整合营销服务商
电脑端+手机端+微信端=数据同步管理
免费咨询热线：
电脑端+手机端+微信端=数据同步管理
免费咨询热线：
者：郭小平（华中科技大学新闻与信息传播学院副院长、教授）；郭瑞阳（华中科技大学新闻与信息传播学院博士研究生）
来源：《青年记者》2024年第6期
导 读:
聚焦个人隐私与版权保护，警惕深度伪造滥用，探究“AI治理AI”新模式，坚持人本主义，是生成式人工智能风险治理的关键。
人工智能的创新应用形塑社会互动模式。在信息传播、医疗、交通、教育等场景中，人工智能成为社会互动的代理，促使人与人的互动越来越多地转换成人机互动。智能技术重构新闻传播的业态和生态，深度嵌入信息获取和决策过程，影响公众的社会阐释框架。
作为社会的信息传递基座，新闻传播业在接受人工智能技术赋能的同时，也成为人工智能风险生成、扩散和演变的关键场域。自2022年以来，人工智能的内容生成和交互水平取得突破性进展。人工智能聊天机器人程序ChatGPT、人工智能图片生成平台Midjourney和文生视频大模型Sora等生成式人工智能出现，掀起内容生产和信息消费热潮。生成式人工智能的数据训练、程序设计和生成结果应用等环节，也可能产生“被制造的风险”（manufactured risks），[1]涉及人机关系、深度伪造、产业变革等多个维度。
一、新闻传播业对人工智能的创新采纳
人类历史从根本上是人与物、物与物纠缠的历史。[2]人与技术物的关系大致有具身关系、诠释关系、它异关系和背景关系四种，[3]技术物是身体认知的放大器，也是人类观察、理解和操纵世界的中介，可以作为它者或准它者与人类共存，也可以融为生活环境的一部分，潜移默化地发生作用。作为一类技术物的人工智能与人类展开长期的互动实践，新闻生产和传播实践就是其中之一。从数据处理到信息分发再到内容生成，人工智能成为新闻传播业的创新驱动力和生产力。
（一）人工智能的发展：“类人”化与“类物”化
无论是将人工智能视作“工具”还是“潜在的合作伙伴”，公众对它的存在已习以为常。人工智能发展和应用是基于不可见的基础设施支撑体系，包含计算、存储、网络硬件等硬件基础设施体系和多样化的机器学习框架、算法以及相关工具软件、PaaS平台、服务等软性基础设施体系。近年来，人工智能的研发致力提升人工智能与人类社会的适配性，沿着“类人”和“类物”两个方向使人工智能融入社会的过程“自然化”。[4]所谓的“类人”，是指不断丰富人工智能算法模型的情感和心理维度，如通过分析文字词频、音频文本中的声调语速、图像文本中的面部表情特征等推测情感类型。所谓的“类物”是将易于交互的人工智能物嵌入人类熟悉的场景，如家庭生活场景中的育儿机器人、养老护理机器人和智能音箱等。
（二）智能化信息生产：人工智能成为生产主体
人工智能在不同场景中“类人”和“类物”的应用发展，也包括对传统信息生产流程的重构。继专业生产内容（PGC）和用户生产内容（UGC）后，人工智能生成内容（AI-Generated Content, AIGC）成为一种新型内容。作为一个复合型概念，人工智能生成内容“既是从内容生产者视角进行分类的一类内容，又是一种内容生产方式，还是用于内容自动化生成的一类技术集合”[5]。而生成式人工智能（Generative Artificial Intelligence, GAI）是指通过复杂的算法和模型对大规模数据进行集中学习，具有“文本、图片、音频、视频等内容生成能力的模型及相关技术”[6]，是“根据人类制定的规则训练而成的有立场、一定程度上受控的智能内容生成工具”[7]。在狭义上，人工智能生成内容是生成式人工智能参与生产的结果，但生成式人工智能更聚焦于技术、模型和工具。
生成式人工智能可以完成多模态文本转换，还能模仿人类的不同情绪口吻来输出内容。目前，按照任务类型划分，传媒机构生成式人工智能的应用形态有写作机器人、数智记者和AI主播等。人工智能在灾害事件（地震和暴雨等）、天气预报、财经、体育等垂直领域的报道方面，具有明显的时效性优势。包含生成式人工智能在内的人工智能，将记者从转录、翻译、校对等流程性工作中解放出来。传媒机构希望利用智能工具提升生产力，放大人类记者在新闻深度和事实核查等方面的独特优势，发展解释性报道和建设性新闻，进而巩固行业边界。
（三）智能化信息分发：从个性化走向定制化
人工智能应用于平台型媒体，以场景化、个性化的智能算法分发满足用户需求。通过收集用户的个人信息数据和使用数据，智能算法分析总结出不同的用户画像，根据历史偏好、相似群体偏好以及社交关系进行推荐。同时，平台算法会根据用户的点击量、阅读时长、完播率、个性化设置等不断调整内容推荐模式。
生成式人工智能实现跨平台内容聚合和分析，还能根据用户需求提炼总结出核心关键信息，产出定制化内容。因此，生成式人工智能有望发展成为“下一代网络入口”，[8]也将再次改变内容分发逻辑。
（四）智能化内容呈现：从“认知新闻”到“体验新闻”
人工智能丰富新闻呈现形式，推动“认知新闻”向“体验新闻”转变。面对新闻回避和新闻疲劳的双重挑战，新闻业转型的重要策略是进一步增加音视频形态的新闻数量，[9]以满足用户需求。新闻的数据可视化、碎片化、视频化等趋势，丰富了新闻阅读体验。2023年，安徽寒潮来袭时，大皖新闻的数智记者“小朱姐”迅速上镜播报，省略拍摄场地准备、妆造彩排等步骤，保障了新闻的时效性。川观新闻的数字记者矩阵包含20个真人记者的数字分身，可以充分发挥多线程播报的优势，提升内容生产效率。
近期发布的Sora类文生视频模型，引发使用生成式人工智能进行时空模拟和时空再造的丰富想象。Sora虽然在新闻现场采集、新闻调查和信源核实等方面有缺陷，但能够帮助记者还原一些“难以重回的现场”或制作便于理解和传播的解释性影像，提升新闻覆盖率和受众参与度。
未来，生成式人工智能和AR/VR等技术结合，将会以逼真的感官体验和自由设定，让用户沉浸式体验各类新闻场景。此外，生成式人工智能还能对新闻内容作出调整，以满足不同用户群体的阅读习惯偏好。新闻阅读程序“Artifact”，可以用不同的风格总结用户感兴趣的文章内容，将其改写成Z世代喜爱的风格或一系列便于在社交媒体传播的表情符号。智能社会与图像社会叠加，使世界更加趋于图像化、影像化。用户的认知模式也随之转变，从借助全面、客观、深度的信息进行“认知”转向习惯于通过影像和主观情感联想进行“体验”。
（五）智能化内容治理：用AI治理AI
虚假信息的生产传播是人类社会存在的长期问题之一。事实核查主体和技术变迁主要经历了三个阶段：传统的新闻事实核查；基于大数据、区块链等智能技术的事实核查；用AI治理AI的事实核查。
一是传统的新闻事实核查。传统的事实核查依赖人力核实新闻信源与经过，主要由职业新闻从业者完成，所需时间和人力成本较高。
二是基于大数据、区块链等智能技术的新闻事实核查。大数据和区块链技术出现后，人们能够通过爬梳并分析信息来源的账号特征、文本特征、传播路径特征等信息，开展数据管理、追踪和溯源，核实信息真实性。新冠疫情期间，社交媒体上混合着大量有关疫情扩散与治疗的信息，淹没了可信任的信息来源，影响公众的健康认知和决策，形成“信息疫情”。[10]大数据和区块链技术以分析高效、难篡改、易追踪等优势，为真实防疫信息的共享和传递提供技术支撑。
三是用AI治理AI的新闻事实核查。人工智能推动事实核查进入新的发展阶段，各国传媒机构和科技公司逐步探索“AI治理AI”模式。国际事实核查网络（IFCN）等组织以及相关主题国际会议，推动全球事实核查创新运动的制度化发展。其中，机器作为行动者的角色受到重视。谷歌DeepMind团队和斯坦福大学研究人员开发的搜索增强事实评估器（Search-Augmented Factuality Evaluator, SAFE），可通过大型语言模型分解聊天机器人生成的文本，再分别核查其中所涉及的事实信息准确性。相较于文字文本的核查，音频检测工具的发展应用相对滞后。美国西北大学计算机科学教授苏夫拉曼尼（V.S. Subrahmanian）开展人工智能音频检测实验，测试了14种现有、免费且公开的音频深度伪造检测工具，结果却不尽如人意。尽管目前使用AI工具识别深度伪造内容的难度较大，但构建行动者网络、开展人机协同、“AI治理AI”仍是发展趋势。
