申金鑫

摘 要：隨著新媒體的發(fā)展，技術(shù)對(duì)新媒體傳播方式、用戶收聽（收看）習(xí)慣的影響力也越來越大。網(wǎng)絡(luò)新聞傳播方式也從過去的門戶網(wǎng)站、軟件彈窗，轉(zhuǎn)變?yōu)橐苿?dòng)客戶端的精準(zhǔn)推送。在此過程中，信息傳播的方式也愈發(fā)碎片化、去中心化。如今，技術(shù)也正在構(gòu)建一道壁壘，擁有優(yōu)質(zhì)算法的公司逐漸崛起，誰能更加精準(zhǔn)地掌握用戶的喜好和特點(diǎn)，誰就能夠一舉占領(lǐng)流量高地。

關(guān)鍵詞：算法；新媒體；人工智能；傳播碎片化；信息過濾

媒體生態(tài)離不開三個(gè)環(huán)節(jié)——生產(chǎn)、傳播和互動(dòng)。在新媒體時(shí)代，傳播的重要性日益凸顯。隨著大數(shù)據(jù)技術(shù)的發(fā)展和應(yīng)用，去中心化的內(nèi)容分發(fā)正在給新媒體行業(yè)帶來一場(chǎng)史無前例的革命。媒體內(nèi)容已經(jīng)實(shí)現(xiàn)了從“以傳播者為中心”向“以受眾為中心”的轉(zhuǎn)向。在推薦引擎時(shí)代，內(nèi)容生產(chǎn)更加碎片化?；诖髷?shù)據(jù)技術(shù)的推薦引擎，把每個(gè)人感興趣的信息推送到他面前，實(shí)現(xiàn)了更加高效的流量變現(xiàn)。與此同時(shí)，傳播的碎片化導(dǎo)致內(nèi)容生產(chǎn)也更加碎片化，每一位用戶都可以實(shí)時(shí)成為內(nèi)容的生產(chǎn)者與貢獻(xiàn)者。專業(yè)機(jī)構(gòu)不再在媒體生態(tài)中占據(jù)壟斷地位，而算法也正在構(gòu)建起新媒體行業(yè)的新壁壘。

1 去中心化成風(fēng)潮

從紙媒、電視廣播到以新浪、騰訊等為代表的門戶網(wǎng)站所主導(dǎo)的時(shí)代，新聞內(nèi)容的生產(chǎn)與傳播都非常集中，媒體占據(jù)著絕對(duì)的主導(dǎo)地位。到了博客時(shí)代，生產(chǎn)已經(jīng)開始碎片化，但是傳播方式仍然非常集中，受眾難以得到個(gè)性化定制的新聞信息。到了以微博、微信為代表的社交時(shí)代，生產(chǎn)更加碎片化，傳播也碎片化了，用戶開始與平臺(tái)產(chǎn)生聯(lián)系和互動(dòng)，在信息的獲取上，社交關(guān)系成為了用戶獲取信息的主要渠道。而到了推薦引擎時(shí)代，用戶獲取信息不必再受限于社交關(guān)系的傳播，平臺(tái)為每一位用戶建立起個(gè)人的“興趣畫像”，把用戶可能感興趣的信息推送到他的首頁，用戶不需要關(guān)注特定的博主仍然可以獲得自己想要的信息，而且隨著使用頻率的增加，用戶畫像會(huì)愈發(fā)精準(zhǔn)，也使得信息推送變得更加高效且有針對(duì)性。因?yàn)檫B接與傳播更加碎片化，導(dǎo)致生產(chǎn)也比以前更加碎片化，每個(gè)人都可以貢獻(xiàn)認(rèn)知盈余。有研究者認(rèn)為，未來知識(shí)的生產(chǎn)一定不是專業(yè)機(jī)構(gòu)完全把持的，70%以上可能來自于普通大眾。

