ai格式编辑软件AI夺权，“备胎转正”的戏码，在媒体行业再次上演

AI夺权，“备胎转正”的戏码，在媒体市场重新再现。

5月份，微软宣布将辞职50名从事新闻报导筛选和策划的编辑，取代它们的正是尚未与那些人类编辑们一同工作了一段时间的AI编辑。

受此影响，英国新闻协会负责在MSN网站及微软Edge浏览器上维护其新闻主页的约27名编辑，被告知将在6月底被解雇。

虽然微软特别声明，此次裁员和新冠疫情大流行造成的新闻媒体的广告创收下滑，没有直接相关，但借助AI科技来增加新闻团队的人力费用则尚未是一个不争的事实了。

针对这种尴尬“中枪”的新闻编辑来说，曾经为人们提供各类新闻、筛选建议的AI算法推荐，竟然是这种一个“暗中磨刀”的心机AI。

在报道中，一位已经被辞退的编辑人员指出，完全用AI取代人工是有风险的，因为唯有人工编辑能够保证网站不会向客户显示暴力或不适度的内容。这针对AI来说，这确实会是一个难题，因为它更擅长推荐这些符合人性的内容，但却未能识别一些潜在的社会伦理风险。

其实，微软自从1995年启用MSN新闻业务以来已有25年的时间。现在在中国大约有800多名编辑一直在从事着新闻的筛选和推荐工作。未来微软的新闻团队一直都会以人工编辑和AI编辑一同协作的方法，只是AI取代人工编辑的态势可能在显著加快。

站在普通吃瓜群众的视角，我们也正被诸多新闻资讯、视频系统的算法推荐所支配，最明显的感受就是我们花费越来越多的时间在这些让我们“欲罢不能”的内容里面。

其实说，AI将在替代人类编辑的战斗中获得最终的胜利吗？我们从AI算法推荐的上位和争议中，来研究下AI算法与人工编辑推荐可能的胜负结果。

信息分发：从“人找信息”进入“信息找人”

“太阳上面无新事”。算法推荐，尽管并非近几年随着移动互联网内容应用的爆发才盛行，但其实质上一直也是人类进行信息分发的一种新方式，而我们对信息分发的需求自古就有了。

赫拉利在《人类简史》中提出一种智人种之所以战胜其它物种的新“假说”，那就是我们非常擅于“八卦”和“聊天”。“八卦”有助于让整个社群成立情感纽带，团结起来共进退，“聊天”有助于经验的传授ai格式编辑软件，外出的告诉村里人那里有危险，老猎人教会小猎人如何抓猎物。这就是最天然的信息的社交分发，极大提高了人类之间的协同效率和文明的再现。

然而我们经历了口耳相传的史诗，结绳记事、甲骨书法的符号记录，以及再上面的文章典籍；现代文明的昌盛得益于印刷术的不断更新，而到了近两百年左右，新闻杂志、图书出版、广播电视等崭新的信息分发媒介诞生，构成了当今社会的信息分发的基本版图。

互联网的出现又突破了信息分发的时空边界，让信息可以推动永远在线、全球同步的释放。不过传统互联网的信息传递仍然延续了物理世界的模式。比如，互联网早期盛行的门户网站和搜索引擎，就是借鉴了图书馆的目录分类和和百科全书的条目索引。

新闻资讯等信息的分发依赖权威化、中心化组织的收集和报道，用户的信息知识的获得依赖主动地浏览和筛查。

随着信息的爆炸式下降和他们信息消费的碎片化态势增长，“人找信息”的方法遭到了全新挑战。算法推荐和相应的内容分发的系统的发生，开启了借助人类通过机器算法推荐的方法进行“信息找人”的全新方式。

1995年，尼古拉·尼葛洛庞帝在《数字化生存》当中具有预言般的“我的日报”的看法，现在作为了现实。信息分发正在朝着满足受众用户个性化的意愿的方向发展。

几乎就在同时，美国佛罗里达大学的团队研发出了第一个手动化推荐平台GroupLens，成为协同过滤推荐算法的最早强调者。此后，算法推荐系统在亚马逊的电商平台、Netflix的视频流媒体服务当中也很早便投入了使用。

2016年，可以算是新闻算法推荐崛起的元年。这一年，YouTube将深度神经网络应用到内容推荐平台中。这一年，我国新闻资讯信息分发市场上，算法推送的内容第一次超过50%。