二、人工智能技术的媒体采纳带来的行业焦虑
机器主体的参与给人类记者带来职业发展忧虑。生成式人工智能融入新闻生产场域的过程，不是简单的“技术使用”，而是人类行动者与非人类行动者间的交互、协商与磨合。[11]面对新技术的冲击，身处生产一线的记者和编辑能更加敏锐地捕捉到人机权力关系的变化与职业边界的流动。组织、制度、文化变革往往会滞后于技术采纳，形成一段与技术发展不相匹配的转型阵痛期。因此，面对生成式人工智能嵌入导致的新闻生产工作常规重构、组织机制变革、新闻文化重塑，不少一线从业者表现出不同于机构管理层的怀疑和冷漠，甚至是抗拒和抵制。[12]作为传播主体的机器改变了以人为主体的传播生态。记者与编辑要应对行业内外的双重压力，迎接包含机器生产者在内的多元主体的挑战。
生成式人工智能及相关技术的发展带来高阶智能社会的迷思。ChatGPT和Sora等便于交互、面向公众的生成式人工智能出现，带动新的内容创作和消费方式流行。在Sora发布的女性漫步东京街头的视频中，人物在布满霓虹灯牌和广告牌的街头走动，五官和肢体动作都较为自然。尽管Sora生成视频中还存在着细节处理不够精细、自然规律和文化理解错位、叙事逻辑断裂等问题，它仍然承载着公众对于高阶智能社会的想象。
生成式人工智能的应用加剧新闻传播从业者的职业技能恐慌。生成式人工智能通过人机交互来产出内容，因此需要国家、群体或个体具备一定的数字资源调用能力。生成式人工智能可以根据指令实现多模态文本转换，进一步降低了生产门槛，但也考验着使用者自身的综合素质。自主性的提升常被认为具有赋权意味，例如提升个体传播能力和弥合数字文明社会的能力沟，或是增强个体的知觉与连接能力等。[13]然而，技术扩散会受到社会资本不平等的制约。“技术带来的特权越来越多地只属于那些负担得起的人，特别是当国家退出基础设施和公共服务供给时。”[14]当前，生成式人工智能的赋能所需的前置条件涵盖语言能力、创意能力、信息获取能力、技术使用素养和可接入设备条件等多方面。
三、生成式人工智能应用于新闻传播业的多元风险
生成式人工智能的新形态嵌入新闻传播业，不仅会改变新闻生产、分发和接收环节，也会推动相关制度和文化环境发生转型。技术创新、制度创新与知识创新的时差，给新闻业带来多元风险，并经由信息传播扩散至其他社会领域。
（一）数字信任危机：信息真实性和可靠性下降
生成式人工智能参与信息生产，导致人类生成的版权内容与AI生成内容混杂。生成式人工智能的模型训练、内容生产及生成物应用环节，都存在着侵犯版权的风险，如未经授权使用文本数据或者生成结果中模糊版权信息等。2024年2月，Raw Story、The Intercept、AlterNet等新闻机构指控OpenAI及微软的生成式人工智能删除了文章作者和标题等版权识别信息。无版权识别信息的人类产出内容与人工智能生成内容一同出现在信息流当中，客观上会对用户产生误导，干扰用户对生成式人工智能可信度的判断。
生成式人工智能加剧了深度伪造内容泛滥。2024年初，世界经济论坛发布的《2024年全球风险报告》提出，“未来两年全球十大风险”的首位是“人工智能生成的错误信息和虚假信息”。[15]以深度伪造的负面使用为代表，生成式人工智能正在危害公民和国家安全。ChatGPT出现后不久，就被发现用强大的文本处理能力来拼凑、编造虚假信息，对用户“一本正经地胡说八道”。相比之前的Pika、Runway等视频生成模型，Sora生成视频时长较长、分辨率较高且在多角度多景别的镜头变换中能够保持一定的主体一致性。脱离了生产主体等背景信息，许多人工智能生成内容看起来与人类生产的内容极为相似，几乎能够以假乱真。作为深度伪造最典型的应用，“AI换脸”和音频深度伪造也被用于欺诈和侵权。普通用户利用公开数据和生成工具，就可以轻易生成政治名人、娱乐明星甚至普通社交媒体用户的有害内容，侵犯其名誉权和隐私权。鉴别深度伪造内容和控制其传播的成本远远高于生成成本，被侵犯者常常难以自证。此前，有用户故意使用Elevenlabs公司的软件来制作传播种族主义言论的明星发言视频。深度伪造的负面使用不仅仅是用户的个人行为，平台的内容筛选、信息分发等设计也会产生引导作用。相较于图像/视频深度伪造内容，音频的制作成本和技术门槛更低，且缺少视觉线索，增加了鉴别难度。2024年1月，新奥尔良街头魔术师保罗·卡彭特（Paul Carpenter）只花了20分钟和1美元，伪造了美国总统拜登劝阻民主党人投票的音频。深度伪造音频常常通过电话而非在线播放的形式传播，其内容难以被暂停、回放、留存和截取片段分析。
生成式人工智能的应用，使“后真相”征候更加严重。传统新闻生产中，新闻现场的人、物、环境等诸多要素，既是启发记者进行个性化表达的灵感来源，也是新闻真实性的佐证。记者的身体在场和专业素养使现场变为新闻现场，“将各类事情转化为新闻事件”。[16]随着互联网成为信息传播基础设施，新闻传播主体范围拓展至非专业新闻机构、普通社会个体甚至是机器。UGC和AIGC生产模式普及开来，使新闻生产规范受到冲击。监控摄像头和各类传感器等媒介作为记者身体的延伸，开始代替记者进入现场。“身体离场”的方式提升了新闻生产的效率，但也制约了“现场感”的表达和实证功能的发挥。[17]在融合传播环境下，新闻的传播和接收迁移到社交媒体平台，新闻生产流程和新闻文化发生转变。“流量为王”的利益驱动机制以及信息核查的高昂成本，致使部分媒体转而用制造同意替代追求真实。大量不以事实为基础且信息、情感和立场混杂的复合体层出不穷。“后真相”征候频繁出现，表现为“成见在前、事实在后，情绪在前、客观在后，话语在前、真相在后，态度在前、认知在后”[18]。训练数据库中信息质量良莠不齐，会影响人工智能生成内容的质量。在互动过程中，生成式人工智能所“臆造”的内容根据用户要求不断被改写完善，变得更加难以辨别。
（二）平台权力扩张：渠道垄断、技术垄断与投资集中化
信息分发渠道集中在互联网平台，使传媒业产生路径依赖。与AIGC不同，传统的新闻生产主要依托于记者对各类新闻现场的挖掘，新闻价值的定义和传播方式取决于掌握信息传播主导权的专业新闻媒体，而传受互动主要采用受众的订阅、收听/视行为或读者来信等方式。当互联网平台崛起为信息分发的主要渠道，平台既是信息的中介和代理，也改变了传受互动关系。传媒机构改用不同平台的账号或账号矩阵作为内容输出终端，根据平台的内容规范和推荐机制调整内容，以获得更高可见性。传媒机构对受众的了解也越来越依赖于平台的数据反馈，尽管这与真实的用户需求还存在一定差异。
为采纳生成式人工智能，传媒机构对科技公司产生技术依赖。目前，我国除少数中央级媒体外，大部分地方媒体的相关业务都依赖腾讯、字节跳动等少数平台巨头的技术支持。传媒机构的技术依赖，导致平台公司对新闻生产的控制权从分发渠道侧拓展至内容生产侧。[19]许多地方传媒机构虽然采纳态度较为积极，但具体措施更像是完成一种“AI热”下的“必选项”：采纳生成式人工智能的主要贡献在于获取新闻效应，缺少连续的、实质性的内容产出能力以及与之配套的制度和文化环境。
生成式人工智能的发展具有一种潜在的垄断属性，强化平台对媒体市场的影响力。资金、高水平人才和关键技术缺失以及对意识形态风险的担忧，制约着传媒业的智能化发展。在平台媒体化与媒体平台化的双向进程中，传统媒体机构承载了更多的市场竞争压力，不得不与科技公司开展合作。少数科技巨头掌握着生成式人工智能的研发主导权。传媒机构担忧媒体投资会因此受到影响，从而导致媒体多样性削弱，影响行业生态平衡。
