论智能媒体的演进逻辑及未来发展 ——基于补偿性媒介理论视角
发布时间：2020-11-05 15:39:35 点击数：
作为“后麦克卢汉主义”中最具有代表性的人物，保罗·莱文森的理论根植又超脱于麦克卢汉的“技术决定论”，用《数字麦克卢汉》《手机: 挡不住的呼唤》等六部媒介理论著作及百余篇学术论文，阐释其技术乐观主义的思想，而其中最具代表性的理论之一就是补偿性媒介理论。1979年，保罗·莱文森在其博士论文Human Replay: A Theory of the Evolution of Media 中首次提到补偿性媒介理论，他认为媒介都需要不断得到补偿和补救。在1984年发表的Media Evolution and Ra- tionality as Checks on Media Determinism 一文中，莱文森再次提及关于“补偿性媒介”的概念，并提出媒介进化是媒介与媒介之间补偿的观点。随着补偿性媒介理论研究的不断深入，同时受到媒介非完性美理论的影响，保罗·莱文森认为，补偿性不仅存在于媒介自身，更存在于媒介与媒介之间，任何一种新产生的媒介都是对过去某一种媒介或某一种媒介的先天不足的功能的补救和补偿，人类对于信息传播可能方式的探求是新媒介技术的原动力。同时，在媒介的选择上，人类具有积极的主观能动性，新媒介的诞生是为了更好地满足人类真实的信息需求。补偿性媒介理论认为，“补偿性的媒介并不比最初的媒介本身更能‘无噪音’地解决问题。相反，他们扮演了一个重要角色，带来的‘噪音’比带走的要多——通过提供一个陷阱而不是绝对的进步”。新媒介是对旧媒介的缺憾的补偿，新媒介势必在某些方面要先进于之前的旧媒介，但它在其他方面可能是落后于旧媒介的，因此补偿性媒介天生具有双重性。一方面，新的媒介可以解决某些已有的问题，但是另一方面，这些新的媒介也会带来新的问题与挑战；电视弥补了广播不能看到画面的不足，却使民众深陷于荧幕场景之中，手机弥补了电视不可携带的不足，却使民众产生了对于手机的强烈依赖。莱文森乐观地认为，进步是曲折和不平坦的，随着补偿性媒介的不断补偿和补救，“噪音”终将可以被有效规避。
在保罗·莱文森补偿性媒介理论的基础上，国外学者罗杰·菲德勒在其发表的《媒介形态变化: 认识新媒介》一文中提出，新旧媒介之间存在一定的继承性和连贯性，旧媒介会在新媒介技术的辅助下继续演进以适应人类的信息需求。国内也有诸多学者借助补偿性媒介理论阐释媒介自身的演进及媒介与媒介之间的互融。秦州通过研究博客的“补偿性”功能，认为博客是平民化传播“补偿”专业化传播，以人性化传播“补偿”非人性化传播。易敏通过对微博和报纸的实证研究，认为两种媒介存在互相补偿的发展。
通过对补偿性媒介理论的批判性继承，笔者认为，一方面，补偿性媒介是功能的补偿。社会化媒体是对大众传播媒介中传播环境封闭与传播不自由的补救和补偿，实现了信息多元化和多途径传播，而智能媒体是对社会化媒体中信息爆炸和信息泛滥的补救和补偿，是对信息有用性的补偿。另一方面，补偿性媒介是对人们生理需求和心理需求的补偿。社会化媒体补偿了大众传播媒介的低交互性，实现了人与人、人与信息的连接，而智能媒体将在智能技术的基础上实现个体与其不同需求的连通，满足人类的真实所需。
因此，笔者认为应将传统大众媒介向社会化媒体的演变作为分析智能媒体演进逻辑的切入点，探寻媒体的发展规律。与此同时，笔者也注意到新兴媒体的复杂度是远高于旧媒体的，并认识到正是因为递增的复杂度使得媒体不断智能化。
