生成式人工智能對新聞業的變革將超越功能層面，深入到新聞的理念和結構層面。

生成式人工智能（GAI）正在展示技術的顛覆性力量，被視為至少能與互聯網、智能手機相提并論的前沿技術，其代表性應用是2022年底以來發布的ChatGPT、GPT-4等智能程序。它是向數據學習的神經網絡系統，半年來已經被廣泛運用于日常對話、生活服務、新聞傳播、藝術創作（音樂、繪畫、時尚、設計和文學等）、商業經營、科學研究、醫療保健、教育教學等各個領域，其爆炸性流行被視為公眾采用人工智能技術的第一個真正轉折點，也成為激發生產力和人類創造力的巨大引擎。

埃森哲（Accenture）3月下旬發布的研究報告顯示，生成式人工智能驅使科學、商業以及社會本身的一切都將發生轉變，對人類創造力和生產力的積極影響將是巨大的。98%的全球高管認同人工智能基礎模型將在未來3~5年內在其組織的戰略中發揮重要作用；40%的工作時間可能會受到像GPT-4這樣的大型語言模型的影響。

就新聞業而言，生成式人工智能相當于給每一位新聞工作者配備了一位高效率的助手，給每個新聞機構增添了額外的資源、創新的可能性，也帶來了更復雜的專業問題。

本文將從當前生成式人工智能在新聞傳播業的應用實踐及其效應著手，探討生成式人工智能對新聞傳播的業務、機制的影響，以及它們對新聞專業、新聞理念和記者角色帶來的挑戰與重塑。

生成式智能賦能新聞業

生成式人工智能正在以一種魔法般的方式，簡化了人們將想法、創意轉變為現實的過程。新聞界以十分迅捷的反應，投身于這個正在引領新聞業巨大變革的新技術。事實上，早在它發布之前，媒體已經迫不及待地融入智能新技術的洪流之中。

（一）智能技術已經深入新聞業務

人工智能直接運用于新聞界，已經有10年的歷史。美聯社是最早利用人工智能和自動化來支持其核心新聞報道的新聞媒體之一。2014年，美聯社開始使用人工智能程序處理有關企業收益的報道，令新聞業面貌為之一新。在使用人工智能之前，美聯社的編輯和記者在其中花費了無數資源制作財務報告，也因此分散了對有更大影響力的新聞的關注。即使大量投入，美聯社每季度也只能制作300份財務報告，還有數千份潛在的公司收益報告未能成文。采用人工智能平臺Automated Insights的Wordsmith，他們在幾秒鐘內就可以將那些投資研究的收益數據轉換為可發布的新聞報道，效率大大提升，美聯社制作的季度收益報告一下子達到4,400個，效率是手動工作的近15倍。

體育報道也是同類情況，體育記者負責整理成堆的得分和比賽筆記，為大學籃球和小聯盟棒球比賽撰寫預測性和回顧性文章。2016年美聯社與Automated Insights合作，將其人工智能生成的內容擴展到體育報道。在采用Wordsmith之前，記者只有時間報道每個聯賽中的頂級球隊，無暇報道未排名的比賽。Wordsmith使用自然語言生成（NLG）技術，將數據轉化為富有洞察力的報道，看起來像人類的敘事，早在2018年賽季就為常規賽提供5,000多場預演，一級男子籃球賽還自動重播。智能技術的投入使他們能夠思考創新，讓記者少關注數字、多發現細微的獨特之處，有時間去做更深度的、更獨家的報道，建立所謂“思想領導力” 。

美聯社只是使用人工智能的一家媒體，實際上，同時期使用人工智能的媒體還包括彭博社、路透社、福布斯、紐約時報、華盛頓郵報、英國廣播公司等大型媒體。這些大型媒體的人工智能應用主要是將機器學習（從數據中學習）運用于采集、制作和分發新聞等各個流程。

