智能传播的多维特征与问题表征及应对

【内容提要】本文从人工智能三要素——数据、算力和算法入手，考察智能技术参与下传播活动的多维特征，即万物皆数与数据为媒、算力多层与全时空传播、算法泛在与敏捷链接等。从技术的两面性分析发现，智能传播存在数据与智能代差、算力私有化与新权力壁垒、算法偏见导致的传播偏见和对人的异化等问题，需要从技术要素维度反思智能传播的素养提升、技术融合、多元共治等，为智能传播的理论、应用及发展提供新视角。

【关键词】智能传播；技术要素；数据；算力；算法

随着信息消费、信息基础设施、信息技术应用等全面升级，智能传播成为传播形态中的新常态和媒介生态的新基因。从人工智能衍生而来的技术要素——数据、算力、算法，愈发成为智能传播过程中的关键要素。如何正视技术要素形塑智能传播的多维特征、剖析技术要素影响智能传播的问题困境、把握技术要素视角的应对策略值得深入研究和探讨。

一、智能传播构建新型传播形态

随着人工智能技术的快速发展，媒介智能化进程快速演进。霍华德?加德纳认为，智能是一种处理特定信息的计算能力，其提出的“多元智能理论”将智能视为由多种要素组成，并且在不同阶段具有不同类型。①当下所讨论的人工智能是研究如何利用计算机的软硬件及各种资源模拟、延伸和扩展人类某些智能行为的理论、方法和技术，其中主要包含数据、算力和算法三大要素。②智能传播是人工智能技术在传播领域的渗透和延伸。麦克卢汉认为，媒介是人体感官的延伸，而智能则可认为是人的思维的延伸。在以人工智能为主要驱动力的智能传播理论发展和实践应用中，数据、算力和算法三者相互联系且缺一不可。数据是智能传播的基础，是新型生产资料，是智能的“血液”。智能的能力是在对数据的不断使用和训练的基础上获得的，类似人类获得知识和能力的方式。大量的数据、持续的训练是构建成功模型并进行预测的必要条件。算力指的是处理海量数据的能力，由基础设施硬件和网络、应用平台、系统软件等自下而上的服务能力组成，是实现智能的生产力，可以视为智能的躯体系统。长期、迭代的训练和推理能力需要基础算力、平台算力、服务算力等多层次的算力作保证，以云计算、边缘计算为代表的分布式算力为处理海量数据提供了有力保障。算法构建了智能传播的供给关系、分配关系，可以视为智能的“中枢神经系统”。算法构建的模型可以具备过往规律发现、现态问题诊断和未来趋势预测等类人的描述、诊断、预测、决策等能力，算法赋予机器类人智能。数据、算力和算法通过在场景的聚集发挥智能传播的最大价值。智能传播的场景包括新闻生成、内容分发、精准推送、供求达成等。智能技术对传播的影响涉及采编、制作和传播的全过程和全领域。智能媒体正在迅速地、深层次地改变着人们获取信息、认知世界和改变世界的方式。作为一种高度匹配信息与用户需求的媒介形态，智能媒体引导传播实践向存储云端化、内容垂直化、需求场景化及行业智能化迈进。③除了以上方向，以三要素驱动的智能媒体通过生产力和生产关系整合，加速整个社会现代化和媒介社会化，拓展互联网传播的方式和维度，进而影响网络传播的整体宏观形态、生态和业态。