（三）现实映射能力弱化：内容同质化和公共议题失焦
生成式人工智能的信息生产是基于既有语料库进行人机互动，本质上是根据用户提出的需求，对已有信息进行聚合、分析以及多元化呈现，无法为公众提供知识增量。从生成逻辑上，生成式人工智能遵循基于相关性的概率学分析和匹配，本质上是数据逻辑，不同于人类基于人生经验和特殊情境触发的情感表达。技术不可生成的部分，也即物的能动性界限，证实了人的主体性价值以及多元主体协同的重要性。
逐利的商业逻辑会引导生产逻辑，进而损害创意实践空间。新技术展现出的可供性常常引发美好浪漫的想象，但社会资本不平等的现实和资本逐利的特性，可能导致技术使用“应然”与“实然”的偏差。在生成式人工智能之前，算法推荐也曾被认为能够鼓励个性化、创意化的视听生产，使小众内容走向大众。相反，平台的流量投放成为创作者的指挥棒，推动他们使用相似的视频元素和叙事方式生产大量同质化的“工业品”。平台型文化生产的结果是出现了一个“不太可能有创意的阶层”（Unlikely Creative Class），[20]他们具备一定影响力，却不断生产平庸的内容占据注意力空间。
生成式人工智能改变公共舆论的形成环境，可能导致公共议题的失焦。智能算法提供个性化推荐，而生成式人工智能则走向定制化信息服务。这将进一步强化个体层面的微观重要性，使公共利益层面的总体重要性不再占据主流。[21]市场导向下，新闻接收方式和新闻内容趋向大众化和商业化，曾占据主流的“公众启蒙”实践走向衰弱，社会生活的其他领域成为媒介信息产品的原料。[22]新闻内容与社会议题间的连接变得松散，对国家政策制定和社会行动的影响具有不确定性，地区、国家、群体与个人的联结处于松散耦合状态。[23]如果无法有效设置公众舆论场的议程，形成“共同焦点”，连接个体与集体、国家与公民等社会关系，大众传媒就面临着功能失灵的窘境。
（四）治理的悖论：AI治理的风险再生产
“AI治理AI”揭示出深度媒介化时代风险生产的递归性。平台媒体上虚假信息泛滥，诸多媒体、监管机构和科技公司加快探索智能核查工具的使用。事实核查主要包含三种类型：信息发布前后对事实信息的核查纠偏，对观点信息的核查纠偏，识别信息来源账号主体。训练事实核查AI需要信息来源更可靠的数据库。一旦数据库中混入错误信息或负面价值观的信息，事实核查不但无法实现治理，还会带来更大的真伪识别难题。许多观点类信息的理解往往需要结合具体语境，在观点与情境脱嵌的情况下，事实核查AI容易存在理解偏差。在被要求辨别网络仇恨和极端主义言论时，事实核查AI无法理解情绪的多义性、情绪产生的复杂场景和情绪传播中丰富的象征形式。[24]受原始数据库和程序设计影响，事实核查AI的诞生和应用带有原始立场和价值标准，可能导致观点霸权的形成。识别账号主体能够助力防范机器人水军操纵舆论。事实核查AI主要通过账号的使用行为辨别人类用户和机器账号，但也容易因无法理解人类使用行为的复杂性导致识别错误。事实核查AI用于治理，可能导致信息、伦理、社会等多维度的风险以相似的机制被再生产。
生成式人工智能的治理过程不仅会导致原有风险的循环，也会引发新风险。从长期来看，提升公民媒介素养是必要的应对举措，但在短期内容易制造出一种“说谎者的红利”（liar’s dividend）[25]——舆论操纵者利用公众对虚假信息的警惕和防范心理，将与自己立场不同的内容称为“虚假新闻”和“深度伪造内容”，用简明的断言替代复杂的举证过程，从而在公众舆论中制造怀疑，排挤其他观点。无论原始信息究竟是否真实，损害社会信任都变得越来越容易。这不仅会诱发用户的新闻回避，也会导致话语权再度集中于少数意见领袖之处，形成话语权垄断。
（五）算法矫正的窘境：偏见循环与话语风险
从算法推荐到生成式人工智能应用，信息的偏见循环仍然存在。智能模型和算法对人类偏见和立场的复制和循环，主要来源于原始数据库、程序设计和人机互动。[26]生成式人工智能的训练使用大量包含立场偏见的网络信息数据，其内容拓展和总结功能常常融真假信息为一体，甚至放大原始数据中的逻辑错误和价值观偏见。此前，智能模型和算法生成歧视言论的相关案例时有出现，使相关科技公司遭受舆论压力。由于清洗数据库成本极高、用户使用行为难以控制，科技公司主要通过优化程序设计来控制价值观风险。
生成式人工智能的价值观“矫正”，又陷入刻板化和模糊化的窘境。生成式人工智能的偏见循环和“政治正确”，本质上都是源于数据在情境脱嵌、转换和再嵌入时发生了偏差。生成式人工智能目前无法做到根据不同情境作出价值排序，再给予适当反馈，在面对历史事实与现代观念的冲突、不同社会文化的异质性等复杂问题时显得十分刻板和生硬。原本具备特殊性和情境性的数据被公理化，制造出数字的“普世景观”，掩饰社会中业已存在的不平等现象。[27]谷歌的智能生成工具Gemini因过于尊崇美式“政治正确”，忽略客观事实以及用户的创作需求和文化背景，引发用户不满。有用户指出，对指定人物肤色或种族的要求，Gemini有时会拒绝响应，或者随机生成不同肤色的人物图像。与之类似，ChatGPT也在战争、种族、宗教、性别等议题上表现得立场混乱或回避。生成式人工智能存在着被武器化的风险，[28]可能被用作国际政治博弈的工具。少数平台巨头在发达国家的背后支持下，凭借数据掠夺能力、算力壁垒和丰富的模型训练经验，抢占AI领域发展制高点并借此发挥舆情制造和引导能力。数字资本主义及数字帝国主义操纵舆论的企图，常常隐匿在貌似开放、“无国界”的生成式人工智能背后。内容的智能生成和传播伴随着意识形态的输出和舆论话语权的争夺，影响话语生态。
四、新闻传播业的GAI风险治理
嵌入新闻传播业的生成式人工智能，体现出“媒介发展中持续不断的、显而易见的‘新异性’（newness）”[29]，也引发了“自动化规范”与社会秩序中人类传统规范的冲突。传媒机构对人工智能角色认知和采纳态度的暧昧性，导致风险认知和应对存在差异。人工智能技术的迭代与应用，使信息环境和人机关系发生变化。不同国家和地区相继发布针对性的规制措施，以控制AI使用风险。
（一）版权侵犯与深度伪造成为GAI治理的重点内容
GAI的核心功能是生成，其治理首先围绕内容生产主体以及内容真实性展开。
1.传媒机构对版权保护的态度差异。训练和应用生成式人工智能的过程信息吞吐量巨大，涉及大量版权信息。绝大部分传媒机构都在技术采纳与版权保护之间寻求平衡，但具体措施中也体现出明显的优先级差异。作为最早使用人工智能赋能新闻生产、分发与核查的传媒机构之一，美联社的态度相对包容。美联社积极与科技公司展开合作、设立人工智能和新闻自动化部，同时也进一步规范新闻生产领域的AI使用。2023年7月，美联社与OpenAI公司签署合作协议，同意OpenAI使用美联社的部分文本资料来训练生成式AI模型，而美联社将获得OpenAI的技术和产品知识支持。2023年8月，美联社发布给记者和编辑的“生成式人工智能使用指南”，规定智能生成内容在发布前必须通过人工审查，不能使用智能工具更改照片、视频或音频素材的任何元素，也应避免传播虚构现实的图像。[30]相较而言，纽约时报高度重视版权保护，对智能工具的使用作出严格限制。2023年8月，纽约时报更新服务条款，明确禁止将纽约时报的内容（包括文本、照片、图像、音频/视频剪辑、“外观和感觉”、元数据或编译内容等）用于开发“任何软件程序，包括但不限于训练机器学习或人工智能系统”。未经书面许可，禁止使用爬虫类自动化工具访问、收集纽约时报平台发布的内容。[31]2023年12月，纽约时报起诉OpenAI及其投资者微软公司侵犯版权，[32]双方就信息获取的合法性、证据真实性等问题相互指控。传媒行业积极通过法律诉讼等方式捍卫自身合法权利，同时也希望向外释放预警信号，提醒公众关注生成式人工智能的威胁。2023年8月，盖蒂图片社、法新社、欧洲新闻图片社等组织机构联合签署公开信，要求人工智能模型数据透明化并尊重原作版权，呼吁制定AI的使用标准。[33]公开信指出，训练生成式人工智能和语言模型使用了海量的原创数据，其中包括大量新闻文字和图像文本，却并未给原作者相应的价值回馈。
