当前位置:论文写作 > 论文大全 > 文章内容

人工智能在职毕业论文范文 关于人工智能类论文范文8000字有关写作资料

主题:人工智能 下载地址:论文doc下载 原创作者:原创作者未知 评分:9.0分 更新时间: 2023-12-27

人工智能论文范文

人工智能论文

目录

  1. 一、使命与目标
  2. (一)数据和信息
  3. (二)人工智能
  4. (三)信息传播模式
  5. 二、人工智能编辑部的未来探索展望
  6. (一)智能化采集:从信息到数据,从感官到机器
  7. (二)智能化生产:从物理反应到核反应
  8. 1.文本生成:数据的可视化处理和信息智能生产
  9. 2.文本审核:信息的智能识别和审核
  10. (三)智能化分发
  11. (四)智能接收:终端系统智能化
  12. (五)智能反馈:传播效果及路径的抓取和分析
  13. 三、结语

《使命和愿景:人工智能编辑部的智能传播模式》

本文是关于人工智能相关在职毕业论文范文和人工智能方面毕业论文格式模板范文.

摘 要:在全面建设以全媒体为内涵的现代传播体系的媒体融合新阶段,为响应互联网时代用户的信息需求,主流媒体需要建立以人工智能编辑部为核心的新型传播平台.人工智能编辑部更加关注由于公众广泛参与带来的传播关系的变革,将人工智能技术全面应用于信息采集、产生、分发、接收和反馈的全过程中.

关键词:人工智能 媒体融合 智能传播

一、使命与目标

在全面建设以全媒体为内涵的现代传播体系的媒体融合新阶段,主流媒体的互联网化将产生新型媒体平台,其价值和使命在于,成为一个全面应用人工智能技术,全面响应互联网时代用户信息需求的新型传播平台.人工智能编辑部将是这一平台的核心.

在全媒体的特性中,全程和全息强调了更为丰富和复杂的信息来源,全程指时空维度上,客观事物运动的整个过程都会被现代信息技术捕捉和记录并存储;全息指信息状态维度上,信息采集及呈现形态的“全息化”;全员则是从社会维度上来看,来自方方面面的各种主体(个人、各类机构)都在通过互联网的赋能作用,进入到社会信息的交互过程中,成为可能的信息源;而全效指在媒体功能维度上,新型的全媒体通过为平台用户提供全面化的服务功能和多元化的应用场景,来获得更为丰富的用户数据和信息,并由此作为主要的价值变现模式,这使得新型的全媒体平台必然成为社会的数据总汇和运营枢纽,而这样的功能,必须通过人工智能的应用来实现.

本文试图对人工智能编辑部应用场景的大致展望作基本梳理,为业界和学界提供具有指向性的指导框架.在此之前,首先需要梳理几个关键的概念.

(一)数据和信息

1、信息:信息是人类用以进行决策和消除不确定因素的依据.在实践中,人类大脑对采集后的讯号进行加工处理,是在大脑“黑箱”中进行的过程.这种信息的加工过程实质上就是数据的结构化.

2、数据:数据是记录客观事物运动和变化的符号,主要通过机器进行分析和处理.对于现有的信息来说,数据化就是对信息的分解过程,在这个过程中,我们可以找出一条信息中包含的各种元素,从而发掘信息中更加深层的某种链接.

信息与数据是相互关联的.霍顿认为:“信息是为了满足用户决策的需要而经过加工处理的数据.”而数据是人类表征外部世界的初始化的符号,是记载客观事物的性质、状态以及相互关系等的物理符号或这些物理符号的组合,是信息的数字化(数位化)表现形式和载体.

在物理世界,原子、电子、质子和中子等更微小的微粒的发现,不断揭开微观物质世界的面纱,人类不断加深对物质世界的认知.在信息领域,人们对客观事物矛盾运动所发散出的各种讯息的采集和应用,也由于传感器的大规模使用,发展到了“数据”层面,通过大数据技术(包含数据采集、数据整理、数据存储、数据安全、数据分析、数据呈现和数据应用等),人们能够对数据进行关联和归属,为机器学习中的模型训练提供数据基础,并应用于人工设定的特定性能和运算方式的实现,打破信息的外壳,从而使人类更加接近“信息”的本质.