二、技术要素视阈下的智能传播多维特征

要素是构成系统的基本单位，视角刻画出系统的多维侧面。从数据、算力和算法技术要素视角下审视的智能传播系统表现出多维特征。

（一）数据：万物皆数与智能传播数据为媒

在大数据语境下，传统以计算为中心的理念已转化为以“数据+计算”为中心，意味着数据和算力思维开始并重。数据思维不用样本数据而用全量数据，直面问题复杂性、注重宏观的洞察而不是微观层面的精确，注重事物之间的相关关系而不是因果联系。这种数据思维的革命开启了以数字为媒介的新的传播研究范式。正如有学者认为大数据时代数据成为世界的本质，当今世界“万物皆数”，未来整个世界都会被数字化技术实现“镜像”。④⑤以数字符号为底层存在形态的数字技术、数字媒介推动以数字为智能基础的智能传播。智能传播革命本质上是底层传播逻辑的全面数字化和数据化的促成，传播模型的各个环节已经全部实现数字化革命：信源和信宿数字化标识、模拟数字和数字数据之间的互相转换、传输过程的数字化编码和解码、传播介质的数字信道等。从国际标准化组织制定的开放系统互联OSI传输参考模型来看，网络传输单位从消息、段、包、帧直至最终转换为比特位表示的数字，数字成为现代传播的底层传播逻辑单位和表现形式。在未来可预见的量子计算问世之前，智能传播底层传播逻辑皆是数字逻辑，万物皆媒即万物皆数。数据是数字的载体。内含数字的数据可以表征人、物、服务和应用在内的一切。智能传播以数据为基础，其本质是用数字和数学的方式描述世界。5G、云计算、大数据、物联网、人工智能、区块链技术等数字传媒技术以数据为载体，既生产数据、存储数据，又分析数据、呈现数据，直至销毁数据。数字技术用数字化方式实现传播信息数字化、传播流程数字化直至更核心的传播业务数字化在内的全面数字化转型。数据不仅是传播的内容，其本身也是重要的传播媒介。数据作为智能传播内容生成的主要源头，智能传播全生命周期都通过0和1组成的比特码数字构成的数据来表示和传递，甚至传播效果的好坏指标也通过数据并以可视化的形式来量化呈现。从传播内容全生命周期来看，数据可分为采集、存储、传输、使用、共享、销毁；从数据中台来看，数据可分为贴源数据、统一数仓、标签数据、应用数据。数据以多样的呈现形态、漫长的生命周期跨越过去和未来、连接虚拟空间和物理空间、链接生物信息和计算信息，最终实现人、社会、自然的链接、交互和传播。

（二）算力：算力多层与智能传播时空效率

智能传播的算力通过多层次的网络平台来实现，网络平台承担着通用平台、万物链接和底层基础设施的功能。包括网络内容生产和传播在内的社会活动越来越受到算法和数据驱动的全球化网络平台的调节。⑥算力通过终端、边缘端、雾端和云端等多端联动实现智能生产与传播。算力确保UGC（用户原创内容）作者兼具生产者和消费者身份，并催生更多内容，提供支持超大码流和存储要求的内容到云端计算、存储和分发，提升存储和分析数据的规模、广度和深度，为内容生产、制作和传播全流程提供底层算力支撑。算力为智能传播提供全时空生产力。算力平台是可编程的基础设施和计算框架，在分布式架构和分布式计算加持下，内容生产主体从人到设备，生产能力从计算中心到算力网络，生产布局从集中式到分布式，生产时间从5×8到7×24小时可用，内容传播层次从1层传播延展到N层传播。算力使智能传播的数据处理速度大幅提升，进而显著提高智能传播的效率。处理速度的加快可以通过硬件和软件两种方式，硬件方面主要依靠芯片的计算能力提升，软件方面主要靠优化过的算法模型来处理海量数据和复杂逻辑。算法从内容生产和传播的全时间、全空间助力内容研发、生产和传播接力，形成全时空传播生产力。

（三）算法：算法泛在与智能传播敏捷链接

传统观点认为算法在传媒应用和实践中主要作用于内容生成、分发两个环节。⑦“算法主义”者认为包括物理世界、生命过程和人类心智都是算法可计算的，甚至整个宇宙都是受算法支配的。⑧事实上，智能传播中的算法泛在于智能传播全流程，并通过算法调节内容供给、需求关系和智能传播的智能等级。算法泛在于智能传播全流程。智能传播的算法内置于内容采集、生产到传播的各个环节。生产环节对内容的素材来源、生成的内容和结构、呈现形式都产生直接影响，缩短了内容创作的流程，提升了内容创造的实际效率和效果。编码阶段，内置算法代替了人归纳和整理材料的过程，改变了人原有获取和预处理信息的方式。译码算法模仿人逻辑推理和思辨过程，改变了人原有传播信息的方式。传播环节算法嵌入平台互动界面促进场景生成，通过强化学习等算法体现对客户需求的终极关怀，通过适应注意力经济时代的关注量和点播量逻辑而生成流量产品，进而影响供求关系。硬件终端方面，从前端的感知设备到云端的计算引擎，再到终端智能硬件，都已经通过硬件芯片或软件方式内置了各种算法。前端感知设备通过传感器获取文本、图片、音频、视频等多模态的数据并做内容前期预处理和融合，云端计算引擎提供快速、稳定、可靠的内容生成和面向全球的内容分发算法，靠近终端的边缘端算法提供内容安全处理、内容简单编辑等低延迟计算和可视化呈现能力。算法以贴近人脑的方式使传播更加智能。首先，算法促成体力智能。在采、策、编、发、服务等内容创作和传播环节中，算法使简单重复的行为和逻辑规则在传播中逐渐退场；其次，算法促成供需智能。算法成为人和海量信息之间的强大中介，连接供需双方、重塑传受关系。供给方通过算法将内容呈现在用户面前，需求方借助算法获取信息、形成消费。算法使人、物、场匹配更加敏捷，通过群体画像和个体画像，使信息和产品开始找人，以传受之外第三方的角色影响传播中的信息供需关系和“推拉”关系；再次，算法促成平台智能并影响智能层级。算法促使模型训练“众包”，基于不断优化的有监督学习、无监督学习、强化学习以及深度学习算法，每个人都在帮传播平台训练传播模型。多种算法模型集聚合成驱动平台智能流量分配、模式识别、态势感知和自主动态决策等更高层次的智能。

