摘要
作者围绕国内新闻传播领域人工智能技术研究相关的“智媒”“发展应用”“趋势和影响”“人工智能的接受”等关键词，对CNKI、万方数据库、国家哲学社会科学学术期刊数据库、SCI、EI、LISA、JSTOR、ProQuest等数据库进行了系统的检索，对相关研究成果进行梳理，全方位展示了这一领域研究的现状。
引 言
随着人工智能理论和技术的不断进步，人工智能技术正全面进入新闻传播生产各个环节。我国人工智能技术在新闻传播业的应用起步较晚，但在国家和政府大力支持下发展迅速，人工智能技术基本涵盖了从信息采集、内容生产、产品分发，到用户接受及培养等新闻传播生产的全过程[1]。彭兰认为人工智能技术已经在包括用户平台、新闻生产系统、新闻分发平台及信息终端几个主要方面全面运用，并对新闻生产的各个环节产生了不同的影响[2]。
我们围绕与本研究相关的“智媒”“发展应用”“趋势和影响”“人工智能的接受”等关键词，对CNKI、万方数据库、国家哲学社会科学学术期刊数据库、SCI、EI、LISA、JSTOR、ProQuest等数据库进行了系统检索。对本研究相关的研究成果进行了梳理。
一
人工智能技术在信息采集方面的应用研究
人工智能技术和大数据技术的结合使得信息采集的手段和渠道都得到极大拓展。
随之而来，传感器的概念也开始逐步进入新闻生产领域，并且逐步成为研究者关注重点。新闻传播业传感器的概念源于美国，传感器是一种监测装置，能感受到被测量的信息，并能将其按一定规律转换成为电信号或其他形式予以输出，以完成信息的记录、传输、存储、显示和控制等。从本质上讲，传感器是一种收集数据信息的方式[3]。
传感器在新闻传播业的运用，有助于让我们调查无法看到、听到或触摸的事物，这些工具为我们提供了新的感官[4]。许向东[5]研究后发现，美国新闻业界的传感器应用实践主要有以下三个方面：一是利用现有商业设备设计出自己的传感系统；二是从政府部门或公共设施现有传感资源中采集数据；三是设计原型传感系统对数据进行生产。目前美国各大媒体主要采用以下五种方式对新闻传感数据进行采集：通过公共设施收集数据；“众包”方式收集数据；媒体直接用传感器采集数据；从政府部门获得传感数据；运用无人机收集传感数据。从美国新闻业的实践可以总结出传感器新闻具有如下特点：新闻信息的量化收集和处理；传感数据相较于其他数据易于电脑解读；传感数据的收集越来越多地采用“众包”方式。结合国外经验，从具体实践看，我国传感器与新闻生产主要有三种结合方式：一是利用市面上已有的、成熟的商业设备，设计出适合自己的传感系统；二是从已有的传感资源中获得所需数据；三是设计原型传感系统来生产数据[6]。
彭兰[7]主张从两个角度理解传感器对新闻业的意义：作为新闻源的传感器和作为新闻反馈机制的传感器。作为新闻源的传感器可以极大提高和拓展新闻感知、信息采集的维度；可以对未来发展趋势进行预测并为预测性报道提供新依据；可以将受众的个性化需求反馈给新闻生产者，对新闻进行“定制化”生产；新闻源得到极大拓展，万物皆媒，削减了媒体的中介性意义。作为用户反馈机制的传感器可以通过智能可穿戴设备，使用户反馈从意见层面深化到人体生理与心理层面。这使媒体用户研究进入更加精准的层次。反过来看，这些精准的用户反馈又可能成为新的消息来源，带来新一轮的新闻生产。
有学者[8]认为以传感器为代表的智能设备可以自动抓娶处理和分析数据，在某种程度上使新闻更接近现实驱动和舆论驱动。这有利于记者从一系列数据中发现宏观、重大而隐秘的联系，找到容易被忽视的有新闻价值的线索。这无疑扩大了新闻的来源途径，从以往单向度的、有限的途径转变为未来多维度的、无限的来源。一方面，很多政府和公共区域内的传感器能够采集环境数据，监测温度、气象、交通等，应用这些数据有助于媒体更好地扮演社会监督和公共服务的角色；另一方面，利用传感器采集用户的心理和情感反馈信息，有助于媒体调整新闻报道方式以尽快满足用户的需求，同时使采集到的用户数据变成新的消息源，服务于新闻生产。
