智能技術(shù)對(duì)新聞分發(fā)模式的重構(gòu)探究

蔡倬逸

摘?要：智能技術(shù)可以更好地分析傳播行為、測(cè)量傳播效果，從而優(yōu)化傳播方式、促進(jìn)傳播過(guò)程。深度學(xué)習(xí)、機(jī)器深度學(xué)習(xí)、5G通訊網(wǎng)絡(luò)等這些智能技術(shù)都推動(dòng)著新聞分發(fā)向更加智能化的方向發(fā)展。本文首先通過(guò)梳理新聞分發(fā)模式的歷史演進(jìn)，對(duì)新聞分發(fā)模式做出規(guī)律式總結(jié)。其次在分析智能技術(shù)對(duì)新聞分發(fā)模式提供的三大新動(dòng)能之后，作出新聞分發(fā)模式還將在新的傳播環(huán)境下重構(gòu)的可能性預(yù)測(cè)。最后對(duì)新聞分發(fā)模式的發(fā)展策略提出更加人格化的建議。

關(guān)鍵詞：大數(shù)據(jù);機(jī)器學(xué)習(xí);物聯(lián)網(wǎng);智能分發(fā)

中圖分類(lèi)號(hào)：G206??文獻(xiàn)標(biāo)識(shí)碼：A?文章編號(hào)：1672-8122（2020）11-0043-04

在智能技術(shù)驅(qū)動(dòng)下，新聞生產(chǎn)發(fā)生了巨大變革。新聞分發(fā)模式呈現(xiàn)出從單一到多維發(fā)展的態(tài)勢(shì)，從編輯推薦再到算法推薦，通過(guò)多元化的分發(fā)渠道，將新聞內(nèi)容分發(fā)給受眾。目前，形成的傳播效果較好的互聯(lián)網(wǎng)新聞分發(fā)模式之一，是由互聯(lián)網(wǎng)技術(shù)公司主導(dǎo)的算法推薦技術(shù)，且互聯(lián)網(wǎng)公司以此逐步占據(jù)分發(fā)渠道。以“今日頭條”的精準(zhǔn)分發(fā)算法為例，將各個(gè)媒體渠道所生產(chǎn)的新聞內(nèi)容聚合之后，再通過(guò)算法計(jì)算推送給受眾，此過(guò)程只對(duì)新聞內(nèi)容進(jìn)行分發(fā)而不自己生產(chǎn)新聞內(nèi)容。其逐漸成長(zhǎng)為擁有流量以及技術(shù)優(yōu)勢(shì)的互聯(lián)網(wǎng)公司，為專(zhuān)業(yè)內(nèi)容生產(chǎn)者提供快速、有效的內(nèi)容到達(dá)通道，隨后傳統(tǒng)專(zhuān)業(yè)媒體也逐漸迎合趨勢(shì)紛紛入駐平臺(tái)。隨著智能技術(shù)的快速發(fā)展以及相關(guān)智能基礎(chǔ)設(shè)施的落地，未來(lái)新聞分發(fā)模式還會(huì)做出進(jìn)一步改變。

一、新聞分發(fā)模式的歷史演進(jìn)

（一）單一型的傳統(tǒng)新聞分發(fā)模式

傳統(tǒng)的新聞分發(fā)是與新聞生產(chǎn)固定在一起的，是專(zhuān)業(yè)傳播機(jī)構(gòu)主導(dǎo)下完成的新聞生產(chǎn)最終環(huán)節(jié)。分發(fā)對(duì)象是廣泛的受眾，因此對(duì)于傳播機(jī)構(gòu)來(lái)說(shuō)，在單一的分發(fā)模式下，其不能夠明確自己的新聞具體傳播給了哪些受眾以及獲得了怎樣的傳播效果。傳統(tǒng)新聞生產(chǎn)相比新聞分發(fā)更加重視新聞內(nèi)容生產(chǎn)，因?yàn)樗鼈兙哂邢鄬?duì)固定的傳播渠道，其傳播路徑也相對(duì)單一，受眾只能被動(dòng)地接受其傳播的新聞內(nèi)容。