数据化是信息分解的过程,在这一过程中,人们通过拆解一个信息所包含的各种元素,发现不同信息内容间更深层的联系和区别,对机器采集的数据和人体感官所获得的信息解构化的数据进行整合、清洗、加工和标签化等处理,从而形成数据集.人工智能编辑部的数据,一方面來自机器的智能采集,另一方面来自对人体感官所获得的信息进行解构、并经机器识别和处理后形成的数据.

主流的人工智能实现过程就是通过机器学习算法,输入并输出已知信息、按照固定的模板,通过将数据“喂”给算法后,自动按照给定的规则填充公式化的表达,可以进行自动稿件的生成、语音识别、图像处理、机器翻译等.这种“弱人工智能”,系统表现出一定的智能,但并不拥有自主意识,是能够实现特定功能的专用智能,而与之相对应的“强人工智能”包含认知智能和创造智能,能够自适应外界环境且具有自我意识.也是人工智能编辑部和智慧媒体下一步的发展方向.

(二)人工智能

人工智能是利用数字计算机或者计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统.通俗而言,人工智能就是根据人类的智能活动规律,研究如何通过构造一定的智能人工系统让计算机模拟人类的行为并适应人类工作的科学.

当前,人工智能在信息领域的应用需要通用的算法开发和在具体应用领域内专门的算法开发作为技术基础.人工智能编辑部区别于传统新闻编辑部,是由人工智能为信息的采集、生产及分发的全链条进行赋能,从资讯传播的起点到终点都赋予人工智能的技术基因,真正体现了智慧媒体的价值所在.“智慧”实际蕴含了算法和大数据,“智”,即“通阴阳之变”,也就是基于一定的运行和分析规则的基础上进行算法和程序的设定;“慧”,即“耳聪目明”,也就是大数据的广泛运用.算法、大数据和人工智能技术的赋能为媒体行业带来了从宏观到微观全方位的改变,我们将其称之为信息领域的智能传播模式.

(三)信息传播模式

信息的传播模式经历了从印刷时代向数据时代的转变.

印刷时代以前,人们获取信息的途径主要依靠口耳相传,信息的传播范围局限于一个极小的地域内.此后,人类逐渐从口语传播、手抄传播阶段逐步迈入建立在纸张和印刷术发明的基础之上的印刷时代,信息传播进入“铅与火”的时代.印刷时代的来临弥补了手抄传播效率低、规模小、成本高的缺陷,信息以附着在纸质或其他介质上的图文形式和模拟信号的方式传递,其传播范围、传播效率与传播质量大大提升.造纸术和印刷术是中华民族为世界文明作出的两大贡献.15世纪40年代,德国工匠古登堡在活字印刷和油墨技术的基础上,创造了金属活字排版印刷,并将压榨机改装为印刷机,实现了文字信息的机械化生产和大规模复制.欧洲工业革命推动了印刷技术的革新,使之进入到机械动力和电力生产的阶段,并推动了近代报刊的诞生.

近40年,中国的信息传播方式经历了从“铅与火”的传统铅字印刷到“光与电”的数字化传播的巨大飞跃.20世纪70年代,西方已经采用“电子照排技术”,即利用计算机控制实现照相排版印刷,中国仍在沿用传统的 “以火熔铅、以铅铸字”的铅字排版印刷技术,这种方式能耗大、劳动强度高、环境污染严重,且出版印刷能力极低.为改变这种状况、跟上世界信息化发展步伐,必须将汉字与计算机技术相结合.1975 年,王选院士开始主持中国计算机汉字激光照排系统和以后的电子出版系统的研究开发,他的目标是直接研制世界尚无成品的第四代激光照排系统,即在电脑控制下将数字化存储的字模用激光束在底片上感光成字、制版印刷.王选使用“轮廓加参数”的数字方法来描述汉字字形,将字形信息压缩500倍至1000倍的同时实现变倍复原时的高速和高保真,这一技术攻克了汉字字形信息的计算机存储和复原的世界性难题.至90年代初,王选带领团队先后研制出了八代激光照排系统产品,占有中国大陆99%的报社和90%以上的书刊出版社和印刷厂,中国印刷业从铅板印刷直接步入激光照排阶段,跨越了国外照排机40年的发展历史.世界上首个“汉字信息处理与激光照排系统”的成功研发,再次掀起一场印刷业的“光电革命”,这也成为我国迈入数字化时代的重要开端.