仍以美聯社為例，在采訪方面，該社部署了多種新聞采集工具，使記者能夠獲取新聞并進行更深入的挖掘。在內容采集方面，他們通過自然語言處理掃描和分析社交媒體源，構建自己的內部工具，更快地驗證社交媒體和用戶生成的內容；在制作方面，人工智能工具簡化了工作流程，比如從視頻的自動轉錄，到自動生成視頻分鏡頭列表和故事摘要，都由人工智能工具完成，這樣記者能夠專注于更高層次、更有深度的工作；在分發方面，他們努力建設標記系統，通過圖像識別來優化內容，為行業創建第一個編輯驅動的計算機視覺分類法（editorially-driven computer vision taxonomy），不僅節省了數百小時的制作時間，還助益更輕松地呈現內容。人工智能技術也已經應用于評論互動，比如華盛頓郵報通過其Modbot，使用機器學習來調節、過濾和標記評論。

媒體機構對人工智能技術的重視，可以從相關新部門、新崗位的設置而見一斑。美聯社設置了人工智能和新聞自動化部，英國《金融時報》創設新職位，任命了人工智能編輯。不過，在“前生成式人工智能”時期，智能工具雖然已能夠生成財務收入和體育賽事結果等直接的報告，但并未在編輯內容中廣泛使用。

（二）生成式智能技術運用于新聞業

2018年以來，大型語言模型和基礎模型得到突破性進展，不僅破解了語言復雜性的密碼，使機器能夠學習上下文、推斷意圖和獨立創造，而且還可以針對各種不同的任務快速進行微調，為生成式人工智能的進步提供了動力。生成式人工智能是一種機器學習系統，是基于算法、模型等創建文本、音頻、圖像、視頻和代碼的技術系統。ChatGPT、GPT-4便是其中的代表，它們先后于2022年11月、2023年3月問世。

ChatGPT是一種由人工智能技術驅動的自然語言處理工具，可讓人們與聊天機器人進行類似人類的對話、可以回答問題并幫助完成許多任務，例如制作訂制化的健康食譜、健身計劃，撰寫電子郵件、論文和代碼等等。

ChatGPT的功能很豐富，與新聞傳播相關的包括：生成模仿人類輸入數據的樣式和結構的類人文本；生成對給定提示文本的響應，包括回答問題或寫故事；生成多種語言的文本；修改生成文本的樣式，比如正式或非正式的樣式；厘清問題從而更好地理解輸入數據的意圖；回復與之前上下文一致的文本，比如對前面問題的理解、對后續的說明。其他生成式人工智能模型可以執行圖像、音頻和視頻類的任務，比如GPT-4就可以執行跨模態的任務。

生成式人工智能為新聞業的大變革提供了重要機遇。傳統的新聞采訪、寫作、編輯、制作、分發、核查，都可以運用ChatGPT等模型作為得力的輔助工具。

主要工作包括：第一是數據分析。生成式人工智能運用了海量的數據，可以為新聞工作者提供有力的數據分析，從而提供見解或啟發，幫助記者尋找更獨特的角度、更有洞察力的思考方向。

第二是內容生成。生成式人工智能可以生成文本、圖像、音頻和視頻等形態的內容，在文本方面它既可以生成摘要、文章，也可以生成策劃大綱、采訪提問等創意性的內容，還可以按照難易要求生成不同知識層次的文本，比如把復雜的話題簡化到普通受眾能夠理解的水平。ChatGPT可以將學術文章的摘要或部分內容簡化為新聞語言。

第三是算法個性化。智能算法可以根據用戶的偏好生成個性化內容，這樣有助于契合用戶需求、做到精準生產與分發。第四是事實核查。盡管生成式人工智能在內容的準確性、真實性方面受到質疑，但它可以通過數據訓練后自動對信息進行事實核查，幫助新聞工作者核實信息的準確性。

紐約時報網于3月刊出過一篇文章，羅列了人們使用ChatGPT的35種方式，其中許多日常生活中使用的方式也可以被記者采用，如寫電子郵件、編輯、組織研究、瀏覽多份文件、輸入Excel公式等等。

（三）新聞業布局生成式智能

ChatGPT橫空出世，對新聞業的震撼非同小可。美國非?；钴S的《內幕》（Insider）全球總編輯卡爾森（Nicholas Carlson）稱之為“海嘯”：海嘯即將來臨，我們要么駕馭它，要么被它消滅。他認為人工智能會讓新聞業變得更快更好?！秲饶弧沸侣劸庉嫴坑?月中旬成立了一個工作組，以測試將人工智能負責任地納入其工作流程的方法，然后再向新聞編輯部推出一套更廣泛的人工智能規則和最佳實踐。