喻国明[9]在研究中提到传感器与人工智能的结合已经被用于具体实践中。新华社发布的人工智能平台“媒体大脑”就是通过摄像头、传感器、无人机、行车数据分析与价值挖掘的细腻入微，使基于人工智能的内容生产擅长于事态发展和需求构造的预测。借助记录仪等智能采集设备，结合新闻发生地附近的多维数据，自动检测新闻事件、自动生成数据新闻和富媒体资讯。让摄像头以及各种传感器成为记者的眼睛，在突发事件和重大事件的捕捉和生成上，快人一步、自动生成。实际上，这是传感器新闻与人工智能的结合。由此可以看到，传感器新闻拓展了信息采集的维度，弥补人类观察范围受感官局限的缺陷。喻国明[10]等学者在研究中表示，从时间维度上看，传感器获取的信息不仅仅可以描述现在，还可预测未来，因为传感器检测到的数据是不断变化的，它可以体现监测对象的动态和趋势，而这些特征是传统媒体无法通过传统的信息采集渠道获取的。从空间维度上看，传感器获取的信息不仅仅局限于某一区域，还可以扩展到更为宏观的范围，它可以用一种更加广阔的视角洞悉事件的全貌。
通过文献梳理发现，目前学界对人工智能在信息采集上应用的相关研究集中在传感器新闻和数据新闻上。传感器新闻和数据新闻与人工智能的结合大大拓宽了信息采集的渠道和方式，加深了对事物探测的深度和广度，这是传统新闻传播业的原始信息采集方式难以企及的。然而，就目前研究而言，多集中在理论研究领域，在具体技术供需、效果体现以及前瞻性等实践方向上仍有一定的不足。同时随着语音交互技术、图文交互技术等技术的不断革新，对新兴的人工智能技术在新闻传播业上应用的探索也相对较少。
二
人工智能技术在内容生产方面的应用研究
人工智能技术的不断创新给新闻传播业带来巨大变革，人工智能技术进入内容生产领域，发力于新闻编辑制作环节，“机器写作”和“自动化新闻”应运而生。机器写作作为人工智能技术在新闻传播业应用的实践代表成为众多学者的关注重点。
机器人新闻又叫自动化新闻，是指运用算法程序对输入或搜集的数据自动进行加工处理，依靠计算机程序自动生成“成品”样态的新闻报道。根据新闻报道，我国的“机器写作”大规模实践始于2015年，而相关研究几乎是与具体实践并行的。林楚方[11]通过介绍今日头条的数据分析处理能力、个性化的定制服务，展示了借助机器写作，新闻内容生产个性化、丰富化的可能性。胡郁、袁杰春[12]则表示当前机器写作在新闻生产实践中已经被广泛应用，尤其是在财经、体育、气象等数据分析性领域。
喻国明[13]曾在早期研究中提到机器写作给新闻传播业内容生产带来巨大调整，集中在四方面：一是动态新闻资讯生产的准确与迅速；二是基于对语料库的深度学习，实现新闻叙事语言的贴近性、新闻叙事风格的多样性；三是海量新闻信息内容自动归纳、整理、分档并结合专家知识库进行推理、判断信息来源的可靠性；四是基于大数据挖掘和自然语言处理技术实现对新闻时间的纵向挖掘、横向连接，全面、立体地呈现客观世界的图景。同时，随着机器新闻写作的应用，新闻人角色向两方面转变：一是从重复、复杂的琐碎工作中解脱出来，可以将更多精力投入到深度报道中；二是着眼构建能够充分吸收多个新闻源的新兴新闻传播平台。喻国明[14]提出，在互联网智能化发展趋势下，机器写作展现出以下特点：机器高效、全天候的工作，带来了海量的新闻；反应迅捷、秒级的出稿速度，尤其是应对突发事件时，当人类记者还处在惊愕中之时，机器人写手已经迅速完成了数据描述和分析，以及进一步的数据价值挖掘、最后迅速完成自动写稿的全过程，秒级出稿速度，人类望尘莫及；机器写作能够以用户偏好来制作相关的新闻内容，而且还能提供与用户个人生活场景相匹配的私人定制产品，不仅能够生成一种产品，还能够在合适的地点、合适的场景用合适的形式分发给用户。