AI+媒體，真相藏在四個問題里

來源：北京網民說

（本文約2000字，閱讀約需7分鐘）

當下，人工智能正在給新聞行業帶來一場翻天覆地的變化。這種演變的態勢，不僅再次驗證了人類文明傳播自古以來就遵循的基本原則，也呈現出新時代獨有的特性和麵貌。

媒體平台要普及，得等技術變得廣泛且易用

從技術角度看，媒體就像工業、金融等領域一樣，是個技術轉向產品應用的地方。很多人將媒體看作是並列於工業、消費、金融、軍事等領域的垂直應用領域。但很多技術在媒體領域不太好使，因為媒體信息太複雜，技術難以通用。無論是AR、區塊鏈還是前期的AI，跨界到媒體時都會遇到挑戰。

這個現象的問題在於，媒體其實不是相對專屬的場景，而是通用場景。要在媒體行業取得廣泛應用，技術需要先具備跨行業的通用能力。當Chatgpt向通用人工智能邁出一小步之後，自然而然地出現了媒體屬性。換句話說，由於新聞信息傳播構成了人類社會的基本核心需求，這一技術應用方式，與其他行業基於直線式發展的需求模式不同，無法從已知的應用場景預測或推導出所需的技術。而一旦新技術在媒體成功廣泛應用，現有的場景即刻隨之而變。

在這個從信息社會向智能社會發展的過程中，我們把現實世界里的東西都變成了數字。人們交流合作主要靠這些數字化的信息。而且，我們做決定的時候，智能技術也會像個人助手一樣幫忙，讓我們的選擇更聰明。

媒體傳播現在要做的事情很多：

把世界上的東西都數字化；

處理各種信息，找出有用的知識；

在虛擬和現實世界之間，以及人和機器之間建立聯繫。

所以，用在媒體傳播上的智能技術得能處理各種類型、各種場景的數據，還得能在各種渠道上都能用。

生成式大模型當前解決的問題不是生成

當前大模型火就火在生成（基於算法的數據輸入輸出），但越具有創作性的領域，生成結果和人工特別是高級人工對比落差越大。追求信息乃至AI產生思維及情感的生成，是否就是生成式大模型的最佳應用方案？

實際上，以大數據、大參數、大算力支撐的人工智能模型，本質上是在模仿人類的語言模式，學習的是人類精神世界加工過的信息，吸收的是人類總結出的知識，雖然可以自主生成內容，但由於不可解釋、不可複現、出現客觀性錯誤這些自身缺陷，讓當前大模型的生成能力無法可靠地用於生產力場景。

那麼，能否讓機器站在人類的肩膀上，在現有知識成果基礎上做相對簡單直接的計算和推理？答案是肯定的。大模型現有的推理能力，可以適用於理解人類指令，擴展人類意圖，鏈接解決問題所需的資源，為人類生成備選答案和內容素材。從目前媒體應用情況來看，AI蒐集並提煉數據信息相較於AIGC更為實用。多家企業推出的智能體運行數據也表明，AI檢索佔比遠高於內容生成。

從未來的視角來看，大模型為通向更加廣泛適用的人工智能領域開闢了一條新的道路。就是通過大模型對人類語言模式的掌握與理解，降低人工智能有望從理解人類語言模式逐步深化，進而掌握人類的方法論和思維模式。它不再僅僅依賴於人類語言來認識世界，而是能夠自主感知並理解這個世界。

同時，人工智能也將從作為人類的智能助手，轉變為能夠自主行動的智能實體，進而成為與人類共生的智能文明。

智能不足主要因為人工不夠

當前生成式大模型發展遇到了數據稀少與算力不足的問題，限制了智能水平的進一步提升，尤其是缺乏處理複雜問題和洞察關鍵信息所需的深度邏輯推理能力。根本原因在於，當前人工智能依然非常依賴人類原始數據和與人類的互動行為。

研究發現，用大模型生成的內容來訓練大模型會導致模型完全崩潰，智能水平急劇下降。要持續提高機器的智能水準，必須有持續的高質量人類原創內容進行訓練。

機器學習湧現智能，而機器自我學習之前首先要向人學習。而且這種學習是持續過程，不僅在於技術的探索發展階段，也延展至技術使用和運營階段。人機協同，將成為新聞信息生產的主場景。這個場景下，專業人士的主要職責將從「獨立思考」轉向通過提示工程技術促進人機之間的「協同思考」與合作。人工的價值在於，知道機器不知道的，並且以提示的方式告知機器，進而不斷修正、優化輸出結果。

媒體正從讓人只看到片面信息，轉向幫助人全面理解信息

上個世紀馬克盧漢提出的著名論斷「媒介是人的延伸」，既提前揭示了互聯網的媒介本質，也適用於人工智能時代。不太引人注目的是，馬克盧漢提出的「媒介分割人類」的理論，即技術對耳目喉舌的分別影響，形成了信息採集加工傳播的各自發展，打亂了我們原本全面認識事物的平衡。現在這種不平衡的最新表現就是，信息生產和傳播變得非常發達，導致信息太多了，而我們的大腦處理不過來，這就是信息過載。

事物發展有分有合。現在我們正合併信息存儲、表達、生產和傳播，形成了集報紙、電台、電視功能於一身的新全媒體。同時，智能計算幫我們處理信息，提高了信息生產的效率。

在這個過程中，技術不斷與人的生活融合。就像手機、耳機、相機等機器已經普及甚至寸步不離一樣，人工智能在信息生產和消費中也將成為人類最新的「機器器官」。

（作者係新華社媒體融合生產技術與系統國家重點實驗室原常務副主任）