数字时代,信息传输更加高速便捷,大众传播的传播技术手段以数字制式代替了传统的模拟信号.信息的运输技术也实现了巨大的飞跃.在这一阶段,报纸、广播、电视的广泛普及,共同成就了大众传播模式的辉煌.专业化的媒介组织运用传播技术和产业化的手段,以社会上一般大众为对象,通过收集大量外部讯息并经过加工处理(主要通过人的感觉器官及人脑)形成结构化的信息后,进行大规模的信息生产和传播活动,信息生产和处理方式呈现工业化生产特征.80年代出现的电信传真、卫星通信技术大大提升了报刊的运输效率.借助电磁波频率和振幅的调制技术,人们发明了声音信息的的载波方式,广播成为信息传播的重要载体之一.从ENG(Electronic News Gathering)、SNG(Satellite News Gathering)到DSNG(Digital Satellite News Gathring),信息的采集方式由电子化向数字卫星采集技术不断发展,人类体外化的声音信息和体外化的影像信息得以长久保存.卫星电视的发展使人们得以对活动图像进行光电转换并以有线或无线的方式高效运输,全球传播成为可能.随着数字电子技术的逐渐成熟,广播、电视的音质与画质提升,频道与节目资源更加丰富,改变了过去传播资源短缺的状况,多样化的信息需求被重视,受众市场趋于细分化.计算机的出现,使电脑开始执行人脑的部分功能,意味着人类大脑这一信息处理中枢开始了体外化的进程.数字多媒体技术的广泛应用实现了通过集计算机、通讯和声像技术于一体的数字方式对交互处理声音、图像、文字和数据等信息进行混合传送,推动了媒体形态的革新.互联网的普及促使信息由单向传播转变为交互式传播,信息发布不再是集中化模式,信息流通更为自由,形成了海量信息源.互联网媒体平台化的发展,使海量信息得以快速聚合和传播.大众电子传播媒介实现了由广播、窄播到个体化传播的阶段发展,传播主体、传播手段、显示手段、受众特点、服务形态及信息的制作方式等方面都发生着变化.

数据时代,信息的数据化开始了人工智能的探索和应用,推动了传播资源的极大丰富.“受众”向“用户”的转变,使用户成为关系网络和信息传播的重要节点.人工智能编辑部的技术应用,要根据信息传播领域公众的需求特征,重点开发知識图谱,建设内容数据库,研发专用算法.与单纯借助人工智能技术强化媒体自身专业生产能力的应用方式不同,人工智能编辑部要顺应互联网平台的开放趋势,更加关注由于公众广泛参与带来的传播关系的变革,以人工智能技术,全面服务全媒体时代互联网用户的信息需要和参与及社交的需要,把人工智能运用于信息采集、产生、分发、接收和反馈的全过程中.

二、人工智能编辑部的未来探索展望

人工智能编辑部未来将从信息采集、生产、分发、接收、反馈五个方面进行全方位的智能化探索.

(一)智能化采集:从信息到数据,从感官到机器

人工智能编辑部的信息采集将包含信息智能化采集和信息数据化智能化两个方面.信息的智能化采集主要着眼于在5G、物联网等技术的支持下,依靠智能机器实现对外部数据更加高效、智能的采集;另一方面将通过专用的人工智能技术实现对“全员媒体”采集而来的信息内容进行智能化解构,其中将利用大数据技术、知识图谱系统的指示标签系统,对信息内容进行精准识别和标签化处理,并运用自然语言理解(Natural Language Understanding)和机器阅读理解(Machine Reading Comprehension)等技术,对信息进行分解,以完成信息的数据化过程,以此来实现对外部信息和数据的全范围覆盖和采集,为建立起强大的内容数据库提供原料,并为下一步使用合成数据等技术进行二次加工打下基础.整体而言,信息的智能化采集工具将从依赖人类感官为主变为依赖机器为主.采集的对象将从信息为主变为以数据为主.