另一方面，用户画像也将促进媒体对用户的了解，使媒体运营更加个性化、精细化，做到千人千面、精准到达，有效占领传统媒介市场无法激活的长尾市场和利基市场，极大地为新的盈利模式提供技术支撑，这也是传统内容分发方式无法实现的。人工智能技术推动下机器人加入新闻生产者的阵营，加快新闻生产速度、增加新闻生产内容、消灭人为的技术差错，提高了新闻质量、减少了写作成本[15]。同时有学者[16]的研究中还提到机器写作对新闻事实的准确呈现。很多时候，记者很难对所有资料进行核实比对，验证真伪。自动化技术的运用解决了记者核实新闻来源真实性难题，记者可以借助数据分析找出新闻事件和新闻人物出现的假证据、伪证言，挖掘出新闻点。只要保证程序员编程环节不出现偏差，引用的数据来源真实可靠，以数据说话的新闻写作机器人可以避免立场偏向导致的新闻失实，最大限度地保证新闻的客观公正。
也有学者对机器人新闻写作的不足和负面作用进行思考。匡文波[17]认为“机器人写稿”在内容生产方面具有强大优势，但其生产的内容缺少“温度”。新闻作品其实既要有思想、有品质，更要有温度。机器人写作虽然提升了新闻的数量和深度，但在新闻温度的层面上还有发展空间。随着机器学习技术不断进步，机器新闻写作技术也在不断发展，喻国明等多位学者均在研究中提到，目前机器新闻写作的拟人化程度在不断加深，在大量数据支持下，机器通过海量文本阅读和文本结构分析，可以做到在新闻写作中有意识地模仿某种风格。机器新闻写作正在力图去掉机械化、金属化的标签。
国外学者富兰克林[18]也表示了对机器新闻写作的担忧，他通过预期违背理论和主要模型进行了两个实验，证明了机器新闻作者(machine authorship)正在深刻地影响着新闻公信力，认为将新闻产品权利归属于机器会使得新闻变得更不可信。
喻国明、姚飞[19]在研究中提及目前人工智能技术有两种掌握方式：机构掌握和个人掌握。目前，人工智能的成果、手段和技术更多是掌握在机构手里，比如百度、新华社等。现阶段人工智能的使用需要大量人力物力的投入，个人还无法满足相应要求。所以机构在使用人工智能进行写作、传输和资源配置时必须要清楚人工智能可以做什么，不能做什么。当人工智能技术向下渗透到普通人都可以掌握时，就需要更多的专业工作者去平衡内容的结构，而非生产内容。概言之，就是随着人工智能技术的发展，需要更多专业工作者对内容的表达边界、开放和汇总提供更多平衡机制。
此外，值得关注的一点是，目前大部分研究在基于实践的理论升华部分亟待加强。除机器人写作外，随着智能语音识别技术、图文交互技术、智能翻译技术、社交机器人人机交互技术的发展革新，由此发展出来的社交机器人采访、多语种互译、新闻现场要素智能识别等技术先后进入新闻传播领域[20]，但遗憾的是，目前国内文献中有关这些新兴技术的研究多停留于简略介绍阶段，缺乏具体、深入、全方位的研究。
三
人工智能技术在新闻信息产品分发上的研究
近几年来，随着今日头条等算法先行的内容平台兴起，产品分发的核心逐渐从编辑分发转移到算法上，带来了产品分发的算法革命。学者们对算法的研究主要集中在：对算法机制的技术解读，算法对新闻业的重塑以及算法技术的中立性和有无价值观等方面。