也正是这一年，率先应用信息算法推荐的今日头条，终于从四大门户和BAT支持的外媒平台中突围，实现了6000万的日活。

但之后算法推荐原本经常争议不断。在2017年9月，人民网(603000,股吧)特意用三篇社评的篇幅批评了周五头条这类新闻应用的“算法推荐”。社评里自然首先肯定了算法推荐顺应时代时尚，满足他们个性化、多元化的信息获得需求，但又专门强调了下面的问题：

算法推荐会谴责低劣内容的匮乏。一些推荐算法只会讨好大众的猎奇心理，最后只会反复推送那些低品质内容，最终“劣币驱逐良币”，使得传统媒体的优质、全面的资讯信息能够触达大众用户。

推荐算法中所谓的“个性化”推荐，只会机械式地推荐一些关联性强，但内容单一的信息，甚至会过滤掉某些不熟悉、不信任的信息，造成“信息茧房”。

算法推荐的信息抓取不仅可能涉及到长期的版权问题，甚至还可能走向“创新的反面”。就是智能推荐将迈向媚俗化和世俗化，充斥大量缺乏独立审视、深度观察的浅薄内容，反过来破坏社会的变革发展。

人民网的指责，同样也代表了很多特色媒体和诸多精英人士的看法，而且这种现象确实也符合我们大多数人的直观印象。但是在附和之前，我们一直需要进一步认识下算法推荐的基本原则和发展，搞清楚他们为什么会这么容易被算法“驯服”。算法推荐又该怎么突破自己的局限而大幅进化？

算法推荐：人性的，太人性

信息分发的本质，就是有效地连接人和信息。而算法推荐的本质就是利用机器算法推动大体量的自动化信息分发，让信息自动找到人。

此外，算法推荐需要缓解三个难题：了解信息，了解人，了解人何时何地必须这些信息。不过，归根到底，算法推荐的核心还是知道人，即认识人的使用习惯、兴趣喜好，再借助算法分析客户可能感兴趣的信息和话题进行加权推荐。

新闻信息的主要推荐算法都是来自于一些数学算法。在各大新闻资讯聚合类应用上主要使用下面这种算法：

1、内容推荐。这是资讯类推荐最常见到的算法。算法系统借助对文本内容进行标签设定，一旦客户对相关内容进行过点击、浏览、点赞、评论、分享等操作，系统都会对客户打上相应的兴趣标签。这样就可以将更多相关标签的文本进行客户标签的匹配。比如，一个看过“德甲”内容的客户，就会受到更多关于“德甲”的信息推送。

内容推荐，如果先期无法获得到客户的兴趣标签特征，就会容易遭受冷启动问题。因此，内容推荐之外还必须其他推荐方法。

2、协同过滤推荐。这是推荐平台中应用最早和最为成功的技术之一，采用了我们知识理解的“人以类聚，物以群分”的模式，即找到用户的好友以及与其相近特征的其它用户那里，将它们感兴趣的内容来推荐给该用户。

协同过滤推荐采用了经验共享的方法，避免了内容推荐中存在着内容探讨不具体、过度单一等弊端，可以为客户看到潜在的兴趣喜好的内容。

3、热门推荐。热门推荐来自于特色媒体的认知模式，主要是基于当前热点新闻风波和话题进行的内容推荐。区别于特色媒体由新闻编辑进行的人工筛选，新闻聚合平台的手动算法推荐更在于借助数据统计的方法将一段时间内点击量、关注度最高的新闻推送给用户。

另外，还有像一系列基于规则、效用、知识及其各种组合的推荐算法来推动针对客户的个性化推荐。

也就是说，对于这些使用了算法推荐的内容系统，相当于有了一手“秘密装备”来对抗处在信息焦虑和信息饥渴的移动互联网客户。即使你是一个新手用户，平台对你知道很少，它也会迅速通过让你定制兴趣标签、尝试不同种类的内容推送，AB测试等方法来推动所谓“冷推进”，找到你的真正爱好。

然而，最根本上来说，像今日头条这样的内容系统存在着一个最基本的“原罪”就是，平台存在的目的是为了赚取尽可能多的客户时间和注意力，而不是为了让客户赢得基本的资讯信息然后就转身走人。

新闻联播还有个准时准点的结束，而这种内容系统却可以随时刷新、无限供应，获得流量才是其运营的本质。所以，平台的推荐算法经常尽可能讨好用户，利用用户的人性弱点来进行信息的喂养。

这也正是内容系统一直为他们所质疑的弊端：标题党横行、洗稿文章泛滥，色情低俗这类迎合人性弱点的内容层出不穷。一旦由于好奇浏览相关内容，算法还会全力推荐更多相关信息。这只是所谓“信息茧房”的根本因素，算法纵容了人性，人性又反过来固化了感知，导致一个用户就在自己熟悉的信息圈里打转。这只是这些人对内容平台深恶痛绝，但看上去又欲罢不能的深层原因。