传媒机构与科技公司的博弈，反映出当前算法优化和版权保护之间的矛盾。一方面，新闻产品可以作为优化算法的高质量数据，提升AIGC的准确度和合规性；但另一方面，在版权未得到有效保护的情况下，算法的优化会威胁到原创作者的利益，导致版权方缺少支持模型训练的积极性。
2.深度伪造的治理包括源头防范、过程控制与末端治理。技术的健康发展往往需要调用伦理、法律等其他维度的资源。不同国家和地区相继推出了伦理法律规制举措。
欧盟侧重从源头防范深度伪造的负面使用，集中于数据管控和主体权利保护等方面。2018年，欧盟通过《通用数据保护条例》(GDPR)，保护数据主体的知情权、删除权、反对权和自动化个人决策等相关权利，提出公平、合法、透明、目的限制性、存储限制等数据保护原则。2022年6月正式生效的欧盟《数据治理法案》（DGA）则鼓励为了公共利益的数据共享和使用，标志着欧盟对数据使用的整体态度从主张严格限制转向倡导“合理使用”。2024年3月13日，欧洲议会通过《人工智能法案》（Artificial Intelligence Act），提倡促进以人为本、值得信赖的AI发展，保护公民基本权利、民主、法治和生态环境。
我国对数据和智能技术应用的规制具有弹性，侧重流程管控和分类监管，在促进技术创新发展和维持社会环境有序之间寻求平衡和共赢。在我国，网络安全法、数据安全法和个人信息保护法三部基础性法律构成了数据使用和智能工具应用的基本规制框架。2020年更新的《中国禁止出口限制出口技术目录》中，“基于数据分析的个性化信息推送服务技术”被列为禁止出口的技术，例如字节跳动公司研发的TikTok核心算法等。2022年发布的《互联网信息服务深度合成管理规定》中，明确了深度合成服务技术支持者、提供者和使用者三类主体，构建以服务提供者为核心、连接技术支持者与使用者的监管模式，强化平台中介在深度合成内容传播和使用过程中的责任和义务。2023年7月，国家互联网信息办公室发布的《生成式人工智能服务管理暂行办法》提出，坚持包容审慎和分类分级监管：对于合理创新的应用，鼓励行业协作和场景优化；对“具有舆论属性或者社会动员能力”的生成式人工智能，要求按规定进行安全评估。相关条例办法以及网络治理行动作为对基础性法律的灵活补充，可以更加及时地应对技术的快速迭代和应用风险。
美国是最早提出对深度伪造技术进行立法规制的国家，从联邦到各州政府层面都确立了相关法案，侧重对深度伪造的负面使用结果进行治理，涵盖干扰选举、传播色情等多个方面。2019年6月，美国众议院的《深度伪造责任法案》要求，任何创建深度伪造视频媒体文件的人必须添加“不可删除的数字水印以及文本描述”予以说明，否则将属于犯罪行为。随后，美国得克萨斯州通过了《关于制作欺骗性视频意图影响选举结果的刑事犯罪法案》，弗吉尼亚州也颁布了一项反色情复仇修正法案，把发布和传播深度伪造视频视为实施色情报复的一种方式。2024年3月底，美国田纳西州通过《确保肖像、声音和图像安全法案》，“保护个人的声音和形象不在未经授权的情况下被人工智能所使用”，把权利主体范围拓展到了未成年人和已故个人，并特别提及了对音频作品的保护。
（二）人本主义成为GAI治理的基本伦理导向
“现代社会的控制形式在新的意义上是技术的形式。”[34]媒介影响社会各类制度以及制度之间的互动，不仅是通过一系列媒介技术装置的嵌入，也体现在围绕媒介技术形成的特定认知视角发挥着建构作用。生成式人工智能带来的机遇与挑战，为反思高度现代性时期的治理伦理提供了一个契机。
2017年，美国举办的“Beneficial AI”会议上，由844名人工智能和机器人领域的专家联合签署的23条AI发展原则，被称为“阿西洛马人工智能原则”。其内容包括坚持人类价值观、确保人类控制权等，并强调人工智能研究的目标是创造有益于人类而不是不受人类控制的智能。“阿西洛马人工智能原则”成为全球领域AI发展的指导性原则。然而，人工智能的发展和应用始终伴随着伦理争议。由于发展历史、现实情况和执政观念各不相同，不同国家和地区对于智能社会的愿景存在差异，其核心问题是：AI发展的受益者是谁？
美国的人工智能研发计划重视本国的国家利益以及全球领导力，对以中国为代表的AI发展大国多采用竞争修辞。欧盟坚持追求理性与道德的传统，以维护“公共利益”作为AI发展的基本原则，从制度设计上将数据利他主义作为新的数据使用理念。中国近年来从国家战略层面鼓励智能技术创新和数字化基础设施建设，同时始终强调坚持以人为本，致力于构建共建共享的和谐社会。
（三）“AI治理AI”成为GAI治理的技术发展方向
生成式人工智能将机器的主体性提升到了前所未有的程度。即便是在风险治理场景下，社会行动者的应对思路仍然是诉诸媒介，进一步引入媒介技术来解决问题。
“AI治理AI”存在着技术逻辑和治理逻辑的融合和博弈，其中的悖论隐藏着一个启示：应对生成式人工智能的相关风险，需要多元行动者的协同参与，尤其需要建立整体性、系统性和结构性的韧性治理思维。传播学研究者需突破围绕“恐惧”的研究范式，[35]客观认识技术和社会互动中的人机关系及其变化，探索健康高效的人机交流和协作方式，以应对内外部风险。
五、结语
以生成式人工智能为代表的智能技术，提供了更多元的信息生产、呈现和场景体验模式。垂直领域的写作机器人能够自动进行数据抓取、分析并生成稿件，从而快速响应突发事件、精准分析财务报表、低成本地报道体育赛事。图像生成模型可以突破时空限制，根据已知信息模拟事件发生经过和“还原”新闻现场，用具象化的方式解释新闻事件。参与式文化下，“我在现场”“重返现场”不仅是记者的职业需要，也是普通用户通过适度曝光、提升可见性，满足自身存在感需要的一种途径。生成式人工智能的“创造”属性将进一步提升用户的自由度，提供“第一视角”的场景体验，也便于用户生产出更个性化的解读内容。
生成式人工智能在信息呈现上的聚合化、影像化特点，会加剧舆论环境失序。同时，“AI治理AI”的模式却暂时难以跳出虚假信息和偏见循环的怪圈。生成式人工智能的虚假信息和价值偏见源于原始数据库、技术设计和人机交互，从根本上是对现实世界的映射。生成式人工智能还被用在政治经济博弈中，甚至被用于发表仇恨言论、煽动情绪。就现实状况而言，“AI治理AI”的模式在当前承载了过高期待。现有的AI治理工具无法精准辨别复杂情感及其文化语境，也难以分辨情感表达的不同信息载体。[36]生成式人工智能会进一步模糊人类生成内容和机器生成内容的界限，让舆论环境面临更大的风险。
在与技术的相互规训和共生中，人类需要共同承担维护公共利益和价值观的责任。生成式人工智能具备“成为道德上被接受的新闻内容生产主体”的潜力，[37]但它只是有限道德代理者，无法替人类做出道德决策和承担责任。[38]生成式人工智能的技术迭代和监管具有明显的区域特色和文化差异，但其作为一种新兴媒介所引发的风险具有相似性。在此过程中，人本主义仍然是应对风险的基本价值取向，发展对社会负责的AI是人类社会的共同目标，建立一个情境兼容的全球性信息治理框架是大势所趋。
【本文为国家社科基金重大项目“提升面对重大突发风险事件的媒介化治理能力研究”（批准号：21&ZD317）阶段性成果】
参考文献：
[1]吉登斯，皮尔森.现代性:吉登斯访谈录[M].尹宏毅，译.北京:新华出版社，2001:79-80.
