來源：《新聞愛好者》

【摘要】西方的新聞算法並非出奇制勝的媒體新寵，個性化新聞分發潛藏許多陰差陽錯和信息風險。建立一套科學機制，防止新聞推薦的失算，才能保証新聞分發的安全性，受眾的差異化需要也能得到滿足。面對網媒的挑戰，把新聞的自動化生成轉化為報刊和廣播電視報道，實現傳統媒體的智能化和編輯記者的能智化，傳統媒體才可能發生大的變化。

【關鍵詞】兩種新聞算法﹔算法的失算﹔算法的科學化﹔傳統媒體的算法

算法新聞的創新正在攪動各類媒體的操作意識，調整算法的標配和技術指標，不僅決定各大資訊平台的競爭力，也使傳統媒體受益匪淺。但新聞的“算法推薦”曾引起廣泛的質疑：算法能讓受眾得到真正重要的新聞、了解社會的變化嗎？媒體使用算法新聞能否全面反映世界、透視社會現實？盲目夸耀西方新聞分發的算法，介紹算法的理論也讓人懵懵懂懂，根本無法回答和解決這類問題。為了解開新聞分發的算法之謎，本文不能不從新聞算法的常識贅述。

一、用於不同報道的兩種新聞“算法”

算法是計算機處理數據的主要手段，新聞的智能生成和新聞分發都有各自的算法，二者譯成漢語也有不同的說法，因為計算機對二者執行的指令不同，達到的目標不一樣，把兩個算法攪在一起，隻談推薦算法，使傳播規則的重塑陷入一隅。

第一種算法是指智能生成新聞的數據推算，英語常由Ａlgorithm（Ａlgorithmic）一詞表示。通過大數據搜索、整合和推斷，發現真實的新聞，由計算機編寫成文本，稱作智能新聞或自動化新聞，很多人把它譯成算法新聞。打開英文網站，Ａlgorithmic Journalism，Ａlgorithm about news或Videos of algorithmic news，大多是指由計算機在海量數據中自動編寫的新聞，按漢語的習慣似應譯為“智能新聞”或“計算機程序新聞”，可以將其稱為“自動化新聞”。

這類新聞不是記者親自採訪、寫作的，而是由計算機程序搜索到數據，經過統合、辨析提取事件的五個W要素，再現一個完整事件，每次推算都可得到正確的結果。正如美國學者哈特利•羅杰斯所說：“在數學和計算機科學中，一個推算（Algorithm）是關於如何解決某個問題的明確規范。推算可以執行計算、數據處理和自動推理任務。”[1]Algorithm依據大量資訊（僅包含少許數字）推斷出事實的存在，僅需數秒或十幾毫秒。美聯社新聞智能程序“墨客”（Wordsmith），每秒能形成2000篇文章，《華盛頓郵報》的新聞程序“吐真者”（Ｔruth Ｔeller）集成一篇新聞僅用半秒左右時間，不僅會寫作，還能核查新聞。

5年前，智能新聞隻能在體育、財經和天氣預報等很少的領域應用，這兩年正在向時政新聞擴展。美國頂尖的算法新聞公司Automatic Insights和Narrative Science聯合開發的新的推算程序，能自動生成市場營銷和時事新聞，並已被越來越多的網站採用。Narrative Science公司創始人克裡斯蒂安•哈蒙德（Kristian Hammond）預測，到2030年將有90%以上的新聞由機器人完成。[2]

第二種所謂算法是向用戶智能分發新聞，多使用英文news on arithmetic表示。打開西方英文網站，常看到這樣的欄題：Arithmetic：Latest News（數據統計：最新消息），Videos of news arithmetic（數據統計的新聞視頻），Videos of arithmetic on news feed（數據統計推送的新聞視頻）等。這些欄題都是指通過數字計算排列出新聞的順序，並向受眾推薦他們需要的新聞，即我們常說的新聞算法分發。Arithmetic是指數學的算法，通過計算閱讀量的大小排列新聞的順序，向受眾推薦。“從古希臘時起，Arithmetic就稱為算術（名詞、形容詞），曾被設想為將事物裝配在一起或計數后排列出先后次序。”[3]

當一款名為Custombot的算法工具誕生后，根據用戶的特定偏好、標准或元素創建個性化新聞推送（feed），迅速風靡各大資訊平台。這種算法採用文本分割和自定義標記，快速過濾用戶不喜歡的信息，算出某個用戶最需要的新聞和文章，產生了新聞的定制報道。一時間，“個性化推薦”成為網絡平台和新聞客戶端追捧的熱點和新寵。“利基市場”“因子量值”“長尾信息”“置信區間”等高大上的概念和詞匯接連出現，讓人感到高深莫測。

