補(bǔ)償與缺憾：AI主播技術(shù)的冷思考

王億本 程思夢

AI主播憑借諸多優(yōu)勢逐漸被運(yùn)用于企業(yè)營銷、新聞傳播、教學(xué)實(shí)踐、直播帶貨、網(wǎng)絡(luò)游戲等多個(gè)領(lǐng)域，引發(fā)廣泛社會關(guān)注。AI主播能夠彌補(bǔ)傳統(tǒng)主播的一些局限性，具有補(bǔ)償性媒介特征。1979年，保羅·萊文森（Paul Levinson）在其博士論文《人類歷程回顧：一種媒介進(jìn)化理論》（Human Replay: A Theory of the Evolution of Media）中首次提出補(bǔ)償性媒介（Remedial Medium）的概念［1］。1984年，保羅·萊文森在《媒介進(jìn)化與理性對媒介決定論的鉗制》（Media Evolution and Rationality as Checks on Media Determinism）一文中再次提出“補(bǔ)救媒介的媒介”（media-remedial media）的觀點(diǎn)［2］。1988年，他在《思想無羈：技術(shù)時(shí)代的認(rèn)識論》中解釋，“任何一種媒介，都是一種補(bǔ)救措施，都是對過去的某一種媒介功能的補(bǔ)救和補(bǔ)償”［3］。補(bǔ)償性媒介理論表明，任何一種新媒介剛推出時(shí)只是相對完美，存在著未暴露的缺陷，強(qiáng)調(diào)媒介始終處于不斷進(jìn)化，滿足人類的新需求，同時(shí)產(chǎn)生新問題，再繼續(xù)探索解決路徑的過程。在AI主播熱的現(xiàn)實(shí)語境下，本文將探索AI主播作為新生媒介的補(bǔ)償功能及其依然存在的缺憾，為后續(xù)媒介技術(shù)演化及其研究提供參考。

一、研究緣起與文獻(xiàn)綜述

從英國PA New Media公司推出阿娜諾娃（Ananova），到以二次元形象出現(xiàn)的絆愛、科大訊飛攜手相芯科技打造了虛擬主持人“康曉輝”，再到東方衛(wèi)視主持天氣播報(bào)的虛擬主持人“小冰”、央視網(wǎng)絡(luò)春晚推出AI虛擬主持人團(tuán)隊(duì)、兩會期間新華社推出AI虛擬主播“新小萌”、人民日報(bào)推出AI虛擬主播“小晴”、央視“五四青年節(jié)”晚會推出AI虛擬主播“小靈”……國內(nèi)外AI主播的發(fā)展勢頭勢不可擋。AI主播從最初的單一模式、低水平應(yīng)用到不同場景的個(gè)性化定制、高仿真下的擬人化，再到現(xiàn)在的定制化生產(chǎn)、高質(zhì)量應(yīng)用、情感交互的發(fā)展過程。近年來，AI主播憑借技術(shù)優(yōu)勢豐富了電視節(jié)目形態(tài)，提高了節(jié)目制作效率，也重塑了內(nèi)容生產(chǎn)業(yè)務(wù)鏈。自2021年國家廣播電視總局在《廣播電視和網(wǎng)絡(luò)視聽“十四五”科技發(fā)展規(guī)劃》中提出推動虛擬主播廣泛應(yīng)用，提高制播效率和智能化水平。

技術(shù)革命也引發(fā)學(xué)界的關(guān)注，相關(guān)研究主要從以下兩個(gè)維度展開：

有研究者關(guān)注AI主播技術(shù)的先進(jìn)性。向子旭認(rèn)為AI主播的應(yīng)用豐富了節(jié)目形態(tài)、提高了節(jié)目制作效率、重塑內(nèi)容生產(chǎn)業(yè)務(wù)鏈［4］。AI主播是對傳統(tǒng)主播的一種有效補(bǔ)償，王可欣和史蒙蘇從現(xiàn)象層面解釋媒介補(bǔ)償機(jī)制，探討補(bǔ)償?shù)倪吔鐥l件、補(bǔ)償?shù)陌l(fā)生過程等［5］。