紙媒發(fā)行和傳輸便是一種典型的單一型傳統(tǒng)新聞分發(fā)模式之一。考慮到紙媒發(fā)行屬于勞動(dòng)密集型行業(yè)，它的內(nèi)容就局限為更符合大眾傳播特性的，較為完整、全面、符合大多數(shù)受眾需求的內(nèi)容，相對(duì)地，紙媒就必須放棄長(zhǎng)尾部分的少數(shù)受眾需求。據(jù)《中國(guó)產(chǎn)業(yè)信息網(wǎng)》統(tǒng)計(jì)，2011年起，報(bào)紙發(fā)行種數(shù)開(kāi)始連續(xù)小幅下降，2014年報(bào)紙總印數(shù)開(kāi)始下滑?？傮w看來(lái)，全國(guó)報(bào)紙整體平均銷(xiāo)量連續(xù)多年下滑，紙媒發(fā)行量萎縮，發(fā)行收入也隨之下降。單一型的傳統(tǒng)新聞分發(fā)模式，一方面無(wú)法支撐自身經(jīng)營(yíng);另一方面無(wú)法再滿足被互聯(lián)網(wǎng)改變獲取新聞信息習(xí)慣的受眾需求，同時(shí)這兩方面也造成了惡性循環(huán)。紙媒發(fā)行主要靠?jī)煞矫妫毫闶酆陀嗛啠@兩方面都在網(wǎng)絡(luò)媒體的快速發(fā)展下受到嚴(yán)重沖擊。線下交易移植到了線上，原本的零售點(diǎn)——報(bào)刊、書(shū)店，變成了現(xiàn)在的各類(lèi)移動(dòng)終端手機(jī)應(yīng)用;訂閱靠的是憑借固定媒介印象所獲得的忠實(shí)受眾，而這部分受眾的注意力也大部分被各類(lèi)網(wǎng)絡(luò)媒體發(fā)布的碎片化信息所轉(zhuǎn)移，此外，不能及時(shí)獲取到真實(shí)準(zhǔn)確的用戶(hù)反饋，以及紙媒擁有較長(zhǎng)的生產(chǎn)周期，都讓訂閱人群逐漸流失[1]。

一些傳統(tǒng)媒體開(kāi)始被迫轉(zhuǎn)型，編輯推薦型的新聞分發(fā)模式形成。傳統(tǒng)媒體將自己生產(chǎn)的內(nèi)容整合、匯總，通過(guò)專(zhuān)業(yè)新聞編輯的判斷力來(lái)對(duì)內(nèi)容進(jìn)行再次整合、加工，然后通過(guò)客戶(hù)端分發(fā)到網(wǎng)上。這種模式與傳統(tǒng)新聞分發(fā)模式相近，雖然網(wǎng)絡(luò)平臺(tái)擁有無(wú)限貨架以及更為豐富的內(nèi)容源，但由于效率低下、內(nèi)容失效，加上新媒體的沖擊，實(shí)際傳播效果依舊不理想。傳統(tǒng)媒體開(kāi)發(fā)的新聞客戶(hù)端的下載量、日活量普遍較低，一篇文章的評(píng)論量、點(diǎn)贊量、轉(zhuǎn)發(fā)量更是寥寥無(wú)幾。