上述分析，基本厘清了Algorithm和Arithmetic之間的區別。Algorithm屬於解決難題的推算思路和方法，用於計算機自動化新聞的生成。而Arithmetic是指如何更快、更精確計算一條新聞的閱讀量或讀者偏好，用於向用戶推薦新聞或其他信息。西方英語資訊平台或社交媒體往往把智能新聞（algorithm about news）直接推薦給用戶，這類報道的欄題，通常使用“news feed algorithm”，而不是“news feed arithmetic”。

新聞推薦根據數據計算，推測出用戶可能喜歡的新聞，大體有7種數字推薦方式，這就是：依據用戶的偏好推薦、協同過濾推薦，按照既定的規則推薦、效用推薦和基於內容的推薦、新聞熱度推薦及知識推薦。后4種推薦作為新聞分發的主要指標，打破了新聞推薦的個性局限，能有效防止新聞推薦的失算和風險。

二、新聞算法分發的失算與風險

網上信息浩如煙海、凌亂不堪，用戶無法很快找到他們需要的信息。網媒如果按照新聞發生的重要程度排序，向受眾推薦他們關心的新聞，就能為用戶產生最大的效用。出於這一目的，首先在英美社交媒體上出現了新聞的算法分發（news Arithmetic feed），簡稱新聞推薦（newsfeed）。從本質上看，新聞推薦要解決在適當的時間，把合適的內容推薦給信息需要者，便於用戶閱覽。但實際上，大量資訊平台的新聞算法分發，除制造神秘氣氛外，還強行向用戶推銷不良信息，用戶得到的很多是他們不需要的東西。

資訊平台與社交媒體主要依賴個性化算法向用戶分發新聞，個性化本身就暗藏許多低俗的信息需求，為推銷色情、淫穢和暴力新聞打開缺口。尤其是各類無孔不入的直播平台，總是齊聚於用戶端，淫邪銷魂的視頻不請自來，打頭陣的當然是廣告。從2017年末開始，美國的臉書網就多次收到與垃圾郵件相關帖子的投訴，在同一時間，我國多家社交媒體由於向用戶兜售精神劣品，也引起網民的極度不滿。

無論基於用戶的新聞偏好、行為協同還是基於內容的推薦，如果不掌握用戶的特征和全面數據，就很難給受眾提供實用的東西。許多平台忽略客戶的准確特征和分類，按照自己的意圖漫無邊際地推送有利可圖的信息，根本不考慮信息的社會危害。算法分發新聞，一方面要識別內容需要者的巨大差異，另一方面又要為同一條新聞找到不同用戶，計算技術很難精准、圓滿，信息推送必然屢屢失算。在算法分發新聞誕生地的美國，許多業界人士對算法推薦的破綻就提出了種種批評。班尼迪克•埃文斯（Benedict Evans）指出，“臉書”等社交媒體執行“算法派發新聞”的邏輯，只是個技術術語。用算法找出最想看到新聞的人，以及最想看到什麼樣的新聞，然后將這些內容排序，出現在用戶的新聞訂閱中，這是十分錯綜復雜的。算法分發新聞的邏輯存在兩個問題：一是讓算法的樣本變得“正確”非常困難。用戶的欲望不斷變化，新聞偏好可能經常改變。二是即使完成一次成功的新聞推送，也是基於特定的算法規則，這些規則包含主觀判斷，這些判斷不是靜態的，在原則上都是不完美的。[4]算法分發新聞常常“投錯娘胎”，給用戶推薦一些低質、無聊的信息，大量新聞分發都徒勞無功。

算法一旦經常失算，用戶的信息滿足感就會遭到踐踏，資訊平台的公信力就會喪失殆盡，時間一久將被用戶拋棄。媒體報道新聞要讓受眾了解社會變動，提升受眾的認知，以往的新聞推送還經常把錯誤或虛假信息派發到用戶的移動端，構成報道風險。有關社會政策、社會發展和社會矛盾的重大事件報道，是相當數量的用戶所關心的，僅僅從用戶的個體指標出發計算新聞分發，新聞推送必然埋下潛在的威脅。

算法新聞推薦，促使各大網絡平台和移動客戶端競相吸引眼球，為招攬廣告而龍爭虎斗，社會責任的大堤被一步步蠶食。正如《人民日報》提出的警示：“所謂的算法成為利益的砝碼，一切圍著流量轉，唯點擊量、轉發量馬首是瞻，‘標題黨’泛濫，價值取向跑偏，內容淪為附庸。”“千篇一律的同質化信息，信口雌黃的歪理邪說，形形色色的商業廣告，還有那些活色生香、花邊八卦、流言蜚語，以各種爭奇斗艷的形式粉墨登場，一股腦、無休止地推送過來，讓廣大受眾被迫接受……”[5]網絡媒體的先進技術隻能服務於新聞的傳播力、引導力和媒體的公信力，否則就是荼毒筆墨。當受眾被算法引入迷途，夸大算法推送新聞的出奇制勝，就將網絡研究推向貽害無窮的懸崖。

