来说,这一更新的真正意义可能是减少用户跳转,使其在X上停留更长的时间。


埃隆·马斯克还盛情邀请记者在X上“直接”发布新闻内容,并且宣称各类组织(包括新闻机构)都能通过X的广告收入分成计划获得报酬。当然,这一切的前提是需要订阅X的付费高级服务,只有订阅该服务,才能在单条推文中最多发布2.5万个字符,也只有订阅了该服务才能享受分成。



这已经不是X第一次针对新闻媒体有所动作了。在这次更新前不久,《华盛顿邮报》报道称,X一直在放慢用户访问《纽约时报》等新闻机构以及包括Facebook 等网站的速度。延迟的网站名单包括:Facebook、Instagram、Bluesky和Substack,以及路透社和《纽约时报》的官方网站。根据《华盛顿邮报》的测试,点击其中一个网站的链接,用户需要等待大约五秒钟才能看到页面。而其他网站并不受影响,页面会在一秒钟或更短的时间内打开。而在这个报道发布几小时后,X将延迟时间降低到零。


对于网站来说,相当微小的访问延迟也会导致流量下降。谷歌在2016年的一项研究发现,如果网站加载时间超过3秒,53%的用户会放弃访问。至于X到底是有意为之还是技术故障,尚不得知。


(二)社交媒体与新闻的“蜜月期”及其破裂


其实不止是X,Meta此前也宣布,将在2023年12月初停止在英国、法国、德国这三个国家的Facebook News服务——Facebook上用于提供新闻的专项功能。[22]2024年4月初,Meta如约在澳大利亚和美国停止了Facebook News服务。


社交媒体与新闻业的蜜月期,似乎真的结束了。[23]


2008年金融危机之后,广告商的广告投入从传统媒体转向在线媒体。一面是以 Google为代表的搜索引擎,一面是以Facebook为代表的社交媒体,二者重塑了内容流量的格局。在这段时期,新闻媒体也从纸质出版转向了深度在线化,互联网超越电视和报纸,成为普通人群的主要新闻来源。


源自搜索引擎和社交媒体的流量,尤其是后者,开始成为新闻媒体的最重要曝光来源。


在这其中,尤为值得关注的是Facebook,也就是现在的Meta。在早期,马克·扎克伯格十分认可新闻内容的积极价值,他认为新闻内容能够提升社交媒体平台的声誉,以及从运营层面,能够提高用户的留存率和互动率等数据。因此,Facebook 曾一度大力强化新闻内容的推荐比重,让相关内容获得更多曝光。


在这样的推动下,2006年至2016年,社交媒体与新闻迎来了长达十年的蜜月期。


皮尤研究中心在2015年的一项调查显示,高达64%的网络用户通过社交媒体获取新闻。社交媒体对于新闻业的影响可见一斑。


这段时期,是由社交媒体缔造的“新闻业的流量时代”,不仅是传统媒体获得新生,一大批数字媒体新贵也在这段时间涌现。例如21世纪最为知名的数字媒体BuzzFeed和VICE,业务模式就建立在社交媒体的病毒式传播之上,巨大的流量和用户注意力涌入这些媒体,随之而来的是大量的风险投资。鼎盛期的BuzzFeed和VICE,估值分别达到17亿美元和57亿美元。


但是,对于新闻媒体而言,这种模式的根基始终是脆弱的。它们的兴衰存亡似乎完全取决于平台。一旦后者的算法和规则改变,商业模式就会受到重创,完全不由自己掌控。


2016年,美国总统大选期间,Facebook被外界质疑利用算法操纵选举结果,“剑桥分析”事件更是直接将马克·扎克伯格送上听证会。面对各方抨击,Facebook宣布减少新闻内容的比重。在2018年,马克·扎克伯格的口径变成了:“新闻是十分重要的,但这只是一小部分人在Facebook上阅读的内容。”2020年,Facebook进一步强化相关举措,大幅减少新闻内容和政治内容的推送。


转过头来看,这不只是Facebook一家的转向,而是社交媒体的整体趋势。算法的调整使新闻类内容得到越来越少的曝光,这对依赖社交媒体流量的媒体打击严重,由此造成行业性的集体困境。2023年,BuzzFeed创始人乔纳·佩雷迪宣布关停旗下新闻业务BuzzFeedNews,VICE宣布关闭新闻品牌VICE World News,其主站也正在进行破产申请。Vox Media、Insider、ABC News等一众数字媒体,都进行了不同程度的裁员。


(三)日渐模糊的未来


过往,新闻业与社交媒体的结合,使前者获得了更多的流量曝光与营收方式,但其内容生产模式和价值理念也发生了许多变化。社交媒体的流量逻辑,使新闻机构趋向于生产用户乐于分享的、适合社交媒体阅读习惯的内容,由此导致了严肃新闻的减少、软性新闻的增加,真实性、公共性等理念,开始让位于互动性、分享性和情感性。


不仅如此,平台通过算法和推荐对新闻内容的呈现进行重组,各类榜单也在一定程度上影响了新闻内容的分发模式。通过算法分发与用户点击行为的共同作用,更符合流量逻辑的新闻被呈现,而严肃的内容则被隐藏于算法之后。


反过来看,新闻媒体对社交媒体的作用到底是什么,到底是能够补充严肃内容、增加用户的留存与互动,还是会让整个平台因此变得过于政治化并引发“操纵舆论”的危机?不同平台对于这一问题的看法,决定了对新闻媒体的态度。


但时至今日,大部分社交媒体似乎都铁了心要拒绝新闻媒体来“蹭流量”。


以目前最大的两大社交媒体平台举例,X不必多说。自从2022年10月接手以来,埃隆·马斯克采取的一系列措施就对传统新闻媒体产生巨大冲击,包括关停一些记者的账号,删除《纽约时报》等媒体的身份认证等等。他更鼓励新闻记者在X上直接发布内容,避免用户因跳转而流失。