（二） 多元化的互聯(lián)網(wǎng)新聞分發(fā)模式

互聯(lián)網(wǎng)時(shí)代影響著整個(gè)新聞媒體生態(tài)變革，帶來(lái)了新聞生產(chǎn)與新聞分發(fā)的隔離，網(wǎng)絡(luò)先后出現(xiàn)了各類(lèi)多元化的新聞分發(fā)模式。分發(fā)對(duì)象即是廣泛的大眾，但從中又做出了細(xì)分，同時(shí)照顧到了長(zhǎng)尾部分的小眾需求。分發(fā)主體也不再固定為某一專(zhuān)業(yè)的傳播機(jī)構(gòu)，而是由一個(gè)平臺(tái)將不同傳播機(jī)構(gòu)所生產(chǎn)的內(nèi)容分發(fā)給不同的用戶(hù)。當(dāng)業(yè)界產(chǎn)生了“內(nèi)容為王”還是“渠道為王”之爭(zhēng)時(shí)，足以看出新聞分發(fā)已經(jīng)獨(dú)立出來(lái)，成為和新聞內(nèi)容生產(chǎn)同樣重要的全新的一環(huán)。這樣的互聯(lián)網(wǎng)分發(fā)模式可以既不從事內(nèi)容生產(chǎn)也不從事內(nèi)容消費(fèi)，內(nèi)容生產(chǎn)由專(zhuān)業(yè)傳媒機(jī)構(gòu)完成，內(nèi)容消費(fèi)由用戶(hù)完成。

互聯(lián)網(wǎng)分發(fā)的三大前提是：用戶(hù)數(shù)據(jù)、海量?jī)?nèi)容和算法推薦。當(dāng)互聯(lián)網(wǎng)分發(fā)平臺(tái)獲取了足夠規(guī)模的用戶(hù)數(shù)據(jù)，便可以進(jìn)行用戶(hù)畫(huà)像、用戶(hù)分群、模型建構(gòu)，同時(shí)協(xié)同過(guò)濾內(nèi)容平臺(tái)，來(lái)打通資源之間的通道。之后將海量?jī)?nèi)容進(jìn)行精準(zhǔn)分發(fā)匹配，從而獲得用戶(hù)黏性，進(jìn)一步補(bǔ)充用戶(hù)數(shù)據(jù)的完整性，實(shí)現(xiàn)數(shù)據(jù)利用、增值、變現(xiàn)的可能。通過(guò)算法向用戶(hù)開(kāi)放的內(nèi)容推薦，將進(jìn)一步實(shí)現(xiàn)上述環(huán)節(jié)效果的精準(zhǔn)化、智能化，促進(jìn)新一輪的新聞消費(fèi)。

現(xiàn)在的互聯(lián)網(wǎng)分發(fā)平臺(tái)呈現(xiàn)出多元化的特點(diǎn)：有通過(guò)搜索技術(shù)形成的自動(dòng)化內(nèi)容分發(fā)平臺(tái)、有通過(guò)社交網(wǎng)絡(luò)形成的UGC內(nèi)容分發(fā)平臺(tái)、有通過(guò)提供服務(wù)形成的個(gè)性化內(nèi)容分發(fā)平臺(tái)等，它們的核心價(jià)值都是為了完成新聞內(nèi)容和新聞消費(fèi)者之間更加精準(zhǔn)和更加高效的對(duì)接。但不容忽視的是，新聞分發(fā)是把關(guān)者決定什么樣的新聞信息，在什么樣的場(chǎng)景下給到什么樣的用戶(hù)。在傳統(tǒng)媒體時(shí)代，把關(guān)者是專(zhuān)業(yè)的新聞編輯，而在互聯(lián)網(wǎng)分發(fā)環(huán)節(jié)中，這個(gè)把關(guān)者變成了機(jī)器或者稱(chēng)之為一套程序，因此便產(chǎn)生了關(guān)于“信息繭房”“算法偏見(jiàn)”“新聞倫理”等一系列的爭(zhēng)論[2]。