[2]霍德.纠缠小史:人与物的演化[M].陈国鹏，译.北京:新经典文化出版社，2022:68.
[3]伊德.技术与生活世界：从伊甸园到尘世[M].韩连庆，译.北京:北京大学出版社，2012:72-117.
[4]吉顿.与类人智能交互:从分歧到融合[J].全球传媒学刊，2024(01):1-2.
[5]中国信息通信研究院，京东探索研究院.人工智能生成内容（AIGC）白皮书[R/OL].(2022-09-25)[2024-04-20].http://www.caict.ac.cn/kxyj/qwfb/bps/202209/P020220902534520798735.pdf.
[6]国家互联网信息办公室.生成式人工智能服务管理暂行办法[EB/OL].(2023-07-10)[2024-04-20].https://www.cac.gov.cn/2023-07/13/c_1690898327029107.htm.
[7]陆小华.智能内容生成的实质、影响力逻辑与运行范式：ChatGPT等智能内容生成现象透视与解析[J].新闻大学，2023(04):19.
[8]喻国明，苏健威.生成式人工智能浪潮下的传播革命与媒介生态：从ChatGPT到全面智能化时代的未来[J].新疆师范大学学报(哲学社会科学版)，2023,44(05):81-90.
[9]NEWMAN N. Journalism, media, and technology trends and predictions 2024[R/OL]. Reuters Institute for the Study of Journalism, [2024-02-21]. https://reutersinstitute.politics.ox.ac.uk/journalism-media-and-technology-trends-and-predictions-2024.
[10]World Health organization.2019 Novel Coronavirus(2019-n Co V):Strategic Preparedness and Response Plan [R/0L].[2024-04-17].https://www.who.int/docs/defaultsource/coronaviruse/srp-04022020.pdf.
[11]NEWMAN N. Journalism, media, and technology trends and predictions 2024[R/OL]. Reuters Institute for the Study of Journalism, (2024-01-09)[2024-04-21]. https://reutersinstitute.politics.ox.ac.uk/journalism-media-and-technology-trends-and-predictions-2024.
[12]周葆华，陆盈盈.生成式人工智能影响下的新闻生产创新:实践与挑战[J].青年记者，2024(03):10.
[13]胡正荣，李涵舒.“数字在场”:社交媒体时代视觉图像的传播范式重构[J].传媒观察，2024(02):64-71.
[14]Pitt, J. (2023). Toxic technology. IEEE Technology and Society Magazine,42(1),9.
[15]杨逸夫.应对人工智能技术滥用，合作才是未来[N/OL].光明日报，(2024-03-17)[2024-04-19].https://epaper.gmw.cn/gmrb/html/2024-03/17/nw.D110000gmrb_20240317_1-08.htm.
[16]塔克曼.做新闻：现实的社会建构[M].李红涛，译.北京:中国人民大学出版社，2022:18.
[17]胡洪江.从“身体在场”到“多元在场”：移动互联时代记者与新闻现场的关系重构[J].青年记者，2022(15):53-55.
[18]张华.“后真相”时代的中国新闻业[J].新闻大学，2017(03):30.
[19]方师师，贾梓晗.AI如何做新闻:基于全球106个案例的分析（2017-2022）[J].青年记者，2023(01):56-59.
[20]Lin, J., & de Kloet, J. (2019). Platformization of the unlikely creative class: Kuaishou and Chinese digital cultural production. Social Media+ Society,5(4),1-12.
[21]郑满宁.人工智能技术下的新闻业：嬗变、转向与应对：基于ChatGPT带来的新思考[J].中国编辑，2023(04):39.
[22]夏瓦.文化与社会的媒介化[M].刘君，李鑫，漆俊邑，译.上海:复旦大学出版社，2018:28.
[23]夏瓦.文化与社会的媒介化[M].刘君，李鑫，漆俊邑，译.上海:复旦大学出版社，2018:37-38.
[24]卞清，陈迪.互联网、智能算法与赛博仇恨：人类的情感干预如何可能?[J].媒介批评，2021(02):1-22.
[25]Chesney, B., & Citron, D. Deep fakes: A looming challenge for privacy, democracy, and national security[J]. Calif. L. Rev., 2019,107, 1785-1786.
[26]郭小平，秦艺轩.解构智能传播的数据神话:算法偏见的成因与风险治理路径[J].现代传播，2019(09):21-22.
[27]吴静.营造景观还是呈现“真实”[N].社会科学报，2024-03-21(006).
[28]Chesney, B., & Citron, D. (2019). Deep fakes: A looming challenge for privacy, democracy, and national security. Calif. L. Rev., 107,1773.
[29]库尔德利，赫普.现实的中介化建构[M].刘泱育，译.上海:复旦大学出版社，2023:7-12.
[30]THE ASSOCIATED PRESS. Standards around generative AI [EB/OL].(2023-08-16)[2024-04-20].https://blog.ap.org/standards-around-generative-ai.
[31]澎湃新闻.《纽约时报》更新服务条款 禁止将新闻报道用于AI开发[EB/OL].(2023-08-16)[2024-04-20].https://m.thepaper.cn/kuaibao_detail.jsp?contid=24251759.
[32]央视新闻.《纽约时报》起诉微软和OpenAI侵权[EB/OL].(2023-12-28)[2024-04-20].https://content-static.cctvnews.cctv.com/snow-book/index.html?item_id=2161282052940446687&toc_style_id=feeds_default.
[33]澎湃新闻.欧美新闻图片机构发布联合公开信 要求提高AI版权保护[EB/OL].(2023-08-16)[2024-04-20].https://www.thepaper.cn/newsDetail_forward_24223981.
[34]赫伯特.单向度的人:发达工业社会意识形态研究[M].刘继，译.上海:上海译文出版社，2014:9.
[35]吉顿.与类人智能交互:从分歧到融合[J].全球传媒学刊，2024(01):1-2.
[36]卞清，陈迪.互联网、智能算法与赛博仇恨：人类的情感干预如何可能?[J].媒介批评，2021(02):1-22.
[37]刘海明，张铭麟.想象AIGC：生成式人工智能浪潮下融媒体内容生产的思维特征与操作关键[J].中国记者，2024(02):6.
[38]简小烜.人工智能体作为有限道德代理者的道德责任[J].伦理学研究，2022(06):124-132.
本文引用格式参考：
郭小平，郭瑞阳.新闻传播业的生成式人工智能应用及其风险应对[J].青年记者，2024(06):5-13.