而X的竞争对手,另一大社交媒体平台Meta,也表明了鲜明的“拒绝”态度。在 2023年9月5日发布的声明中,Meta这样说:“用户访问Facebook不是为了新闻和政治内容,而是为了与人们建立联系,发现新的机会、激情和兴趣。新闻类内容之于世界各地用户在Facebook信息流占比不到3%,因此新闻只是绝大多数人Facebook体验的一小部分。”在Meta旗下的新应用Threads上,也鲜少能够看到新闻内容和记者的身影。


社交媒体与新闻之间的关系已经成为一种文化现象。根据皮尤研究中心在2021年的一项调研,目前有略低于一半(48%)的美国成年人,会“经常”或“有时”从社交媒体上获取新闻。“分享”是社交媒体的特质,它也让更多的新闻内容被看到,更多的故事被讲述,以及更多的重要事件被分享、讨论与传播。社交媒体既是新闻的来源,又是新闻的创作者。任何人都可以进行第一手的信息发布与分享,他们不必是新闻机构的从业人员,这些分享本身就构成了新闻的一部分。


当然,也正是因为分享如此容易,以至于人们很难一一确认他们所分享的内容的准确性。假新闻和编造的事实大肆传播,它们往往比真实新闻事件更容易获得分享,因为更具噱头,也更吸人眼球。社交媒体无法有效控制假新闻和虚假信息的传播,以及由此引发的分歧与对立,也成为平台降低新闻内容比重的一个动机。


对于现在大部分新闻机构来说,当然能够认识到社交媒体传播的重要性,但他们必须与没有相同编辑原则和价值观的内容创作者分享社交媒体这个空间,很多时候甚至是竞争关系。从业人员和机构学会适应这一模式,变得愈发重要。但现在的情况是,X和Facebook等社交媒体“拒之千里”的态度,让一切都越来越成为新闻机构的一厢情愿。


而生成式AI的崛起,也以相当迅猛的姿态冲击了内容分发格局。当AIGC内容涌入到社交媒体,类似“新闻bot账号”的出现,也会夺走用户本就有限的注意力,用户更倾向于选择获取快速、易得的新闻摘要,从而影响新闻媒体的曝光。


在线新闻媒体的另一大流量来源搜索引擎,在AIGC应用深化之后,也会发生很大变化。生成式人工智能正逐渐成为搜索引擎的主要信息源。微软的Bing浏览器整合了ChatGPT,升级为NewBing;谷歌也宣布在搜索结果中将优先显示人工智能( 如旗下的Bard)生成的内容。谷歌在2023年3月的测试显示,Bard仅提供基本答案和摘要,但并未附上新闻来源链接。


对搜索引擎来说,这是一种自然而然的“市场行为”,因为它能直接呈现整理过后的搜索结果,极大提升用户检索信息的效率,优化用户体验。然而,一旦形成这样的模式,即搜索引擎将更多流量分配给生成式人工智能的生成结果,更为深度、长篇的新闻报道内容将无人问津。由于越来越多的用户直接从搜索页面获取所需内容,而不再点击进入新闻媒体的主页,依靠广告收入分成的新闻媒体的生存空间将受到压缩。以广告为核心的收入模式将面临巨大冲击,而媒体的订阅收入也将直接受损。


面对内容分发格局的变革,新闻业的未来日渐模糊。直面变化,并且找到更好的适应方式,或许是新闻业当下最好的选择。


五、技术替代:新技术冲击行业裁员与洗牌


2023年5月,好莱坞发生了一场全世界都关注的“大罢工”。


这场罢工行动,是好莱坞有史以来规模最大的一次。从最初1.1万名编剧参与,逐渐卷入了包括导演、演员等多个演职人员工会。多档热门节目和剧集停播、停拍,整个美国影视行业陷入混乱。在罢工长达148天后,双方于9月达成初步协议。据称,协议中编剧们在人工智能、数据透明度、剩余报酬和最低人员配置等方面获得了关键性的胜利。[24]


这不是发生在好莱坞的第一次罢工。1988年,“美国编剧协会”(Writers Guild of America,WGA)的罢工持续了53天;2007年的罢工则从11月一直持续到第二年的2月。


值得一提的是,这几次的罢工起因,皆是新技术的出现,第一次是录像带,第二次是DVD。而这一次出现的新技术,则是AI。可以说,这并不是一场孤立的罢工行动,而是隐喻着以AI为代表的新技术对于传媒影视行业的冲击。


(一)一场事先张扬的“大罢工”


这次罢工的起因,简单来说,就是编剧人员所属的工会“美国编剧协会”(WGA),未能与代表好莱坞几大工作室的“电影和电视制片人联盟”(Alliance of Motion Picture and Television Producers,AMPTP)在新一轮的合同上达成一致。


早在2023年4月,11500名美国编剧协会成员就经过投票,压倒性地同意,如果新合同未能签署,就将举行罢工。结果,在5月1日旧合同到期后,新的合同还杳无音讯,于是第二天罢工就开始了。因为参与主体主要是好莱坞的编剧与演职人员,所以这场罢工行动就被称为“好莱坞大罢工”。


双方未能达成一致的焦点在于加薪协议。WGA要求为编剧人员争取接近6亿美元的加薪总额,但AMPTP否决了这一要求。AMPTP背后的阵营包括亚马逊、迪士尼、环球影业、派拉蒙和Apple等大型公司与影视平台。


好莱坞历史上发生的每一次罢工,都对美国的影视行业产生了巨大影响。这一次罢工也不例外。除了《吉米·法伦今夜秀》《周末夜现场》等多档夜间脱口秀节目停播以外,根据《华盛顿邮报》的统计,有二十余部影视剧集或项目受到了影响,包括正在拍摄的《怪奇物语》最终季、《阿凡达》和《星球大战》的续集、《权力的游戏》衍生剧《七国骑士》等。[25]因为没有编剧,这些剧集无法继续拍摄,一些夜间节目则以重播旧节目暂为替代。


由于罢工的溢出效应,与影视相关的行业也受到波及。包括道具制作公司、设备公司、运输司机等从业人员,甚至是拍摄现场的餐饮工作人员都失去了工作。


除了编剧,好莱坞的演员和导演们也就新一轮的合同与AMPTP进行谈判。演职人员加入罢工,无疑导致了好莱坞更广泛的停摆。而在这几个阵营中,美国导演协会(DGA)最先与AMPTP达成协议,包括增加薪酬(3年内加薪12.5%)和福利待遇、提高流媒体内容分成以及防止人工智能滥用等内容。