然而必须强调的是，算法推荐原本不必为内容系统的这种弊端背锅，道理就正如“人用刀谋杀，而罪责在人而不在刀”一样简单。其实，通过算法推荐原本的演变，是可以消解这样顾客的信息“偏食”行为和“信息茧房”问题的。

算法推荐的自救：人机协作是正途

无论针对算法推荐的指责有如此严重，但是算法推荐的流行和科普已经是一个不争的事实。算法推荐的真正进步之处就在于改变了信息分发的方法，即从一种中心化的“责编把关”的分发方法成为基于客户个性化的机器智能推荐的“算法把关”的分发形式。

这些分发方法带给的是信息分发效率的极大提高，当然同时也带给了特色权威、专业媒体的分发“算法”的失效和分发内容权重的下滑。但是从现今来看ai格式编辑软件，传统权威媒体早已不再抱有一开始的否定和施压态度，而是以切实的姿态拥抱新媒体系统，参与到这场算法推荐的流量争夺当中，并且正在借助其官方身份和专业内容，在新媒体时代再次赢得用户认可。

针对算法推荐带来的“劣币驱逐良币”的弊端，这之前确实是算法推荐的短板，最早的一些机器学习算法和推荐算法是能够识别文章内容是否涉嫌标题党、假新闻、洗稿、低俗、黄暴等内容。这些低劣内容虽然针对系统而言，也是经常在尽力消除的隐患。

虽然平台的发展不能仅靠这种内容来支撑，反而会带给众多的版权、投诉和消极舆情。现在的系统都尚未加大对内容安全措施的建设，其中包含高风险内容的辨识模型技术的广泛应用及其大体量人工审查核验。去年，就连相同执着于算法推荐的Facebook也由于假新闻泛滥而起初使用人工编辑来对内容进行审查。

针对“信息茧房”而言，正如近日北科大校长喻国明在一篇《算法推荐必然引起“信息茧房”效应吗》的论文中指出的，算法推荐不是“信息茧房”形成的必要条件，算法推荐在“信息茧房”生成后并不起增效作用，甚至还起到了一定的消解作用。

简单来说，“信息茧房”的存在并不是由于算法推荐的发生而出现的，传统社会的单一信息、严格的媒介控制或者个人的信息“偏食”倾向都是导致“信息茧房”的缘由。反而，在算法推荐时代，个体客户也有着来自传统媒体渠道、社交媒体渠道等多重信息来源，更加不容易制造这些“信息茧房”的生成模式；同时，随着算法推荐技术的不断迭代，用户的潜在信息需求也在不断的挖掘和丰富。

最后，在算法推荐和人工编辑推荐的抉择较量中，我们虽然更需要推崇一种具有“人文理性”和“技术理性”的可靠算法推荐平台。显然，算法依然更容易给客户提供一种“沉浸式”的信息阅读感受，而算法和人的互动关系，本质上是“算法背后设计者的价值逻辑或观念形态与客户的互动”。这就要求在算法设计者意识到“信息茧房”可能带给的伤害以后，主动寻找一种非常优化的缓解方案，来构建可靠的算法推荐的平台。

最主要的是在算法推荐之外，坚持人机协同，即加强人工编辑在算法推荐基础之上发挥应用的功效，包括提供新闻专业主义的观念，设置更多的公共议题；提供更具权重的正反看法信息；提供更多随机视角的信息等等。

回到微软新闻部门的裁员问题，之前是路径是AI算法来辅助人类新闻编辑，而将来更可能是人类新闻编辑来辅助AI算法，来改进内容推荐的品质。显然，AI算法推荐不可能完全替代人类编辑的工作。平台也不会安心将自身的信誉和内容的全部选择权都留给AI算法。

一项科技的发明和应用在人类的演进历史上从来只起到一种助燃剂或催化剂的作用。

针对AI的算法推荐来说，它既不会摧毁传统媒体的生存根基，也不会彻底将人类成为鼠目寸光、各自为营的傻瓜。

虽然，如果我们仔细观察，当你看到身旁的奶奶开始经常对着手机，关注自己城市出现的各类事情，关心政府颁布的各类制度，关心自媒体里诸多另类狗血的独白，未尝不是对她们生活和精神的一种解放，至少十分开阔了眼界，不用再盯着家里的鸡毛蒜皮。

而针对这些由于AI而事业的媒体人，更加不必灰心丧气。夜深人静的之后，笔耕不辍地起初你的构思，这些内容系统或许会应许你变得光明的前途。