5G牌照正式发放后,2019年可被称之为人工智能在信息领域应用的科技元年,标志是人工智能在新闻生产方面的一系列应用成果.在此之前,人类更多地是用感官来进行信息收集,使用人脑进行判断做出决策.而未来的信息采集会更多地通过机器实现对数据的挖掘分析.在此过程中,借助5G和物联网发展提供的技术基础,能够实现在更广范围、更大程度上使用各种信息和数据采集设备(各类监测设备和传感器),智能化地采集表征客观事物存在与发展的讯息.这也是5G技术的真正颠覆性影响的体现,即广接入,这使得未来的信息采集会更加依赖机器采集外部信息数据,这是信息采集从量变到质变的变化,让人们有可能更加深刻地认识外部世界的变化.

同时,对采集到的信息内容进行智能识别和标签化的结构化处理,以便进行后续的分析和重新组合.利用人工智能技术将采集而来的各类信息进行“数据化”.例如,利用知识图谱系统的指示标签系统对信息内容进行精准识别和标签化处理,依赖强大的内容数据库并运用自然语言理解、机器阅读理解等技术对信息进行进一步的加工.这实际上是“信息数据化”的过程,为进一步信息的智能化生产打下良好基础.

2019年,亚马逊研究科学家已经在自然语言理解(Natural Language Understanding)方面取得了令人瞩目的进步,他们推出了新的计算架构能够帮助语音助手Alexa在人类不说完整的句子的情况下也能理解人类的语言内容含义.而机器阅读理解(Machine Reading Comprehension (MRC))也使得系统阅读大数据、推断含义并且立即得出答案的流程成为可能.目前的实践应用中,MRC已经可以协助人类将技术手册、历史地图和医疗记录等各种资料转化为易于搜索的信息集合.可推测,MRC是未来实现强人工智能的关键性步骤之一.

(二)智能化生产:从物理反应到核反应

人工智能编辑部的智能化信息生产是通过机器智能化采集并对数据进行分析的基础上,根据人类生产生活各种场景的需要所进行的,基于未来人工智能各种专用算法的开发应用基础上完成的.具体包含文本生成和文本审核两个部分:

1.文本生成:数据的可视化处理和信息智能生产

在过去,人类大脑对通过感官接收到的讯号进行“黑箱化处理”并做出判断,这种“黑箱化”的处理体现了大脑对于采集信息的自然理解过程,而在未来依赖机器进行对数据的智能采集時,需要对采集而来的数据进行可视化处理,以便让人类能够读懂数据.

当前实践中,数据可视化处理主要通过自然语言生成(Natural Language Generation)和计算图像的生成(Computational Image Completion and Generation)这两种技术实现.

自然语言生成技术基于大规模的数据集构建叙事,可实现的功能包括集成关键词、搜索引擎优化(利用搜索引擎的规则来提升网站的搜索排名)以及为用户批量提供个性化的内容.现今已被不少媒体与营销机构所应用,帮助非数据科学界人士更好地了解其所在组织中正在发生的事情.

计算图像的自动生成可以实时在运动画面中寻找最佳帧并在场景中无缝添加或删除对象、更改阴影等等.斯科尔科沃科学技术研究院和三星AI中心的AI研究人员使用这一技术使旧照片和著名画作(如《蒙娜丽莎》)“动”了起来.但是,这样的技术也需要应用者的进一步思考,如何在现实与修改后的场景之间划清界限?在没有标签或披露信息的情况下,应该修改照片到什么程度?

信息智能化生产方面,信息呈现,即将各种信息组合成为人类可以直接接受的文本,当前主流的自动化信息生产一般包含以下五个环节:1、输入、检索、锁定数据;2、对原始数据进行清洗、整理、分类;3、通过排序、比较和聚合数据明确新闻故事的关键事实;4、按照某种叙事的语义结构对关键事实进行组织;5、对形成的文本内容进行审核,按照需要提供不同风格.