(二)AI正成为冲突核心


根据WGA此前发布的一份报告,过去十年间,作家、制片人的周薪中位数下降了 23%。同时,美国编剧中有近一半(49%)在领取最低工资,他们的薪酬标准仅仅比10年前提升了16%。[26]


这听起来匪夷所思。毕竟过去十年,也是流媒体平台迅速发展、攻城略地的十年。网飞创下了一个又一个数据奇迹,并占据好莱坞半壁江山,大量的剧集被开发、拍摄、播出,创造巨额利润,与之对应,制作投入也在水涨船高。但编剧获得的收入却相当少,甚至一直在缩水。


这不得不提到流媒体平台对传统制作模式的冲击,以及由此导致的编剧收入下降等问题。


过去,在传统的影视制作行业模式中,编剧受聘写作剧本,一部剧大概会雇佣 7~12位编剧,他们集中writer's room(编剧室)里,用时20周左右来撰写完整剧本。


但在流媒体的时代,writer's room变成了mini room(迷你编剧室)。制作方会要求编剧先完成大纲,或者试播集剧本。而后续的剧本制作要么会因试播集反响平平而停止,要么制作方会聘请要价更低的初级编剧,根据大纲完成剩下的剧本。同时,剧集也从20集传统剧集变为6~8集的流媒体剧集。


这样的状况,不仅使编剧面临极大的工作压力,他们的基本福利也无法得到保障。因为制作方只有在编剧为他们工作的时候才会提供福利保障,而他们实际的工作时间大大减少了。编剧正在成为一种非常不稳定的工作类型。


除了流媒体平台的冲击,AI特别是AIGC也成为此次冲突的核心。


自2023年初以来越来越受到关注的ChatGPT,已经影响到好莱坞乃至整个影视行业。漫威最新播出的影视剧《秘密入侵》,就已经将AI运用于制作过程,生成了开场字幕,并饱受争议。


对于编剧来说,本就微薄的福利,很难再受得住AI就业替代的冲击。同时,AI训练的资料库,现有的剧本占其中很大一部分。这相当于是AI窃取了编剧的劳动成果,却不需要支付任何报酬。所以,针对AI的种种要求,成为这次罢工中的多方主体所争取的核心。


WGA在谈判过程中要求不允许AI获得署名,并且不能要求编剧根据AI写好的内容


进行修改,因为这样也会显著减少工作时长。与此同时,在未经允许的情况下,制作方不可以将工会成员的剧本进行AI训练。导演工会和演员工会的谈判也聚焦于这一点,前者要求确认AI不能取代导演工会成员履行职责,后者则声明禁止在未经许可的情况下,使用演员的肖像进行人工智能训练。


直至9月末,罢工停止,最后的协议规定:AMPTP可以使用AI生成的素材,但不能撰写或改写文学素材,AI生成的素材不会被视为原创作品,这是为了保护作家的版权不被AI破坏,作家也不能被要求使用AI软件。AMPTP还同意公开流媒体播放时长的保密数据,并据此支付更多的剩余报酬,编剧们还赢得了对电视节目编剧最低聘用人数和聘用期限的要求。[27]


(三)AI带来新闻传媒行业的“大洗牌”


好莱坞大罢工中,AI正在成为冲突核心。而在好莱坞之外,AI也正在带来新闻传媒行业的“大洗牌”。


2017年底,麦肯锡全球研究院(McKinsey Global Institute)发布了一份有关人工智能与全球就业市场的宏观报告,报告预测,随着科技的进步,到2030年,保守估计全球15%的人(约4亿人)会因人工智能工作发生变动,激进预估会影响30%的全球人口,也就是8亿人。


在新闻传媒行业,由新技术带来的行业洗牌,在一定程度上印证了这样的预测。德国出版巨头Axel Springer的CEO坦承,该公司准备降本增效,用AI取代部分记者;全球第一家完全由人工智能生成的新闻网站NewsGPT也已经露面,它没有记者,所以号称没有偏见,每周7*24小时提供“准确可靠”的资讯。


新闻传媒业不仅需要应对全球经济滑坡所带来的行业经济下行问题,同时流媒体AI等技术进入新闻业后,不断冲击原有的新闻采编、分发模式,影响着新闻记者的生存状况。例如自动化报道和自动编辑系统的引入,在解放一部分人力的同时,也造成了部分从业者的冗余。


根据福布斯的统计,自2023年1月至今,三十余家报纸及媒体机构进行了不同程度的裁员,其中最为惨烈的当属《洛杉矶时报》。2023年6月7日,《洛杉矶时报》宣布由于“经济环境和新闻行业的独特挑战”,将裁减新闻编辑室的74名员工。2024年1月23日,又宣布裁员20%以上,涉及至少115名员工,包括记者、资深编辑和专栏作家。[28]


数字媒体BuzzFeed也因计划采用AI生成测验类内容而裁减一定比例的员工。在2023年4月20日,BuzzFeed创始人再度宣布关闭旗下新闻业务,裁退约180名员工,涉及内容、技术、行政等部门,占总数的15%。


不仅如此,AI也广泛影响着各类内容生产行业。2023年,继谷歌、亚马逊、Snap、领英之后,音乐流媒体Spotify也启动了第三次裁员。Spotify的首席执行官丹尼尔·埃克在相关声明中表示,随着规模的精简,公司也将能够拿出更多的利润投入到业务中,“精简并不意味着目标会缩小,而是意味着将用更聪明、更有效的方法去达成目标”。而这个所谓“更聪明、更有效的方法”其实指的就是人工智能 [29]。


一如布莱恩·阿瑟在《技术的本质》中所总结的,经济会对新的技术体的出现作出反应,它会改变活动方式、产业构成以及制度安排,也就是说,经济会因新的技术体而改变自身的结构。新技术搅动旧的格局,自然而然也将带来新的问题、新的冲突,这将是一个永恒的问题。