二、智能技術(shù)賦予新聞分發(fā)環(huán)節(jié)新動(dòng)能

（一）大數(shù)據(jù)持續(xù)性的基礎(chǔ)賦能

大數(shù)據(jù)是媒體生存與發(fā)展的基石，也是新聞分發(fā)重構(gòu)的基礎(chǔ)。大數(shù)據(jù)不僅影響著整個(gè)新聞生態(tài)，更是滲透到了人們的生活中，在企業(yè)管理、社區(qū)管理、經(jīng)濟(jì)指導(dǎo)、城市運(yùn)營(yíng)以及行業(yè)監(jiān)控等領(lǐng)域也應(yīng)用廣泛，人們的生活數(shù)據(jù)化，且被數(shù)據(jù)連接，有了線下移植到線上的趨勢(shì)。鮑德里亞曾對(duì)麥克盧漢的“媒介即延伸”作出補(bǔ)充研究，其指出：未來(lái)隨著信息中介的消失，一種真實(shí)到另一種真實(shí)的中介不復(fù)存在，媒體效果將出現(xiàn)一種自我圓滿。這意味著萬(wàn)物皆可能成為媒介，而媒介不僅承擔(dān)著媒介的職能。人們接觸到媒介的頻率將大大提升，而每一次接觸媒介的行為都會(huì)被監(jiān)測(cè)，被大數(shù)據(jù)技術(shù)所記錄與分析。

以“數(shù)據(jù)驅(qū)動(dòng)”核心的Buzzfeed為例，Buzzfeed是美國(guó)新聞聚合平臺(tái)，在全球有40個(gè)分發(fā)渠道、12個(gè)社交媒體、5個(gè)即時(shí)通訊，3個(gè)內(nèi)容合作伙伴、20個(gè)視頻“辛迪加”合作伙伴，其中80%的流量都來(lái)自站外平臺(tái)。Buzzfeed的新聞分發(fā)利用了兩個(gè)系統(tǒng)：網(wǎng)絡(luò)傳播監(jiān)控優(yōu)化系統(tǒng)和內(nèi)容管理系統(tǒng)，這兩個(gè)系統(tǒng)全由大數(shù)據(jù)技術(shù)所支撐。網(wǎng)絡(luò)傳播監(jiān)控優(yōu)化系統(tǒng)通過(guò)捕捉新聞的傳播路徑，一方面把用戶(hù)數(shù)據(jù)做成可視化的傳播路徑圖，另一方面為后續(xù)數(shù)據(jù)分析做支撐。如捕捉到用戶(hù)將獲取到的信息分享到社交媒體，再由社交媒體的其他用戶(hù)分享的傳播路徑，這樣不僅可以了解用戶(hù)的基本信息還可以了解到用戶(hù)的社交關(guān)系，用于之后更精準(zhǔn)的新聞分發(fā);內(nèi)容管理系統(tǒng)是將同一條新聞在不同渠道的不同形式匹配同一個(gè)ID來(lái)進(jìn)行識(shí)別和管理，這樣就可以知道新聞內(nèi)容之間的相關(guān)性，甚至可以了解到新聞與受眾之間的聯(lián)系。

大數(shù)據(jù)提供持續(xù)性的基礎(chǔ)賦能，隨著智能技術(shù)的不斷發(fā)展，不僅可以提升大數(shù)據(jù)的傳輸能力，還能不斷擴(kuò)大大數(shù)據(jù)的網(wǎng)絡(luò)存儲(chǔ)空間。未來(lái)隨著其他智能基礎(chǔ)設(shè)施的落地，大數(shù)據(jù)連接網(wǎng)將更好地為新聞分發(fā)提供無(wú)限動(dòng)力。

（二）機(jī)器深度學(xué)習(xí)的智能化賦能

算法的運(yùn)行過(guò)程是通過(guò)對(duì)用戶(hù)數(shù)據(jù)的獲取、篩選、分析、闡釋等一系列工作，本質(zhì)上講是按照既定的程序輸入數(shù)據(jù)再輸出結(jié)果，這個(gè)結(jié)果本身應(yīng)該是比人工把關(guān)要更加公正的。但是數(shù)據(jù)作為這一過(guò)程自始至終最重要的生產(chǎn)要素，它本身帶有用戶(hù)的主觀性。除此之外，算法本身是模擬人腦進(jìn)行運(yùn)算，程序員在設(shè)計(jì)算法時(shí)，對(duì)算法法則、數(shù)據(jù)選擇、結(jié)果輸出、價(jià)值判斷等都會(huì)帶有自己的主觀偏見(jiàn)。因此，最終用戶(hù)收到的算法推薦是與自己既定三觀相符的新聞內(nèi)容。算法本身是技術(shù)革命下可以降低誤差、提升精準(zhǔn)且優(yōu)化資源的工具，且個(gè)性化推薦引擎和算法時(shí)代對(duì)社會(huì)的多層面改造是不可逆的，怎樣賦予技術(shù)正向的價(jià)值是下一步算法推薦技術(shù)需要發(fā)展進(jìn)步的方向。

