□文│王曉培 常 江

隨著算法深度卷入新聞行業(yè)，媒介的生產(chǎn)和消費(fèi)過程正在逐漸自動(dòng)化?？此啤翱陀^中立”的算法，引發(fā)了諸多關(guān)于倫理問題的爭(zhēng)論。原本附加于記者編輯、媒體組織的權(quán)力和責(zé)任讓渡給算法，使得原有的生產(chǎn)邏輯和關(guān)系被打破，同時(shí)也產(chǎn)生了現(xiàn)存?zhèn)惱砜蚣茈y以適用的新問題。文章嘗試建構(gòu)一個(gè)新的倫理框架，從算法新聞的技術(shù)可能性中提取特征，以生產(chǎn)流程（輸入、處理、生成）和報(bào)道的基本原則（真實(shí)準(zhǔn)確、客觀全面、社會(huì)責(zé)任）形成矩陣地圖，為明確和解決潛在的倫理挑戰(zhàn)提供進(jìn)路。

一、自動(dòng)化：主流新聞生產(chǎn)的一個(gè)趨勢(shì)

長(zhǎng)期以來，技術(shù)都是形塑新聞業(yè)生產(chǎn)流程、條件的重要因素。[1]隨著算法深度卷入新聞的編輯、聚合、發(fā)布及內(nèi)容分發(fā)，媒介的生產(chǎn)和消費(fèi)過程正在逐漸自動(dòng)化。目前，自動(dòng)化新聞多用于結(jié)構(gòu)化數(shù)據(jù)較為充足、報(bào)道相對(duì)公式化的領(lǐng)域，如體育、財(cái)經(jīng)、犯罪、天氣報(bào)道等。多爾（Dorr）自動(dòng)化新聞定義為自然語言處理（natural language generation，簡(jiǎn)稱NLG）的自動(dòng)或半自動(dòng)過程，即通過從私人或公共的數(shù)據(jù)庫選取數(shù)據(jù)、分配預(yù)選和未選數(shù)據(jù)特征的關(guān)系、將相關(guān)數(shù)據(jù)集合結(jié)構(gòu)化為一種語義結(jié)構(gòu)（a semantic structure），并將最終文本發(fā)布在線上或線下平臺(tái)。[2]

每天，大型媒體機(jī)構(gòu)都會(huì)在沒有過多人工干擾的情況下，利用計(jì)算機(jī)自動(dòng)生成若干報(bào)道。美聯(lián)社（Associated Press）每季度使用自動(dòng)寫作平臺(tái)語言大師（Wordsmith）將原始收入數(shù)據(jù)轉(zhuǎn)化為3700家企業(yè)的收益新聞，而此前人工僅能編輯400篇。[3]其競(jìng)爭(zhēng)對(duì)手路透社（Reuters）和法新社（Agence France-Presse）每年也會(huì)自動(dòng)生成上千條新聞。[4]自動(dòng)化新聞生產(chǎn)幫助新聞媒體擴(kuò)大了報(bào)道面，特別是在財(cái)經(jīng)和體育領(lǐng)域。

在中國(guó)，自動(dòng)化新聞也在實(shí)踐中嶄露頭角。除了此前騰訊的Dreamwriter（有資料譯為夢(mèng)幻寫手）、新華社的快筆小新、微軟小冰、今日頭條的xiaomingbot（張小明）等，2018年兩會(huì)，新華社利用國(guó)內(nèi)首個(gè)媒體人工智能平臺(tái)“媒體大腦”首次在兩會(huì)報(bào)道中使用MGC（Machine Generated Content，機(jī)器生產(chǎn)內(nèi)容）新聞?！懊襟w大腦”可自動(dòng)分析輿情數(shù)據(jù)、生產(chǎn)可視化圖表，并智能配音、剪輯、輸出。在分析了3511555條內(nèi)容后，“媒體大腦”僅用15秒就制作出了視頻新聞《2018兩會(huì)MGC輿情熱點(diǎn)》。此后，還制作了《“媒體大腦”也在學(xué)習(xí)政府工作報(bào)告 機(jī)器發(fā)現(xiàn)了這些看點(diǎn)》《“媒體大腦”想陪你聊聊“兩高”這五年》等六期MGC視頻新聞，海內(nèi)外總瀏覽量超過1200萬次，覆蓋量超過1億人。

