免费久久国产&夜夜毛片&亚洲最大无码中文字幕&国产成人无码免费视频之奶水&吴家丽查理三级做爰&国产日本亚欧在线观看

AI奪權，“備胎轉正”的戲碼，在媒體行業再次上演。

5月底，微軟宣布將解雇50名從事新聞報道篩選和策劃的編輯，取代他們的正是已經與這些人類編輯們共同工作了一段時間的AI編輯。

受此影響，英國新聞協會負責在MSN網站及微軟Edge瀏覽器上維護其新聞主頁的約27名編輯，被告知將在6月底被解雇。

盡管微軟特別聲明，此次裁員和新冠疫情大流行導致的新聞媒體的廣告收入下滑，沒有直接相關，但通過AI技術來削減新聞團隊的人力成本則已經是一個不爭的事實了。

對于這些無奈“中槍”的新聞編輯來說，曾經為他們提供各種新聞、篩選建議的AI算法推薦，竟然是這樣一個“暗中磨刀”的心機AI。

在報道中，一位即將被辭退的編輯人員強調，完全用AI替代人工是有風險的，因為只有人工編輯才能確保網站不會向用戶顯示暴力或不適當的內容。這對于AI來說，這確實會是一個問題，因為它更擅長推薦那些符合人性的內容，但卻無法識別一些潛在的社會倫理風險。

當然，微軟自從1995年推出MSN新聞業務以來已有25年的時間。現在在全球至少有800多名編輯仍然在從事著新聞的篩選和推薦工作。未來微軟的新聞團隊仍然還會以人工編輯和AI編輯共同協作的方式，只是AI取代人工編輯的趨勢可能在明顯加速。

站在普通吃瓜群眾的角度，我們也正被各種新聞資訊、視頻平臺的算法推薦所支配，最顯著的體會就是我們花費越來越多的時間在那些讓我們“欲罷不能”的內容上面。

難道說，AI將在取代人類編輯的戰斗中取得最后的勝利嗎？我們從AI算法推薦的上位和爭議中，來探究下AI算法與人工編輯推薦可能的勝負結果。

信息分發：從“人找信息”進入“信息找人”

“太陽底下無新事”。算法推薦，盡管只是近幾年隨著移動互聯網內容應用的爆發才興起，但其實質上仍然只是人類進行信息分發的一種新形式，而我們對信息分發的需求自古就有了。

赫拉利在《人類簡史》中提出一種智人種之所以戰勝其他物種的新“假說”，那就是我們特別擅于“八卦”和“聊天”。“八卦”有助于讓整個社群建立情感紐帶，團結起來共進退，“聊天”有助于經驗的傳授，外出的告訴村里人哪里有危險，老獵人教會小獵人如何抓獵物。這就是最天然的信息的社交分發，極大提升了人類之間的協作效率和文明的延續。

此后我們經歷了口耳相傳的史詩，結繩記事、甲骨篆刻的符號記錄，以及再后面的文章典籍；現代文明的興盛得益于印刷術的不斷升級，而到了近兩百年左右，新聞報紙、圖書出版、廣播電視等全新的信息分發媒介誕生，構成了當代社會的信息分發的基本版圖。

互聯網的出現又突破了信息分發的時空界限，讓信息可以實現永遠在線、全球同步的傳遞。不過傳統互聯網的信息傳遞仍然延續了物理世界的范式。比如，互聯網早期興起的門戶網站和搜索引擎，就是借鑒了圖書館的目錄分類和和百科全書的條目索引。

新聞資訊等信息的分發依賴權威化、中心化組織的采集和報道，用戶的信息知識的獲取依賴主動地瀏覽和篩查。

隨著信息的爆炸式增長和人們信息消費的碎片化趨勢增長，“人找信息”的方式遭遇了全新挑戰。算法推薦和相應的內容分發的平臺的出現，開啟了通過人類通過機器算法推薦的方式進行“信息找人”的全新模式。

1995年，尼古拉·尼葛洛龐帝在《數字化生存》當中帶有預言般的“我的日報”的想法，現在成為了現實。信息分發正在朝著滿足受眾用戶個性化的需求的方向發展。

幾乎就在同時，美國明尼蘇達大學的團隊開發出了第一個自動化推薦系統GroupLens，成為協同過濾推薦算法的最早提出者。此后，算法推薦系統在亞馬遜的電商平臺、Netflix的視頻流媒體服務當中也很早便投入了使用。

2016年，可以算是新聞算法推薦崛起的元年。這一年，YouTube將深度神經網絡應用到內容推薦系統中。這一年，我國新聞資訊信息分發市場上，算法推送的內容第一次超過50％。

也正是這一年，率先應用信息算法推薦的今日頭條，終于從四大門戶和BAT支持的媒體平臺中突圍，實現了6000萬的日活。

但此后算法推薦本身一直爭議不斷。在2017年9月，人民網特意用三篇社評的篇幅批評了今日頭條這類新聞應用的“算法推薦”。社評里自然首先肯定了算法推薦順應時代潮流，滿足人們個性化、多元化的信息獲取需求，但又專門指出了以下的問題：

算法推薦會縱容低劣內容的泛濫。一些推薦算法只會迎合大眾的獵奇心理，最后只會反復推送那些低質量內容，最終“劣幣驅逐良幣”，使得傳統媒體的優質、全面的資訊信息無法觸達大眾用戶。

推薦算法中所謂的“個性化”推薦，只會機械式地推薦一些關聯性強，但內容單一的信息，甚至會過濾掉那些不熟悉、不認同的信息，造成“信息繭房”。

算法推薦的信息抓取不僅可能涉及到大量的版權問題，甚至還可能走向“創新的反面”。就是智能推薦將走向媚俗化和庸俗化，充斥大量缺乏獨立思考、深度觀察的膚淺內容，反過來破壞社會的創新發展。

人民網的批評，同樣也代表了眾多傳統媒體和眾多精英人士的觀點，而且這些現象確實也符合我們大多數人的直觀印象。但是在附和之前，我們仍然需要進一步了解下算法推薦的基本方法和發展，搞清楚人們為什么會如此容易被算法“馴服”。算法推薦又該如何突破自己的局限而持續進化？