姜红[21]认为算法给传统新闻业带来巨大冲击，具体体现在算法将传统新闻业的“把关人”角色转移到了机器身上，解构了传统新闻的价值选择标准以及新闻的“公共性”。范红霞、孙金波[22]指出，算法渗透到数据新闻生产的各个环节，例如数据查找与采集中的字符串查找算法、数据聚合与集成中的基于K-Means算法的新闻聚类分析、数据挖掘算法购物车理论和FP树关联分析、数据推荐算法和预测模型协同过滤推荐和潜在因子推荐。算法带来了传统媒体的革命，媒体从“信息传播”向“知识传播”转型，算法取代议程设置，开始影响公共舆论。
喻国明[23]等学者更是提出了人工智能技术就是一种算法模型，而这种算法模型的“智能化”程度取决于计算能力、大数据，以及算法模型的“三位一体”的品质。同时算法的社会化本质是一种权力。研究提到数据和算法正在重塑整个新闻业的生态系统，算法本身暗含的权力关系在新闻传播的全环节中也有明显体现：一是在新闻线索获取上，信息权的弥散化。随着算法在新闻来源环节中的应用，新闻的生产与传播过程逐渐由先前的集中式趋向分布式，即多重主体在某种模式下共同介入某一个话题的报道、评论、分析与信息的加工和进一步阐释。这种范式的转变与普及得益于人工智能技术，在技术的作用下，分布式新闻生产过程的参与主体甚至扩展到了物体。二是在新闻写作编辑上，算法威胁传统的把关权力。当算法通过对各种数据的捕捉，在传统媒体和政府之外成为广受认可的消息源，它就具备了影响舆论和社会情感的形成和表达的能力，传统媒体的社会控制能力受到削弱。算法甚至可以使公众在由自己的意志编织起来的“信息茧房”中背离事实，削弱其理性判断力，从而实现对公众的意识操纵。三是算法通过非制度性权力来构建“社会共识”。算法可通过大数据将个体的诉求随时随地进行表达、记录及价值挖掘，并且对这些数据进行连接、分析，为社会民意搭建一个前所未有的社会基础的平台。四是大数据构建算法无所不至的传播权力，也导致其传播结果的新一轮“窄化”。五是在受众接收上，平等与分化产生悖论算法以“座驾”的方式实现着对人的自由度的新限定。在这种算法的权力范式之下，用户被平等地赋予了网络主体的身份，并对其赋能和赋权。但同时算法技术也在相当大的程度上规定了人对世界的感知及其自由度，即它框定了我们的视界，深刻地影响着我们对自我的认识与呈现，并已渗透到我们的生活空间之中。
同时，基于算法的特性，很多学者在研究过程中也关注到了算法带来的问题。个性化算法会造成“信息茧房”和“回音室”效应，对用户造成一种信息隔绝，使用户无法对外界环境进行全面感知。尚帅[24]指出算法作为一种技术和权力，潜在且隐蔽地控制着用户，并将这种控制转变成让人浑然不觉的符号暴力。方师师[25]认为，算法机制有可能会在当前的社会条件下产生算法审查、信息操控与平台偏向，从而影响受众态度。
随着人工智能领域的不断拓展和新技术的面世，一些学者将视野转移到新技术、新产品与新闻传播内容分发上来，人工智能对谣言的治理和对舆情的监测开始进入研究者的视野。喻国明[26]以阿里公司达摩院NLP团队基于大数据与人工智能技术推出的一款被命名为“谣言粉碎机”的智能辟谣产品为例，介绍了其工作原理，同时提出人工智能技术在网络谣言治理中的应用至少可以包括这样几个方面：一是形成谣言防范的社会促进机制。通过相应的大数据计算机建模，能够提出防范谣言的技术建议，以及公众参与的谣言治理教育对策。二是构建谣言预测模型库，基于受众反应行为数据，构建和完善具有谣言自动识别、预测，且能够用于实操的模型库。三是总结谣言演化的机制与规律，形成治理方案：即借助计算机仿真技术，探索海量用户的受众反应生成、传播与动态演化规律，并探索不同网络结构、不同干预策略的治理对策及其效果评估。四是构建信用分级的造谣者、传谣者和易信谣者数据库。网络谣言的治理从根本上讲是对人的治理，需要考虑针对性和精准化，按照谣言传播链条的角色和地位，可以将之分为造谣者、传谣者和易信谣者，并对之进行传播信用等级的评估，对信用等级较低的账号进行预警，一旦用户点开其传播的信息，自动预警提示。五是充分利用谣言的传播时滞性，变事后“灭火”为事先防范。有研究表明，网络谣言从核心地区向边缘地区、从核心人群向边缘人群的传播是有时间周期的，大约为1~3天。网络谣言需要抓住传播时滞周期，及早切断传播路径，实现网络谣言预警。