六、受众4.0:技术赋权受众转为信息生产者


自互联网诞生,关于“新闻受众”的争议就不绝于耳。原因很简单,当人们能够随时随地在互联网上发布信息,甚至在很多新闻现场,普通人比传统的新闻媒体机构能更快地传播信息,似乎成为了“新闻制造者”。


而高歌猛进的AIGC则让人们再次审视新闻受众的概念。如果说互联网赋予了人们“传播”信息的能力,AIGC则让“创造”信息成为了可能,受众的能动性愈发不可忽视。


根据学术领域对于“受众”进行的分类,作为日常对话主体的受众是“受众1.0”,作为媒体内容读者和注意力商品的受众是“受众2.0”,在“人人都是新闻记者”的社交媒体时代,能够随时记录、随时发表的受众成为“受众3.0”。那么,步入AIGC时代,借助AI,获得媲美专业生产能力的受众,直接迈入了“受众4.0”时代。


(一)AIGC时代:受众从传播信息到生产信息


对于新闻业而言,AIGC不仅将改变内容生产方式,同时也将重构生产关系。


回顾技术发展史,互联网的出现已经实现过一轮转换。Web 2.0时代,个人博客 (Blog)、社交媒体等媒介形式的应用,使得普通人获得了“发表权”,即可以在网络上发表自己的各类观点。这扭转了前互联网时代传统媒体对发表权的独占局面。由于建立媒体机构、创建一份报纸或一家电视台的成本极高,从而形成了信息发布的高门槛,普通人很难有机会和足够的资本建立自己的渠道,而借助互联网和移动设备,每个人都成为了“新闻记者”,随时随地记录、随时随地发布。


如果说互联网改变了内容分发的格局,那么以ChatGPT为代表的AIGC技术则实现了内容生产的“平民化”,普通人借助AI的力量,跨越专业门槛,成为媲美专业人员的内容生产者,基于自身需求,进行定制化的新闻内容生成。而借助社交媒体,发行的成本同样可以忽略不计。


简而言之,互联网赋予了受众记录事实、分享信息的能力,让文字、图片和声音成为表达所见所想的工具。而AIGC带来了更为深层次的变革,它直接赋予了受众创造与生产信息的能力。受众只需要输入指令性的文本,就能够获得想要的内容。如果说前者意味着受众参与信息分发并成为重要一环,后者则意味着受众能够开始更高效地生产内容,有望成为专业高效的“新闻制造者”,与媒体机构共同进行新闻信息的生产。


作为一项底层技术能力,AIGC门槛相对较低,只要解决网络问题和账户问题,不仅新闻从业人员可以使用,普通用户也可以使用。对于新闻从业人员,由于其专业化水平较高,考虑到可读性、生产时间成本等因素,对AIGC技术的接纳程度可能并不深入。而对于普通受众,由于没有类似的“专业包袱”,会更愿意使用相关技术。


在这种情况下,利用AIGC的生成能力,普通人也可以进行新闻信息的生成。例如,针对某一新闻事件,让ChatGPT快速生成一篇交代前因后果的新闻报道,也可以让ChatGPT生成近期发生的系列新闻的摘要,方便快速了解新闻。此外,还可以直接生成新闻评论等内容。


在互联网的海量信息中,如何快速地获取信息、整理信息向来是难题。这里的信息不仅指向文本,也包括大量的多媒体内容。而且不同的网站和应用程序,不同的地区,不同的时间阶段,各有不同的信息。AIGC工具能够在用户的指令下,迅速获取、整理、概括和总结信息,让用户更加高效地理解和利用信息。从这个角度来说,AIGC能够代替一些总结性的、解释性的新闻内容。


更重要的是,得益于多模态生成能力,AIGC能够在文本的基础上迅速生成图片、视频和音频等多媒体内容,极大地降低了内容制作的门槛。以前,制作图片和视频等内容需要专业的技能和设备,但现在,普通人也能借助AIGC的力量,轻松生产出有趣、生动的、形式丰富的多媒体内容。


简单来说,以前人们仅仅能够在互联网上记录并传播信息,但如今互联网能够直接帮助人们生产信息。在这个过程中,受众不再仅仅是新闻信息的消费者,而是成为了新闻信息的创作者和生产者,由被动转成主动,从而实现了身份主体的转换。由此,AIGC不仅改变了内容生产方式,还重构了生产关系。


未来伴随AIGC应用的进一步深化,无疑会激发更多人创造内容的热情。虽然普通人难以长期稳定地生产信息,但由于生产主体数量是巨大的,因此生产的信息从长期来看也是海量的,可能对媒体机构的内容生产地位形成冲击。这对新闻业的影响也是深远的。受众拥有采集和生产内容的能力之后,可以更加独立自主地进行内容消费,对新闻媒体产出的信息依赖程度降低,进一步降低后者的影响力和“把关人”地位。受众以往是媒体机构的服务对象,如今却可能成为媒体机构某些层面的“竞争对手”。


(二)受众4.0之后:新闻不存在了?


尽管传统的新闻媒体机构心存隐忧,担心他们生产的新闻会被AIGC取代,但如果我们转换视角,一个可能的回答是,新闻不会被替代,而是被消解了。


19世纪起,技术的每一次进步都带来了新闻业的飞跃。电报、电话、广播、电视,无不催生了影响力巨大的新闻媒体。但20世纪90年代开始,互联网以及相关计算机技术的每一次发展与革新,几乎都给新闻业带来不同的挑战。


这一现象的原因是,以往的媒介技术主要帮助新闻媒体扩大他们能够接触到的受众群体,新闻可以分发到更广阔的社会大众中去;但互联网等技术,赋予了受众制造内容、发布内容的权利,催生了“公民记者”“自媒体”等群体。


在这一过程中,互联网等技术在逐步消解新闻的意涵。好比一场灾难发生了,无论是火灾、车祸还是地震,人们总能在网上找到目击者发布的照片或视频,这些内容常常还伴随简单的文字说明,比如时间和地点。这些零碎但又即时的、真实的信息,算新闻吗?