三、創建新聞算法推薦的科學機制

新聞推薦算法一旦“價值缺失、制造信息繭房、競爭手段無底線”[6]，無窮無盡的消極信息就把著迷的用戶搞得暈頭轉向和筋疲力盡。正如許多美國用戶批評“臉書”消磨人們的心智時所說的：“該公司的產品利用人類心理上的脆弱性，將人們吸引到社交媒體上，劫持他們的時間和注意力，正在破壞他們的安寧和幸福。”[7]消除這類流弊，隻能建立一套科學機制，而不是拋棄信息計算技術。如果資訊平台設立信息安全警戒，平穩、適度、科學地運用推薦算法，就能防止新聞推薦的失算和風險。

舊的新聞分發算法，大多基於用戶的使用習慣，預測用戶感興趣的信息和話題。由於計算數據的大體量（用戶數以億萬計），根據點擊率、閱讀時間、評論和轉發量做出的評估和內容標配，不可能完全“對號入座”。當把個性偏好列為推薦的首要標准，黃色媚俗的內容贏得千百萬受眾的點擊，就不足為怪了。

無論美國的“臉書”還是我國的“今日頭條”，已經意識到以往算法推薦的紕漏和失策，正著手改進算法的指標和運作程序。從2018年開始，國內外的資訊平台和移動客戶端都在揚棄舊的算法，開創和完善新的推薦體系。Facebook的CEO馬克•扎克伯格（Mark Zuckerberg）說：“我正在改變我們的產品目標，從幫助你找到相關內容到來幫助你找到更有意義的社會互動。”“我們將讓‘臉書’的20多億用戶在社交網絡上花更少的時間，包括觀看視頻。”[8]我國的“今日頭條”也在嘗試建立算法推薦的科學機制，修正以往僵化的推薦模型參數，把社會責任擺在首位，嚴格防范發出政治錯誤和虛假信息，加強對推薦內容的多次審核。

這種科學機制，首先要把內容的積極意義和知識性列為第一指標，把有關公共利益的重要新聞給予更大流量，把事關全局的重要新聞匹配給所有用戶。社會政策、國內外大事、人民生活狀況、社會各種正能量和重大事故，應成為各大資訊平台推薦的重頭新聞。將其編制為特定的計算標簽分發給廣大用戶，拒絕受閱的用戶是極少數的，關鍵在於文字稿與視頻要制作得有聲有色、准確生動，增強正面新聞的吸引力和感染力。

所有分發內容都要通過風險模型過濾，經過2-3次風險審核后才能進入推薦程序。當出現十多個用戶的批評反饋或負面信息舉報時，網站還須即刻對信息進行復審，如果確認分發了錯誤或不當的信息，應立即直接下架。對信息當事人造成侵權或涉及違法內容的信息，直接責任人將受到應有的處罰，直至接受法律訴訟。這類保証內容安全的健全機制，成為內容配送的嚴格要求。

與新聞內容相匹配，計算新聞的熱度，把熱點新聞作為算法推薦的重要指標，是優化新聞推薦的重要機制。當一則新聞不斷被用戶點擊、閱覽、下載、轉發，有更多的用戶給予正面點評，標志著新聞熱度持續升溫。這樣的新聞具有極高的價值，可向全體用戶推薦。按照新聞類別確定新聞熱度，沿用個性分發的方式向習慣性受眾推薦，比如重要體育新聞要向喜歡體育信息的用戶推薦，重大科學發現和發明的新聞要向科技專業人士推薦，個性化新聞推薦既要堅持內容積極有益的標准，又要滿足受眾差異化的需要。

用戶中總有些人喜歡娛樂和奇聞異趣，對公共事務不感興趣。對這樣的用戶除給他們發送全局性的重要新聞外，還需滿足他們的特定取向，及時給他們分發興味濃厚、幽默雋永而沒有精神危害的軟新聞。但要擬定標簽敏銳和用戶特征鮮明的算法模式，竭力防止低俗暴力、聳人聽聞和荒淫糜爛的信息暗度陳倉。在對正面信息制定加權標志的同時，設置刪除荒誕淫穢、標題黨興風作浪的信息標簽，及時實施有效的干預手段。如果新聞推薦的計算程序具備以上這些嚴密的機制，信息推送的安全性將得到有效保障。