除了最大限度地模擬人腦，機(jī)器的深度學(xué)習(xí)還應(yīng)該判斷行為的正向與負(fù)向。如微軟開(kāi)發(fā)的人機(jī)交互算法應(yīng)用——Tay，通過(guò)登陸Twitter觀察用戶(hù)的基本信息、興趣愛(ài)好、情感動(dòng)態(tài)等多維數(shù)據(jù)與用戶(hù)進(jìn)行互動(dòng)，但上線不到24小時(shí)，就因?yàn)槟M學(xué)習(xí)人的行為，變得言談低俗甚至發(fā)表各種歧視偏見(jiàn)的觀點(diǎn)。這是因?yàn)闄C(jī)器還不能對(duì)用戶(hù)輸入給它的數(shù)據(jù)做出判斷。算法通過(guò)與人類(lèi)的互動(dòng)不斷深度學(xué)習(xí)，提升自己與人類(lèi)更良好的互動(dòng)，但不能完全只是真實(shí)世界的客觀反映[3]。

（三） 物聯(lián)網(wǎng)的場(chǎng)景化賦能

物聯(lián)網(wǎng)是1995年比爾·蓋茨在《未來(lái)之路》中所提出的概念，基于信息傳感設(shè)備和互聯(lián)網(wǎng)技術(shù)的物聯(lián)網(wǎng)可以將現(xiàn)實(shí)世界與虛擬世界融合，傳播也將突破極限。物聯(lián)網(wǎng)提供數(shù)以百億計(jì)的新連接，是人聯(lián)網(wǎng)的幾十倍甚至幾百倍，具有更大的商業(yè)價(jià)值和市場(chǎng)潛力。再加上5G技術(shù)的助力，物聯(lián)網(wǎng)巨型生態(tài)系統(tǒng)形成，初步實(shí)現(xiàn)了萬(wàn)物皆媒、萬(wàn)物互聯(lián)。不僅擴(kuò)展了傳媒業(yè)的邊界，同時(shí)為新聞分發(fā)模式提供了新的可能。

萬(wàn)物皆媒，媒介形式將更加多元化，VR、AR、智能家居、便攜式智能識(shí)別等媒介形態(tài)被激活，媒介形態(tài)的豐富會(huì)讓用戶(hù)規(guī)模擴(kuò)大、連接更加通暢，生產(chǎn)方式也會(huì)更加多樣。新聞分發(fā)終端擴(kuò)散到生活場(chǎng)景的各個(gè)物體上。泛在化、生活化的新聞分發(fā)模式提供了更具人性化、個(gè)性化的推送服務(wù)，讓新聞內(nèi)容的分發(fā)符合用戶(hù)碎片化與生活化的場(chǎng)景。不僅生活中所有物品都可能帶有媒介屬性，成為新聞分發(fā)的新終端，未來(lái)各個(gè)信息系統(tǒng)都將打通，通過(guò)多種人機(jī)互動(dòng)方式，完成個(gè)性化新聞的實(shí)時(shí)分發(fā)。

三、新動(dòng)能下的新聞分發(fā)模式重構(gòu)