卡爾森4月14日向員工發送了一份備忘錄，表示“不得不”學習如何使用和小心使用智能技術，記者才能變得更好?？柹恢痹趶V泛使用聊天機器人，視其為“雙人文字處理器”（“a two-player word processor”），可以幫助克服寫作中的常規障礙。他鼓勵記者開始謹慎試用ChatGPT等編寫的文本、報道大綱，用ChatGPT等糾正拼寫錯誤、為搜索引擎優化標題、準備采訪問題，但不鼓勵將敏感信息（尤其是細節）放入ChatGPT。

據4月的一篇評論文章披露，《紐約時報》新聞編輯部的一個工作組正在制定使用聊天機器人的工作指南，探索該報記者使用聊天機器人的機會。其實，《紐約時報》在前幾年已經陸續發表過由機器人程序寫作的評論文章、書評。ChatGPT也已經被記者使用。

該報科技專欄作家、被Bing測試聊天機器人“愛上”的羅斯（Kevin Roose）3月撰文說，他已讓ChatGPT幫自己提出采訪的問題：他將被采訪嘉賓的簡歷粘貼到ChatGPT中、要求它向這位嘉賓提出10個深思熟慮、敏銳的采訪問題。ChatGPT生成的問題大多數都很好，被羅斯在節目中采用了。

生成式人工智能已經擅長于各種各樣的任務，羅斯列出了6個方面：用不同級別難度解釋概念，比如要求ChatGPT用高中水平解釋“部分準備金銀行業務”；幫助編輯和提出建設性批評，比如讓智能Bing幫助改進寫作技巧；創造性地擺脫困境，比如克服寫作障礙；排練現實場景中的任務，比如進行模擬對話、演練；快速總結大量文本，讓智能程序為自己“閱讀”長篇文章、總結學術論文，將轉錄的音頻和視頻記錄提煉出要點；編碼，比如構建一個Chrome（谷歌瀏覽器）擴展程序。

新聞工作者已經從ChatGPT獲得助力?！都~約時報》觀點專欄作家曼珠（Farhad Manjoo）在4月的文章中就相關話題采訪了一些媒體的老總，并總結說ChatGPT這樣的應用將成為許多記者工具包的常規應用。他在文中將ChatGPT比喻為新聞工作者獲得的新型噴氣飛行器（jetpack），雖然有時它會崩掉，但有時它則會翱翔、升騰（soar），能夠在幾秒鐘、幾分鐘內完成過去數小時才能完成的任務。

在寫這個噴氣飛行器的比喻時，曼珠很難選擇一個合適的動詞來表達，他寫了“screams”（尖叫、呼嘯）又覺得不妥。他說要在過去他可能會使用同義詞庫或者絞盡腦汁地找一個合適的詞，而現在，他將自己寫的整個段落插入ChatGPT、要求它提供替代動詞，ChatGPT為他推薦的替代動詞中，“soar”是排在第一的。

曼珠還總結出ChatGPT的其他一些用途：協助編輯工作，比如寫過渡語；提煉和總結，比如在重大而復雜的新聞事件爆發時，需要迅速從長篇文件（法院裁決、收益報告、政客的財務表）里提煉出概要。特朗普被起訴時，《內幕》總編輯卡爾森將購得的長篇文件放到ChatGPT中，讓它給了一個300字的摘要，從而輔助《內幕》決策如何迅速報道這件事。ChatGPT很擅長從長篇大論中提取摘要和主題。

媒體和記者組織都非常重視ChatGPT的影響。路透社和牛津大學在2023年初的報告中指出，受訪的新聞業高管有28%說他們的組織經常使用人工智能，而39%承認他們正在試用。英國的新聞網站journalism.co.uk在今年1月專門發表了一篇文章，總結了ChatGPT可以為記者完成八項任務：生成大文本和文檔的摘要；生成問題和答案；提供報價；制造標題；將文章翻譯成不同的語言；生成郵件主題和寫郵件；生成社交帖子；為文章提供上下文。

該網站還于5月下旬組織了關于人工智能對新聞業影響的論壇。國際新聞工作者中心（ICFJ）則刊登了一篇文章，探究了ChatGPT對記者的利弊。世界新聞研究所（World Press Institute）發表文章討論ChatGPT和新聞業的關系，呼吁新聞業要適應不斷發展的技術，認為ChatGPT有望改變新聞報道、分發和消費的方式。