张志安、田丽等学者也在各自研究中讨论过人工智能下舆论监测的相关内容。张志安[27]将关注点放在人工智能给新闻舆论和意识形态工作带来的机遇与挑战上，他认为人工智能在以下几方面的发力可以给新闻舆论和意识形态工作带来机遇：一是提升主流资讯传播的力度，推动传统媒体与新兴媒体融合发展，凭借快速反愧灵活交互、精准匹配与个性化服务，确保主流媒体的内容始终具备先进传播力的基石。二是提升主流资讯传播的精度，通过大数据分析和人工智能推送机制，主流媒体可针对关注公共议题的特定人群进行更加智能化、有针对性的时政内容推送，从而提高舆论引导的针对性和精准性。三是提升主流资讯传播的效度，用新数据、新工作和新方法来指导新闻舆论和意识形态领域的工作实践，可提升舆情监测和意识形态引导的效果。同时人工智能的应用也为新闻舆论和意识形态工作带来挑战，如新闻传播领域内人工智能当下的应用场景更多的还是感性化与实用性的，无法促进受众公共意识的培育；基于人工智能的信息推荐更多的是针对人的感性需求，信息消费主要立足于感官刺激或实用需求的满足，容易造成新闻消费与网络空间的过度娱乐化、碎片化，乃至低俗化，降低公众对严肃新闻、主流新闻的关注度；此外，社交网络传播所产生的“回声室”效应，导致信息在封闭的小圈子中得到传播，“信息茧房”则加剧社群区隔，从而不利于主流意识形态的整合，等等。刘德寰、李雪莲[28]认为“大数据的意义不仅在于改善我们的新闻展现方式、讲故事的方式、推送方式等，如果认为这就是数据对于新闻的意义，那是舍本逐末，买椟还珠。”田丽[29]则讨论了基于机器学习的AI点赞评论系统的产生，及其对舆论监测系统的挑战，并提出了相应对策。
通过文献梳理不难发现，算法研究占据新闻传播业内容分发的绝大部分，即使有对谣言治理、舆论传播、舆情监控的讨论也仅局限在宏观的人工智能技术的影响方面，很少能触及应用机制、趋势判断等微观内容。
四
人工智能技术在用户接受和反馈方面的应用研究
在文献梳理过程中发现，直接研究讨论人工智能技术在用户接受和反馈方面的内容相对较少。目前的讨论多集中在人工智能技术对受众的影响、人工智能技术的终端应用和用户反馈等几方面。
彭兰[30]认为智能化算法分发模式解决了人与内容的连接问题，个性化、场景化、关系化等方面“算力”的增强，有助于激发受众新需求、精确定位用户需求，破除“信息茧房”束缚、促进受众对公共话题的关注度，使其重新找到社会归属感。同时，彭兰[31]还提出人工智能技术在信息采集和内容分发上的应用，促成了受众“生产消费”的一体化，尤其是社会化媒体兴起之后，内容消费和内容生产逐渐融为一体。
智能化的终端设备可能是人工智能技术与受众最直接的联系，这部分研究主要集中在新闻体验，即VR/AR技术在新闻传播领域的应用。近一两年随着智能语音识别系统和人机交互技术的发展，智能音箱开始进入研究者的讨论范围。