也有研究者聚焦AI主播技術(shù)的反思。喻國明等對于技術(shù)革命下身體的媒介化范式進(jìn)行技術(shù)反思，認(rèn)為未來媒介技術(shù)的發(fā)展邏輯會沿著身體媒介化的邏輯進(jìn)行迭代與創(chuàng)新，而人的主體性將面臨被身體性取代的趨向，甚至有可能成為技術(shù)浸潤的賽博人［6］。張莎莎認(rèn)為AI主播存在技術(shù)倫理、法律責(zé)任、職業(yè)沖擊等現(xiàn)實(shí)問題，應(yīng)當(dāng)建立完善的算法和數(shù)據(jù)監(jiān)管機(jī)制、明確AI主播的報(bào)道邊界以規(guī)避AI主播所帶來的倫理風(fēng)險(xiǎn)［7］。未來AI主播應(yīng)在明確目標(biāo)，完成清晰定位；推動應(yīng)用，形成粉絲社群；理清思路，重視文化創(chuàng)新等方面發(fā)力，以更好地演進(jìn)發(fā)展［8］。也有學(xué)者從補(bǔ)償性媒介角度探討AI主播對傳統(tǒng)的主持行業(yè)帶來的技術(shù)創(chuàng)新補(bǔ)償、情感賦能補(bǔ)償、個(gè)性類型補(bǔ)償?shù)确矫?，但是缺少對于AI主播技術(shù)演進(jìn)優(yōu)勢與缺陷的探討。

目前，AI主播的相關(guān)研究主要以樂觀的態(tài)度探索其技術(shù)補(bǔ)償優(yōu)勢，卻對目前技術(shù)補(bǔ)償?shù)木窒扌运伎疾粔?。因此，本文重點(diǎn)從補(bǔ)償性媒介理論視角探討AI主播對傳統(tǒng)主播的補(bǔ)償優(yōu)勢以及補(bǔ)償缺憾。

二、補(bǔ)償?shù)膬?yōu)勢：高效的感官平衡與精準(zhǔn)情感陪伴

萊文森指出，“面對面的傳播是一切傳播的起源”［9］。媒介進(jìn)化逐漸重現(xiàn)面對面?zhèn)鞑ヌ卣鳎瑵M足人的渴求和幻想并彌補(bǔ)失去的東西。早期媒介技術(shù)的發(fā)展只是對傳播進(jìn)行功能性的補(bǔ)償，但是新媒體的迭代發(fā)展不僅是在功能上對人感覺器官的簡單延伸，更是對受眾心理需求的補(bǔ)償。

（一）呈現(xiàn)更客觀的報(bào)道立場

以“事實(shí)—觀點(diǎn)”分離、免于偏見、尊重新聞事實(shí)為核心內(nèi)涵的客觀性被眾多媒體和新聞工作者奉為圭臬。但是大多數(shù)新聞工作者無法擺脫媒體立場以及新聞工作者個(gè)人的價(jià)值取向等諸多因素，難以保持客觀的報(bào)道立場。比如，2008年5月14日，中央電視臺新聞?lì)l道的主持人趙普在直播汶川大地震新聞時(shí)，眼含淚水，幾度哽咽，引發(fā)網(wǎng)友對其專業(yè)性的質(zhì)疑。同樣，9·11事件爆發(fā)24小時(shí)內(nèi)，美國三大廣播公司主播播報(bào)相關(guān)新聞時(shí)也有個(gè)人情感植入［10］。比較而言，AI主播在報(bào)道新聞事件時(shí)“根據(jù)事實(shí)來描寫事實(shí)”，而不是“根據(jù)希望來描寫事實(shí)”［11］，能夠向公眾提供客觀的新聞事實(shí)，以一種超然、公正、獨(dú)立的態(tài)度進(jìn)行新聞報(bào)道，避免個(gè)人情感植入，避免諸如種族歧視、性別歧視等問題，滿足受眾對新聞?wù)鎸?shí)性的需要。