传统的大众传播是依托于印刷技术和电子技术的跨时间和跨距离的信息传播模式，常见的形式有报纸、杂志、广播、电视等等。信息在大众传播阶段需要借助一定物理介质，因此个体与信息的连接本质上是基于介质的连接，受到物理环境的影响。
社会化媒体(social media) 这个名词最早是由2007 年 Antony Mayfield 在其著作 What is Social Media 中提出的，他认为社会化媒体是不同在线媒体的统称，这些在线媒体赋予了个体创造和传播内容的能力。社会化媒体是基于互联网的信息生产和传播平台，物理介质对于信息传播的影响不断减小，个体与信息的连接演变为基于平台的连接。
2．社会化媒体之于大众传播媒介:“内容”与“社交”的双重补偿
社会化媒体是对大众传播媒介内容信息数量有限和互动参与低的补偿。在传统大众传播媒介阶段，受众处于传播链的最末端，信息来源与信息传播的渠道被少数权威媒体所掌握。掌握传播主导权的媒体将受众视为未分化的“大众”，仅向受众传播特定而简单的信息，有限的信息来源渠道限制了信息传播数量。社会化媒体下，原先“一对多”的传播模式转变为“多对多”的模式，传播方式更具个性化，呈现出浓郁的人文主义色彩。社会化媒体平台赋予了个体自由传播内容的权力，信息生产的主体变得更加多元化而不再是单一的编辑，人人都是内容创造者和信息传播者。其生产的内容信息可以通过不同的社会关系在不同的场景下进行自发式的传播。
社会化媒体种类繁多且形态各异，从早期基于Web1.0的论坛博客等媒体平台到基于 Web2.0的微信等移动媒体平台，层出不穷的新社会化媒体弥补了已有社会化媒体的缺陷，并不断提升用户的主体性，实现了人与人之间从信息互联到价值互联的转变。
论坛是线上内容信息交流分享平台，是对传统大众媒介内容不足的补偿。博客是个体充分展示其主体性的社会化媒体，是对论坛社交属性不足的补偿。微博是对论坛的多对多、无中心的信息传播模式以及博客完全以个人为中心的信息传播模式的补偿。微信等移动社交媒体平台进一步降低了民众参与信息传播与社交的准入门槛，弥补了先前媒体的缺陷。YouTube等基于视频的社会化媒体平台弥补了基于文字、声音以及图片交流的社会化媒体的缺陷。随着 4G 技术的普及，基于视频的社会化媒体在演进的过程中也出现了新的形态——网络直播和短视频。网络直播消减了人们之间的物理隔阂，增强了用户的代入感和沉浸感，减少了圈层化信息传播中的噪音，使得信息传播更加准确和高效，弥补了先前社会化媒体的不足。与直播不同，短视频内容的精炼可以帮助用户降低时间成本和理解成本，弥补了直播耗时长的缺陷，更好地适应碎片化时代人们对于信息的需求。
“人类智能”与“机器智能”是智能媒体的两大内核。智能媒体是以大数据为基础，以人工智能作为核心，借助物联网技术全场景的数据采集、5G 技术高速率和低延时的信息传播、云计算技术强大的算力和区块链技术独有的信任机制而逐渐形成的具有强连通性和强交互性的智能化媒体系统。随着机器的拟人化与信息化，人与机器的融合成为人机关系的显性趋势。智能媒体将在内容生产和传播中最大化人类的价值，实现人类智能与机器智能的协同融合。