三、技术要素视阈下智能传播问题表征

智能技术对传播的思想观念、工程技术、作业流程在内的重大变革，使传播俨然进入全自动化生产和传播流水线，全面智能貌似指日可待。然而当下决定智能传播的各个技术要素存在着各种现实障碍和问题，具体表征如下。

（一）数据：数据并非万能且与高阶智能存在代差

赫拉利在《未来简史》中将数据神话为“数据主义”，认为整个宇宙由数据流组成，并彻底推翻传统的“数据-信息-知识-智慧”的学习路径，认为数据的处理应交由巨大的算力来完成，通过信息自由实现最高的善。⑨虽然数据主义者将数据本身和数据处理提高到史无前例的位置，但是数据并不是万物的全部特征，更不能跨越“数据-信息-知识-智慧”的“代际”路径直接到达智能。纷繁复杂的智能传播活动不能完全精简为数据处理。数据的原生性和多样性预示数据不能等同智能。首先，全媒体环境促使数据不断泛化，数据呈现也更加碎片化，原本需要加工的数据变得唾手可得。内容生产和传播过程中搜集、归纳、推理和思辨的过程皆由数据完成。虽然数据泛在降低了获取和使用数据的成本，却造成了人获取数据的依赖性和惰性。而原生态数据并不直接可靠和可用，数据有自己完整的生命周期，一般分为采集、存储、传输、使用、共享和销毁等多个阶段，原生性的数据很容易导致“Garbagein，andgarbageout”（无用输入或无用输出），并很可能与智能相差甚远；其次，数据类型存在多样性，包括文本、声音、图像、视频等多种类型，并取代了单一的语言媒介，形成了一套复杂的、有效的多模态话语和意义表达系统。⑩数据的结构也存在多样性，包括结构化数据、半结构化数据和非结构化数据多种结构类型。况且，网络上的数据常常以分散、异构、自治等形式存在，并且往往还伴有冗余、噪音、重复、错误等问题。这种数据本身的复杂性和原生性，没有人的主观性参与和工程化的数据处理过程，数据与智能之间还有万里之遥。智能的通达路径解释数据与智能存在层差。拉塞尔?阿克夫的DIKW（Data-Information-Knowledge-Wis?dom，DIKW）模型中的“数据-信息-知识-智慧”最早阐释了数据驱动决策的理念和智能的通达路径。??????无论是大数据还是小样本数据环境，知识是通达智能的关键环节，智能体需要借由知识路径达到智能。知识可以是传统的专家系统中由人提供，也可以通过深度学习训练将数据转化为知识来获得。同时，由于知识分显性和隐性，而隐性知识往往在业务专家的意会中难以表示和传达，所以仅仅基于数据的智能显然不同于基于知识的智能。缺少知识支撑的机器智能体反而容易成为逻辑上的巨人、常识上的矮子。总之，智能的实现反对过度倚重野蛮算力的“数据出奇迹”而忽略对数据本身特性的洞察。智能传播没有数据万万不行，但忽视数据到智能的升级路径，忽视数据本身的特性，过度夸大其地位和作用也是偏颇的，数据与智能之间存在巨大代差和鸿沟需要客观看待。