從傳統(tǒng)單一型的新聞分發(fā)模式到互聯(lián)網(wǎng)多元型的新聞分發(fā)模式，這其中還包括了編輯主導(dǎo)的信息匹配、搜索引擎主導(dǎo)的信息匹配、社交關(guān)系主導(dǎo)的信息匹配，這些至今仍在發(fā)揮著作用。從新聞分發(fā)模式的發(fā)展史可以看出，互聯(lián)網(wǎng)多元型的新聞分發(fā)模式是以不斷提高信息匹配的準(zhǔn)確度為目的，借助一系列技術(shù)手段，來(lái)完成特定語(yǔ)境下用戶(hù)與相應(yīng)內(nèi)容的最佳匹配。目前看來(lái)，算法推薦比之前的紙媒、搜索引擎、社交圈甚至更了解自己的需求，然后從各種選項(xiàng)中匹配出最優(yōu)信息推薦進(jìn)行推送，因此智能技術(shù)的發(fā)展還會(huì)繼續(xù)影響著新聞分發(fā)模式發(fā)生改變。

算法推薦實(shí)際上是依靠多終端以及流量實(shí)現(xiàn)的，而上述所提到的三大新動(dòng)能：大數(shù)據(jù)、機(jī)器深度學(xué)習(xí)、物聯(lián)網(wǎng)以及5G時(shí)代，將進(jìn)一步弱化用戶(hù)對(duì)終端的功能性需求，信息傳播的入口將不再是客戶(hù)端或者小程序的形式，而會(huì)向更輕量級(jí)的趨勢(shì)發(fā)展，且不再依靠流量而是更多依靠場(chǎng)景。以車(chē)載場(chǎng)景下的信息傳播為例，車(chē)載場(chǎng)景在時(shí)間、空間、位置等上皆不同于其它媒介傳播場(chǎng)景，當(dāng)智能技術(shù)保證了在高速駕駛條件下也能獲取流暢穩(wěn)定的網(wǎng)絡(luò)條件時(shí)，用戶(hù)對(duì)新聞信息的需求也會(huì)進(jìn)一步被激發(fā)。大數(shù)據(jù)技術(shù)為新聞媒體提供了適用于車(chē)載新媒體的算法工具，而車(chē)聯(lián)網(wǎng)需要提供一個(gè)巨大的兼容網(wǎng)絡(luò)供應(yīng)商、內(nèi)容提供商、服務(wù)運(yùn)營(yíng)商的人工智能技術(shù)集合載體作為用戶(hù)獲取新聞的“入口”。這樣一來(lái)，車(chē)載新聞的來(lái)源不再局限于傳統(tǒng)的新聞媒體機(jī)構(gòu)，各類(lèi)圖書(shū)、雜志、互聯(lián)網(wǎng)的各類(lèi)平臺(tái)內(nèi)容甚至是路況、天氣、周邊商業(yè)等信息都可以基于駕駛員或乘客的當(dāng)前狀態(tài)、當(dāng)前需求所推送[4]。

無(wú)論技術(shù)怎樣發(fā)展，用戶(hù)對(duì)新聞內(nèi)容的需求以及使用都是新聞傳播的重點(diǎn)，智能技術(shù)會(huì)以家庭、個(gè)人、車(chē)載等用戶(hù)使用場(chǎng)景為核心，不斷發(fā)展新的、符合用戶(hù)需求的新聞分發(fā)模式。與現(xiàn)在的新聞分發(fā)模式最大的不同就是未來(lái)的傳播環(huán)境促使萬(wàn)物都有了媒介職能，新傳播入口產(chǎn)生，每一個(gè)終端都具備網(wǎng)絡(luò)化、無(wú)線化、數(shù)據(jù)化和智能化的能力，新聞分發(fā)模式將變得更加精準(zhǔn)化與智能化。