VR/AR等技术，将为人们塑造全新的新闻临场感。VR/AR可以营造出让用户在三维空间里直接“到达”现场的体验感，让用户360度沉浸于现常用户在现场的观察与感受，更多取决于他们的主观兴趣与认知需要，而较少受到传统的摄像、导播视角的限制[32]。喻国明[33]提出VR新闻将从新闻生产方式、新闻呈现方式以及新闻传受关系等方面全面建构新兴媒介环境。杨曙[34]指出当前VR新闻制作存在缺陷，设备不成熟、制作周期长，VR新闻的内容发展不够成熟，新闻深度互动性带来一定伦理问题[35]。以人工智能为核心的声控智媒风头正劲，成为当下最受瞩目的人工智能媒体之一。语音控制、人机对话等主要特征，为新闻传媒业提供了全新的内容分发渠道，其代表产品包括Amazon Echo、Google Home、Apple HomePod等。作为其核心技术的智能语音控制则具有更为深远的应用前景，以Amazon Alexa、Google Assistant、Apple Siri、Samsung Bixby等为代表的智能语音助手被广泛应用于智能手机、家用汽车、电视机、微波炉和电冰箱等诸多日用品和生活场景中。由于现有技术水平和版权限制，以智能音箱为代表的声控智媒所能提供的新闻产品有：新闻简报、电台广播、互动问答与交互式体验。其应用远没预期的频繁、广泛。基于声控智能媒体的新闻产品开发和消费尚处于起步阶段，现有智能语音新闻产品服务依然存在种种不足，平台方的技术支持仍有一定的优化提升空间。但这丝毫不妨碍在人工智能技术和新闻传播业进一步融合的未来，新声控智媒成为新的突破点和增长点。
在用户反馈方面，除前文提到过的AI点赞等具体应用，智能评论管理系统也崭露头角。纽约时报是以智能技术管理评论的先行者。2015年，纽约时报与Google旗下的Jigsaw合作The Coral Project（珊瑚计划），依靠算法对不同用户进行分级画像，以此决定哪些用户的评论可以不经人工审查就可以发布，同时对评论呈现的优先级进行排序。殷乐、朱豆豆[36]则以智能音箱为例，通过对智能音箱使用特点的介绍，展现了人工智能技术在声音媒体上的突破：首先，突破媒体形态的限制，各媒体形态之间转换自如，文字、音频、图片的相互转换，“人工智能+音频”打破了原有的音频生态。其次，突破传统音频产业关系，加速跨界合作，智能音频终端被广泛应用于各种设备，同时精准化推送受到广告商青睐，加速了智能音频企业与上下游公司的合作。再次是人机交互走向深化，智能终端、智能助手的爆发直接促进了人机交流的深化，使得个性化推荐成为播客主推的分发方式，实现了智能问答、按需收听、人机直接对话等人机交互新形式。
通过梳理，不难发现此类研究涉及的方向比较单一，对技术多是描述性介绍，少有宏观影响、发展趋势和微观具体应用等方面的探讨。刘德寰、李雪莲的研究中提到：“数据处理人员、部分学界专家使用机器化数据做频率表、交互表分析，进而得出一些看起来非常美丽的图表与论断，这些描述的特点在于直接、简单、快速，以其形象化和便捷化一时间带来新鲜强大的感觉......数据无论在广度、深度、范围层面达到何种成就都只是商业附庸，而不可能拥有真正的科学内涵，并对科学研究、理论创新产生实质性的影响。”[37]
五
人工智能技术在新闻传播各个具体领域的应用研究
人工智能与媒体的结合、人机协作一体化加深，技术、产业、人的融合传媒生态结构开始显现。彭兰[31]认为，智能化技术正在进入内容行业，并使内容生产、内容分发与消费等全面升级，表现为以智能化驱动的内容生产升级、以算法为核心的内容分发升级、个性化与社交化交织、消费与生产一体的内容消费升级，进而逐渐构建新的内容生态。范以锦[38]认为商业互联网企业对人工智能的应用走在了专业媒体前头。专业媒体机构正密切关注这一态势，并进行布局和积极寻找发展路径。学界与业界有人将2018年视为智媒时代的到来。