（二）算力：算力私有化且形成新权力壁垒

算力平台提供生产力的同时也形成新权力。当前算力平台往往由头部的平台企业把持，控制着数据的生产、存储和传播的关键节点。这种以平台把持的传播系统看似平等，实际上算力等级严格分明；他们往往以私营公司的方式来运营，实际上却承担类似政府的职责提供面向大众的公众服务；他们貌似技术中立，却很可能承载着自己的价值观甚至意识形态；他们所在的位置具有地域性，而其影响范围却可以触达全球每个角落。平台把持下的传播基础设施依赖于公共投资的传统发生重大变化，基础设施由私有企业构建，带来潜在风险。一旦企业受到资本尤其是国外资本的介入，安全风险威胁更加空前。算力平台被新媒体平台私有形式霸占，无度使用且全时空监控供应端和消费端多元主体内容生产能力和传播全程。算力平台通过技术创新、模式创新和数据积累高筑平台“护城河”，阻碍行业发展。平台占有数据和流量分配权威，易使市场支配权力滥用。平台垄断公众认知结构和选择权利，进而影响社会结构甚至政治权力。算力平台提供的所谓智能化服务，利用自身掌握的用户和数据优势，采用大数据方式对用户潜在行为分析后，对于相同的内容针对不同的卖家和用户提供不同的价格；针对以往用户的大数据杀熟现象已经严重影响消费者合法权益。智能媒体时代，算法加持下的平台更加肆无忌惮。人们在增加了主体自由的同时也进入了新的牢笼，深陷在算法规制下的网络空间中而无所适从。大众传播到精准传播、关系传播，背后是算法逻辑和平台权力，需要高度警惕。

（三）算法：算法导致智能传播偏向和对人的异化

算法偏见是社会偏见在人工智能时代的延伸，来自运算规则设计、运算过程、数据收集处理及应用。??????算法偏见导致智能传播偏向。第一是聚焦偏向。过度依赖基于算法的内容生成，会使人的认知关注点从内容本身转移到制造内容的技术和工具上，导致聚焦偏向；第二是需求偏向。算法生成的内容和分发都关注时效性、趣味性和娱乐性，引导用户放大自己的娱乐需求和消费需求，压制或掩盖了其自身的否定和判断思维，在一定程度上促使用户主动放弃了独立思考的能力，间接阻碍了全民媒介素养水平的提升；第三是趋同偏向。传播内容生产和分发的趋同化在既定议题中严重削弱人的认知能力、创新能力和思辨能力，再次加剧了马尔库塞所说的单向度的人和单向度的社会的趋势。如果算法关注个性化的分发和定制化用户迎合，所有内容的分发都关注时效性、趣味性和娱乐性。看似满足受众需求，实则是对受众需求无限度的放纵。以上主动性与被动性、个性化与去个性化之间的取舍，一方增强另一方某种程度的削弱，不仅是算法带来的矛盾，也是人在整个智能传播时代所面临的传播困境。智能传播中的算法加剧了对人的异化。首先，算法是对传播者思维的延伸和行为的替代，编码和译码阶段的内置算法代替了人归纳、整理、推理、思辨的过程，改变了人原有获取、处理和识记信息的方式；??????其次，算法驱使信息接收者主体性迷失。无时空限制的网络个体，被智能技术携裹在网络中不能自拔，各种生理疾病和社会问题频现，久而久之便乐于接受数字的奴役，进一步强化了主体性迷失；再次，算法加剧了对身在场景中的信息接收者的控制，通过控制人的眼睛和大脑，进而控制人的视野、选择、喜好和判断，通过加强对人的控制尝试塑造一种集体信仰和社会共识。

四、基于技术要素的智能传播应对策略

生产力与生产关系的更替和演变影响物质生产的发展。数据、算力和算法要素的变化要求人们在指导和管理智能传播实践中做出相应调整，以避免文化滞后现象的出现。数据、算力和算法要素影响智能传播的维度是多方面的，相应的对策也绝不能单一片面，而应该是从多方发力布局的系统工程。

（一）数据意识：数据素养提升工程

伴随着媒介与人们互动而产生的媒介素养逐渐由一种能力或技能上升到新的层次，演变成为无限接近于生理需求的一种新要素，成为大数据时代媒介素养的核心元素。??????????数据素养成为数字时代基本的生存和发展能力，是媒介素养的核心维度。智能传播时代尤其应提升媒介素养，特别是在数据伦理规范认知的基础上，具备数据意识和数据敏感性，可以有效且恰当的管理数据的采集、存储、分析、处理、利用和展现；应具备基于数据的事实性判断、价值性判断和批判性思维能力，带着质疑和批判精神看待基于数据技术生成的内容和传播信息。