自動(dòng)化新聞在某種程度上彌補(bǔ)了傳統(tǒng)新聞的不足，得到了消費(fèi)者的認(rèn)可。路透研究院發(fā)布的報(bào)告《碎片化新聞時(shí)代的品牌與信任》（Brand and trust in a fragmented news environment）顯示，盡管大多數(shù)受訪者此前并未關(guān)注新聞是如何生產(chǎn)的，他們中的多數(shù)，特別是年輕一代，仍然更傾向于讓算法而不是編輯來決定他們能看到什么新聞。[5]2017年，其發(fā)布的《數(shù)字新聞報(bào)告2017》（Digital News Report 2017）再次證明了用戶對(duì)算法的喜愛程度。該報(bào)告在全球共調(diào)查7萬人次，涵蓋五大洲36個(gè)國(guó)家和地區(qū)。其中，超過54%的受訪者表示更傾向于算法篩選新聞，選擇編輯和記者的受訪者占44%。這一趨勢(shì)在主要使用智能手機(jī)獲取新聞的用戶（58%）和年輕用戶（64%）中更加顯著。[6]2016年的一次焦點(diǎn)小組調(diào)查中，一位來自英國(guó)的受訪者解釋道，他們“更傾向于相信從整體（a full range）信息中篩選的算法而不是一位編輯”。[7]可見，“自動(dòng)判斷”被賦予了客觀性的期望，這對(duì)記者專業(yè)判斷的權(quán)威性產(chǎn)生了影響。[8]

不僅如此，自動(dòng)化新聞報(bào)道方式的流行，還導(dǎo)致傳統(tǒng)的新聞生產(chǎn)流程和社會(huì)功能的變革。表面上看，算法似乎解決了人類天然對(duì)主觀性的懷疑：通過“中性”的技術(shù)手段替代專業(yè)的決策，形成“客觀”的新聞文本。然而，越來越多的研究表明，算法并不是中立的，其偏見正以一種更為隱秘和復(fù)雜的機(jī)制運(yùn)作。這也引發(fā)了諸多關(guān)于算法倫理問題的爭(zhēng)論。在微觀層面，記者作為個(gè)體一直是新聞倫理的主要約束對(duì)象。一般認(rèn)為，新聞教育會(huì)提前將記者訓(xùn)練成為具備勤奮、可靠、誠(chéng)實(shí)、敏銳等優(yōu)秀品德的專業(yè)人士。但是，作為產(chǎn)品的新聞通常不是單一個(gè)體能夠全權(quán)負(fù)責(zé)的，而是涉及多主體、多層次的責(zé)任——在宏觀層面，除了媒體組織本身還會(huì)受到外部因素，如社會(huì)環(huán)境、競(jìng)爭(zhēng)者的影響。新聞生產(chǎn)的自動(dòng)化趨勢(shì)意味著越來越多的、原本附加于記者編輯、媒體組織的權(quán)力和責(zé)任讓渡給算法，一方面使得原有的生產(chǎn)邏輯和關(guān)系被打破，另一方面也產(chǎn)生了已有框架難以適用的新問題。因此，急需建構(gòu)一個(gè)新的倫理框架，以明確和討論不斷變動(dòng)的算法新聞倫理爭(zhēng)議。

二、算法的倫理問題研究綜述

算法新聞憑借快速及個(gè)性化能力勃興，越來越多地介入到專業(yè)新聞生產(chǎn)之中。學(xué)者們[9][10]研究發(fā)現(xiàn)，雖然目前算法新聞尚處初級(jí)階段，但記者普遍感覺數(shù)字化和自動(dòng)化使得新聞生產(chǎn)更加復(fù)雜，并讓從業(yè)者更難遵循規(guī)范標(biāo)準(zhǔn)（normative standards）。因而，對(duì)算法新聞的研究，除了受眾認(rèn)知、社會(huì)和經(jīng)濟(jì)影響之外，倫理問題也成為了重要的一環(huán)。對(duì)倫理的定義有很多種，最廣為傳播的是“關(guān)于我們應(yīng)該做什么的研究”。[11]