依托于互联网技术的社会化媒体是人与人之间交互的平台，其建构了用户、信息以及用户之间的泛连接网络。而作为社会化媒体的补偿性媒介，依托于物联网等智能技术的智能媒体模糊了现实世界与虚拟世界的界限，建构了跨介质和跨平台的基于用户真实需求的“现实—虚拟”的立体化网络系统。在该网络系统中，基于人工智能的算法和机器将成为信息内容分发的中坚力量，它将辅助用户甄别有效信息，最大程度地降低社会化媒体中无序及无效信息的过度传播，实现用户与其各种需求的真正连通。笔者认为，随着智能技术的发展，智能媒体将愈加复杂并无限趋近于一般生态系统，具有自组织、自发育、自衍生等一系列特性，系统内部的不同模块可以借助反馈机制实现连通，模块中的个体可以通过裂变等方式实现其自主生产内容信息的针对性和精准性传播。
社会化媒体到智能媒体的演进遵循三大逻辑: 技术的逻辑、分发的逻辑和连通的逻辑。
技术是媒体演进的重要推力。对于以技术发展为重心的媒介补偿模式，保罗·莱文森给予了高度的评价与肯定。智能媒体是对社会化媒体的智能化补偿，而驱动媒体智能化的就是智能技术。因此，智能媒体演进的过程具有技术补偿的逻辑。
人工智能作为计算机科学的一个分支，是研究模拟和延伸人类智能的理论和技术，它在现阶段的传媒行业中应用广泛，从机器人记者到自动化编辑新闻，人工智能技术的介入极大地提升了信息生产的效率和新闻信息的时效性。然而，人工智能终究与人类不同，人类可以自主作出判断，而人工智能需要从试验和错误中进行学习，这就涉及到机器学习和深度学习。作为人工智能技术极为重要的两个分支，无论是机器学习还是深度学习都是基于海量数据学习，数据越多，学习的效果越好，得到的结果也就越好。也就是说，大数据其实是人工智能的基础，大数据技术是对人工智能技术的补偿，是对大规模数据进行处理的技术。与一般的数据技术不同，大数据技术具有数据规模海量化、数据流动高速化、数据类型多样化和价值低密度化四大特征。大数据时代，用户使用媒体平台而产生的信息数据是呈指数级增长的，数据计算技术已经成为通用的技术体系和技术范式，依托于大数据计算技术，信息数据被有效收集和存储。物联网技术是对大数据技术的补偿，而物联网的基石是传感器技术，物联网技术与传感器技术的结合将打通平台与平台之间的数据壁垒，实现数据收集的跨场景化。数据量级的不断增加也对算法提出了更高要求，云计算技术可以弥补传统算法的缺陷，通过强算力的算法实现内容数据与用户数据的精准化匹配，推动智能媒体的发展。通过云计算，海量数据可以在极短的时间内得到处理，数据的价值也将被充分挖掘。现阶段所说的云服务不仅仅是一种分布式计算，它还是多种计算方式(分布式计算、效用计算、负载均衡、并行计算等) 以及多种计算机技术(网络存储、热备份冗杂等) 融合的结果。数据传输和计算过程中，无论是基于HTTP-DNS调度的链路优化技术，还是通过多线 BGP 的延时优化技术，都是云计算技术的一种表现形式。作为第五代移动通讯技术，5G具有高速率、低延时、高带宽、低功耗等特点。瑏瑦 5G技术与物联网技术的结合将进一步重构人与物、物与物、物与信息、信息与人的关系，为用户数据信息的采集提供新途径。同时，5G 技术将提供一种新型的云计算模式: 边缘计算。与以往的将数据传输到中心云端的计算方式不同，边缘计算遵循就近原则，它将把数据发送到距离最近的边缘节点进行数据处理，这种模式极大地增强了数据计算的实时性，减少了延迟，提升了反馈效率。虽然上述五种技术的彼此补偿融合促进了智能媒体发展，但是却没有很好地解决社会化媒体阶段虚假信息的产生等问题。区块链作为一种分布式的共享账本，具有去中心化、不可篡改、全程留痕、集体维护等优点，它可以对每一条信息的分发进行全程记录，实现传播的公开透明化，重构人与媒体的信任，是一种新的技术补偿。