（二）實(shí)現(xiàn)更廣泛的時(shí)空延展

相比傳統(tǒng)主播受到人體生理限制，AI主播在時(shí)間維度上的全時(shí)段工作和空間維度上的場景延伸，讓受眾可以更加多樣靈活地選擇和接收信息。

一方面，相較于傳統(tǒng)主播容易疲憊，有上下班時(shí)段限制，不能完全滿足受眾全時(shí)段信息服務(wù)需求，AI主播可以實(shí)現(xiàn)24小時(shí)不間斷直播，全天候內(nèi)容輸出，用戶接受信息不受時(shí)間和地點(diǎn)的限制。

另一方面，AI主播可以結(jié)合3D虛擬場景、AR、VR、MR等技術(shù)，實(shí)現(xiàn)新聞報(bào)道的場景延伸。先進(jìn)的虛擬現(xiàn)實(shí)技術(shù)不僅可以讓AI主播根據(jù)不同的主題和場合調(diào)整播報(bào)風(fēng)格和語氣，還可以“走出”演播廳，根據(jù)播報(bào)內(nèi)容搭配不同場景，讓受眾從視覺上感受新聞現(xiàn)場。

此外，AI主播能夠進(jìn)行多語種播報(bào)，依靠機(jī)器強(qiáng)大的翻譯能力進(jìn)行多語種語言翻譯，拓展國際傳播的時(shí)空范圍。

（三）提供更豐富的感官體驗(yàn)

面對面?zhèn)鞑ナ窃醯母泄倨胶鉅顟B(tài)。無論是傳統(tǒng)媒體時(shí)代還是新媒體時(shí)代，技術(shù)發(fā)展的最終目的在于實(shí)現(xiàn)感官平衡。從報(bào)紙到廣播再到電視，媒介技術(shù)演進(jìn)彌補(bǔ)了人類聽覺、視覺的缺失。在互聯(lián)網(wǎng)時(shí)代，人類通過媒介化補(bǔ)償豐富感官體驗(yàn)：表情包彌補(bǔ)了人類表情和身體語言受制于傳播中介的缺點(diǎn)，網(wǎng)絡(luò)直播技術(shù)為觀眾身體在場的時(shí)空限制提供了補(bǔ)償，讓主播和觀眾雙方的身體均可以視作是即時(shí)在場。這種對身體的媒介化補(bǔ)償本質(zhì)體現(xiàn)了人類對面對面?zhèn)鞑サ淖非螅磳τ谏眢w在場的追求。

而在新媒體時(shí)代，層出不窮的新技術(shù)雖然延伸了用戶對外部世界的感知，讓用戶感知信息的邊界不斷擴(kuò)大，但用戶信息獲取的中介化程度不斷加深，呈現(xiàn)出“離身性”的特點(diǎn)，個(gè)人和真實(shí)世界的距離越來越遠(yuǎn)。因此，人們試圖利用技術(shù)手段彌補(bǔ)真實(shí)身體離場的遺憾，通過營造虛擬現(xiàn)實(shí)實(shí)現(xiàn)人的“在場”。AI主播能夠代替受眾進(jìn)入情景，以虛擬身體的方式實(shí)現(xiàn)在場，通過大數(shù)據(jù)和智能技術(shù)打通多重空間，拉近受眾與外部世界的距離，將受眾的視聽感官延伸到自己無法前往的信息空間。從某種程度上來說，電視對現(xiàn)場的“再現(xiàn)”功能讓“物質(zhì)與傳播的分離”成為可能，AI主播的發(fā)展不僅拓寬了身體影像化的維度，還再次提升人類傳播活動的抽象能力，實(shí)現(xiàn)了“數(shù)字在場”［12］。

除此之外，AI主播通常會與其他新媒體技術(shù)結(jié)合起來，讓觀眾在觀看時(shí)全身心參與，形成更強(qiáng)的互動感。依靠AI主播的動態(tài)真人三維重建技術(shù)，并利用5G、3R、超高清視頻技術(shù)作為輔助，提升觀眾的聽覺和視覺感受，營造出更具有真實(shí)感的媒介環(huán)境。如新華社數(shù)字記者小諍作為全球首位太空記者，在空間站進(jìn)行“現(xiàn)場報(bào)道”，擺脫了現(xiàn)實(shí)空間的束縛，利用媒介算法給受眾帶來超越現(xiàn)實(shí)的空間力，以虛擬的手段進(jìn)入真實(shí)場景進(jìn)行內(nèi)容生產(chǎn)，給受眾帶來超越真實(shí)的觀感體驗(yàn)。