奈特基金會（Knight Foundation）對全體員工進行了使用聊天機器人和其他新技術工具的培訓，其新聞部負責人認為：這些人工智能工具可以幫助記者關注更重要的新聞，讓很多新聞機構騰出時間去報道更重要的事情。奈特基金會還資助多家新聞機構建立人工智能工作室，比如Quartz。Quartz在2019年建立了一個機器學習模型。

據《華爾街日報》2月報道，《體育畫報》（Sprots Illustrated）利用人工智能生成文章和故事創意，如Arena Group使用生成式人工智能制作男性雜志文章，展示體育運動技巧。Arena Group已經將生成式人工智能運用于內容工作流程、視頻創作、時事通訊、贊助內容和營銷活動等各個方面。BuzzFeed將使用ChatGPT作為其核心業務的一部分，他們看到人工智能的突破開辟了一個創造力的新時代，有無窮無盡的機會和應用。

專業性困境與負責地使用生成式智能

ChatGPT等生成式人工智能為新聞業的效率與革新帶來了種種機會，但同時也帶來了諸多挑戰，尤其是人工智能生成內容在機制上就存在與新聞專業性相悖的方面。生成式人工智能在賦能新聞業的同時，卻不一定能夠優化新聞業。

（一）模型本身的局限性

生成式人工智能的大語言模型邏輯，是機器可以從數據和模式中學習，從而創建模仿人類行為和創造力的新內容。由于數據和模式的種種缺陷，生成式人工智能存在系統性偏見、價值觀對抗、“觀點霸權”、刻板印象、虛假信息等問題。而模型本身也有其局限性。

這些類型的大型語言模型缺乏常識性的推理能力，由此帶來了其能力的局限性，比如它難以理解復雜問題、細微差別以及與情緒、價值觀和抽象概念相關的問題。

這類局限的最大困境是：生成式人工智能不理解其生成的文本的含義。當它面對細微差別、歧義或諷刺之類的內容時，它難以理解其中的真實意義；它可以生成似是而非但不正確甚至荒謬的文本；它無法驗證其輸出的真實性；它的輸出可能是公式化的，可能會單調乏味、缺乏想象力；它可以生成帶有偏見、歧視性或有毒的文本。

它的輸出和生成的質量，取決于它輸入的數據及其模型訓練的水平。比如ChatGPT使用自然語言處理（NLP）——一種處理理解、分析和生成類人語言的人工智能技術，主要組合性地使用兩類輸入進行訓練：一類是2021年底前從網頁和程序代碼中提取的大量文本，一類是通過人類反饋強化學習（RLHF）技術幫助微調模型。ChatGPT使用的是Common Crawl的大型文本數據集，其網絡爬蟲數據集是書籍、文章、網站等在線內容的大量集合，包括文本、圖像和其他形式的數據。在線數據帶有先天性的缺陷，比如其年齡、性別、來源等存在不平衡的問題。研究顯示，互聯網數據中年輕用戶和發達國家用戶的比例過高。

當然，對于這類大模型帶來的更深的擔憂，還不只在這些應用層面，更多的在于未來可能失控的深層困境方面。包括深度參與人工智能開發的教父級的人物辛頓（Geoffrey Hinton）、在過去的四十年里開發了驅動GPT-4等系統技術的本吉奧（Yoshua Bengio），都擔心大模型可以學習不想要的和意想不到的行為，它們不僅可能生成不真實的、有偏見的和其他有毒的信息，而且對壞人不設防——很難找到辦法防止壞人利用它們來做壞事。

（二）審慎使用生成式人工智能

今年1月，美國著名科技新聞網站CNET被Futurism爆料其在一個多月里悄然刊出77篇未加標注的使用人工智能生成的文章，引發廣泛關注和批評。CNET隨后對相關文章進行了核查、發現其中出現了一些事實性錯誤，特別一篇關于“什么是復利”的文章還存在計算性錯誤。CNET很快對其中41篇文章進行了更正。幾周后，CNET及其母公司暫停所有網站上的人工智能生成內容，但是不妨礙用戶繼續使用其人工智能工具。