艾納尼（Ananny）結(jié)合傳統(tǒng)研究倫理的三條路徑——道義論（deontology）、功利主義（utilitarianism）以 及 美 德（virtue ethics） 建 立 了 全 新 的 NIAs（networked information algorithms，網(wǎng)絡(luò)信息算法）分析模型，關(guān)注作為一個(gè)集合（assemblage）的算法如何運(yùn)作，以及NIAs何時(shí)、如何、為誰工作。[12]多爾等為其補(bǔ)充了從來源和動(dòng)機(jī)方面對(duì)倫理問題的考量，并提出，算法新聞倫理是作為新聞倫理一部分的數(shù)字媒體倫理（digital media ethics）與計(jì)算機(jī)科學(xué)的賽博倫理（cyber ethics）的交疊。[13]賽博倫理即對(duì)涉及賽博技術(shù)的道德、法律、社會(huì)問題的研究，“對(duì)核心（傳統(tǒng)的）道德觀念的特定表述，比如自治、平等、公正、責(zé)任和人格尊重”。[14]為全面把握新聞倫理的潛在轉(zhuǎn)變和挑戰(zhàn)，多爾等結(jié)合普爾（Purer）提出的多層責(zé)任系統(tǒng)（the multi-layer system of responsibility） 及魏申貝格（Weischenberg）等對(duì)組織層次、專業(yè)/個(gè)體層次和社會(huì)/受眾層次的新聞分類方式（the classification of journalism），建立了一套涵蓋了組織、專業(yè)和社會(huì)視域的算法新聞倫理的分析框架，在客觀性、權(quán)威性、透明度以及隱含/外顯的價(jià)值觀等層面發(fā)掘新聞倫理的嬗變與新挑戰(zhàn)。[15]

隨著2015年國(guó)內(nèi)新聞機(jī)構(gòu)引入機(jī)器人寫作技術(shù)，我國(guó)學(xué)者對(duì)算法新聞倫理的研究也日漸增多。牛靜和劉丹通過對(duì)全球134篇媒體倫理規(guī)范的分析，總結(jié)出了提及率前十名的倫理原則，如保護(hù)消息來源、保護(hù)隱私、更正、明確新聞界限等。[16]靖鳴等總結(jié)了人工智能技術(shù)在傳播內(nèi)容、輿論監(jiān)督、公眾信息安全和著作權(quán)以及“信息繭房”方面為新聞業(yè)帶來的倫理失范問題。[17]喬艷認(rèn)為，機(jī)器人新聞生產(chǎn)機(jī)制對(duì)新聞工作者的價(jià)值產(chǎn)生沖擊，并為新聞受眾構(gòu)建了新的邏輯。[18]陳昌鳳等考察了智能算法推薦與分發(fā)的倫理風(fēng)險(xiǎn)，嘗試打開算法“黑箱”，探究技術(shù)實(shí)踐與公共信息生產(chǎn)的權(quán)力遷移。[19]張淑玲則關(guān)注算法權(quán)力躍升與算法黑箱的不透明性之間的張力，梳理了新聞算法黑箱的三種表現(xiàn)形態(tài)、成因及解決策。[20]

整體來看，目前我國(guó)對(duì)于算法新聞倫理的研究稍顯零散，研究或從單一角度入手，或從宏觀角度理論概述，尚未形成一個(gè)較為系統(tǒng)、全面的分析框架。本研究試圖從算法新聞的技術(shù)可能性中提取特征，搭建一個(gè)適用于國(guó)內(nèi)算法新聞的倫理地圖，為明確和解決潛在的倫理挑戰(zhàn)提供進(jìn)路。

三、我國(guó)算法新聞倫理的框架地圖

本文借助學(xué)者多爾[21]總結(jié)提煉的算法新聞的I-T-O框架（如圖1），基于技術(shù)流程將自動(dòng)化新聞生產(chǎn)劃分為三個(gè)部分：輸入（input），從數(shù)據(jù)庫提取數(shù)據(jù)；處理（throughput），用預(yù)先設(shè)定的語言和統(tǒng)計(jì)規(guī)則處理數(shù)據(jù)；生成（output），最終用自然語言輸出文本。

圖1 算法新聞的I-T-O模式

從技術(shù)手段上說，NLG擁有不同的算法種類，如按照學(xué)習(xí)方式可分為監(jiān)督式學(xué)習(xí)、非監(jiān)督式學(xué)習(xí)、半監(jiān)督式學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等，并還將出現(xiàn)新的手段。本文借助可操作的概念并還原其在自動(dòng)化新聞生產(chǎn)過程中的作用，以生產(chǎn)行為及結(jié)果為導(dǎo)向，從新聞報(bào)道的基本原則切入，嘗試建構(gòu)一個(gè)能夠系統(tǒng)描述動(dòng)態(tài)、開放的算法新聞的倫理框架。以生產(chǎn)流程（輸入、處理、生成）和報(bào)道的基本原則（真實(shí)準(zhǔn)確、客觀全面、社會(huì)責(zé)任）形成了一個(gè)3×3的矩陣地圖（如表1），為分析實(shí)踐和規(guī)范問題提供路徑。