（四）營造更精準(zhǔn)的情感陪伴

媒介發(fā)展的動力來自社會需求，媒介補(bǔ)償研究也不應(yīng)止步于對現(xiàn)象的描述和解釋。AI主播不僅在外形、語種、音色、背景等方面都可以根據(jù)受眾不同喜好和需求進(jìn)行變化，還可通過智能算法、大數(shù)據(jù)分析等人工智能技術(shù)，為用戶精準(zhǔn)畫像，并進(jìn)行個(gè)性化分析，與用戶建立專屬的情感陪伴，使之成為用戶信任的、依賴的、有影響力的智能主體［13］。

老年化社會應(yīng)重視老年人的需求，他們離開工作崗位后，可能感到孤獨(dú)、被拋棄，對心理健康造成影響。國外有機(jī)構(gòu)制作為獨(dú)居老年人提供非面對面服務(wù)的虛擬人，可以和獨(dú)居老人進(jìn)行互動。也有醫(yī)療機(jī)構(gòu)開發(fā)具有醫(yī)療保健和陪伴功能的虛擬人陪伴老人，可以實(shí)時(shí)監(jiān)測和記錄老年人的身體狀況，還可以陪伴老人，減少孤獨(dú)感。殘障人士和兒童也需要陪伴，AI主播對于弱勢群體的陪伴和情感補(bǔ)償可以幫助他們更好地適應(yīng)社會。

三、補(bǔ)償?shù)臒o奈：僵化的交流與偽個(gè)性化特征

喻國明、滕文強(qiáng)等指出媒介補(bǔ)償邏輯的實(shí)質(zhì)是“揚(yáng)棄”，從而得出未來媒介要堅(jiān)持“以人為本”的底層邏輯進(jìn)行媒介互動［14］。新媒介勢必在某些方面要領(lǐng)先于舊媒介，但它在其他方面可能是落后于舊媒介的。同理，AI主播在信息傳播與情感陪伴方面具有優(yōu)勢，但也無法突破技術(shù)既有的缺陷。

（一）機(jī)械的言語表達(dá)

雖然AI主播在形象和音色上都有了極大的改進(jìn)，但仍然無法與真人主播相比。在人類說話的過程中，語流音變的存在讓相鄰的語音音節(jié)通常會互相影響，比如元音的位置和發(fā)音方式等，這種變化會增加語言的表現(xiàn)力和節(jié)奏感。而AI主播在播報(bào)過程中大部分都是多音節(jié)詞語的無變化持續(xù)輸出，語流音變不足，導(dǎo)致言語表達(dá)顯得僵化。

其次，真人主播播報(bào)信息時(shí)，會根據(jù)相關(guān)語句的語法和含義選擇語音停頓的位置。這種停頓往往是說話者為了強(qiáng)調(diào)某個(gè)語意，或表達(dá)某種感情，在詞語或句子之間所作的停頓，能引起聽者的聯(lián)想，進(jìn)而使雙方產(chǎn)生共鳴。如果在播報(bào)時(shí)停頓出現(xiàn)錯(cuò)誤，就會引起語義的改變，造成語義混淆。

同時(shí)，重音也是人與人溝通過程中準(zhǔn)確表達(dá)不可缺少的方式。重音的使用方式有兩種：一是語法重音，這是按照句法結(jié)構(gòu)特點(diǎn)說出的重音，一般沒有特殊用意；二是強(qiáng)調(diào)重音，是為了突出某個(gè)語意，或表達(dá)某種強(qiáng)烈情感，將句中某些詞語音量加大。比如新聞聯(lián)播在報(bào)道“巫溪縣茶山村是重慶市最偏遠(yuǎn)的地區(qū)，也是脫貧攻堅(jiān)中最難啃的硬骨頭”時(shí)，主持人加重了兩個(gè)“最”字的讀音，突出反映了脫貧攻堅(jiān)的偉大成就，實(shí)現(xiàn)稿件“目的”展現(xiàn)的最大化。AI主播不能理解脫貧攻堅(jiān)的艱難，在讀稿時(shí)會顯得過于平淡，無法喚起受眾的共情。

