摘要：5G时代万物皆媒，在“新基建”这一国家战略顶层设计上，高新技术带给媒体融合更多的可能性。

　　在推动“新基建”的实践中，媒体融合的进程也在不断深入，实现媒体信息高效智能传播，在媒体的内容生产、内容分发、内容管理等方面重构新闻信息生产与传播全流程，是媒体融合未来发展的重点方向。目前学术界对“媒体融合”的研究甚多，主要集中在从大众媒介机构角度看媒体融合进程中业界如何适应新技术、媒体的智能化转向，以及在技术的推动下媒体融合如何继续深入等方面。胡正荣认为国内媒体融合走向智慧全媒体过程中，仍面对着“高热度，低效度”的情境[1]；赵睿、喻国明认为5G技术产生的信息革命，彻底重塑了原有的媒体生态。[2]这些研究在我国媒体融合的战略决策方面提供了重要的参考依据，但基于技术内部思考者的视角反观媒体融合，分析技术视域下媒体融合的价值要素和技术渗透媒体融合的发展困境，清晰业界需求和技术边界的融合等内容，总体研究涉及不多，而这些正是本文关注的问题。

　　技术视域下媒体融合的价值要素

　　时下媒体行业因技术革新进行媒体生态重构，在算力大力提升、物联网智造的智联时代，面向5G、人工智能、大数据等技术的媒体融合如何更能符合用户的多样化需求，应对国际舆论信息传播的复杂形势，成为当下媒体行业急需思考的问题。本文根据心理学家亚伯拉罕·马斯洛的需求层次理论，同时借鉴2016年由埃里克·阿姆奎斯特等人提出的产品价值要素金字塔框架[3]，从技术视角出发，为满足当下媒体融合发展需求，优化媒体发展核心战略，提升媒介产品使用效能，提出媒体融合应具备以下四个价值要素。

　　（一）功能价值：技术推动的全媒体传播

　　技术重塑媒体行业新生态，带来舆论引导、信息传播方式的深刻变革。随着媒体融合全媒体传播建设的进程不断深入，技术迭代带动信息传播内容建设，实现信息生产领域供给侧改革，同时推动媒介机构的运行机制改革。全媒体传播建设也在不断回应“四全媒体”的建设目标，成为以高新技术为支撑、全新的全媒体传播体系，实现智媒时代以“全程”“全息”“全员”“全效”为特征的信息传播功能。目前，各大媒体进行“5G+AI+8K”的发展战略布局，打破原有的信息传输壁垒，以“用户为中心”为产品设计导向，进行一体化平台建设，实现云、网、端全媒体传播，形成全媒体、多元化的信息传播模式。

　　（二）情感价值：技术赋能的视听新传播

　　埃里克·阿姆奎斯特在价值要素框架中，试图通过匹配正确的要素组合，提升用户对产品的满意度，其中情感价值，如减少焦虑、陪伴、怀旧、安抚、娱乐等变得尤为重要。如何利用技术创新影视节目与新闻节目形态，挖掘全新的创意空间，满足人们对视听传播的文化需求、审美需求和心理需求成为当下媒体融合的关键。以2020年东京奥运会为例，利用5G通信技术实现4K/8K超高清云转播，同时实现360°全视角沉浸式观赛，从转播质量、转播内容、转播形式等方面进行了全面创新，满足了用户对于高品质画质、交互感、临场感的视听需求。此外，技术赋能的视听新传播中，利用科技创新文化表达，将艺术和技术全面集成对接，更实现了内容和形式的深度融合。

　　（三）便利价值：数据智能构建的移动优先

　　文森特·莫斯克在《数字世界的智慧城市》中提到，“智慧城市的愿景是具有网络基础设施和智慧城市技术，它会极大地破坏时间性和空间性，从而产生一套新的时空关系”[4]。当下的技术快速更迭，城市的可互通性、操作性和持续性，使得城市成为一台“电脑”，而用户的智能手机则是输入设备。在媒体融合的传播实践中，把握媒体服务的泛在化、移动化，从用户的需求和产品体验角度出发，不断增强媒体业务与用户的交互性，在国家顶层设计的框架下集合云计算、大数据等技术到移动端，利用大数据推荐算法等满足用户的个性化需求，才能更精准地服务用户。

　　（四）社会价值：技术重塑的信息服务新生态

　　媒介学者哈罗德·拉斯韦尔（Harold D.Lasswell）研究媒介功能，认为媒介可以监测社会环境，同时联系社会各个部分以适应环境。[5]在此之后，研究者查尔斯·怀特（Charles Wright）为媒介功能添加了“娱乐功能”这一选项，他认为媒介的娱乐功能更多指的是人们在媒介互动中的交往行为。随着数字时代的到来，媒介功能更偏向于“社区构建”的思想，这也形成了技术推动媒体融合的社会价值呈现。利用现有媒体资源可以打造全新的信息服务，具体为引导广电在教学、医疗、养老等多场景中更好地对接生活资源、政府资源、社会资源等，进而形成“媒体+”模式。以湖北广电为例，湖北广电不仅以移动优先开通“新闻+政务”服务，同时利用“5G+AI”打造智慧城市智慧政务服务端口，以此构建了一个常态化、全方位的信息服务体系。