四、智能分發(fā)的人格化發(fā)展可能

目前算法推薦型的新聞分發(fā)所推薦給用戶(hù)的，都是機(jī)器通過(guò)大數(shù)據(jù)來(lái)分析用戶(hù)的日常行為之后做出的判斷。當(dāng)用戶(hù)所做出的行為都是基于自己的興趣愛(ài)好時(shí)，那么算法推薦就具有用戶(hù)主導(dǎo)性和個(gè)體主觀性。長(zhǎng)期進(jìn)行這種過(guò)度的個(gè)人日?qǐng)?bào)式信息選擇，就喪失了接觸不同信息的機(jī)會(huì)，甚至變得不愿意去了解與自己既定認(rèn)知不同的觀點(diǎn)，形成了業(yè)界擔(dān)憂議論的“信息繭房”效應(yīng)[5]。實(shí)際上，不僅是業(yè)界擔(dān)憂，算法主導(dǎo)的互聯(lián)網(wǎng)分發(fā)模式已經(jīng)引起了用戶(hù)的不良體驗(yàn)和反感。算法推薦型的新聞分發(fā)模式本身就是順應(yīng)互聯(lián)網(wǎng)環(huán)境，以滿足用戶(hù)需求為目的而產(chǎn)生的，因此，智能技術(shù)不僅繼續(xù)推動(dòng)新聞分發(fā)模式開(kāi)始新一輪的革新，還將向更人格化的方向發(fā)展。

新聞分發(fā)模式的重構(gòu)不僅是未來(lái)智能技術(shù)的快速發(fā)展所致，還是前期智能技術(shù)所積累沉淀下的必然結(jié)果?；ヂ?lián)網(wǎng)的上半場(chǎng)，以BAT為代表的互聯(lián)網(wǎng)公司以先進(jìn)的技術(shù)、強(qiáng)大的資本、敏銳的市場(chǎng)洞察能力構(gòu)建起了人際網(wǎng)絡(luò)、內(nèi)容網(wǎng)絡(luò)以及物聯(lián)網(wǎng)絡(luò)的基礎(chǔ)連接?；ヂ?lián)網(wǎng)的下半場(chǎng)，智能線上社會(huì)連接已經(jīng)基本建立，互聯(lián)網(wǎng)公司規(guī)模經(jīng)濟(jì)接近臨界點(diǎn)，未來(lái)發(fā)展方向是將自身技術(shù)促進(jìn)社會(huì)資源，在已有的連接平臺(tái)上走向新的發(fā)展階段。而擁有著文化傳承和傳遞主流價(jià)值觀職能的傳統(tǒng)主流媒體此時(shí)進(jìn)場(chǎng)，憑借著專(zhuān)業(yè)性、權(quán)威性以及歷史內(nèi)容的海量性，足以吸引目前流量池飽和的互聯(lián)網(wǎng)公司與之合作[6]。

新聞分發(fā)模式轉(zhuǎn)變方向之一就是人工編輯和智能算法推薦的結(jié)合。最具突出代表的是《人民日?qǐng)?bào)》新媒體推出的黨媒算法，這是《人民日?qǐng)?bào)》與百度在內(nèi)容層面、產(chǎn)品層面、技術(shù)層面深度合作的結(jié)果。百度擁有多年信息流搜索引擎所產(chǎn)生的大量用戶(hù)數(shù)據(jù)，而這是傳統(tǒng)媒體缺乏的;此外，黨媒算法是由AI技術(shù)領(lǐng)先的百度來(lái)提供技術(shù)支持所搭建的，很好地把共享式創(chuàng)作所帶來(lái)的內(nèi)容爆發(fā)轉(zhuǎn)化為海量?jī)?nèi)容優(yōu)勢(shì)。《人民日?qǐng)?bào)》的黨媒算法用主流價(jià)值觀疏解“信息繭房”帶來(lái)的焦慮，海量?jī)?nèi)容是算法推薦的前提之一，因?yàn)椤度嗣袢請(qǐng)?bào)》的加入，其作為把關(guān)人嚴(yán)格把控質(zhì)量，由此產(chǎn)生了海量?jī)?yōu)質(zhì)的內(nèi)容。用主流價(jià)值觀駕馭算法，實(shí)現(xiàn)海量?jī)?yōu)質(zhì)內(nèi)容與個(gè)性化需求的匹配。此外，《人民日?qǐng)?bào)》主導(dǎo)下的黨媒算法，其規(guī)則建立是嚴(yán)格符合社會(huì)責(zé)任的，為優(yōu)質(zhì)內(nèi)容提供重點(diǎn)推薦和分發(fā)服務(wù)，鼓勵(lì)內(nèi)容創(chuàng)新，同時(shí)保證內(nèi)容擁有正確輿論導(dǎo)向和正確價(jià)值取向，同時(shí)也對(duì)行業(yè)形成引領(lǐng)[7]。