家好，我是 Echa。
今天来分享 50 个超实用的 Chrome 浏览器扩展！
JSON Viewer Pro 用于可视化JSON文件。其核心功能包括：
输入界面如下：
格式化之后：
JSONVue 是一个JSON数据查看器，主要用来格式化JSON数据：
Library Sniffer 是一款给开发者使用的工具，能够探测当前网页所使用的类库、框架和服务器环境，为开发者提供了方便。
Wappalyzer 扩展可以用来识别网站背后的底层技术。通过此扩展，可以了解特定应用程序是否是用 React、Vue、Angular、PHP等编写的。还可以访问有关 Web 服务器、编程语言、框架、内容管理系统、分析的信息工具、数据库等。
WhatRuns 扩展程序只需单击一下即可找到任何网站上使用的技术。
使用PerfectPixel插件可以将设计图加载至网页中，与已成型的网页进行重叠对比，以帮助开发和设计人员规范网页像素精度。这是一款可以优化前端页面显示的Chrome插件。
可以使用此扩展程序快速清除缓存，无需任何确认对话框、弹出窗口等。可以在选项页面上自定义要清除的数据和数量，包括：应用程序缓存、缓存、Cookie、下载、文件系统、表单数据、历史记录、索引数据库、本地存储、插件数据、密码和 WebSQL。
VisBug 是一个使用 JavaScript 构建的开源网页设计调试工具，它可以让用户使用点击式和拖放式界面来查看网站的元素。
Debug CSS 是一个帮助调试CSS的插件。他可以显示出页面元素的轮播，按住Ctrl，并将鼠标悬浮在元素上，即可查看其信息：
CSS Viewer 是一款适用于 Web 开发人员的高效 Chrome 扩展。顾名思义，CSS 查看器可以显示将鼠标悬停在任何网页上的元素的 CSS 属性。
EditThisCookie 是一个 cookie 管理器。可以添加，删除，编辑，搜索，锁定和屏蔽cookies。
React Developer Tools 是开源 JavaScript 库 React 的 Chrome DevTools 扩展。它允许我们在 Chrome 开发者工具中检查 React 组件层次结构。安装此插件之后，将在 Chrome DevTools 中获得两个新选项卡："?? Components" 和 "?? Profiler"：
Vue.js devtools 是一款基于chrome浏览器的用于调试Vue.js应用程序的插件，可以使得开发人员大大提高调试效率。支持用户对DOM结构数据结构进行解析和调试功能。
Augury 可以帮助开发人员在 Google Chrome 浏览器中调试和分析 Angular 应用程序。
Firebug Lite是火狐浏览器中著名的开发者工具firebug插件移植到Chrome中的插件，在Chrome中安装了Firebug Lite插件以后，开发人员可以像在火狐浏览器中使用firebug一样熟悉的方式来调试网页内容，其包含了基本的HTML、CSS以及Javascript的调试功能，用于帮助网页前端开发工程师快速地调试网页，以便及时地找到网页中的BUG并及时修复。
HTML Validator 在 Chrome 的开发者工具中添加了 HTML Validator。HTML 页面的错误数通过浏览器状态栏中的图标显示，详细信息可以在浏览器的开发者工具中查看。
Web Developer 扩展为带有各种 Web 开发工具的浏览器添加了一个工具栏按钮。该扩展适用于 Chrome 和 Firefox，并且可以在这些浏览器支持的任何平台上运行，包括 Windows、macOS 和 Linux。
Requestly 是一款Chrome和Firefox浏览器插件，提供URL转发、修改HTTP请求和结果、插入脚本等功能。
Window Resizer 主要用来调整浏览器窗口的大小以模拟各种屏幕分辨率。
Responsive Viewer 是在一个视图中显示多个屏幕的 Chrome 扩展程序。该扩展将帮助前端开发人员在开发响应式网站/应用程序时测试多个屏幕。
此插件允许直接从浏览器发送跨域请求，而不会收到跨域错误。可以使用此插件覆盖 Request Origin 标头，并将 Access-Control-Allow-Origin 设置为 *.
ColorPick Eyedropper 是一个放大的吸管和颜色选择器工具，可让从网页等中选择颜色值。
CSS Peeper 用于检查和复制元素样式的优秀工具，使用 CSSPeeper 可以将鼠标悬停在网页中的任何元素上，然后单击鼠标即可复制元素的样式。
24. Dimensions
Dimensions是一款能帮助使用者对网页上各种元素属性之间的距离进行测量的Chrome页面元素测量插件，该插件在点击启动插件图标后，可以对页面中图像、输入字段、按钮以及视频等页面元素之间上下左右的方位尺寸进行测量，同时还可以通过使用快捷键来快速启用或关闭该插件的功能，简单实用。
Site Palette 用于生成调色板。设计师和前端开发人员必备的工具。可以通过这款插件轻松获取网站的配色方案。
ColorZilla 是一款功能强大地提取网页色彩的工具；也是个快速的对颜色进行调节的Chrome插件，许多的用户将这款软件称呼为颜色吸取插件，它提取的颜色是非常的多样化，还可生产css颜色的代码等。
当我们想查看网页中文字的字体时，最常用的方法就是在控制台查看文字的字体样式。那还有没有更简单的方法呢？WhatFont 就是一个查看网页字体的Chrome扩展。只需要的点击扩展图标，再点需要查看为文字即可：
Fonts Ninja 可以从任何网站识别字体、添加书签、试用并购买它们。
使用 BrowserStack 快速启动扩展在任何浏览器中启动一个新的测试会话。最多可设置 12 个浏览器以实现快速访问并最大限度地减少切换浏览器所花费的时间。
Toby 是一款 Chrome 新标签页工具，能够将未读的标签页分组显示在新标签页中，这样就能把所有未看完的标签页都关闭了。分组相当于多个 Chrome 窗口，将你的标签页都拖进 Toby 中，就不需要实时开着占地方了。
该扩展提供了每日热门开发者新闻，不需要再浪费时间搜索高质量的文章了。
Momentum 拥有漂亮的新标签页面，每日更新精彩背景壁纸图片，可设置每日新鲜事焦点以及跟踪待办事项，无广告，无弹窗。
The Great Suspender 是一个轻量级的扩展用来减少 Chrome 的内存占用。如果同时打开许多选项卡，在可配置的时间之后未查看的选项卡将在后台自动挂起，从而释放该选项卡消耗的内存和 CPU。
Session Buddy是一个可以帮助用户查看、新增、编辑当前网站Session状态的Chrome插件。用户可以利用该插件保存网站当前的状态以便在关闭Chrome或关闭计算机后恢复，从而达到节省内存的作用。
Octotree 旨在让 GitHub 体验更好。通常，为了检查 Github 中的子文件夹，需要手动单击文件夹并导航。Octotree 扩展解决了这个问题。此扩展在项目的左侧显示存储库的目录结构，这有助于更好地理解文件夹结构。
1_EKF88oqIyX6FzgueCKdtXg.gif
File Icons for GitHub and GitLab 可以将 GitHub 和 GitLab 上的原始文件图标替换为特定文件类型的图标。
ax DevTools 是一个快速、轻量级但功能强大的测试工具，由 Deque 开发的世界上最值得信赖的可访问性测试引擎 axe-core 驱动。使用 ax DevTools 在网站开发过程中查找并修复更多可访问性问题。