在广播电视领域，人工智能运用到播音主持、广电监测系统中，广电媒资系统等方向。人工智能主播可以全天候地进行工作，工作时间地点不受约束，不会出现口误和忘词的情况，其大数据搜集能力和整合能力也远超人类。有学者[39]指出，人工智能技术在电视媒介的应用，将实现电视节目内容、形式的突破，推动电视媒介的转型、升级。何艳秋[40]通过对时下语音交互技术、语音交互方式、广电监测系统的构架的介绍，解释了语音交互这项人工智能技术在广电监测系统中的应用。研究认为，语音交互在广电监测系统中的应用在提升播出一线工作人员工作效率的同时，也减少了琐碎的操作流程，融合了不同监测厂商、整合优化了不同监测系统的统一接口，使得庞大、复杂、多样化的监测系统操作容易、使用方便、响应迅速。王志明[41]详细分析了语音识别、人脸识别、光学字符识别等在广电中运用的关键技术并以举例的方式介绍了这些人工智能技术在广电媒资系统的应用。
通过对以上相关研究成果的梳理，可以看到，国内人工智能技术在新闻传播业各个维度均有相关研究成果，归纳起来有如下几个方面：
第一，学界对人工智能保持很高的研究敏感度，但囿于技术本身的复杂性和不确定性，人文社科领域对此的反映往往只能聚焦于相对显性的现实议题。研究普遍遵从“技术现状产生影响对策建议”的视角。
第二，国内学者对人工智能在新闻传播业的相关研究集中于机器人写作、算法研究等几个主题上，研究多集中于实践应用，缺少对相关问题的理论梳理，呈现出视角单一、主题集中的问题。
第三，人工智能技术影响下媒体受众的研究仅仅局限在人工智能终端技术设备的进步带来的临场感、算法推送的千人千面、精准打击、以及精准化推送导致“信息茧房”的负面影响等主题，忽视了受众作为接受者对人工智能技术的接受程度、反馈情况、消费情况等内容。在受众研究上，目前的成果大多过于宏观和概括，缺乏细致、微观的受众分析。
第四，对于人工智能技术的具体展示集中在算法推送、机器人写作这几方面，然而时下最新的相关智能语音识别、智能翻译、图、文、声交互等技术即使是在最新的研究成果中也仅粗略提及，缺乏对其目前发展状况、前景、可能性的相关研究。
参考文献：
[1] 许向东, 邓鹏卓. 人工智能时代的对外新闻报道[J]. 对外传播, 2019(06):65-67.
[2] 彭兰. 正在消失的传媒业边界[J]. 新闻与写作, 2016, (02):25-28.
[3] 许向东. 数据新闻中传感器的应用[J]. 新闻与写作, 2015, (12):70-72.
[4] Angela Washeck, 《Tow Report:As Sensor Journalism Rises, Guidelines Needed》, June25, 2014, https://mediash.org/4/06/forging-a-path-for-sen-sor-journalism/
[5] 许向东. 大数据时代新闻生产新模式:传感器新闻的理念、实践与思考[J]. 国际新闻界, 2015(10):107-116.
[6] 许向东. 趋势、规范与本土化移动传播时代数据新闻的生产实践研究[J]. 新闻爱好者, 2017(12):20-23.
[7] 彭兰. 移动化、智能化技术趋势下新闻生产的再定义[J]. 新闻记者, 2016(1):26-33
[8] 曹彦. 智能化趋势下的新闻传播变革及反思[J], 2017(08):77
[9] 喻国明. 人工智能的强势崛起与新闻传播业态的重构[J]. 教育传媒研究, 2018(01):95-96.
[10] 喻国明, 兰美娜, 李玮. 智能化:未来传播模式创新的核心逻辑兼论“人工智能+媒体”的基本运作范式[J]. 新闻与写作, 2017(03):41-45.
[11] 林楚方. 今日头条如何玩转大数据[J]. 新闻与写作, 2015(11)
[12] 胡郁, 袁春节. 人工智能技术在传媒领域的应用以智能语音技术为例[J]
[13] 喻国明. 机器新闻写作带动传媒新变局[J]. 新闻采编, 2015(06):26-27.