　　高新技术渗透媒体行业的发展困境

　　布莱恩·阿瑟在《技术的本质》中提出，如果只是知道技术如何进入我们的生活，那么从技术外部看技术的方式已然足够，但是如果要探讨更本质更根本性的问题，显然需要技术工作者担当技术的“内部思考者”，自然而然地去思考技术。[6]媒体的智能化进程中，技术不断渗透到媒体采编播的各个环节。以往各类研究均从各个环节讨论技术可以从媒体内容生产的哪些方面进行增速提质，但是较少有研究从“技术内部思考者”的角度，从技术视角分析技术在媒体行业应用中的发展困境，而这恰恰是本研究重点关注的问题。

　　（一）融合困境：探索人工智能技术，行业落地难

　　媒体融合进入深水区，如何将5G通信、大数据挖掘、人工智能等技术合理地应用开发，使技术最大限度地发挥其“效用”，同时满足当前媒体市场的发展需求，形成具有自动造血机能的新闻产品，成为当下“媒体+技术”融合生态所面临的巨大挑战。面向人工智能技术，很多人工智能应用的开发不再受困于算力算法，直接采用大模型这一“隐式知识库”即可，但是由于大模型下游的传播问题，在“精准度”和“适用性”方面依然无法满足媒体行业的多场景、多元化的任务需求，“人工标注”依然是数据处理的重要组成部分。这就面临着两个问题，一是需要企业单位投入大量的人力物力财力进行标注工作，二是“人工标注”过程中自带的“主观偏见”导致“标注偏见”产生，这些都是人工智能技术在媒体实践行业落地过程中所面临的实际困境。

　　（二）管理困境：多模态海量数据，数据治理难

　　媒体融合的推进中，基于云架构的平台需要满足全媒体的多业务流程。以“中央厨房”为样板，整个融媒体平台要涵盖数据采集、数据处理、数据资产管理、数据治理、数据分析、数据服务和数据应用等数据流程的多个层次[7]，有效支撑媒体业务的快速发展。作为媒体的重要资产，数据的管理对于媒体运营有越来越重要的作用，需要配置更规范、更专业的管理体系。因此，需要设计规范的数据治理体系。同时，要进行业务数据的标准设计，数据内容的采集和数据维护的标准制定，从而让数据管理不断正规化、流程化。异构网络的部署之下，海量多模态数据产生，多模态的数据具有海量、多品种、高速度、高精度的特点。在媒体融合实践中，多模态的研究应用更成为当前的趋势，这对于传统的数据治理方案形成了巨大的挑战。

　　（三）专业困境：伦理风险更甚，安全问题大

　　在科技系统和社交系统交往愈加紧密的媒体时代，由人工智能主导的技术系统，其内部的技术黑箱引发的问题也日益明显。主流的机器学习模型虽然效果很好，但是黑箱暗藏的危机不得而知。探索技术发展的过程与社会发展密不可分，这也使得人工智能的伦理治理更加多元化、复杂化。随着大数据和人工智能的发展，用户的隐私保护需求愈加紧迫。联邦学习作为一种新型的分布式学习框架，成为隐私保护的关键方法。[8]除此之外，新闻应用中，假新闻的检测和甄别也极具挑战。无论是语音合成、视频生成还是文本生成，都给新闻的真假甄别工作增加了难度。同时面向假新闻的检测这一任务，缺乏足够标注和分类明确的数据集，无疑导致虚假新闻的深度学习算法开发难度大大增加。

　　（四）人才困境：全线技术人才短缺，机构转型难

　　随着技术的发展，媒体机构对从业人员有了更高层次、更复杂的从业要求。未来的从业人员不仅需要采编播报的媒体技能，更需要相应的数据能力、代码编程能力，同时要有相对较强的团队合作能力、业务沟通能力等。组织架构上，则需要领导者能够打造更具有复合特点的团队，形成一支强有力的智媒生产队伍。目前，高校的人才培养和机构的培训机制已然远远不能满足当前媒体业界的人才需求。在传统媒体机构内部，也越来越倾向于对全栈型人才的需求，即从处理数据库、服务器、系统工程，到搭建客户端等所有工作的工程师，这导致实际工作中全线技术人员的工作难度越来越大，因而企业机构在转型过程中面临着很大的人才缺口。

　　信息技术范式中智能传播的边界与超越

　　反观技术渗透媒体行业发展所面临的困境之后，如何能把人工智能系统融入智能传播，形成更加稳定的系统；如何更新智能传播的技术体系，紧跟数字时代的快速发展，同时还可以保持公平；如何协调技术与媒体业务的融合，寻找边界模糊中的清晰方向，促进设计联动、合作的智能媒体平台，推动媒体行业媒体融合的转型升级，成为当前研究的重点方向。