要在这个问题上取得共识并不容易。但是,无论是否认可这些信息属于新闻,都不能否认,这些信息实际上发挥了新闻的功能。所谓“新闻”,其核心就是关于新近发生的事实的信息。从这个角度出发,普通人分享的信息,实际上符合新闻的内涵与功能要求。


简单来说,当传统的新闻媒体机构焦头烂额,担心受众会取代自己的专业地位,但受众自身可能并没有想去生产新闻,也并没有想要取代机构媒体。他们只是有意无意地生产、传播某些信息,这些信息自然而然地发挥了新闻的功能,挤兑了媒体机构生产的新闻,更加吸引受众的注意力。


有趣的是,在人们传播的海量信息发挥新闻的功能之际,很多媒体机构却开始生产大量的非新闻性信息,包括但不限于风景、萌宠、美食、养生等话题相关的内容。这在很大程度上是因为新闻媒体机构越来越难获取注意力,生产专业的新闻资讯的成本又比较高,为了实现互联网上的“全时传播”,只能生产非新闻性的信息来“填充版面”。


于是现状变成,普通人分享的很多信息充当了新闻的角色,专业的新闻媒体机构却发布了很多跟新闻没什么关系的内容。新闻的意义,也就逐渐弱化了。人们依然会想要主动地获取各类新近发生的事实,也想要了解相关的评论和解读,但他们不一定会将这类信息理解为新闻。比如,人们会去关注新闻当事人的微博,关注某些专家学者的B站和抖音账号,但他们不认为这是在关注新闻,也不对传统媒体机构生产的新闻内容感兴趣。


新闻传播领域的研究者们早已注意到了这一现象,并尝试用各种概念去阐释,一个比较受认可的概念是“液态的新闻业”。其基本意涵是,新闻业的边界以往是相对固定的,但现在就像液体一样,是流动的,边界是不明晰的。


“液态的新闻业”意味着记者的身份不再固定,他们可以在记者和社会大众之间不断转换自己的身份,新闻受众同时也在成为新闻信息的生产者。记者与非新闻从业人员之间的“流动”成为常态,这一界限在某些情境下甚至会消失。新闻的本质是信息,以往新闻作为一种特殊的信息,有相对明确的边界,区别于其他类型的信息,但现在,新闻跟其他信息越来越难区分。


技术消解新闻,并不是说新闻不存在了,发挥新闻功能的信息依然存在,但这种信息是否被认为是“新闻”,在社会层面可能缺乏共识。换言之,新闻的所指依然存在,但其能指已经被掏空了。在这种背景下,媒体机构担心新闻被替代,可能只是一个伪命题。“新闻受众”这个概念是否还存在,也应该打一个问号。


(三)媒体机构如何应对冲击?


虽然新闻业的边界在淡化,但在可预见的未来,传统的新闻媒体机构依然会持续存在,但这并不意味着所有的媒体机构都能度过技术浪潮的冲击,必然有媒体机构会在这一过程中落后,甚至被淘汰。面对AIGC的冲击,面对受众4.0的崛起,如何应用技术实现转型,而不是被技术淘汰,如何形成与普通创作者的差异化、强化专业边界,是新闻媒体机构必须直面的挑战。


实际上,AIGC对于媒体机构来说,也是提升生产效率的利器。AIGC无疑能够帮助媒体机构更加快速、更加准确地生产不同媒体形态的内容。虽然说AIGC的门槛已经降低至普通人就能使用,但媒体机构的核心竞争力在于,能够持续地生产专业信息。


虽然互联网上普通人可以生产传播各种信息,但持续生产是一般受众所难以实现的,即便AIGC很高效,依然存在时间成本,特别是某些大模型需要收费,对普通人来说可能不愿或难以承担。此外,某些受众可能熟悉特定的专业领域,拥有丰富的知识储备,但他们要跟媒体机构一样保持高频的内容产出,也并不轻松。再者,媒体机构生产的内容更为多元,而普通人的产出可能仅仅局限于自己的生活和专业背景,如何持续地生产不同类型的内容,难度就更高了。


AIGC虽然入门的门槛相对较低,但要真正利用它生产出令人瞩目、高质量的内容,难度不容小觑。AIGC的本质是基于文本生成内容,而文本本身即是思维的一种外在表现形式。要想通过AIGC生成高质量的内容,首先必须具备卓越的思维,并且能够用精确、富有逻辑的语言将这些思维表达出来。


具体来说,AIGC的使用者必须具备独特的见解和创新的思维,这样才能为AI提供丰富、有深度的内容基础。在此基础上,他们还需要具备出色的表达能力,将这些思维以清晰、有条理的方式传达给AI。此外,他们还需要对如何“驯化”AI有一定的了解和实践,知道如何通过调整参数、优化算法等方式,使AI能够更好地理解并呈现出自己的想法。


在这个过程中,思维与想法是最珍贵的部分。很多时候,人们在面对AI时,可能连自己真正想要的是什么都不知道。在这种情况下,使用者很难通过AI生成出吸引人、有深度的内容。毕竟,在AI具备自我意识之前,它只能作为一种服从人类指令的工具存在。而如何巧妙地运用这一工具,本身就是一种需要不断学习和提升的能力。而媒体机构拥有专业的从业者、丰富的内容生产经验,无疑比一般用户更具优势。


虽然AIGC为新闻业带来了众多正面影响,但与此同时,它也伴随着一系列潜在风险。其中,新闻的真实性首当其冲。在AI轻易创造万物的今天,我们如何确保所接触到的内容都是真实可信的?