表1 算法新聞倫理的分析框架

1.輸入：數(shù)據(jù)的可信度

在輸入階段，倫理問題主要來自數(shù)據(jù)本身及其來源?，F(xiàn)階段，結(jié)構(gòu)化數(shù)據(jù)是NLG的前提。自動(dòng)化新聞之所以在體育、財(cái)經(jīng)、犯罪等領(lǐng)域最為常見，正是由于這些領(lǐng)域數(shù)據(jù)的可得性和結(jié)構(gòu)化程度高?？梢?，數(shù)據(jù)本身的準(zhǔn)確性和可靠度對(duì)最終報(bào)道的真實(shí)準(zhǔn)確具有決定性影響。數(shù)據(jù)的完整性、中立性也非常重要。若數(shù)據(jù)庫獲取不全或具有偏向性，都可能導(dǎo)致錯(cuò)誤與偏見。此外，原始數(shù)據(jù)庫需要經(jīng)過“清洗”，以算法能夠理解的結(jié)構(gòu)化形式輸入。此過程中，一些無法被結(jié)構(gòu)化的數(shù)據(jù)被清理或忽視，也可能導(dǎo)致數(shù)據(jù)的缺失與偏向。

數(shù)據(jù)的來源一直是新聞倫理研究關(guān)注的問題。在算法新聞?lì)I(lǐng)域，數(shù)據(jù)來源的問題可以從兩個(gè)主體層面進(jìn)行考察。一是從媒體機(jī)構(gòu)層面，為實(shí)現(xiàn)數(shù)據(jù)透明，算法新聞的數(shù)據(jù)來源是否應(yīng)該被公開尚存爭(zhēng)議，因?yàn)殚L(zhǎng)期以來“保護(hù)信源”都是新聞倫理中重要的一項(xiàng)。應(yīng)該如何解決“數(shù)據(jù)透明”與“信源保護(hù)”之間的矛盾？此外，獲取的數(shù)據(jù)途徑是否正當(dāng)、取得數(shù)據(jù)后媒體機(jī)構(gòu)是否有權(quán)使用其進(jìn)行商業(yè)活動(dòng)也是被廣泛討論的問題；二是從用戶個(gè)體層面，算法時(shí)代，個(gè)人隱私的邊界正在逐漸消融，媒體對(duì)用戶數(shù)據(jù)的抓取和搜集可能會(huì)侵犯?jìng)€(gè)人隱私權(quán)。個(gè)人隱私的邊界應(yīng)該如何界定？未被授權(quán)的數(shù)據(jù)可以作為新聞寫作的素材嗎？2018年5月25日，歐盟全新的《通用數(shù)據(jù)保護(hù)條例》（General Data Protection Regulation，簡(jiǎn)稱GDPR）取代了1995年通過的歐盟數(shù)據(jù)保護(hù)法律，似乎給出了一種答案。該條例用嚴(yán)格的規(guī)定和高額的罰金迫使企業(yè)關(guān)注和保護(hù)客戶數(shù)據(jù)，讓用戶能夠更主動(dòng)地掌控?cái)?shù)據(jù)，維護(hù)隱私?，F(xiàn)階段，我國(guó)的法律在信息數(shù)據(jù)保護(hù)方面仍有待完善。