CNET的錯誤不在于其使用了新技術，而在于其使用得不謹慎、不恰當。目前生成式人工智能在新聞業中的應用，存在專業性（如準確性）、倫理（如公正性）和責任難題，并且可能缺乏批判性思維和創造力。但是，在權衡利弊得失之后，人們還是將這項新技術作為新聞業的一次機會，并以堅持專業性、合乎倫理的方式使用ChatGPT，人作為主導者，通過人工編輯和審核確保準確性，保持人類記者的獨特立場。

新聞業如何合理地、負責任地使用生成式人工智能？有一些準則值得重視：一定要檢查和編輯生成文本的準確性和質量；將生成式人工智能視為半成品而非成品；將生成式人工智能用于一些重復性或耗時的任務，這些任務不那么具有創造力或獨創性；不要使用任何敏感或私人信息作為輸入數據；將生成式人工智能與其他工具和技術結合使用，并融入自己的創造力、情商和戰略思維。

與此同時，還要“透明地”“可溯地”使用人工智能。要重視使用中的規范和標準。首先是署名。不少新聞工作者已經在使用ChatGPT、GPT-4等輔助自己的工作，甚至讓其參與了寫作之中，正如CNET在風波之后將每篇由人工智能生成（或參與）的文章的署名位置，都加上了“人工智能技術參與了寫作”這類說明，一些新聞作品、學術成果、文學創作也都紛紛合署，甚至獨署了ChatGPT、GPT-4作為作者，或者以文內引用或腳注來注明。第二是要盡量重視列出參考文獻，比如Bing通過智能搜索歸納出的內容，都是有出處的，而不久后Google的人工智能搜索也將面世，它們有助于明確參考資料。第三是今后將有一種新的注釋類型，類似于模型名稱、內容生成日期、生成過程中的輸入或者相關參數。

討論：變革不只在功能層面

上文抓取了生成式人工智能在新聞業中的最前沿性應用的數據和案例，展示了目前在生成式人工智能背景下新聞業適應新技術的現狀、語境和遇到的難題。牛津大學牛津互聯網研究所研究員西蒙（Felix Simon）認為，如果使用得當，生成式人工智能技術是新聞的一次機會。人們追求的仍將是與以前相同的目標和相同的需求，人工智能改變的只是追求方式。

但是我們不能局限于應用這種功能層面。從長遠來說，這種有別于傳統技術的人工智能技術，帶來的影響會超越功能性層面，而漸進為一種新聞的理念和結構性的作用。這里從兩個方面做些探討。? ? ? ??? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

（一）數據驅動的故事新范式將會挑戰新聞觀念

生成式人工智能技術提供了創新報道范式的可能性。記者可以利用人工智能生成的見解、可視化數據和多媒體工具，從原始數據中自動創建摘要和引人入勝的新式敘事，從快速生成交互式敘事、數據驅動的報道到推出沉浸式故事，等等。而這些影響將會從生產流程變革深入到機制層面，更進一步滲透到新聞觀念層面。

生成式人工智能正在重構新聞生產流程，變革新聞工作機制。第一，記者采集和核實信息的工作機制改變了。智能算法可以快速高效地處理海量數據，幫助記者提取有價值的見解、識別記者可能無法立即發現的模式、趨勢和相關性，并發現數據集的隱藏模式，幫助記者發現角度、根據數據生成意義豐富的敘事。第二，新聞生產機制改變了。生成式人工智能技術可以自動生成新聞報道、摘要和其他內容。第三，分發機制改變了。智能技術可以根據用戶偏好、興趣和瀏覽行為來個性化新聞分發使用智能策略為每個用戶量身定制內容。第四，互動機制加強了，生成式智能可以與用戶實時對話、回答查詢并提供個性化的新聞更新，并可以收集反饋信息和對用戶的了解。第五，事實核查和錯誤信息檢測機制改變了。自動化系統可以分析識別虛假信息和誤導性內容。

生成式人工智能將進一步驅動新聞的多模態轉換，推動新聞視覺化的浪潮。它可被用以多模態轉換，在文本、聲音、視覺符號之間自動轉變。2016年出現的軟件Wibbitz可以將文本自動轉換為視頻，很快就被眾多媒體使用，比如BBC使用Wibbitz為其在線新聞和時事節目制作視頻。如今，GPT-4、文心一言等生成式人工智能軟件，更是集多模態轉換為一體。