早在2019年,非洲加蓬就曾发生过深度伪造技术(deepfake)引发政治风险的事例。近年来,如何监管AI更是国内外热议的话题,但除了法律层面的监管,传统媒体机构在新闻伦理道德层面也应当肩负责任,为AIGC的使用制定一套通用的规范。


凭借多年积累的社会公信力、新闻生产经验以及广泛的传播渠道,媒体机构完全有能力尝试为AIGC的使用制定规则,形成新闻伦理道德相关的规范,并在此过程中强化自身的专业地位,甚至还能通过规范技术的方式,为未来的技术发展指明方向。2024年3月21日,中央广播电视总台正式制定出台了《中央广播电视总台人工智能使用规范(试行)》,正是相当有益的尝试。


真实是新闻的生命,社会永远需要真实可靠的信息。在AIGC等技术的冲击下,无论受众发生何种变化,无论信息的形态有何不同,当新闻媒体机构致力于维护全社会真实信息的生产与传播时,便履行了自身的社会责任,也就能够在信息生产和传播的激烈竞争中存活下来。


七、内容在地:本地新闻的失落与重生


在二十一世纪的前二十年,美国新闻业经历了纸媒时代的最后高光时刻,领略了数字媒体造就的黄金时代,但随之而来就是较为漫长的冰河时期。尤其是2020—2022这三年,新冠肺炎疫情以及伴生的经济增长放缓,给新闻业带来沉重打击。而这其中,本地新闻又首当其冲。


根据一项报告的统计数据,仅仅在2020年4月和5月,美国就至少有30家报纸关停或者合并,另外有数十家报纸取消纸质版、全面转向在线化,传统和数字新闻业务的数千名记者被解雇,成千上万个社区的居民失去了本地报纸。[30]面对现状,这份报告给出了一个相当精准却又悲哀的描述:这些社区和居民,陷入了“新闻荒漠”(news desert)之中。


所有的这些负面变化,激发了一种不安情绪:对于本地新闻生态系统崩溃的担忧。


(一)本地新闻的失意20年


本地新闻,又称“地方新闻”,一直是新闻系统的重要组成部分,它以新闻事实的发生地为标准,特指发生在本地区的新闻事件,涵盖政治、财经、体育、民生等多种类型的报道,以满足本地居民的新闻需求。


疫情与经济放缓在短时间内极大加速了本地新闻的衰落。根据统计,美国有200多个县没有当地报纸,近50%的县只有一份报纸,而6%以上的县根本没有专门的本地新闻报道。报纸以外的其他媒体来源也无法填补这一空白,例如数字媒体,尽管它们在报道和分发本地新闻方面更加便捷(开设一个本地频道即可),但它们通常会关注人口更加密集的社区,而不是潜在受众稀少的落后地区。超过6500万美国人生活在只有一家当地报纸或根本没有一家报纸的县。[31]


本地电视台也是如此,电视新闻倾向于关注全国范围的新闻事件或最具耸动性的本地故事,因而谋杀、犯罪、车祸或自然灾害类的题材会更受青睐。而许多受到资助的公共媒体机构,则主要依赖于转载内容而非原创报道。这些媒介都无法缓解本地新闻的来源焦虑。


在过去的15年,美国失去了2100多份报纸,这使2004年初拥有本地新闻媒体的 1800个社区,在2020年初已经没有任何报纸。即便是幸存的6700份报纸,许多也早就已经成为“幽灵报纸”:只有原来的“外壳”,但新闻编辑室的采编人员和报纸读者数量都大大减少。这同样是不可忽视的情况——在过去的15年里,一半的报纸记者和读者也消失了。[32]


以报纸《Siftings Herald》为例,其在2018年9月发行最后一期时,订阅者数量已经降低到只有1600份(当地有1万名居民)。几十年来,该报一直保持周一到周五每天出版,但随着订阅者和广告收入下降,先是在2016年减少到每周两期,而后在2018年被所有者关闭。


本地新闻的衰落当然有迹可循。它既融于整个新闻行业衰退的大背景之中,也有自身的独特原因。这一趋势早于互联网的兴起,早在20世纪五六十年代,来自广播、电视的竞争,就致使报纸受众开始流失。而互联网的出现则彻底加速了这一进程。新闻受众的阅读习惯和注意力方向都发生根本性的变化,而后出现的个人博客、社交媒体、短视频等等每一种媒介形式,都将纸质报纸向更大程度的衰退推进了一层。


而本地新闻衰落的另外一个核心原因,则关乎于广告。广告是新闻媒体的主要盈利来源,对于本地新闻媒体来说也是如此。但步入平台时代,以搜索引擎、社交媒体为代表的各类平台在广告方面获得了更大的优势,原因在于平台可以通过各类行为信息,来确定最有可能购买特定产品或服务的用户,并以此来进行个性化推送。相较于传统的广告模式,定向广告触达效率和精准度更高,对于广告商来说,也可以节省更多的广告预算。


但显然本地报纸没有办法获取这些数据(它甚至无法实现很好的数字化),更没有技术能力提供相同类型的定向广告。因此,广告商已经将广告投入从传统报纸转向了以搜索引擎和社交媒体为代表的在线平台,例如Google和Facebook。而剩下的份额,则由电视台、报纸和广播电台来竞争。根据统计,2008年至2018年间,报纸行业的广告收入下降了68%。



广告的转移,与受众的注意力流向一致。不仅仅是广告,用户的新闻需求也正在从本地的新闻报纸,迅速流向社交媒体平台。2019年皮尤研究中心的一项调研发现,目前超过一半的美国人(54%)“有时”或“经常”从社交媒体获得新闻。皮尤还发现,Facebook作为美国人最常用的社交媒体网站,超过一半(52%)的美国成年人在那里获得新闻;YouTube是第二受欢迎的新闻来源,28%的成年人在上面获取新闻;其次是Twitter(17%)和Instagram(14%)。从2018年起,社交媒体已经超过了报纸,成为大多数美国人的新闻来源。


随着广告收入下降,媒体采取了一系列措施来保持盈利水平。比如,为了削减发行成本,许多地区的本地报纸减少发行面积和纸质版数量,例如《亚特兰大日报-宪法》在1996年向居住在佐治亚州的124个县的读者售出42万余份报纸,然而现在数字已经下滑到在32个县售出11万份报纸。同时,为了抵消订阅收入的下滑,许多报纸提高了订阅价格,这加速了订阅数量的下降趋势。毕竟今时不同往日,从社交媒体获取信息已经过于简单便捷,况且还是免费。


(二)本地新闻衰退,影响是什么?