　　（一）具体化：情境化的媒体融合生态

　　从技术视角出发，《技术批判理论》中提到，没有所谓的技术“本身”，技术只存在于某种应用的情境中。[9]吉尔伯特·西蒙栋认为，技术可以适应多重的环境，这也是技术具体化发展的结果。技术只有与它周围的环境协调发展，包括自然环境、技术环境和人造环境，才能处于一个连续、循环和因果关系的相互作用中。而技术发展的内在趋势则是，建构自然、人类和技术要素的协同作用的总体性的发展趋势。与之呼应的则是梅罗维茨提出媒介情境理论[10]，情境的新变化来自电子媒介。此时的情境作为信息系统存在，模糊了私人情境和公共场所的分界，媒介作为交流中介也成为环境的一部分，构建出具有情境化特征的媒体融合生态。

　　（二）博弈：人性化的智能传播模式

　　作为机器的计算机一方面指向了世界中的活动，一方面又指向了使用者。智能传播体系的构架中，我们在关注技术的同时，还需要关注到“人”本身，尤其人类思维在“人机”组合过程中起到的巨大作用。我们必须关注技术到底是如何变成了现实：人类的需求是怎样召唤出新技术的创造的。智能传播过程中，人与人工智能的关系是一个将人工智能人性化的过程。比利时哲学家马克·寇克尔伯格提出关系主义，指出研究机器的意义并不在于机器本身，也不在于人的主观想象，而是在具体的人机关系中。在人工智能技术加持之下，媒介传播逐渐趋向人性化，无论是语言文字的拟人化表达还是机器人外形的类人化，都证明了人机交互中的博弈关系。事实上，从媒介人性化角度出发，媒介成为人的延伸，同时成为偏向功能聚合的复合媒介。

　　（三）溯源：具有可解释性的技术应用体系

　　技术的社会影响取决于技术是如何被设计和使用的。随着机器学习的广泛使用，计算机从数据中学习，并做出相关的预测和推论。虽然性能良好，但是黑盒模型的不可解释性使得模型的应用面临着不同程度的安全隐患。Miller在2019年提出模型的可解释性概念，认为模型的可解释性是人们是否理解模型做出决策的原因。[11]无论是技术体系使用还是技术体系设计都包含着社会价值，在大规模的落地实践中，模型的可解释性变得尤为重要。例如，如前文所述，数据标注的过程中会带入偏见，模型会从数据中学到种族偏见等不良信息，只有具备可解释性的模型才能有效地纠正偏见。从可解释的概念出发，以可解释性的方法、评估为主题，也更需要人工智能、技术哲学、心理学、认知科学、人机交互的研究人员以及行业的从业者们密切合作，进而形成更科学的可解释性的研究体系。

　　结  语

　　智媒时代，随着5G、人工智能、云计算不断深入使用，技术如何更好地进行媒体实践成为当下急需解决的问题。本研究从“技术内部思考者”的视角分析技术驱动媒体融合所具有的功能价值、情感价值、便利价值、社会价值这四个价值要素，同时反观技术渗透媒体行业发展所面临的融合困境、管理困境、专业困境和人才困境。研究提出情境化的媒体融合、人性化的智能传播模式和具有可解释性的技术应用体系三条路径，旨在协调技术与媒体业务的融合，试图寻找边界模糊中的清晰方向，促进设计联动、合作的智能媒体平台，推动媒体行业媒体融合的转型升级。

　　【本文为国家社科基金重大项目“我国新闻传播业人工智能应用现状与发展趋向研究”（批准号：19ZDA327）阶段性成果】

　　参考文献：

　　[1]胡正荣，李荃.走向智慧全媒体生态:媒体融合的历史沿革和未来展望[J].新闻与写作，2019(05):5-11.

　　[2]赵睿，喻国明.5G大视频时代广电媒体未来发展的行动路线图[J].新闻界，2020(01):52-8.

　　[3]Almquist B E，Senior J, Bloch A N. The Elements of Value[J]. Business Review, 2016(9).

　　[4]Mosco V. The smart city in a digital world[M]. Emerald Group Publishing, 2019.

　　[5]埃弗里特·E·丹尼斯.数字时代的媒介：连接传播、社会和文化[M].北京:中国人民大学出版社，2019:30-31.

　　[6]Arthur W B. The nature of technology: What it is and how it evolves[M]. Simon and Schuster, 2009.

　　[7]顾建国.《广播电视行业应用大数据技术白皮书(2018)》解读[J].广播与电视技术，2019,(8):12-16.

　　[8]Jianzong W, Lingwei K, Zhangcheng HUANG L C, et al. Research review of federated learning algorithms[J]. Big Data Research, 6(6): 0.

　　[9]安德鲁·芬伯格.技术批判理论[M].北京：北京大学出版社，2005:233-235.

　　[10]约书亚·梅洛维茨，消失的地域——电子媒介对社会行为的影响[M]，北京：清华大学出版社，2002:39-40.

　　[11]Molnar C. Interpretable machine learning[M]. Lulu. com,2020.

　　（甄锐：中国传媒大学媒体融合与传播国家重点实验室助理研究员；袁璐：中国传媒大学媒体融合与传播国家重点实验室博士研究生）

　　【文章刊于《青年记者》2022年第19期】

　　本文引用格式参考：

　　甄锐 ,袁璐:困境与出路：技术视角下的媒体融合与智能传播,2022(19):44-46.