人工智能工具可以通過分析圖像、視頻等協助視覺敘事，它們可以自動標記和給視覺元素分類、生成說明文字，可以根據基礎數據創建可視化效果或信息圖表，讓用戶有機會探索數據驅動的視覺敘事和復雜信息，以沖擊性的視覺模式喚起情緒反應。人工智能技術還降低了沉浸式新聞的生產門檻，讓記者輕松構建交互式頁面、虛擬現實或增強現實疊加層。生成式人工智能也可以根據文本描述或數據自動生成3D模型、動畫等視覺效果，幫助記者創建增強現實的內容。記者還可以創建專為支持語音的設備設計的音頻新聞故事。

生成式人工智能對新聞流程和機制的改變，挑戰了傳統的新聞觀念。比如，智能算法推動的個性化的新聞，是一種以受眾為中心的思維驅動的，它挑戰了傳統的傳者中心、傳者引領的傳播觀念，強化的是與一般商業等同的消費者至上的觀念，進一步祛魅媒體作為公共利益代言人的角色。生成式人工智能也挑戰了新聞業傳統的生產者主體身份觀，人類生產的內容和智能生成的內容之間的界限變得模糊，這種情形還會進一步引發對新聞業的透明度和問責制的疑慮。

多模態自動轉換也帶來對新聞理念的挑戰。首先，生成式人工智能將提升交互式敘事的運用，將新聞引入非線性敘事，新聞故事可以根據用戶交互分為多個路徑或結果。這種情形改變了傳統新聞的線性敘事結構，使得新聞也朝著多樣化和動態的敘事結構演化。

其次，生成式人工智能可以非常便捷地將文本報道轉化為視頻摘要，這涉及新聞文化的變革。簡明的視覺摘要替換了完整深度的文章，文字報道被轉換為聲音和視覺摘要，其間都會發生信息損耗，還會影響人們對復雜新聞的理解、對信息的分析判斷、對完整世界的感知。

再次，多模態化的一個趨向，是智能技術帶來的視聽新聞的潮流化，文本信息將更多地被自動轉換為圖像、圖形、圖表或其他視覺元素。轉換通常是被簡化的總結，由于視覺效果的空間和注意力范圍有限，自動化過程可能會壓縮文本，減少文本的復雜性或微妙內涵；自動轉化還難免忽略某些上下文元素；將文本轉換為視覺效果的過程還涉及解釋和主觀性，自然會影響原文本的敘述和解釋；未來的視聽化會帶來新聞的短淺化；文本敘事驅動讀者構建的心理形象和想象力，逐漸讓位給視聽新聞敘事的感性消費、即時反應；視覺敘事通常依靠象征性、圖像和視覺隱喻來傳達意義，而由于象征性、文化語境和視覺素養的差異，視覺效果的解釋可能會很不同。

第四，多模態轉換還會帶來意義損害和歪曲的問題。比如，來自斯坦福大學和哥倫比亞大學學者的研究指出，將文本轉換成圖像，大規模地放大了人口刻板印象。他們研究了將文本轉換為圖片智能模型如Dall-E和Stable Diffusion,發現這些系統放大了“大規模的人口刻板印象”。比如，當提示創建“清潔人員”圖像時，生成的所有圖像都是女性。有人在國內一款語言模型應用中也遇到同類情形，當提示畫一幅“老板在開會”的圖時，圖中顯示的老板全是男性。

（二）生成式人工智能工具挑戰新聞專業的實踐觀念

生成式人工智能重構了新聞生產流程，也在重塑記者的角色和職責。記者可以利用人工智能技術分析相關的數據和背景、提煉觀點和見解，發現新的報道線索、思路和角度，得到啟發和洞察力，助益他們的報道、提升工作效率和質量。

但是，這樣的新型輔助工具，在悄然改變新聞工作者的角色和定位。新聞本源于社會實踐，如今它由數據驅動，這是否挑戰了新聞專業的基礎？智能技術替代采寫實踐，是否挑戰了新聞工作者的職責和實踐觀？