以今日頭條旗下的抖音為例，抖音不僅在中國(guó)取得了不俗的成績(jī)，在海外還化身 Tik Tok 在谷歌商店上線，超過LINE、Google Maps等經(jīng)典應(yīng)用程序，成為日本App Store年度熱門免費(fèi)應(yīng)用。借助今日頭條的核心能力和資源——優(yōu)秀的推薦算法、優(yōu)秀的產(chǎn)品運(yùn)營(yíng)能力、對(duì)流量獲取和變現(xiàn)渠道的理解和積累，抖音得以實(shí)現(xiàn)快速生長(zhǎng)，并迅速在同類市場(chǎng)中站穩(wěn)腳跟。以今日頭條、抖音等為代表的新一代新媒體正在革新用戶的信息接收習(xí)慣，從信息的被動(dòng)接收者，轉(zhuǎn)為去中心化內(nèi)容傳播的參與者，甚至是內(nèi)容的創(chuàng)造者。目睹了今日頭條和抖音的成功后，在音樂、網(wǎng)購(gòu)等各類細(xì)分領(lǐng)域，平臺(tái)商們也開始大量復(fù)制此二者的模式。

在此種情況下，內(nèi)容的制作與傳播不再為媒體平臺(tái)所壟斷，用戶得以更加深入、活躍地參與到內(nèi)容的制作與傳播中來。從以文字內(nèi)容為主的今日頭條、百家號(hào)，到以音頻內(nèi)容為主的喜馬拉雅、蜻蜓FM，再到以視頻內(nèi)容為主的快手、抖音等新媒體平臺(tái)，無數(shù)“草根”名人得以涌現(xiàn)。而來自用戶身邊的“草根”名人的走紅，也讓用戶更加積極地參與到了內(nèi)容的制作與創(chuàng)新中來，既貢獻(xiàn)了更多有趣的優(yōu)質(zhì)內(nèi)容，也讓平臺(tái)與用戶之間的聯(lián)系與互動(dòng)更為緊密。

2 科技進(jìn)步與政策引導(dǎo)釋放內(nèi)容創(chuàng)業(yè)生產(chǎn)力

推薦引擎其實(shí)并不是完全意義上的全新概念。早在十多年前，通過電腦端的搜索記錄或電商平臺(tái)的購(gòu)買記錄，用戶就可以獲得諸多同質(zhì)的內(nèi)容或產(chǎn)品推薦。那么，以推薦引擎為特點(diǎn)的新媒體平臺(tái)為何在此時(shí)爆發(fā)？它們爆發(fā)的內(nèi)生動(dòng)力有哪些呢？

首先，大數(shù)據(jù)技術(shù)的發(fā)展和應(yīng)用為去中心化的媒體內(nèi)容傳播提供了最基本的技術(shù)支持。而在大數(shù)據(jù)的背后，是以深度學(xué)習(xí)為基礎(chǔ)的機(jī)器學(xué)習(xí)算法的興起?？梢哉f，每一次用戶收到的信息推送都是一次人工智能的執(zhí)行，而在人工智能的背后，則是大量服務(wù)器打下的堅(jiān)實(shí)基礎(chǔ)。

此外，智能手機(jī)和4G網(wǎng)絡(luò)的興起也為此類新媒體平臺(tái)爆發(fā)提供的重要基礎(chǔ)。智能手機(jī)的普及讓信息接受成為了一個(gè)個(gè)性化的過程，也讓媒體平臺(tái)得以實(shí)現(xiàn)對(duì)用戶的精準(zhǔn)識(shí)別。而4G網(wǎng)絡(luò)的普及，則讓人們隨時(shí)隨地獲取信息成為可能，通過手機(jī)能夠收看的內(nèi)容也從傳統(tǒng)的文字圖片擴(kuò)大到包括短視頻在內(nèi)的豐富媒體形態(tài)，進(jìn)一步促進(jìn)了媒體內(nèi)容的傳播。如今，5G正在醞釀著一場(chǎng)更大規(guī)模的變革，相信屆時(shí)，將給媒體行業(yè)帶來一場(chǎng)更大規(guī)模、更為徹底的革命。