在未来的人工智能编辑部,信息的智能生产有望能够在算法、数据和更多人工智能新技术的基础上进行更多尝试.比如借助新闻型机器人(news bots)协助整合新闻信息,并自动为用户推送特定新闻内容;借助生产力型机器人(productivity bots)使媒体机构的日常流程实现自动化.利用短视频合成虚拟环境技术(Generating Virtual Environments From Short Video)实现多媒体内容的多元呈现,让新闻的呈现方式更加智能化、互动化,提升用户的交互体验.芯片设计师Nvidia已经利用了生成对抗网络(GANs)的研究成果成功利用AI使用短视频片段构建出逼真的3D环境,并将此投放在自动驾驶领域中使用.自动生成虚拟环境的应用前景无穷,可以应用于物流(仓库、工厂、运输中心)、城市规划模拟,甚至包括测试游乐园和购物中心内的客流量场景.

从现阶段的业界实践,不难预见,未来的信息智能生产,有巨大的智能化探索空间.例如,斯坦福大学进行的自动视频编辑产品实验,能够完成自带视频剪辑、利用面部识别和情绪识别系统进行视频的自动剪辑并生成不同风格的视频.Quartz打造的聊天机器人,用户和人工智能系统通过文字、语音或其他创新性地交互方式实现高效的人机互动,目前已经可以实现对用户需求的自动读取,同时能够根据用户的需求提供相关内容,如围绕着某一主题、人物或地点的新闻报道等.

在国内,搜狗与新华社共同开发打造的AI 合成主播能够通过图像表情,声音语言习惯、逻辑思维层面进行拟人化训练,生动逼真地进行新闻的播报.

2.文本审核:信息的智能识别和审核

信息的智能审核即通过机器来识别内容并在此基础上对信息加以判断.未来,新闻机器人的使用将进一步强化这一功能,并通过对大量文本的处理和实时的机器学习,在语境中找出相关信息的逻辑漏洞和假消息.现阶段主要应用的审核技术有:

算法的事实核查(Algorithmic Fact Checking).德克萨斯大学阿灵顿分校和谷歌的研究人员研发了算法的框架语义自动化技术(框架是描述了特定类型事件、情况、对象或关系及其参与者的示意图).通过FrameNet系统专门为包括自动事实核查在内的功能构建新框架.

机器学习中的实时语境(Real-Time Context in Machine Learning).IBM公司研发的Project Debater通过消化大量文本,从语境中找出逻辑漏洞、假消息,利用实际环境分辨真伪信息.

在屏事实核查(On-Screen Fact Checking).杜克大学和得克萨斯大学阿灵顿分校的研究人员研发了ClaimBuster,能够将直播中的音、视频转换为文本,通过过滤器识别其中有关事实的语句,将这些语句与数据库进行比对,从而实现事实核查.

合成并生成内容核查(Synthetic and Generated Content Authentication).哈佛大学和MIT-IBM Watson AI Lab的研究人员研发了一种用于识别算法何时生成文本的工具——Giant Language model Test Room,通过AI技术确定文本中的常用词,并判断文本是否由算法自动完成,可以用来识别虚假或误导性新闻、机器人生成的内容及伪造品.

总的来说,当前的信息自动化生产还是物理层面上对于海量数据汇集、提取、分析和组合.这一生产过程的特性,在BBC的一款代表性智能化工具“果汁机(Juicer)”中体现非常充分和形象,它的任务是把包括新闻快讯、专题报道、视频新闻、政府公告、社交媒体信息等在内的海量数据汇集在一起,并进行自由调用.自2012年首次被引用到BBC以来,Juicer平均每天处理来自850个新闻机构、政府部门和社交网站的RSS信息推送,并能够通过语义辨识对输入的信息根据信源、地点、人物和事件进行整理归档.当记者需要调取关于某个主题的新闻或信息时,“Juicer”能够快速提供一个包含相关内容的清单.目前,Juicer的审核内容仅限于文字部分,未来它有望实现对图片和视频内容的监控与标签化审核.