在AI主播進(jìn)行新聞播報(bào)中，無論是語音變化、語音停頓還是重音的選擇都遠(yuǎn)不如真人主播言語表達(dá)來得自然生動。究其根本還是AI主播未能把握內(nèi)容的深層含義，不能感受現(xiàn)場語境，僅停留在傳遞表層意義階段。

（二）僵化的非言語交流

心理學(xué)教授艾伯特·麥拉賓（Albert Mehrabian）研究發(fā)現(xiàn)：在人們交流過程中，55%的信息是通過視覺傳達(dá)的，如手勢、表情、外表、裝扮、肢體語言、儀態(tài)等等；38%的信息是通過聽覺傳達(dá)，如說話的語調(diào)、聲音的抑揚(yáng)頓挫等等；剩下只有7%來自語言表達(dá)。通過麥拉賓法則，非言語交際的重要性可見一斑。與傳統(tǒng)主播比較，AI主播具有零失誤、不間斷、海量信息儲備以及多語種播報(bào)等優(yōu)勢，但在神態(tài)、肢體語言等非言語交流方面存在不足。從只有頭部動畫、表情也略顯僵硬的2D虛擬人物阿娜諾娃（Ananova）到3D形象、語音、動作、表情上都有很大進(jìn)步的絆愛（Kizunaai），從利用虛擬形象生成技術(shù)制作的高度擬人化的“康曉輝”，再到通過情緒仿真引擎，為其賦予了如同真人情感表情，其形象氣質(zhì)、語音語調(diào)、口唇表情、肢體動作跟真人的相似度達(dá)到97%的“時(shí)間小妮”［15］，AI主播無論是面部表情還是肢體動作雖然已經(jīng)盡可能的擬人化，但是還做不到完全等同于真人主持人，只做到了“形似”并沒有達(dá)到“神似”。AI主播技術(shù)試圖還原人際交流效果，讓其更具有真人主持人的“神韻”，非言語交際的不足仍需繼續(xù)技術(shù)補(bǔ)償。目前，AI主播表情缺少變化，語氣語調(diào)靈活不高，手勢不夠協(xié)調(diào)，體態(tài)語比較呆板，總體非言語交流能力明顯不及言語交際能力。

（三）虛擬的偽個(gè)性化特征

AI主播人格包括兩個(gè)層面：一個(gè)是形象和聲音的類人層面，另一個(gè)是個(gè)性化層面，即不僅擁有解決問題的能力和智慧，而且可以形成自己獨(dú)特的個(gè)性［16］。目前，AI主播仍然缺乏真正的個(gè)性化特征。比如：情感豐富、有些冒失、天然呆、比較內(nèi)向的洛天依，多才多藝、傲嬌、容易嫉妒、可愛、喜歡自夸的小冰，性格溫和、喜歡音樂的吃貨赫茲，活潑可愛、自信心膨脹、喜歡吐槽的絆愛……隨著人工智能技術(shù)進(jìn)步，AI主播越來越被賦予了具有人類自然屬性和生命屬性的人格，也開始具備情緒表達(dá)、邏輯推理等更高層次的人類特征［17］。但是這些看起來具有個(gè)性化、風(fēng)格不一的人格設(shè)計(jì)，只是情感計(jì)算框架和智能編排的“系統(tǒng)”運(yùn)行下的一串串代碼，其技術(shù)設(shè)置的載體即AI主播帶給受眾的是互動的假象［18］，由技術(shù)帶來的偽個(gè)性化，缺乏真人主播具備的人格魅力。