最后，不可忽視的是，生產(chǎn)力的釋放讓更多的好內(nèi)容出現(xiàn)在了新媒體平臺(tái)上。在新媒體平臺(tái)上活躍的群體或個(gè)人，許多都是來自于傳統(tǒng)媒體。他們憑借在傳統(tǒng)媒體工作多年所積累的媒體經(jīng)驗(yàn)，以及對(duì)媒體內(nèi)容制作和傳播的深刻理解，而制作出許多不同于傳統(tǒng)媒體的、更適合新媒體平臺(tái)傳播的內(nèi)容。國(guó)家近年來大力倡導(dǎo)的大眾創(chuàng)業(yè)、萬眾創(chuàng)新也使得各行各業(yè)的人更加積極地投入到創(chuàng)業(yè)當(dāng)中去，帶來生產(chǎn)力的大規(guī)模釋放。

3 信息過濾仍存技術(shù)盲點(diǎn)

新媒體讓用戶用小小的一部手機(jī)、iPad等移動(dòng)設(shè)備，就可以接收到互聯(lián)網(wǎng)上的海量信息，并且能夠?qū)崟r(shí)地將自己接收到的信息與他人進(jìn)行分享。但是，在去中心化的浪潮中，人們接收到的信息究竟是多了還是少了？

打開今日頭條，從第一屏刷到最后一屏，你會(huì)發(fā)現(xiàn)，自己的頁面中，從上到下，幾乎都是同一類或者幾類的消息。如果你某天恰巧打開了一條關(guān)于旅行的文章，那么之后的幾天，就會(huì)不停地收到此類推送。而旅行之外的軍事新聞、經(jīng)濟(jì)新聞等，則會(huì)無聲無息地消失在你的頁面之外。因此，技術(shù)在為用戶帶來滿足的同時(shí)，不知布局也縮減了用戶接收信息的范圍和廣度。自以為通過新媒體的方式，接收到了更多的信息，但是事實(shí)上，這些信息的同質(zhì)化越來越嚴(yán)重，人們實(shí)際上接收到的都是自己想要看到或者喜歡看到的信息，而對(duì)于那些自己不感興趣，卻同樣重要的信息，卻“視而不見”。

此外，去中心化的新媒體技術(shù)也會(huì)讓人們無法掌握到網(wǎng)絡(luò)上的真實(shí)輿情。當(dāng)一個(gè)新聞事件發(fā)生時(shí)，網(wǎng)絡(luò)上會(huì)出現(xiàn)不同的聲音。比如，某個(gè)爭(zhēng)議性的案件曝光后，一些人選擇譴責(zé)相關(guān)責(zé)任方，而另一些人則站在了對(duì)立面上，堅(jiān)定地相信案件背后另有隱情。對(duì)于后者來說，他們會(huì)更加愿意點(diǎn)擊與自己觀點(diǎn)一致的文章。因此，對(duì)于這部分用戶來說，他們?cè)谛旅襟w平臺(tái)上看到的文章將會(huì)一邊倒地呈現(xiàn)出支持己方的意見。如果這些用戶不到門戶網(wǎng)站或者微博平臺(tái)去收看新聞的話，他們很容易便會(huì)對(duì)當(dāng)前的網(wǎng)絡(luò)輿情產(chǎn)生誤解。因此，去中心化的新媒體技術(shù)將可能使得用戶接收到的信息越來越狹窄，越來越片面。

4 媒體責(zé)任與算法技術(shù)的博弈

技術(shù)的變革，不僅重塑了新聞產(chǎn)品的生產(chǎn)與分發(fā)，也重構(gòu)了新媒體的內(nèi)容生態(tài)。然而，技術(shù)為新媒體平臺(tái)聚攏了大量的人氣之后，便要承擔(dān)起更大的責(zé)任，更好地?fù)?dān)負(fù)起輿情導(dǎo)向的作用。但是實(shí)際情況是，一些新媒體平臺(tái)的算法將目光更多地放在了吸引眼球和獲取流量上，而在價(jià)值取向方面所做甚少。在對(duì)用戶時(shí)間和注意力的競(jìng)爭(zhēng)中，媒體平臺(tái)一次又一次地把操守放在了流量之后。以此為基礎(chǔ)的算法革命，又進(jìn)一步助推了這一趨勢(shì)。即使是主流媒體，在新媒體平臺(tái)上，為了爭(zhēng)奪眼球，也在著力打造聳人聽聞的夸張標(biāo)題、刊載未經(jīng)核實(shí)的采訪內(nèi)容，把新聞規(guī)范拋諸腦后。