（二）算力平台：自治与他治结合

首先是自治方面。第一，按照技术的社会构建理论，市场和用户的需求是技术发展的重要决定因素。用户关注是算力平台的出发点和归宿。算力平台应以用户为关注点，用户需要什么就延伸做什么，用户到哪里就要扩展到哪里；第二，算力平台有责任在信息的生产与过程中，把公众需求与国家价值导向、公共社会责任和政府当前的工作重心结合起来，把服务、满足公众需求与教育引导公众、提高公众的素养结合起来；第三，算力平台要实现规范自治。算力平台应该对算力的分配和自身的权力有清醒的认知和行动，并做好防范因为算力权力导致的行业垄断和滥用的应对策略。其次是他治方面。成立第三方审核或公证机构，对关键算法执行审核程序、公证程序甚至开源程序，约束行业行为，强化行业自律。同时，运用法律法规对算力平台进行行业规范、主体问责，避免出现滥用算力权力、形成权力壁垒。

（三）算法模型：技术与管理并重

算法的偏向和异化纠偏需要技术与管理并重。第一，规范算法技术的价值立场。从算法的本质内涵出发，算法应该用在提升传播速度和链接效率、数据流通和流程优化、管理的质量、效率和成本的改善上。同时，应该给算法带上紧箍咒，将其框在主流价值观、伦理道德法律的约束之下，反对唯流量标准生产和传播内容，反对以算法的驯化逻辑机械性生产和照搬内容；第二，用技术解决技术问题。算法的发展有其内在逻辑和类似生物的进化规律的客观性。每一个阶段的技术在解决问题的同时也会伴随一些问题，技术正是在这种“解决问题-发现问题-解决问题”的迭代演化过程中发展。从早期的技术膜拜到技术滥用，再到技术回归理性需要一个过程，通过技术本身的成熟理性和人对技术主导理性来迭代解决技术发展中的问题；第三，善用算法逻辑引导算法向善。从个人端来看，用户可以主动利用算法模型背后的逻辑跳出信息牢笼并创造性利用算法逻辑，以此获取信息并扩大认知范围，如通过有意识地选择关注的内容来搜索和查看的方式搭建“反训练”模型，让算法推荐由此更新个人的认知版图。从平台端来看，可以借助新技术数字孪生和知识图谱协助算法改进，避免用户在信息茧房中徘徊。平台提供用户主动选择选项，提高用户的主动信息选择能力；第四，理清技术和主体间的关系。严格防范主体性迷失，人是算法生成的主体和操作算法的主人，人主动使用算法且算法是手段而不是目的。同时，算法与人是互补关系而不是替代关系，算法设计者和开发者应同时具备算法能力和业务知识。算法传播应该强调以人为本、人本主义，具备个人主体控制技术客体，物理主体控制云端主体的主体意识，最终服务于个体、社会和国家；第五，坚持关键环节的审核机制。在当前弱人工智能背景下，坚持关键环节的“自动算法+人工审核”工作机制。预设和基于算法的内容生成和精确匹配，都存在不精确或无效的情形甚至人为的技术偏差。即便技术不断演化和迭代，关键环节的审核过程依然是应对算法偏向的兜底工程需要长期持续下去。不得以算外，还可以充分发挥微信小程序的自主嵌入功能，在分析把握用户阅读情况的基础上，不断推出作品征集、话题讨论等议题，增强用户的媒介使用热情。以内容促进关系建构，以关系推动内容纵深传播。通过这种社交传播场景的建构，提升媒体在微信平台的社交可供性。

（四）内容呈现应更符合移动传播的特性，传播形式要立足用户阅读习惯

打破目前相对单一的信息呈现方式，图像表达应更注重与用户竖屏移动阅读习惯的契合；同时，在内容的制作上应不断丰富信息呈现方式，推送优质内容以文字图片、音频视频等多种形式，便于用户在其他社交平台的扩散传播，提高内容的多平台兼容性。对于更具传播价值的议题，应充分发挥新技术效能增强用户沉浸阅读体验，以激发用户依托媒介优质内容进行更深层的关系连接。“媒体为社会的媒介化所提供的最重要的关键性资源，就是关系资源的保障和支撑。”??????专业媒体应在微信平台生产出更多符合用户自发传播与扩散的内容，发挥媒体在用户关系链接中的强枢纽功能。

作者:兰帅辉 尹素伟