在智能化的信息生产方面,未来的人工智能编辑部不仅要实现在物理层面对于海量数据的汇聚和使用,更要通过人工智能技术的支持,让基于对更广泛的数据中包含的每一条信息内容的元素,自动自发地实现与其他信息内容元素的连接和碰撞,类似一种化学反应的生成.不同的数据在各种人工智能及算法的助力下通过实时的信息结构化、数据可视化、信息智能识别和更加智能化的审核功能,不仅包括对文本内容语境的逻辑漏洞,也包括对图片、视频、VR等多种内容形态进行实时的审核修正.自动化生产来发挥出有如核聚变般的巨大潜能.让自动化的新闻生产过程从“搅拌机”工具进一步向“核反应堆”“基因编辑器”发展,让内容形态的生产过程从物理形态进一步向核反应、基因工程的化学形态发展.

(三)智能化分发

现阶段,信息分发在现在整个信息生产和消费中居于核心地位,在主流媒体和商业平台的竞争中处于关键位置.智能化信息分发的核心是将信息的内容和信息的应用场景进行智能的匹配,以期提升分配效率,并充分实现信息的价值.

人工智能编辑部的智能化信息分发模式的完善应把握好分发效率和用户关系这两个方面.一方面,智能化的信息分发,要基于信息内容标签来响应用户不同场景下的信息需求,以提高分发的适配度和传播效率;另一方面,应以公共广泛参与为背景,通过算法促进社交关系的建立,依托智能化的社交关系提高信息分发效率.

智能化的信息分发模式中尤其重要的一点是,为促进社会共同利益的更大化实现,应该在分发规则的算法设定中充分体现主流价值观.不仅仅局限于对于社会主义核心价值观48字的内容的简单识别分发,而更多将精力放在将数据、算法、人机交互有机结合,建立用户和资源的个性化关联机制,并对信息的价值实时实现有效评估和有效适配.由于个人移动终端的使用场景和人的心理特征,“点击量”实际上更多地表征了特定的资讯内容对用户的趣味性,而信息的重要性如何体现,仍然是当前推算法模型的盲区.

在智能化的信息分发过程中,我们仍然需要对“效率”的追求保持一定的警惕.算法分发虽然可以通过信息内容的个性化匹配实现“人找消息”和“信息”效率的提升,满足个性化需求,但不同的算法推荐原理和数据摄入会导致不同的风险,出现“信息茧房”“用户阅听权转移”“内容下降螺旋(流量驱动新闻)”等问题.

(四)智能接收:终端系统智能化

在信息的智能化接收方面,人工智能编辑部将依托拥有多种终端播控技术和播控权的综合优势,主要通过信息接收终端设备的智能化来实现.根据国内外现有实践和研究成果来看,AI芯片组(AI Chipsets)的应用为终端设备的智能化的实现提供了可能.由于缺少足够的处理单元,当前以智能手机为代表的移动终端尚难满足机器学习的深度要求.近年来关于人工智能模型压缩的算法大量出现,为芯片组全面集成人工智能引擎提供了技术可能,人工智能芯片组中CPU、GPU等不同功能的核心发挥各自所长又相互协作,共同实现高效的智能处理.2019年4月,高通研发的人工智能推理芯片Cloud AI 100,可以大大降低终端与数据中心的延迟.由此可见,主流媒体有必要把握终端设备信息接收系统升级这一机遇,探索研发能够效仿人类感知、辅助人类计算和记忆、学习人类知识模型和决策经验的智能硬件与支持系统,以便在各类终端系统上搭建未来AI媒体入口,通过在终端对用户所接收的信息进行智能分析,对内容进行审核与过滤,通过向用户发出提示信息等方式,培养用户良好的媒介使用习惯,以营造健康的媒介环境.在这一过程中对用户行为数据的收集,能够有效地拓展终端信息接收系统的应用场景,增强人机交互体验.

另外,未来AI媒体入口的终端系统应用为矫正和破除用户信息茧房,提供了新的机会.当前的信息茧房问题难以解决,主要是由于不以用户个人兴趣为核心规则的算法分发技术与各分发平台的核心商业利益相互抵触,也与智能分发提高分发效率的初衷和目标相互矛盾.因此,更好的方式可能是通过在信息载体的终端智能化进行过滤.不仅可以分析和判断每一个个体如何获得信息、获得了什么信息,还可以通过终端及时、个性化的对用户进行提示,这也有利于我们更加可靠和方便的实现未来人工智能在信息传播中对主流价值观的引导.