有人認(rèn)為，技術(shù)并無正義邪惡之分，不能對(duì)算法過多苛責(zé)。但是，用技術(shù)為善還是作惡，則體現(xiàn)了其使用者的價(jià)值觀。用大數(shù)據(jù)進(jìn)行用戶畫像，并根據(jù)用戶畫像進(jìn)行內(nèi)容的精準(zhǔn)推送，背后隱藏的價(jià)值觀即是流量為王、諂媚討好用戶的功利主義價(jià)值取向。從未成年孕媽的頻頻上精選，到偷奔馳標(biāo)視頻熱傳，一次次新媒體平臺(tái)惡性傳播事件的背后，是這些平臺(tái)不夠完善的內(nèi)容審核機(jī)制和流量為王的錯(cuò)誤推薦算法。因此，我們可以看到，唯用戶喜好是從、唯流量是從的算法技術(shù)，本身就是一種錯(cuò)誤價(jià)值取向的體現(xiàn)。隨著用戶群體的壯大，這種算法技術(shù)將愈發(fā)暴露它的問題與短板。

誠(chéng)然，算法帶來了一些傳播內(nèi)容不當(dāng)?shù)膯栴}，但是，這并不意味著我們要拒絕技術(shù)。在此過程中，媒體行業(yè)恰恰更需要時(shí)刻走在技術(shù)的最前沿，將技術(shù)變?yōu)樽约焊纳苾?nèi)容制作、加深用戶互動(dòng)的工具。在技術(shù)的助力下，媒體人需要保持戰(zhàn)略定力和職業(yè)操守，不一味迎合，不屈從于算法和技術(shù)，找到受眾更加喜聞樂見的方式和角度，實(shí)現(xiàn)更加高效的傳播。并且，通過供給充滿正能量的內(nèi)容，弱化技術(shù)在內(nèi)容生產(chǎn)和傳播中造成的一些問題。八一建軍節(jié)前夕，一組以“我的軍裝照”為主題的H5瀏覽量突破11億次，超過1.55億用戶參與互動(dòng)，人們?cè)跁褴娧b照的同時(shí)，也為建軍90周年真誠(chéng)獻(xiàn)禮；無獨(dú)有偶，世界博物館日的短視頻3天之內(nèi)就播放了1.18億次，讓大英博物館2016年的全年參觀人次都相形見絀。面對(duì)算法技術(shù)掀起的新媒體行業(yè)革命，借助技術(shù)的力量，提升內(nèi)容的質(zhì)量，促進(jìn)內(nèi)容的傳播，方是實(shí)踐媒體價(jià)值、踐行社會(huì)責(zé)任的正途。

5 結(jié)束語

綜上所述，技術(shù)的進(jìn)步推動(dòng)著媒體內(nèi)容制作和傳播方式的變革。用戶多樣化的內(nèi)容需求得到了充分的滿足和釋放，去中心化的內(nèi)容分發(fā)甚至讓一些用戶同時(shí)成為了內(nèi)容的創(chuàng)造者和傳播者。但是當(dāng)前的算法技術(shù)也存在一些盲點(diǎn)和缺陷。盡信“術(shù)”，不如無“術(shù)”。在激烈的媒體競(jìng)爭(zhēng)中，媒體平臺(tái)只有時(shí)刻握牢主流價(jià)值觀這把尺子，才能真正發(fā)揮出技術(shù)進(jìn)步的作用，實(shí)現(xiàn)媒體行業(yè)的進(jìn)步。

參考文獻(xiàn)

[1]王國(guó)霞，劉賀平.個(gè)性化推薦系統(tǒng)綜述[J].計(jì)算機(jī)工程與應(yīng)用，2012（07）：66-76.

[2]黃立威，江碧濤，呂守業(yè)，劉艷博，李德毅.基于深度學(xué)習(xí)的推薦系統(tǒng)研究綜述[J].計(jì)算機(jī)學(xué)報(bào)，2018（07）：1619-1647.