五、結(jié)?語(yǔ)

新聞分發(fā)模式無(wú)論怎樣重構(gòu)，其目的只有一個(gè)，就是更好地了解待推薦的內(nèi)容、準(zhǔn)備推薦的對(duì)象以及如何更加高效地在內(nèi)容供給與用戶(hù)需求之間完成精準(zhǔn)匹配。通過(guò)智能技術(shù)全面了解用戶(hù)的目的，就是為了向他們提供個(gè)性化定制服務(wù)。在獲取大量人類(lèi)行為數(shù)據(jù)后，通過(guò)利用人工智能模擬人類(lèi)思維得以充分理解且尊重人性，從而更加精準(zhǔn)、高效、智能地匹配用戶(hù)需求。一切非智能分發(fā)的信息將成為傳播過(guò)程中的噪音，而通過(guò)智能技術(shù)實(shí)現(xiàn)的精準(zhǔn)新聞分發(fā)，減少了影響傳播者與被傳播者之間轉(zhuǎn)碼解碼出現(xiàn)的誤差。目前推薦引擎與匹配算法還不能完全解決“用戶(hù)真正需要什么”這個(gè)問(wèn)題，除此之外，每一次技術(shù)革命都會(huì)伴隨著關(guān)于技術(shù)帶來(lái)的弊端的討論?？偠灾磥?lái)人類(lèi)的新聞分發(fā)模式會(huì)像凱文·凱利在《必然》一書(shū)中所描繪的那樣：“只會(huì)遇到那些此時(shí)此刻與你完全匹配的事物”[8]。

參考文獻(xiàn)：

[1]謝新洲，張春銘.網(wǎng)絡(luò)環(huán)境下的圖書(shū)發(fā)行模式研究[J].出版科學(xué)，2005（6）：52-56.

[2]熊敏.內(nèi)容智能分發(fā)平臺(tái)對(duì)新聞傳播的價(jià)值創(chuàng)新分析——以“今日頭條”為例[J].編輯學(xué)刊，2017（2）：94-99.

[3]劉慶振，于進(jìn)，牛新全.計(jì)算傳播學(xué)——智能媒體時(shí)代的傳播學(xué)研究新范式[M].北京：人民日?qǐng)?bào)出版社，2019：200-205.

[4]郭全中.5G時(shí)代傳媒業(yè)的可能藍(lán)圖[J].現(xiàn)代傳播（中國(guó)傳媒大學(xué)學(xué)報(bào)），2019，41（7）：1-6.

[5]何慧敏.人工智能時(shí)代新聞內(nèi)容分發(fā)中的媒介倫理問(wèn)題研究[J].新媒體研究，2019，5（21）：4-8.

[6]喻國(guó)明.智媒時(shí)代：傳統(tǒng)媒體的市場(chǎng)機(jī)會(huì)與操作路線[J].傳媒，2019（4）：14-15.

[7]喻國(guó)明，耿曉夢(mèng).智能算法推薦：工具理性與價(jià)值適切——從技術(shù)邏輯的人文反思到價(jià)值適切的優(yōu)化之道[J].全球傳媒學(xué)刊，2018，5（4）：13-23.

[8]劉靜，陳紅艷.數(shù)字媒介傳播概論[M].北京：清華大學(xué)出版社，2019：17-21.

[責(zé)任編輯：楊楚珺]