当一个地区失去了专门的本地报道,留下的“信息真空”将产生各个层面的负面影响。在美国,本地的新闻媒体在所属地区通常发挥着重要的信息同步和议程设置作用,它是本地居民有关地方政府、地方选举以及其他公民活动的重要信息来源2010年的一项研究发现,居


住在洛杉矶县郊区、可以接触本地日报的受访者,会比生活在没有报纸的社区的受访者更有可能参与定期投票。而2019年的一项报告显示,在报纸裁员最严重的地区,当地市长选举的竞争程度较小,而那些在失去当地报纸继续参加选举的人更容易受到政治两极分化的影响。2018年的一项研究发现,失去本地报纸的县在2012 年选举中的票数比那些拥有专门的地方新闻来源的县要少。[33]


除了政治信息同步,本地报纸还能发挥“黏合剂”的功能,有助于在社区内形成一种共同的目标感和社会认同感,由此可以成为团结当地的一股强大力量。当本地报纸停办,围绕在它身上的政治功能和社会共识维系功能就会随之消失。


除此之外,社区居民对于本地新闻的需求,并不会随着新闻来源的减少而消失,而是会转移到社交媒体上。在没有本地新闻来源的情况下,越来越多的当地居民开始从社交媒体上获得本地的新闻和其他信息。但问题在于,由于发布门槛低以及缺乏严格的核查机制,社交媒体中弥漫着大量的虚假消息和错误信息,而这些信息将带来严重的误导。


过去,本地新闻机构通过报道当地的实时消息和专家意见,在打击错误信息的传播方面发挥着关键的作用,这一点尤其是在疫情期间得到了深刻的体现。而随着本地报纸的大量关停,居民们在很大程度上失去了了解自己社区正在发生事情的渠道,以及通过当地媒介与他人进行连接的能力。


可以说,本地新闻的消失不仅仅营造了“信息真空”,让可用的信息越来越少,同时还将居民抛入到有很强误导性和欺骗性的信息环境之中,并且他们之间逐渐孤立。但这些负面影响显然还没有被作为信息消费者的居民所意识到。根据皮尤研究中心的一项调研,四分之三的公众仍然没有意识到本地新闻机构面临的严峻形势。


(三)AIGC时代,更需要本地新闻


从实际情况来看,美国本地新闻的衰退,有一部分是自我的原因,譬如面对数字化的革新浪潮,迟迟不肯进行创新或者转型,缺乏对环境变化的快速反应;而另一部分原因,是它无能为力的。在互联网和社交媒体的大潮之下,整个新闻行业都遭受巨大冲击,本地新闻当然不能独善其身,反而由于其自身的特殊性,在这场冲击中显得更加脆弱。


美国的本地新闻衰落只是一个引子,因为这样的状况正在全世界发生。但问题的复杂性是,用户对于本地新闻的需求始终是存在的,而且会越来越强烈,因为从各种媒介载体看,本地新闻的来源确实一直在减少。


新闻行业的数字化浪潮发生以来,媒体对本地新闻的忽视日益明显。互联网的扁平化和低门槛特性,使得任何一个网站的潜在受众理论上是全世界的上网用户。对于在线媒体来说,为了提升网站流量和曝光度,在内容生产和呈现方面,往往会采用全球化的策略,尽可能将报道关注范围扩大,甚至是关注全世界范围内发生的重要新闻事件。


这种倾向,反过来也会影响到传统媒体,因为要参与读者的注意力竞争,所以越来越多的地方性报纸,会在新闻采编中逐渐扩大全国性报道甚至是全球性报道的比例,“地方性”反而日渐式微。


新闻受众对于本地新闻的需求其实远未得到满足。很多时候,受众并不想关注过于“远方的哭声”,而是更想了解自己身边在发生什么。一些本地媒体注意到这一趋势,开始将报道重点回归到本地化报道,而非全国性的热点话题。比如传媒集团 Mvskoke Media就将编辑策略调整为专注本地社区报道,体现对核心读者的关注。同时,许多媒体开始在当地举办各种形式的读者见面会,例如《檀香山公民报》(Honolulu Civil Beat)就在所在地区举办类似于快闪活动的“弹出式新闻编辑室”(pop-up newsrooms)。借助这些活动,一方面能帮助读者理解报道理念,另一方面也反向了解读者到底需要怎样的新闻报道,以加强报道的透明度和公开性,整体上加强了新闻媒体与本地读者的沟通。


越来越多的新闻媒体将专注本地新闻的报道,这种趋势在人工智能时代将得到延续。在AIGC引领的智能化浪潮之下,新闻行业受到了一定冲击,但也获得了变革的可能性。[34]对于本地新闻来说,这反而是一个很好的机会。基于AI大模型的训练原理,本地内容的文本量较小,即便纳入到训练数据集,也十分容易被其它类型的信息淹没,因而AIGC在本地内容的生成方面表现欠佳。专注于本地新闻,既是现实需要,也会是媒体重新获得竞争优势的机会。可以期待,AIGC时代的新闻业,或将发生一波本地化的转向。


注释 :‍‍‍‍‍‍ 


[1]https://www.researchgate.net/publication/379668724\_Generative\_AI\_in\_Journalism\_The\_Evolution\_of\_Newswork\_and\_ 


Ethics\_in\_a\_Generative\_Information\_Ecosystem?channel=doi&linkId=6614c3cc43f8df018de7606c&showFulltext=true&\_ 


ga=2.265666447.1870416932.1717481618-1194900064.1716885653. 


[2]报告《拐点时刻:AIGC 时代的新闻业》,https://mp.weixin.qq.com/s/fYidMeGHgl23jMzI99bcYQ. 


[3]https://www.theguardian.com/help/insideguardian/2023/jun/16/the-guardians-approach-to-generative-ai. 


[4]https://mp.weixin.qq.com/s/z1Tr2Gd4VFDfKnScyizkZw. 


[5]https://www.newsguardtech.com/misinformation-monitor/december-2023/. 


[6]https://finance.yahoo.com/news/worlds-first-ai-generated-news-224448989.html. 


[7]https:/www.theverge.com/2023/1/25/23571082/cnet-ai-written-stories-errors-corrections-red-ventures. 