[14] 喻国明. 人工智能的强势崛起与新闻传播业态的重构[J]. 教育传媒研究, 2018(01):95-96.
[15] 喻国明, 兰美娜, 李玮. 智能化:未来传播模式创新的核心逻辑兼论“人工智能+媒体”的基本运作范式[J]. 新闻与写作, 2017(03):41-45.
[16] 白龙. 新闻写作机器人在美国新闻业的应用[J]. 青年记者, 2016(05):99-100.
[17] 匡文波. 记者会被机器人取代吗[J]. 新闻与写作, 2017(09):59-62.
[18] Waddell, TF. A ROBOT WROTE THIS? How perceived machine authorship affects news credibility[J]. Digital Journalism, 2018, 6(2): 236-255.
[19] 喻国明, 姚飞. 试论人工智能技术范式下的传媒变革与发展一种对于传媒未来技术创新逻辑的探析[J]. 新闻界, 2017(01):39-43.
[20] 彭兰. 移动化、社交化、智能化:传统媒体转型的三大路径[J]. 新闻界, 2018(01):35-41.
[21] 姜红, 鲁曼. 重塑“媒介”:行动者网络中的新闻“算法”[J]. 新闻记者, 2017(4):26-32.
[22] 范红霞, 孙金波. 数据新闻的算法革命与未来趋向[J]. 现代传播, 2018(5):131-135.
[23] 喻国明, 杨莹莹, 闫巧妹. 算法即权力:算法范式在新闻传播中的权力革命[J]. 编辑之友, 2018(05):5-12.
[24] 尚帅. 传播的兴趣偏向和浑然不觉的符号暴力基于《今日头条》的算法控制研究[J]. 现代传播, 2018(10):58-62.
[25] 方师师. 算法如何重塑新闻业:现状、问题与规制[J]. 新闻与写作, 2018(9):11-19.
[26] 喻国明. AI“谣言粉碎机”:从原理到效能[J]. 现代视听, 2019(02):87-88.
[27] 张志安. 人工智能对新闻舆论及意识形态工作的影响[J]. 人民论坛学术前沿, 2018(08):96-101.
[28] 刘德寰, 李雪莲. 大数据重塑新闻业[J]. 中国出版, 2017(5)
[29] 田丽. 解析当前网络舆论传播的挑战与应对之策[J]. 信息安全与通信保密, 2018(04):36-37.
[30] 彭兰. 增强与克制:智媒时代的新生产力[J]. 湖南师范大学社会科学学报, 2019, 48(04):132-142.
[31] 彭兰. 智能时代的新内容革命[J]. 国际新闻界, 2018, 40(06):88-109.
[32] 彭兰. 更好的新闻业, 还是更坏的新闻业?人工智能时代传媒业的新挑战[J]. 中国出版, 2017(24):3-8.
[33] 喻国明, 张文豪. VR新闻:对新闻传媒业态的重构[J]. 新闻与写作, 2016(12):47-50
[34] 杨曙. 当下VR新闻制作的缺陷与未来发展[J]. 中国记者, 2018(3):93-95
[35] 史安斌, 胡宇. 声控智媒与新闻传播:现状与前景[J]. 青年记者, 2019(01):77-80.
[36] 殷乐, 朱豆豆. 声音媒体的智能化发展新终端 新应用 新关系[J]. 中国广播, 2019(04):31-35.
[37] 刘德寰, 李雪莲. 数据生态的危险趋势与数据科学的可能空间兼谈中国市场调查业的现状与问题, [J]. 现代传播2016. 1
[38] 范以锦. 人工智能在媒体中的应用分析[J]. 新闻与写作, 2018(02):60-63.
[39] 张蓝姗, 黄高原. 人工智能技术给电视媒介带来的机遇和挑战[J]. 中国电视, 2018(07):52-55.
[40] 何艳秋. 语音交互方式在广播电视监测系统中的应用[J]. 广播电视信息, 2019(07):45-48.
[41] 王志明. 人工智能在广电媒资系统中的应用[J]. 有线电视技术, 2019(07):22-26.