2.處理：算法的透明度

有學(xué)者將透明度定義為“新聞行業(yè)內(nèi)部和外部人士都有機(jī)會(huì)能夠監(jiān)督、檢查、批評(píng)甚至干涉報(bào)道過程的途徑”，[22]讓觀眾能夠了解新聞生產(chǎn)過程和報(bào)道幕后的記者。而算法新聞的出現(xiàn)卻挑戰(zhàn)了這一傳統(tǒng)標(biāo)準(zhǔn)，自動(dòng)生產(chǎn)的過程似乎是一個(gè)“黑箱”，特別是機(jī)器學(xué)習(xí)算法的出現(xiàn)，讓人類難以對(duì)其決策過程進(jìn)行監(jiān)督和干預(yù)，更難對(duì)輸出結(jié)果的合法性進(jìn)行認(rèn)定。透明度有兩個(gè)重要的組成部分——可得性和可理解性（accessibility and comprehensibility）：可得性即數(shù)據(jù)所有者的知情權(quán)與數(shù)據(jù)使用者的商業(yè)可行度（commercial viability）間的權(quán)力博弈，形成信息不對(duì)稱和有利于數(shù)據(jù)使用者的“知識(shí)和決策權(quán)力的不平衡（imbalance）”；[23]可理解性即算法運(yùn)行的規(guī)則和過程能被用戶理解，但知識(shí)門檻與技術(shù)壁壘的存在使得此部分的實(shí)現(xiàn)并非易事。[24]此外，出于商業(yè)性的專利保護(hù)、國(guó)家安全和隱私等考慮，算法做到完全公開是極為困難的。

不過在此方面，國(guó)外媒體也做出了多種嘗試。新媒體公司（ProPublica）發(fā)布其統(tǒng)計(jì)方法論白皮書；美國(guó)新聞聚合網(wǎng)站嗡嗡喂（BuzzFeed）、538（FiveThirtyEight）等將他們部分?jǐn)?shù)據(jù)向文章的數(shù)據(jù)和代碼設(shè)為開源；《紐約時(shí)報(bào)》、BBC等均在不同程度上公布了其算法工具的細(xì)節(jié)。而目前我國(guó)多數(shù)新聞寫作機(jī)器人并未公開詳細(xì)的算法，僅有微軟小冰粗略地公開了其實(shí)現(xiàn)人機(jī)對(duì)話的機(jī)理。[25]

一些觀點(diǎn)認(rèn)為，算法判斷與人類主觀決策相比，似乎具有天然的中立性，有學(xué)者將其稱作“算法客觀性”（algorithmic objectivity）。[26]因?yàn)樗惴〞?huì)按照預(yù)先設(shè)定的統(tǒng)一運(yùn)算流程，在沒有人為干預(yù)的情況下處理所有數(shù)據(jù)，而不是根據(jù)某一時(shí)刻的臨時(shí)判斷。但很多人發(fā)現(xiàn)，算法處理數(shù)據(jù)的運(yùn)行邏輯仍舊是人類行動(dòng)，傳統(tǒng)的監(jiān)督式學(xué)習(xí)在算法編寫過程中可能受到程序設(shè)計(jì)者、機(jī)構(gòu)的價(jià)值觀以及所處社會(huì)環(huán)境、技術(shù)限制等影響，機(jī)器學(xué)習(xí)算法則可能會(huì)受到用戶使用方式的影響，制造更多有意識(shí)或無意識(shí)的偏見的產(chǎn)生。有學(xué)者指出，臉書（Facebook）新聞的算法邏輯重視那些能夠被分享、被評(píng)論和被點(diǎn)贊的內(nèi)容，因此適合那些能夠引發(fā)情緒波動(dòng)的內(nèi)容，如讓人“極度喜悅或義憤填膺”的帖子或圖片。[27]

可追溯性在保證新聞的真實(shí)準(zhǔn)確和事后追責(zé)上扮演非常重要的角色。然而，機(jī)器學(xué)習(xí)算法的普及卻使得人類逐漸喪失了對(duì)機(jī)器行為的完全掌控，對(duì)算法行為的控制權(quán)逐漸從設(shè)計(jì)者、程序員轉(zhuǎn)移到了算法本身及其運(yùn)行環(huán)境，出現(xiàn)了“責(zé)任溝”（an accountability gap）。一篇自動(dòng)化報(bào)道出現(xiàn)問題之后，責(zé)任主體應(yīng)指向誰？程序設(shè)計(jì)者、機(jī)構(gòu)還是計(jì)算機(jī)？此外，有學(xué)者認(rèn)為，人類的道德標(biāo)準(zhǔn)無法適用于計(jì)算機(jī)，算法也無法模擬人類“對(duì)情感、道德的彈性把控”。[28]什么樣的算法設(shè)計(jì)是合理的、能夠滿足人類閱讀期待的？人機(jī)的倫理一致性（ethical consistency）以及對(duì)社會(huì)和道德責(zé)任的重置問題都尚未形成一致看法。