OctoLinker 可以将特定语言的语句（如 include、require 或 import）转换为链接。当打开一个包含多个导入语句的文件并且想要快速打开它时，只需将鼠标悬停在链接的文件上并单击即可打开。
此扩展可帮助 Web 开发人员分析网页是否违反最佳实践。
Check My Links 是一个链接检查器，它可以抓取网页并查找损坏的链接。
Checkbot 是用于验证一组HTML页面上的链接的工具。Checkbot可以检查一个或多个服务器上的单个文档或一组文档。它会创建一个报告，该报告汇总了引起某种警告或错误的所有链接。
Google Page Speed Insighs 是一款旨在优化所有设备上的网页、提高网页加载速度的工具。
META SEO inspector是一款可以帮助用户分析网页的meta信息并得到SEO评估的谷歌浏览器插件。
Ghostery 是强大的隐私保护扩展程序。其主要有以下功能：
AdBlock 用来在YouTube、Facebook、Twitch和其他你喜爱的网站上拦截广告和弹窗。
番茄工作法（Pomodoro?）时间管理助理。? 长短两种休息时间 ? 带有倒计时显示的工具栏图标 ? 追踪Pomodoro历史和统计讯息 ? 可配置的长休间隔 ? 可配置的定时器时长 ? 桌面与新标签页通知 ? 超过20种音效可选的声音通知 ? 计时器秒针走动音效
Loom 可以用来快速录制视频，并且能够将录制的视频上传到指定的网页中，Loom还支持在用户点击启动插件时，立即捕捉屏幕图像，同时开始视频录制操作，还可以将录制好的视频复制到粘贴板中存储。
GoFullPage 是一款全屏截图插件（整个网页截图），完整捕获您当前页面的屏幕，进行滚动截图，而无需任何额外的权限。单击扩展程序图标，然后将其传输到屏幕快照的新标签页中，可以在其中将其下载为图像或PDF，甚至只需拖动即可，保存到桌面。
BetterViewer 可以提供更好的图像查看体验，旨在替代基于 Chrome 浏览器中内置的图像查看模式。使用时，只需在页面右键点击图片，选择“在新标签页中打开图片”即可。
svg-grabber 是一个快速预览并从网站获取所有 svg 的工具。可以用来预览、下载和复制网站中所有 SVG 图标和插图的代码。
要:新闻客户端是地市日报推进媒介融合的潮流之举。囿于人力物力和传统思维等因素，地市媒体新闻客户端比商业公司运作的同类产品在传播功能的效果实现上要差，在市场和营收上面临更多困难。地市日报应真正运用新媒体思维，发挥内容专业生产优势，增加资源投入，做足本地化特色和加强市场运营推广，才能实现困境突围。
中图分类号： 文献标识码：A 文章编号：1672-8122(2019)09-0000-04
一、“前端”新闻客户端的产品构架和特点
近几年来，随着移动互联网的用户规模日益庞大，作为移动新媒体的新闻客户端也得到迅猛发展，各大报纸为迎合用户需求，纷纷推出自己的APP，“封面”“看楚天”“南方 ”等先后亮相。艾媒咨询最新数据显示，截止2017年底，中国手机新闻客户端用户总数增至6.36亿人，尽管用户规模已趋饱和状态，但行业格局仍有变化空间，随着平台建设回归新闻本质，传统媒体类手机新闻客户端仍然有较强的发展潜力[1]。赣南苏区是2012年国务院确立的“原中央苏区振兴发展”的对象，赣南主流媒体在此国家战略中承担着新闻舆论宣传的重要使命。正是在上述背景下，为了进一步推进媒介融合和抢占移动网络舆论主阵地，赣南日报社于2016年9月12日推出了自己的新闻客户端“前端”。作为报社的战略级产品，“前端”聚合了赣南日报社旗下赣南日报、赣州晚报和“前端”新闻网的人力与内容等资源，以“越贴近，越前端”为口号，力求构筑“赣南主流媒体矩阵的重要一翼”。“前端”的正式上线，意味着赣南日报社已经完成了覆盖纸媒、PC端和移动端三代传播形式的整体布局。
“前端”产品的界面非常简洁，分为新闻、生活和互动三大块，聚合了新闻资讯、生活服务、社交互动和移动电商等当前媒体类APP常见的主流服务。其主要特点如下：
1、新闻资讯与生活服务本地化
作为一款地市级报纸的新闻资讯类APP，“前端”的眼界和定位都很清晰，旨在打造属于赣州人民的新闻客户端。其资讯内容的本地化色彩鲜明，比如热点、赣南、政情、教育、赣南师范大学等多个小栏目，都刊发大量的本地内容。尤其是在生活信息服务方面，提供社保查询、公交查询、天气查询、叫外卖、查快递、看电影、赣州红十字会和赣州风光等本地公共资讯和线上商城服务。在互动方面，开设了论坛区、新闻爆料栏目，供用户自主发贴和即时交流。这些栏目和内容设计不仅提高了“前端”服务的本地化特色，有助于提高用户黏性，也改造了媒体与受众交流的时空和形式，拓展了内容营销的渠道，而报料互动的设计还可以为新闻内容生产带来新的可能。
2、内容定制个性化和推送智能化
目前，“前端”为用户提供6个固定频道、24个兴趣频道的新闻内容，用户可根据自己的阅读兴趣订阅所选的频道内容。为了能够真实地捕捉用户需求，高准确度地向用户推荐信息，“前端”采用了最先进的用户行为智能分析技术和相关新闻推荐技术，用户点击某一篇文章后，系统会自动分析和聚合相关度较高的新闻，在文章页下方以列表的形式推荐给用户，便于其阅读更多感兴趣的文章，从而提供了“千人千面”的新闻资讯，较好地满足了个性化需求。同时，这种精准推送不仅能获得用户特别关注，有效唤醒沉睡用户，还能利用其优质内容捆绑用户，增加用户黏性。此外，“前端”还具备智能信息检索功能，用户可通过关键字检索文字信息、图片信息和视频信息，同时检索结果采用图片、文字、视频、混合展现等多种展现样式，实现检索结果展现的多样化[2]。
3、传受多互动与社区吸引力
“前端”重视媒体与公众的互动，论坛和报料两个板块为用户打造了畅所欲言和舆情上达的交流平台，用户既可以自由发起话题讨论，也可以向媒体曝光信息，并且得到“前端”的受理，在“前端问吧”中得到整理与回复。“前端”甚至还与赣州市政府部门协作建立知识问答共享，比如由市人社局直接回复网友有关的政策咨询，达到了便民利民的效果。同时，为了鼓励用户的使用和互动，“前端”在国内纸媒新闻APP中率先引入了社区积分机制，即用户的签到、分享、回帖评论等一系列行为均可获取相应的积分奖励(签到10个积分，评论、转发、邀请下载均为5个积分)，而积分到达一定数量，就可以通过生活板块中的线上商城兑换等价商品。这一独特创新让“前端”用户的注意力有了现实价值。但是“前端”在阅读新闻时并未设置积分奖励，如果能根据用户阅读某一新闻的时间或回贴评论的点赞数、回复数来设置梯度的积分奖励，其对用户使用的促进效果可能会更好。
此外，“前端”在内容方面还具有一定的延展性。其新闻板块中的融媒体栏目集成了读报、微信、微博、网站、H5和VR等内容，读报小栏目对外链接了赣南日报、赣州晚报、江西日报和多家中央级日报的电子版，整体上给人以小而全的感觉。同时，用户还可以将“前端”中的文章分享至新浪微博、微信朋友圈、QQ空间等多个社交平台，有助于提高“前端”的知名度并且实现用户的引流。
二、“前端”产品运营中存在的问题
一是依赖母媒，缺乏原创和亮点。“前端”的本地新闻稿件主要来自于赣南日报、赣州晚报、客家新闻网等媒体，自主策划的新闻报道较很少，说明它没有真正脱离母媒体。其他热点新闻则多转载于新华系、人民系、中新网等媒体平台，换汤不换药。笔者对2018年12月17-31日期间其热点小栏目的稿件来源进行分析发现，原创稿件仅占发稿总数的12.5%，说明原创性不足。