社会化媒体满足了人类对信息数量的需求，但也导致了信息的泛滥，现阶段的信息泛滥主要表现为两个层面，一个是真实信息与虚假信息的交杂，一个是有用信息与无用信息的混杂。而智能媒体恰恰是对社会化媒体信息泛滥的补偿。
虽然社会化媒体拓宽了用户接收信息的途径，提升了用户与信息的互动性，不同的用户可以在任何时间下的任意场景中对信息进行生产和传播，但广泛而不确定的信息来源也导致了基于人力的信息审查机制的效用不断降低，互联网中充斥无法辨别真伪的信息。同时，随着互联网人口红利趋于饱和，媒体平台之间对于用户注意力以及用户使用时长展开争夺。相比真实信息，虚假信息(尤其是虚假新闻) 更具煽动力，部分媒体平台为了博取用户眼球、吸引更多的用户，会允许这类信息的传播，真实信息与虚假信息的交杂使得用户花费更多的时间甄别信息。
詹姆斯·格雷克认为，信息负载和信息处理之间呈现一个倒写“U”型。信息数量在人类信息处理范围内是有利于信息传播、提升人类认知的，而随着信息数量的持续增加，超过这个范围后就会产生消极作用。社会化媒体中，用户不仅要对接收到的海量信息甄别真伪，还要在此基础上甄别信息的有用性，信息处理负担的持续加重，反而会导致信息焦虑、信息茧房等新型信息传播问题。智能媒体将通过智能技术自动化地对信息进行甄别，高效地辅助用户接收有用信息，完成对信息的处理，满足人类对信息质量的需求。
借助机器学习和深度学习，人工智能可以对信息的内容进行文本分析，在文本语义的基础上甄别偏激性词汇与消极词汇，当这些词汇超过一定比例时，人工智能将限制这类信息的传播。同时，智能媒体也会自主地从内容详尽度、数据准确度、平台可信度等多个方面对信息来源进行可靠性筛选，虽然不能从根本上杜绝虚假新闻，但却可以减少用户处理信息的负担。
智能媒体时代，信息甄别不仅包括对真伪的甄别，也包括甄别信息有用性。借助物联网和大数据，人工智能可以随时随地对用户浏览内容进行多维度的智能分析(文本分析、图像和视频内容分析等)，并根据用户当下所处场景，实时了解用户需求，向用户推送有价值的信息。随着智能技术的不断发展，线上数据和线下数据的融合使得用户画像更加丰富立体，用户信息与用户所处场景以及信息分发匹配的精确性也将不断提升，真正实现“千人千面”的个性化、定制化信息推荐。
“连通的本质在于个人、事物、组织之间的信息和物质的互动与交换”，而智能媒体不仅可以实现跨平台的人与信息的连通，还可以实现人与其各种需求的连通。因此，智能媒体是对社会化媒体平台连通性不足的补偿。
社会化媒体实现了基于平台的人与信息的广泛连接，然而随着信息量的不断增加，过度的连接与平台之间的数据封锁，降低了信息传播的效率。信息孤岛是社会化媒体无法回避的问题。一方面，海量的用户通过不同的社会化媒体平台参与到信息的生产与分发之中，但是由于平台与平台之间是不连通的，平台自身也不愿意对用户数据进行共享。例如阿里巴巴垄断着用户的消费购买数据信息，而腾讯则掌握着用户的社交数据信息，但阿里巴巴和腾讯一直在建构彼此之间的数据壁垒，使得现阶段采集的用户数据呈现片面化和碎片化，用户数据的不连通导致媒体不能对用户进行全面的认知。另一方面，移动端平台与 PC 端平台也没有实现较好的信息分发上的连通。以百度为例，其搜索引擎并不能检索到微信、小红书、抖音等移动媒体平台的信息。