(五)智能反馈:传播效果及路径的抓取和分析

智能化信息反馈的目的是,使信息生产者和信息分发平台的运营者能够及时了解信息的传播效果和传播路径,从而对信息生产和分发环节进行相应调整,提升信息生产和运营效率.智能化的信息反馈,主要通过对传播效果数据的挖掘、分析以及传播路径的分析来实现.

人工智能编辑部未来将主要以两种方式取得反馈数据,其一是对于部署了“AI媒体入口”的智能化终端,自动化地反馈数据;对于其它终端,则通过数据抓取的方式来获得更多的反馈信息.人工智能编辑部数据中台的多终端的实时运营数据和传播效果评估数据都应纳入智能反馈数据库中.

一方面,智能工具大大增强传播效果分析的精准度.从浏览量、评论量、转载量、点赞量、粉丝量等显性数据,逐步深入至用户个性化消费的行为、偏好、趋势等隐性数据,更准确地反映传播效果和用户个性.计算机视觉、情绪识别、情感计算等技术也有可能应用于识别用户“微表情”,建立实时情感识别系统,推测用户在信息接收与反馈时的情绪状态,完善用户实时状态这一关键的场景要素.

另一方面,用于追踪传播路径的智能工具为信息的生产分发和信息核查都提供有效途径.对当前的算法分发技术进行逆向工程分析,可以有效实现信息生产和分发的路径优化.通过借助语义分析技术,对传播路径的溯源,发现信息传播与变异的关键节点,将大大有助于虚假信息、数据的识别算法模型构建,构建起应对虚假信息的新型把关机制.

三、结语

整体上讲,人工智能持续为信息传播领域赋能,实现媒体行业从微观到宏观的全面变革,强化智能化信息采集和信息生产,从“可知”迈入更具有丰富性的“可感”;强化智能化信息分发,从基础个性化分发到主流价值观驾驭的数据推送,创新“为我”的感;强化智能化信息接收和反馈,在智能化终端系统的助力下进一步实现“懂我”的满足感;强化智能化信息反馈,通过信息传播效果数据及路径的抓取分析反哺信息的生产和分发,充分发挥好全程媒体、全息媒体、全员媒体、全效媒体的功能.

信息传播的外部性要求信息生产者及传播平臺尤其是主流媒体在开发和利用人工智能时,必须承担起社会责任,比如防止滥用、保护个体用户的隐私,并体现主流价值观的引导作用.同时,人工智能的强大能力及潜力要求“科技向善”,人工智能的开发和利用应以增加社会成员的共同福祉和社会的共同利益作为基本的价值.

参考文献:

[1]宋建武.全媒体传播格局中的主流价值引领[J].新闻与写作,2019(11):1.

[2]李鹏.建设智媒体,打造新型传播平台[J].新闻战线,2019(13):17-19.

[3]宋建武.没有自主可控的平台,就没有主流媒体的一切[J].青年记者,2019(10):4.

[4]智媒前沿.“媒体+AI”生态布局重大创新:“人工智能编辑部”,来了![OL].https://mp.weixin.com/s/liiApIvcH9MoKGGBaSihfg

[5] FTI 2020 Entertainment. Media and Technology Trends Report,2019.

(宋建武系中国人民大学新闻学院教授、博士生导师,新闻与社会发展研究中心及国家发展与战略研究院研究员;于书亚系中国人民大学新闻学院硕士研究生.)

汇总:此文为关于对不知道怎么写人工智能论文范文课题研究的大学硕士、人工智能本科毕业论文人工智能论文开题报告范文和文献综述及职称论文的作为参考文献资料.

人工智能引用文献:

[1] 计算机人工智能专业论文题目 计算机人工智能专业论文题目如何拟
[2] 比较好写的人工智能论文题目 人工智能论文题目怎么定
[3] 计算机人工智能学论文参考文献 计算机人工智能英语参考文献哪里找
《人工智能在职毕业论文范文 关于人工智能类论文范文8000字》word下载【免费】
人工智能相关论文范文资料