四、傳統媒體的智能化創新

算法新聞不是網絡平台的專利，而是所有傳媒絕處逢生的一場革命，傳統媒體不能置身度外。運用計算機運作程序，把自動化新聞轉化為報刊和廣播電視新聞，雖比網絡慢了半步，但比人工操作要快千百倍。報紙在晚間編排和完成印刷，實際上壓縮了信息發生和傳播的時空，第二天早上讀報，讀者絲毫不會有新聞姍姍來遲之虞。

報紙把新聞寫作完全交給機器，由機器將數據轉換為新聞文本，快速選擇讀者急需知道的新聞，按照重要程度排列出版面順序，構成新聞的整體推送。在算法程序（Algorithmic program）的引領下，保障新聞內容的精准度和可靠性，傳統媒體新聞算法的大體量選擇和高效優勢就凸顯了出來。“自動新聞產生於電腦程序判斷，正在挑戰新聞工作者的職業判斷，因為人的主體性容易犯錯誤。電腦程序判斷與新聞工作者的職業判斷不同，它在本質上是客觀的，它的內容都來自實際和現實，將冰釋人工編寫的主觀成分，比人的自主判斷更有合法性。”[9]

國外廣播電視正在謀劃由機器人主持各類新聞節目，男女機器人擔任新聞主播。它們不僅擁有人工智能的對話系統，而且伴有豐富適度的面部表情，聲音也更加動聽、圓潤。當機器人坐上播音台，會對廣大公眾產生極大的吸引力，擬人化的情感交互將產生卓爾不群的視聽效果。雖然我們並不一味追求機器人主持節目，但當廣播電視台找不到受眾滿意的、理想的播音員和主持人時，天生麗質、足智多謀的機器人播報新聞，將成為首選。

人工智能具有機敏思考、廣攬縱判的思維功能，新聞將伴隨心智的頓悟，隨時打開受眾的心靈窗戶。這一切不能僅僅依賴機器的算法，新聞現場畫面的人工採集，文字稿的編輯把關、加工和潤色，都將有決定的意義。

也就是說，當傳統媒體實現新聞寫作的智能化，原來的記者編輯並沒有如釋重負，他們將承擔更重要的任務。第一，掌握智能新聞的導引技術，每個人都要精通新聞模板的編程方法與技巧，成為熟練運用自動化新聞程序的新聞工作者隊伍中的一員。第二，新聞計算程序對於那些定時定點發生的新聞（比如新聞發布會），不能現場採訪，隻能由記者人工完成。他們每天帶上“微型傳感器”(sensor)到處抓拍突發事件和各種要聞的現場畫面。記者攜帶智能視聽工具和穿戴式搜索器，“對周圍環境的監測極其靈敏，加上與衛星傳感器和定位裝置的信息交互，對全球各地發生的事件盡收無余”[10]，及時給編輯部傳來最新的事件動態。第三，編輯不再是單純的文字與圖像的一般處理者，而是自動新聞文本的把關人和修補者，他們以職業的洞察力和核心價值觀，選好每一篇新聞，維護具有強大凝聚力和引領力的社會主義意識形態。在文字上，編輯們把自動生成的新聞文本錘煉得精妙入神、呼之欲出，新聞的思想性和意境遠遠超出網絡信息的粗俗。閱讀這樣的報紙是名副其實的精神享受，也是一種文化滋補，它的社會效益和經濟效益都將史無前例。

參考文獻：

[1]Rogers，Jr，Hartley (1987).Theory of Recursive Functions and Effective Computability. The MIT Press.57.

[2]Home Davinci Institute，”Robots are writing more news than you think”，ww.impactlab.net/2014/04/17/.

[3]J.Fauvel and J.Gray，“The History of Mathematics：A Reader”，The Open University，1987.

[4]Benedict Evans，“The death of the newsfeed”，Twitter，April 02，2018.

[5]宣言.不能讓算法決定內容[N].人民日報，2017-10-05.

[6]宣言.不能讓算法決定內容[N].人民日報，2017-10-05.

[7]Jessica Guynn，“Facebook's making a big change to your news feed”，USA TODAY，January 10，2018.

[8]Jessica Guynn，“Facebook's making a big change to your news feed”，USA TODAY，January 10，2018.

[9]M.Carlson，”Automating judgment Algorithmic judgment，news knowledge，and journalistic professionalism”，New Media & Society，(4)2017.

[10]劉建明.對智能新聞若干問題的釋疑[J].新聞愛好者，2017（11）.

（作者為清華大學新聞與傳播學院教授）

分享讓更多人看到