5G 与大数据可以打通平台与平台之间的数据链路，通过搭建一个能够实时在线整理数据的数据库对存在于不同媒体平台上的用户信息数据和内容信息数据进行高效重组和融合，实现对数据的深度化挖掘和统一化管理。在此基础上，人工智能可以对用户的认知、行为甚至是情感进行全方位的分析，描摹出更为细致准确的用户画像，进而了解用户真实的信息需求，实现用户与信息的连通。智能媒体下的信息连通是一种以用户为主导的新型智能信息传播模式，它不仅可以实现对用户信息需求的定制化，同时还可以根据用户的实时信息反馈进行调整。
智能媒体时代，人类除了信息需求外还有广泛而复杂的其他需求，例如健康、饮食、购物、休闲等。信息连通是需求连通的基础，一方面，用户需要借助信息进行表达，另一方面，表达信息的被接收与反馈也将带来需求的被满足。随着传感器技术与物联网技术的成熟与运用，用户的各类需求也将被实时满足。穿戴设备可以对用户的生理特征进行监测并根据相应的指标对用户进行健康指导，满足用户对于身体健康的需求。在家庭场景中，当用户陷入饮食纠结时，人工智能助手可以根据物联网中冰箱的食材存储情况向用户个性化地推荐食谱，满足用户对于饮食的需求。
上文中提及，智能媒体呈现持续复杂化的发展趋势并逐渐显现一般生态系统具有的特性。突触存在于生命体中，是将神经元与神经元连通的机能接点，具有较强的功能可塑性和结构可塑性，这种可塑性与学习和记忆紧密相关; 而智能接触点是万事万物连通的接点，是构建智能媒体生态系统的基本单元，其可以通过机器学习和深度学习等方法完成对数据的认知和推理。从这个角度而言，智能接触点与突触具有相似性，但又与突触不同，其根植于传媒领域，是智能媒体不断发展的产物。随着智能媒体生态系统的构建与成熟，智能接触点可以在人类智能与机器智能的协同驱动下完成高效的信息处理。
我们可将智能接触点媒体称之为智能触媒。从功能的角度来看，智能触媒中彼此连通的接触点不仅可以实现对数据采集的全面化，还可以实现基于采集数据的智能化信息分发。数据采集体现为两个方面，一方面是对新闻等信息数据的采集。社会化媒体阶段，新闻信息来源不再局限于记者的专业性报道。然而受其自身意识形态的影响，人们在看待世界时永远不可能做到真正的客观，同时感官的局限性也使人们能观察和记录到的新闻信息并非全面，这就导致了新闻采集的数据无法做到真正的客观和全面。传感器技术是智能媒体中的重要技术支撑，多元化的传感器可以突破人自身感官的认知局限，弥补人作为主体在新闻信息采集中的缺陷，进一步拓宽新闻信息来源的渠道和途径。在智能触媒中，传感器与专业记者以及普通大众将建构起全面而立体的信息数据采集接触点网络。所有连入网络的人与物体将成为新闻信息数据来源的接触点，数据的连通使得大数据技术和云计算技术可以及时地对采集的新闻数据进行深度挖掘和语境还原，提升新闻的洞察力。另一方面是对用户信息数据的采集。在社会化媒体阶段，用户数据的采集来源于智能手机等移动设备，而在智能触媒中，用户所使用的任意物体都将成为一个信息采集的接触点，这些接触点会实时地记录用户的视觉、听觉以及嗅觉等多个感官的使用数据。物联网技术与传感器技术将持续拓宽智能接触点网络覆盖范围，提升信息采集的广度和深度，实现用户数据的全场景收集。
在信息分发中，智能触媒会根据智能接触点网络中所接收的信息并结合当下用户所处场景提前对用户的需求进行预判，继而通过这些接触点向用户提供真正需要的信息，减少用户检索及甄别信息的时间和精力损耗。智能触媒可以完成对信息内容的优化，直接向用户提供有价值的信息。智能触媒中，传统分发逻辑中“把关人”的概念将进一步弱化，每一个接触点都是信息推荐者。这些推荐者不仅包含来自专业编辑以及用户身边的 F 因素，也包含基于高算力算法的人工智能。推荐者通过平等的会话方式与用户进行交流，信息的选择权力在用户手中。