3.生成：報(bào)道的正當(dāng)性

算法對(duì)于報(bào)道的真實(shí)、準(zhǔn)確性有雙重作用。一方面，算法可以幫助媒體鑒別信息真?zhèn)?，成為很多媒體核實(shí)信源、應(yīng)對(duì)假新聞的有效方式。比如路透社開發(fā)的針對(duì)社交媒體推特（Twitter）的算法預(yù)警程序“新聞追蹤者”（News Tracer），運(yùn)用算法評(píng)估發(fā)布者的用戶資料、認(rèn)證情況、關(guān)注者和被關(guān)注者、消息的傳播方式等700余項(xiàng)指標(biāo)，幫助記者判斷一則推文的可信度，并利用機(jī)器學(xué)習(xí)發(fā)現(xiàn)被廣泛討論的事件，判斷其是否具有新聞價(jià)值。[29]另一方面，算法在輸入、處理過程中的偏見與不足，可能會(huì)直接導(dǎo)致報(bào)道的偏差與失實(shí)。《紐約時(shí)報(bào)》曾在一則橄欖球比賽報(bào)道中表示，盡管有大數(shù)據(jù)作為支撐，但機(jī)器人生成的報(bào)告要比NFL專業(yè)教練的預(yù)測(cè)更為樂觀。[30]

現(xiàn)階段，因技術(shù)和成本的限制，除為全球提供商業(yè)、金融信息的路透社、彭博社，多數(shù)媒體機(jī)構(gòu)選擇與外部渠道合作或購(gòu)買的方式獲取“二手?jǐn)?shù)據(jù)”而不是自主發(fā)掘數(shù)據(jù)。而出于合作、預(yù)算或?qū)Φ谌綌?shù)據(jù)的依賴，可能限制報(bào)道的復(fù)雜、深入程度以及立場(chǎng)，這也引發(fā)了對(duì)媒體自主權(quán)、報(bào)道獨(dú)立性、客觀性的討論。

社會(huì)責(zé)任是媒體活動(dòng)的基礎(chǔ)。早期，西方媒體被譽(yù)為獨(dú)立于“三權(quán)分立”中的立法、行政、司法之外的“第四權(quán)力”，以報(bào)道的方式監(jiān)督政府、制衡權(quán)力、守望社會(huì)。然而算法新聞似乎正在削弱媒體的社會(huì)功能。算法新聞目前還需要提前預(yù)置模板，對(duì)內(nèi)容的豐富度和深入度產(chǎn)生消極影響，導(dǎo)致最終的產(chǎn)品中出現(xiàn)背景信息、創(chuàng)造性和反思的缺位。多名一線記者在一次工作坊中表示，自動(dòng)生成的文章可看性低、內(nèi)容無聊，對(duì)讀者“沒有吸引力”。[31]皮尤研究中心發(fā)布的報(bào)告《變革中的新聞編輯部》中曾提出，“美國(guó)報(bào)紙獲得了數(shù)字時(shí)代網(wǎng)絡(luò)觀念和技能的更新，及淺顯內(nèi)容的多元化展示，而失去的是精致內(nèi)容的生產(chǎn)能力?！?算法新聞也擠占了媒體有限的資源，調(diào)查報(bào)道作為一項(xiàng)重要的公共服務(wù)因記者規(guī)模和資金的削減日漸減少，導(dǎo)致普遍的深度內(nèi)容供應(yīng)不足。[32]原本應(yīng)充當(dāng)“看門人”（watchdog）的媒體反而被商業(yè)利益、政治集團(tuán)利用。比如，2018年劍橋分析公司（Cambrige Analytica）被爆利用Facebook數(shù)據(jù)通過在各大社交平臺(tái)精準(zhǔn)投放具有偏向性的新聞操縱選民情緒，為各國(guó)政治宣傳、大選等利益集團(tuán)服務(wù)，甚至染指英國(guó)脫歐、美國(guó)總統(tǒng)大選等重大事件。