[8]Caitlin Chin,Navigating the Risks of Artificial Intelligence on the Digital News LandscapeNavigating the Risks of Artificialntellgenceon the Digital News 


LandscapePolicy Commons. 


[9]https://www.newsguardtech.com/misinformation-monitor/december-2023. 


[10]https://www.newsguardtech.com/misinformation-monitor/june-2023. 


[11]莫祖英 , 盘大清 , 刘欢 , 赵悦名 . 信息质量视角下 AIGC 虚假信息问题及根源分析 [J]. 图书情报知识 ,2023,40(04):32-40. 


[12]https://cmm-custom,prnasia.comcms-prod/attachment/20230613/0N/Cision 2023SOTMPRNpdf. 


[13]https:/www.cnet,comnews/misinformationa1-misinformation-how-it-works-and-ways-to-spotit. 


[14]彭兰,移动化、智能化技术趋势下新闻生产的再定义 [J]. 新闻记者,2016,(01):26-33. 


[15]唐铮 , 林子璐 . 生成式人工智能与新闻业:赋能、风险与前瞻 [J]. 新闻与写作 , 2023, (11): 97-104. 


[16]史新燕 . 基于 ChatGPT 的分析 : 人工智能对新闻传播业的影响和应对 [J]. 哈尔滨师范大学社会科学学报 , 2023, 14 (03): 149-153. 


[17]https://reutersinstitute.politics.ox.ac.uk/journalism-media-and-technology-trends-and-predictions-2024. 


[18][19]史安斌、梁蕊洁.传统媒体的 TikTok 化 : 概念建构与实践探索 [J].青年记者,2003(15):92-96. 


[20]https://www.theguardian.com/commentisfree/2022/jul/23/tiktok-journalism-news-outlet-journalism-media. 


[21]https://fortune.com/2023/08/21/elon-musk-plans-remove-headlines-news-articles-link-shared-on-x-twitter/?utm_source=search&utm_. 


medium=suggested_search&utm_campaign=search_link_clicks 


[22]https://about.fb.com/news/2023/09/an-update-on-facebook-news-in-europe/. 


[23]关于新闻业与社交媒体的关系,在腾讯研究院发布的《拐点时刻?AIGC 时代的新闻业》有更详细的介绍,https://mp.weixin.qq.com/s/ 


fYidMeGHgl23jMzI99bcYQ. 


[24]https://wallstreetcn.com/articles/3698751. 


[25]https://www.washingtonpost.com/lifestyle/2023/06/15/wga-writers-strike-movie-tv-delays/. 


[26]https://www.wgacontract2023.org/updates/bulletins/writers-are-not-keeping-up. 


[27]https://wallstreetcn.com/articles/3698751. 


[28]https://export.shobserver.com/baijiahao/html/709837.html. 


[29]https://new.qq.com/rain/a/20231205A0809400. 


[30][32]https://www.usnewsdeserts.com/reports/news-deserts-and-ghost-newspapers-will-local-news-survive/the-news-landscape-in-2020-transformedand-diminished/. 


[31]https://www.brookings.edu/articles/local-journalism-in-crisis-why-america-must-revive-its-local-newsrooms/. 


[33]https://citap.unc.edu/news/local-news-platforms-mis-disinformation/. 


[34]该部分的探讨,可以参考腾讯研究院此前发布的《拐点时刻?AIGC 时代的新闻业》报告,https://mp.weixin.qq.com/s/ 


文章来自于微信公众号 “腾讯研究院”,作者“王焕超 ”


关键词: AI , AI新闻 , AI转型 , 人工智能
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
AI音乐

【开源免费】suno-api是一个使用监听技术实现了调用suno功能,并封装好API的AI音乐项目。

项目地址:https://github.com/gcui-art/suno-api

2
AI工作流

【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。

项目地址:https://github.com/n8n-io/n8n

在线使用:https://n8n.io/(付费)


【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。

项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file



【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。

项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file

在线使用:https://vectorvein.ai/(付费)

3
AI数据分析

【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。

项目地址:https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file

本地安装:https://www.deepbi.com/

【开源免费airda(Air Data Agent)是面向数据分析的AI智能体,能够理解数据开发和数据分析需求、根据用户需要让数据可视化。

项目地址:https://github.com/hitsz-ids/airda

4
AI爬虫

【开源免费】ScrapeGraphAI是一个爬虫Python库,它利用大型语言模型和直接图逻辑来增强爬虫能力,让原来复杂繁琐的规则定义被AI取代,让爬虫可以更智能地理解和解析网页内容,减少了对复杂规则的依赖。

项目地址:https://github.com/ScrapeGraphAI/Scrapegraph-ai

5
AI搜索

【开源免费】MindSearch是一个模仿人类思考方式的AI搜索引擎框架,其性能可与 Perplexity和ChatGPT-Web相媲美。

项目地址:https://github.com/InternLM/MindSearch

在线使用:https://mindsearch.openxlab.org.cn/


【开源免费】Morphic是一个由AI驱动的搜索引擎。该项目开源免费,搜索结果包含文本,图片,视频等各种AI搜索所需要的必备功能。相对于其他开源AI搜索项目,测试搜索结果最好。

项目地址:https://github.com/miurla/morphic/tree/main

在线使用:https://www.morphic.sh/

6
免费使用GPT-4o

【免费】ffa.chat是一个完全免费的GPT-4o镜像站点,无需魔法付费,即可无限制使用GPT-4o等多个海外模型产品。

在线使用:https://ffa.chat/

7
无人直播

【开源免费】VideoChat是一个开源数字人实时对话,该项目支持支持语音输入和实时对话,数字人形象可自定义等功能,首次对话延迟低至3s。

项目地址:https://github.com/Henry-23/VideoChat

在线体验:https://www.modelscope.cn/studios/AI-ModelScope/video_chat


【开源免费】Streamer-Sales 销冠是一个AI直播卖货大模型。该模型具备AI生成直播文案,生成数字人形象进行直播,并通过RAG技术对现有数据进行寻找后实时回答用户问题等AI直播卖货的所有功能。

项目地址:https://github.com/PeterH0323/Streamer-Sales