从接触点的性质来看，智能触媒中的接触点表现为虚拟接触点和物理接触点两种形态。虚拟接触点也可被称为液态接触点或流动接触点，智能触媒是一个智能化的信息生产和传播系统，扎根于互联网与物联网的特性使其自身呈现无形化。“数据要流动才有价值。从数据在线到数据在互联网上流动，是信息社会和数据社会的本质区别。”在使用媒体的过程中，用户的需求在同一场景的不同时刻以及不同时刻下的不同场景是动态变化的，海量的数据可以依托无数个虚拟接触点在算法的驱动下实时流向用户端，实现虚拟世界中用户与其信息需求的连通。而随着媒介融合的不断深入，智能触媒显现为无边界化，大数据可以实现数据的跨平台整合，进一步提升用户与其信息需求匹配的精准性。
虚拟接触点根植于虚拟世界，又与物理世界相连接。与虚拟接触点不同，物理接触点具有一定的物理形态，是一种固定接触点，现阶段智能触媒的物理接触点多为智能手机、沉浸式互动体验设备和智能传感器设备等。5G 技术与 AR、VR 等沉浸式技术的结合将实现高互动的沉浸式传播，为用户带来更为立体化的信息，提供更为直观而亲密的信息体验，赋予用户极强的临场感，用户可以借助物理设备( 物理接触点) 完成与虚拟场景的融合。不断成熟的物联网技术使得万物皆连，打破了虚拟世界与现实世界的壁垒，实现了虚拟接触点与物理接触点的连通。接触点彼此的连通将实现用户与其各类需求的真正连通。
2．信息生产的协同共创
智能触媒时代，信息生产的流程发生了重构，机器人与算法在信息生产(尤其是新闻写作) 中所占比例不断增加。通过对互联网中信息内容的广泛识别和学习，人工智能可以根据用户的阅读习惯及其所处场景完成智能化的信息内容生产。同时，云计算算力的提升也将提升信息与用户匹配的精准性。现阶段，人工智能可以胜任在低语境领域的信息生产，但是在某些高语境中，人工智能需要与专业编辑的协同合作。智能触媒在信息生产和分发过程中侧重时效性和精准性，而专业编辑更注重真实性和客观性，人类智能与机器智能的协同可以为用户提供更为全面的信息体验，为信息生产提供新的动力。
智能触媒不仅可以实现人机协同的信息生产，它也将最大化人与人之间协同信息生产的效率。区块链技术将广泛运用到智能触媒中，构建起一个自由、公 开、透明、平等的信息生产和分享社区，其去中心化的特质使得网络中每一个节点都可以参与到信息生产的过程中。根据不同的授权等级，不同的节点可以对信息进行审核和再创作，每个人都是信息的生产者和审核者。社会化媒体阶段，信息的虚拟性和可复制性促进了规模化的信息生产和传播，但同时也对知识产权体系造成了极大的破坏，严重地打击了信息内容生产者的积极性。区块链可以对社区中任何与信息生产相关的操作进行记录并依托其可追溯性和不可篡改性，有效地保护原创信息内容生产者的劳动成果。同时，区块链内部的代币激励机制可使用户的信息生产、审核及互动行为赚取具有实际经济价值的代币，实现交易变现，继而使得越来越多的用户自愿加入到创造信息生产力的新质态中。
本文原载《现代传播》2020年第9期，注释与参考文献从略，详情请参考原文。
作者简介：程明，武汉大学媒体发展研究中心研究员，武汉大学新闻与传播学院副院长、教授；程阳，武汉大学新闻与传播学院博士生。
基金项目：教育部人文社会科学重点研究基地重大项目“传媒智能化发展背景下中国传媒广告产业竞争力研究”(项目编号:16JJD860002)成果。