在自動(dòng)化新聞生產(chǎn)中，價(jià)值觀也是非常重要的一環(huán)。由于算法不具備人類的道德判斷，若不加以適當(dāng)限制和引導(dǎo)，易產(chǎn)生不良的社會(huì)影響。比如，微軟小冰就曾因?yàn)闄C(jī)器學(xué)習(xí)樣本問題被網(wǎng)友“帶壞”而出口成“臟”，甚至還在與網(wǎng)友的對(duì)話中發(fā)表反動(dòng)言論，一度被封殺。作為一家科技公司，今日頭條的創(chuàng)始人張一鳴曾公開稱“算法沒有價(jià)值觀”，但從2017年開始，今日頭條旗下產(chǎn)品屢屢因?yàn)閮r(jià)值導(dǎo)向問題被相關(guān)部門責(zé)令整改、關(guān)停。正如凱文·凱利在《科技想要什么》中說的：“我們的任務(wù)是引導(dǎo)每一項(xiàng)新發(fā)明培育這種內(nèi)在的‘善’，使之沿著所有生命的共同方向前進(jìn)?！盵33]沒有正確的價(jià)值導(dǎo)向，算法主導(dǎo)的新聞業(yè)極易產(chǎn)生負(fù)面的社會(huì)影響。

四、總結(jié)

算法作為一種伴隨新技術(shù)而生的權(quán)力，社會(huì)影響力愈發(fā)廣泛、深遠(yuǎn)。技術(shù)的進(jìn)步能否帶來更好的新聞業(yè)？在反思算法倫理的地圖之后發(fā)現(xiàn)，其在新聞業(yè)的應(yīng)用既帶來了新可能與便捷，如鑒別信息真?zhèn)?、預(yù)測(cè)未來發(fā)展、個(gè)性化寫作、拓展報(bào)道話題等，也帶來了諸多關(guān)于客觀性、真實(shí)性、社會(huì)責(zé)任等方面的爭(zhēng)議。艾納尼總結(jié)前人研究，準(zhǔn)確道出了算法的復(fù)雜性：它不僅是加速商業(yè)、新聞業(yè)、金融等其他領(lǐng)域的工具，而且是作為“話語”的存在，是技術(shù)的和社會(huì)的知識(shí)文化，組織信息如何產(chǎn)生、呈現(xiàn)、生成意義、被視為合法以及賦予公共意義。算法新聞倫理也是糅合了制度化代碼、專業(yè)文化、技術(shù)性能、社會(huì)實(shí)踐以及個(gè)體決定的復(fù)雜結(jié)果。算法作為自動(dòng)化時(shí)代的根基所帶來的倫理挑戰(zhàn)并不是“透明度”與“黑箱”可以完全概括的，框架地圖的構(gòu)建與完善能夠幫助厘清潛在問題并提出應(yīng)對(duì)方案，未來研究可圍繞某一概念進(jìn)行更為詳盡的研究，以及如何將“工具理性”和“價(jià)值理性”更好地結(jié)合。

注釋：

[1]Roger Parry.The Ascent of Media: from Gilgamesh to Google via Gutenberg [M].London: Nicholas Brealey, 2011.Boston: Nicholas Brealey Pub.

[2]Konstantin Dorr.Mapping the Field of Algorithmic Journalism [J].Digital Journalism, 2016 (6).

[3]Francesco Marconi, Alex Siegman and Machine Journalist.The Future of Augmented Journalism: A guide for newsrooms in the age of smart machines [R].Associated Press.[2017-02-22].https://insights.ap.org/uploads/images/the-future-of-augmented-journalism_apreport.pdf

[4]Alexander Fanta.Putting Europe’s Robots on the Map: Automated journalism in news agencies [EB/OL].Reuters Institute [2017-09-01].https://reutersinstitute.politics.ox.ac.uk/our-research/putting-europes-robotsmap-automated-journalism-news-agencies

[5]Kantar Media.Brand and Trust in A Fragmented News Environment [R].[2016-10-10].http://reutersinstitute.politics.ox.ac.uk/our-research/brand-and-trustfragmented-news-environment

[6]Nic Newman with Richard Fletcher, Antonis Kalogeropoulos, David A.L.Levy and Rasmus Kleis Nielsen.Digital News Report 2017 [R].Reuters Institute for the Study of Journalism.[2017-06-22].http://www.digitalnewsreport.org

[7]Nic Newman with Richard Fletcher, David A.L.Levy and Rasmus Kleis Nielsen.Digital News Report 2016 [R].Reuters Institute for the Study of Journalism.[2016-06-14].http://www.digitalnewsreport.org/survey/2016/

[8]Matt Carlson.Automating judgment? Algorithmic judgment, news knowledge, and journalistic professionalism [J].New Media & Society, 2017 (4).

[9]Brian Creech and Andrew L.Mendelson.Imagining the Journalist of the Future: Technological Visions of Journalism Education and Newswork [J].Communication Review, 2015 (18).