二是稿件更新较慢，内容偏软性。相较于其他报纸新闻客户端，“前端”在整体上更新较慢。比如2018年12月17日-31日期间，其热点小栏目共推出391篇新闻，平均每天26.1篇，其中休息日平均每天约12篇，远未达到实时更新的程度。其他栏目，比如理论、文艺、万象，约2~4天更新一次。这种节奏在信息化时代未免太慢，很难满足用户对各类信息的旺盛需求。在新闻题材上，“前端”推送的主要不是时政新闻，而是社会新闻，且其标题多采用网络文章标题的煽情套路。此外，还出现未标明稿件来源、明显错别字等低级错误。更值得注意的是，在热点小栏目还出现多次广告性质明显的宣传稿，比如《买房，地段你选对了吗》《碧桂园匠心品牌史》，内容诱导性很强。如此表现，有损于主流媒体的专业性和权威性。
三是用户参与度低，互动量少。“前端”的论坛、爆料两个主要互动栏目的用户使用率低、互动很少，平均每天更新的帖子和跟帖数都多为1条左右，且爆料中的帖子基本不是爆料信息，这说明其用户的使用意愿不足。在新闻频道中，很多新闻也根本无人参与评论，其跟帖的大多是“已阅”“哈哈”“好”之类的无效评论。这可能是其用户总量不足，或者是新闻内容缺乏吸引力，也可能与其社区积分制的激励作用不足等有关，从而限制了整体使用率和互动度。
四是APP功能设计欠亮点，实现效果待优化。“前端”产品功能设计采用的是当前新闻客户端的功能标配，即以频道订阅、评论分享和互动三大块为主，缺乏亮点。在功能实现方面，有时出现无法加载、链接跳转错误甚至闪退的问题，严重影响了用户体验。“前端”采用了积分制运营模式，但是其积分分配较简单：阅读新闻无积分，评论新闻、分享新闻、邀请好友下载均5个积分，而每日签到10个积分。这种设置对用户缺乏足够的吸引力，既不能引导用户消费新闻，也不利于给“前端”增进流量。此外，“前端”目前版本的积分奖励明细不清、线上商城开发不够，用户积分只能作为虚拟货币购买线上商城的商品，不能提现或得到其他转化。这种功能及其实现效果上的整体不足，使得“前端”很难与其他知名的新闻客户端竞争。
三、地市日报新闻客户端改进的思考
当前，国内新闻APP数量众多、竞争激烈，本来应以内容取胜的报纸新闻客户端也存在设计和内容同质化、用户黏性差、盈利模式不明等问题。作为地市日报的新闻客户端要想在市场竞争中突出重围，唯有更加贴近用户需要，在变化中求发展。
1、依托自身优势，走特色和差异化之路
腾讯网总编辑王永治曾经说过，纸媒转型做独立APP时机已经过去了，因为新闻市场早已被门户覆盖，而普通用户装一两个新闻资讯类APP就够了。所以，报纸新闻客户端要实现自救和发展，必须回到原点，即发挥其专业化新闻生产的优势，但新闻客户端不应简单照搬母媒内容，因为原创新闻依然是打动用户、增强核心竞争力、树立媒体品牌形象的重要途径，也是解决内容同质化的有效办法[3]。所以，不能一味地追求“短平快”，而要加强优质的原创新闻生产，做好热点报道、深度调查和新闻评论等，才能真正满足信息过载过剩时代新媒体用户的需求和消费特点。同时，地市日报新闻客户端还要做足做强本地化内容输出，以突显自己的特色和差异性。“前端”作为地方报纸APP，应坚持贴近赣州、服务赣州，可以增加县市区报道，使自己成为各地用户与家乡相连的纽带。
2、加强报道时效和形式，做足“富媒体”
在移动互联网环境和新闻消费短平快、碎片化的条件下，内容的新鲜和时效性是有效满足用户更切实的基本要求。地市报纸新闻客户端可以发挥其地方新闻的采集优势，加强自有新闻来源，及时、适时(比如读者午休、下班、睡前等时段)推送新闻，以“通知”功能推送重要新闻，满足用户“无限刷新”的需求。更重要的是，新闻客户端应真正做成“富媒体”。其办法很简单，主要是做好可视化解读新闻，即强化图片和视频[4]。“前端”在此方面已有尝试，比如以H5形式展现赣州18个县市区风貌，但其视频频道的新闻内容过少，大多为转载其他平台的娱乐内容。在缺乏条件做出高质量的视频新闻前，可以采用手机、无人机开展视频报道、VR报道甚至新闻直播；或发展用户成为“拍客”，以签约、奖励、网友打赏等形式，鼓励他们拍摄上传本地生活的新鲜视频。在某些题材领域比如节庆等活动中，还可以采用“众包”即UGC形式，让手机用户共同生产喜闻乐见的新闻。在资源运用方面，可以发挥赣州旅游、美食等优势进行旅行直播。
3、加大人力财力投入，提升用户体验
地方媒体迫于人力、财力等因素的影响，做新媒体往往很多都只是想法，效果实现较难，但是有投入才有产出。有了足够投入，APP的产品线、内容生产、用户体验乃至流量和整体运营才能出彩。仅从做好用户体验角度来看，好的用户体验就是用户愿意参与和互动，并且从中获得多而强的满足感。其方法很多，首先要强化APP的平台功能，以聚合足够用户；其次，要提供丰富的新闻和信息服务，善于营造热点话题，鼓励用户分享和交流；再次，开展有吸引力的线上线下活动和采用有效的激励机制，以提高用户的活跃度和留存度，同时又能促使平台实现信息的高效扩容和增值。比如“前端”的论坛栏目，可采用约稿形式、打赏机制来吸引优质内容入驻，爆料栏目可采用有偿形式收集新闻线索。
4、优化新媒体思维，提升平台盈利能力
国内外媒体融合实践证明，用传统媒体思维做不好新媒体。不树立和持续优化新媒体思维，运营不实现商业价值，就无法持续发展。可以说，新闻APP 光做好内容远远不够，它实际上是一个“内容+用户+关系”的综合平台，也是一种平台经济。
其一，从运营方式来看，用户激励机制非常重要，这样才可以打造一款以用户为中心的“有用又好玩”的新闻客户端。2015年，并读新闻APP曾以“阅读新闻能赚钱”的模式横空出世。其积分机制强调引导用户的阅读、分享和互动，而非签到或点击广告。这种分成与激励机制比“红人点点”“钱咖”“秒赚”等APP单纯地给用户“发红包”的做法更加积极和有持续性，不仅强化了用户体验，也有效地捆绑了用户。要进一步优化社区积分制，提高增值服务能力，可以按用户的参与方式、浏览的内容和时长来实行梯度积分奖励，以强化用户使用的深度。还可以开通积分兑现、余额提现、用户打赏等功能，以提升用户的使用率和满足感。
其二，从盈利需要来看，有偿订阅、广告和电商是APP商业变现的基本手段。通常，地方报纸新闻客户端很难实行新闻有偿订阅，而在APP页面直接插入广告又影响阅读体验。可以采用开屏广告、信息流广告、软文广告、抽奖等形式为广告主引流；可以开展“看广告赢积分”之类的二次营销，将广告分成与用户观看收益联系起来；此外，要做好美食、娱乐、教育、楼市、汽车、旅游等垂直频道的划分，便于广告主快速细分市场和匹配目标受众，同时根据用户属性、兴趣、浏览、搜索等大数据来测定宣传效果，便于广告主精准投放。在电子商务方面，则要做好自己的线上商城和积分变现，便于用户购买本地的吃、住、行、娱、乐、购等各类生活和出行服务。
其三，从产品推广来看，要多运用更加经济的线上营销手段。除了报纸二维码、官方微博微信下载链接等方式，还可以尝试在各大应用市场、下载站推广，或者在百科网站建立品牌词条，在问答网站建立产品问答，在论坛贴吧发布软文，或采用ASO优化等成本较低的诸多线上渠道进行推广。此外，还可以和其他地方媒体、新媒体开展合作互推，不断增强APP产品的曝光度和市场推广的长尾效应。总的来说，与成功的新闻类APP相比，地市日报新闻客户端大多还要在新闻资讯、生活服务、社交互动三个基本功能上增强效果的实现，在市场运营和盈利方面也需要较长时间的考验。
参考文献：
[1]艾媒咨询.2017-2018中国手机新闻客户端市场研究报告[EB/OL].http://www.iimedia.cn/60894.html,2018-03-22.
[2]大汉科技.越贴近,越前端——赣南日报手机客户端(APP)建设案例[EB/OL].http://www.hanweb.com/art/2016/7/11/art_330_2812.html,2016-07-11.
[3]单姗.地方媒体新闻APP的困境与机遇[J].新闻世界,2014(10):37.
[4]刘峣.新闻客户端如何破解同质化难题[J].青年记者,2016(2):29.
*请认真填写需求信息，我们会在24小时内与您取得联系。