研究顯示，早在2015年或之前，新聞媒體就讓他們的記者編輯使用人工智能去做“社交媒體事件監控”，進而獲取新聞線索。那時，dataminr、Newswhip和路透社的News Tracer等工具都努力從Twitter和Instagram等社交帖子流中提取重要事件，比如News Tracer利用“訓練有素”的智能算法在瀏覽Twitter帖子時“模仿人類判斷”，更早一些還有CornellTech的CityBeat努力從Instagram中識別具有新聞價值的事件。傳統上，新聞工作者是要投身于社會實踐及其相關社會聯系中，去獲得一手的新聞線索、素材，從中探索角度、尋找思路，是自己從實踐中發掘新聞。

新聞和新聞業根植于社會勞動，它們是對客觀世界的反映和社會性的構建，其本源是社會生活。新聞是一個由社會因素、社會互動和社會規范塑造的社會現實的動態反映。新聞不僅僅是數據的產物，還受到社會、文化和政治因素的影響。新聞來源于社會實踐，傳統新聞是通過記者的“新聞鼻”和“新聞眼”去具身尋找、發現，并經過新聞價值判斷得來的。

中央電視臺的記者1979年在王府井百貨大樓停車場看到了一些單位的公車，于是才有了《新聞聯播》的第一條批評報道《王府井百貨大樓前的停車場見聞》，美國記者在一個偏僻的休假地見到了一輛首都車號，才揭開了一位政治要員的丑聞。作為社會實踐的新聞和新聞業，與由“數據驅動”的新聞之間，存在著矛盾。新聞作為一種社會實踐，強調記者深入一線、深入生活實踐去觀察，在與一線的互動中了解、理解社會問題，發現一手的、鮮活的新聞線索，并根據價值觀和人類經驗進行報道。而依賴數據，雖然同樣可以做出獨家的報道，但是缺乏一手的、鮮活的現場體驗和現實反映。

記者方面，數據驅動的報道正在重新定位記者的角色。記者從積極的新聞信息采集者、解釋者，轉變成了數據的管理者和分析者。這種轉變，對以傳統的采寫為己業，以探尋背景、揭示真相、通過采訪呈現觀點的傳統新聞價值，是很大的挑戰。實地采訪能夠讓記者捕捉到新聞發生的情境、洞察其中的復雜性和細微差別，其中會融入記者的主體性，比如個人經歷、情感和社會體驗。

過于依賴數據可能難以獲得復雜的情境和背景信息，可能會帶來對復雜問題的淺薄理解。數據還存在許多先天的局限和問題，也會影響到記者的判斷。傳統的采訪實踐可以讓記者直接與消息來源互動，建立信任和理解關系，從而更深入地挖掘有價值的內容，而依賴數據可能會限制或缺失這種直接互動的機會，讓記者與其報道的對象和社會之間脫節。

此外，生成式人工智能賦予的能量，讓新聞工作者不僅能夠從社交媒體上高效、準確地尋求信息源和報道線索、尋找更有表達力的詞語、寫作過渡橋段句子等繁瑣的報道細節，還能夠獲取采訪問題的設計、亮眼標題的編輯，乃至一篇篇文章的撰寫等極富成就感的工作成果，他們在人工智能生成的一個個有靈性的詞匯、一條條富表達力的標題、一些有創意的采訪問題的工作情境中，會不會逐漸改變初始報道的目標？

當然，新聞工作者限于其知識、經驗、實踐范圍和判斷能力等的影響，也存在種種不足。如今通過數據驅動，獲得更廣闊的信息，通過智能工具獲得洞察力，來彌補自身的不足。但是當智能工具被廣泛使用后，可能會使他們過于依賴數據驅動的方法，從而讓他們忽視了新聞的更廣闊的社會背景和社會問題的復雜性。

新聞業本質上是一種以人為本的事業，依賴人類的直覺、調查挖掘能力和判斷力，才會彰顯人性化、明辨性思維和價值觀。記者必須在數據驅動的洞察力和他們的專業性、新聞理想和目標之間建立一種平衡關系，從而更準確、更有深度地報道有價值的新聞，緊守“實踐出真知”的專業底線。

如芒福德（Lewis Mumford）所言，人類擁有比其他一切組合都更為重要的生物學裝備——大腦及其支配的身軀。新型智能技術帶來的挑戰，將會從新聞實踐延伸到新聞機制、規范乃至倫理觀念，我們需要見微知著，深入研究。

（作者：陳昌鳳，清華大學新聞與傳播學院教授、安徽大學大師講席教授；）