[10]Lia Paschalia Spyridou, Maria Matsiola, Andreas Veglis, George Kalliris, and Charalambos Dimoulas.Journalism in a State of Flux: Journalists as Agents of Technology Innovation and Emerging News Practices [J].International Communication Gazette, 2013 (75).

[11]John C.Merrill.Theoretical Foundations for Media Ethics.In Controversies in Media Ethics, 3rd ed.[C],edited by A.D.Gordon, J.M.Kittross, J.C.Merrill,W.Babcock, and M.Dorsher.New York: Routledge, 2011.

[12]Mike Ananny.Toward an Ethics of Algorithms:Convening, Observation, Probability, and Timeliness [J].Science, Technology, & Human Values, 2016 (41).

[13]Konstantin Nicholas Dorr & Katharina Hollnbuchner.Ethical Challenges of Algorithmic Journalism [J].Digital Journalism, 2017 (5).

[14]Herman H Tavani.Ethics and Technology.Controversies,Questions, and Strategies for Ethical Computing [M].New Jersey: Wiley, 2011: 13.

[15]Konstantin Nicholas Dorr & Katharina Hollnbuchner.Ethical Challenges of Algorithmic Journalism [J].Digital Journalism, 2017 (5).

[16]牛靜，劉丹.全球媒體倫理規(guī)范的共通準(zhǔn)則和區(qū)域性準(zhǔn)則——基于134篇媒體倫理規(guī)范文本的分析 [J].新聞?dòng)浾?2017 (10).

[17][28]靖鳴, 婁翠.人工智能技術(shù)在新聞傳播中倫理失范的思考 [J].出版廣角, 2018 (1).

[18]喬艷.智媒時(shí)代機(jī)器人新聞對(duì)新聞倫理的沖擊與重建 [J].新聞世界, 2017 (11).

[19]陳昌鳳，霍婕.權(quán)力遷移與人本精神：算法式新聞分發(fā)的技術(shù)倫理 [J].新聞與寫作，2018 (1).

[20]張淑玲.破解黑箱：智媒時(shí)代的算法權(quán)力規(guī)制與透明實(shí)現(xiàn)機(jī)制 [J].中國(guó)出版，2018 (7).

[21]Konstantin Dorr.Mapping the Field of Algorithmic Journalism [J].Digital Journalism, 2016 (6).

[22]Mark Deuze.What is Journalism? Professional Identity and Ideology of Journalists Reconsidered [J].Journalism,2005 (6).

[23]Omer Tene and Jules Polonetsky.Big data for all:Privacy and user control in the age of analytics [J].Northwestern Journal of Technology and Intellectual Property, 2013 (11).

[24]Brent Daniel Mittelstadt, Patrick Allo, Mariarosaria Taddeo, Sandra Wachter, Luciano Floridi.The Ethics of Algorithms: Mapping the Debate [J].Big Data & Society, 2016 (3).[25]講堂|周明：自然語言對(duì)話引擎 [EB/OL].微信公眾號(hào)：微軟研究院AI頭條 [2017-04-12].

[26]Tarleton Gillespie.The Relevance of Algorithms.In Media Technologies: Paths Forward in Social Research[C], edited by Tarleton Gillespie, Pablo Boczkowski, and Kirsten Foot.London: MIT Press, 2014.

[27]Zeynep Tufekci.The Real Bias Built in at Facebook[EB/OL].The New York Times[2016-05-19].https://www.nytimes.com/2016/05/19/opinion/the-real-bias-built-inat-facebook.html

[29]Reuters News Tracer: Filtering through the noise of social media [EB/OL].https://agency.reuters.com/en/insights/articles/articles-archive/reuters-news-tracerfiltering-through-the-noise-of-social-media.html.

[30]鄧建國(guó).機(jī)器人新聞：原理、風(fēng)險(xiǎn)和影響 [J].新聞?dòng)浾撸?016(9).

[31]Neil Thurman, Konstantin Dorr & Jessica Kunert.When Reporters Get Hands-on with Robo-Writing [J].Digital Journalism, 2017 (5).

[32]James T.Hamilton.Democracy’s Detectives: The Economics of Investigative Journalism [M].Massachusetts:Harvard University Press, 2016.

[33]凱文·凱利, 熊祥譯.科技想要什么 [M].北京: 中信出版社，2011.