（四）初級的智能傳播

當(dāng)前，AI主播對信息處理能力有限，對信息進(jìn)行編碼、儲存和檢索能力有限，其智能特征仍有待完善，僅能夠傳遞表層意義，缺乏情感基調(diào)變化，難以表達(dá)言語深意。AI主播的創(chuàng)作過程是機(jī)械化、程序式的，其與觀眾的實(shí)時(shí)互動受到限制，難以實(shí)現(xiàn)真正的情感互動，缺乏人類的情感深度和復(fù)雜性。

四、AI主播進(jìn)化的下半場：“玩具—鏡子—藝術(shù)”的持續(xù)補(bǔ)償

保羅·萊文森認(rèn)為媒介技術(shù)的應(yīng)用一般會經(jīng)歷“玩具—鏡子—藝術(shù)”三個(gè)階段。目前AI主播擁有諸多優(yōu)勢，但仍然以簡單的“玩具”功能為主，能否進(jìn)化為復(fù)刻現(xiàn)實(shí)的“鏡子”，甚至更具有創(chuàng)意性的“藝術(shù)”手段，還有待技術(shù)的繼續(xù)進(jìn)步。那么AI主播補(bǔ)償?shù)膮⒄瘴锸鞘裁?？補(bǔ)償?shù)哪繕?biāo)是什么？

第一，AI主播補(bǔ)償?shù)膮⒄瘴锸鞘裁?？前文已述，“面對面的傳播是一切傳播的起源”?9］，當(dāng)前媒介朝著重現(xiàn)面對面?zhèn)鞑ヌ卣鞯姆较蜓葸M(jìn)。鑒于此，AI主播補(bǔ)償?shù)膮⒄瘴锸钦嫒酥鞑サ南嚓P(guān)特征，包括鮮活的非言語傳播、真實(shí)的傳播個(gè)性等。

第二，AI主播補(bǔ)償?shù)哪繕?biāo)是什么？AI主播具有較明顯技術(shù)優(yōu)勢，但仍有待優(yōu)化，“一種媒介與現(xiàn)實(shí)世界是否契合，關(guān)鍵在于重現(xiàn)現(xiàn)實(shí)世界環(huán)境的精準(zhǔn)度如何，而非范圍大小”［20］。當(dāng)然，誠如萊文森所強(qiáng)調(diào)的，人性化趨勢不僅是再現(xiàn)前技術(shù)環(huán)境，還要超越原來的生物局限［21］。AI主播補(bǔ)償?shù)哪繕?biāo)是，“繼續(xù)不斷地復(fù)制人類傳播的自然模式，繼續(xù)跨越時(shí)空的演化”［22］。AI主播可以復(fù)制真人主播的諸多優(yōu)勢，并超越真人主播的生理局限性。比如，更廣泛的時(shí)空延展、更客觀的報(bào)道立場、更豐富的感官體驗(yàn)等，這些也是AI主播技術(shù)補(bǔ)償?shù)哪繕?biāo)。

第三，作為“玩具”的AI主播，其技術(shù)補(bǔ)償有待優(yōu)化。盡管AI主播可以突破時(shí)空限制，全天候服務(wù)受眾。但難以擺脫自身的生硬和機(jī)械感，未能傳達(dá)新聞應(yīng)有的溫度，也難以與觀眾形成情感共鳴。未來AI主播應(yīng)朝著人性化趨勢發(fā)展，補(bǔ)償自主學(xué)習(xí)、場景理解和情感識別等能力。

第四，作為“鏡子”與“藝術(shù)”的AI主播，其應(yīng)用領(lǐng)域有待拓展。如金融服務(wù)、醫(yī)療陪伴、政務(wù)服務(wù)等，“24×7”不間斷的精準(zhǔn)服務(wù)將成為現(xiàn)實(shí)。

綜上，基于補(bǔ)償性媒介理論，我們既要厘清AI主播的技術(shù)優(yōu)勢，又要審慎思考AI主播技術(shù)的局限性。我們要合理利用AI主播技術(shù)優(yōu)勢服務(wù)人類社會，并積極探索AI主播技術(shù)短板的應(yīng)對路徑。