整合營銷服務商
電腦端+手機端+微信端=數據同步管理
免費咨詢熱線：
電腦端+手機端+微信端=數據同步管理
免費咨詢熱線：
者：郭小平（華中科技大學新聞與信息傳播學院副院長、教授）；郭瑞陽（華中科技大學新聞與信息傳播學院博士研究生）
來源：《青年記者》2024年第6期
導 讀:
聚焦個人隱私與版權保護，警惕深度偽造濫用，探究“AI治理AI”新模式，堅持人本主義，是生成式人工智能風險治理的關鍵。
人工智能的創新應用形塑社會互動模式。在信息傳播、醫療、交通、教育等場景中，人工智能成為社會互動的代理，促使人與人的互動越來越多地轉換成人機互動。智能技術重構新聞傳播的業態和生態，深度嵌入信息獲取和決策過程，影響公眾的社會闡釋框架。
作為社會的信息傳遞基座，新聞傳播業在接受人工智能技術賦能的同時，也成為人工智能風險生成、擴散和演變的關鍵場域。自2022年以來，人工智能的內容生成和交互水平取得突破性進展。人工智能聊天機器人程序ChatGPT、人工智能圖片生成平臺Midjourney和文生視頻大模型Sora等生成式人工智能出現，掀起內容生產和信息消費熱潮。生成式人工智能的數據訓練、程序設計和生成結果應用等環節，也可能產生“被制造的風險”（manufactured risks），[1]涉及人機關系、深度偽造、產業變革等多個維度。
一、新聞傳播業對人工智能的創新采納
人類歷史從根本上是人與物、物與物糾纏的歷史。[2]人與技術物的關系大致有具身關系、詮釋關系、它異關系和背景關系四種，[3]技術物是身體認知的放大器，也是人類觀察、理解和操縱世界的中介，可以作為它者或準它者與人類共存，也可以融為生活環境的一部分，潛移默化地發生作用。作為一類技術物的人工智能與人類展開長期的互動實踐，新聞生產和傳播實踐就是其中之一。從數據處理到信息分發再到內容生成，人工智能成為新聞傳播業的創新驅動力和生產力。
（一）人工智能的發展：“類人”化與“類物”化
無論是將人工智能視作“工具”還是“潛在的合作伙伴”，公眾對它的存在已習以為常。人工智能發展和應用是基于不可見的基礎設施支撐體系，包含計算、存儲、網絡硬件等硬件基礎設施體系和多樣化的機器學習框架、算法以及相關工具軟件、PaaS平臺、服務等軟性基礎設施體系。近年來，人工智能的研發致力提升人工智能與人類社會的適配性，沿著“類人”和“類物”兩個方向使人工智能融入社會的過程“自然化”。[4]所謂的“類人”，是指不斷豐富人工智能算法模型的情感和心理維度，如通過分析文字詞頻、音頻文本中的聲調語速、圖像文本中的面部表情特征等推測情感類型。所謂的“類物”是將易于交互的人工智能物嵌入人類熟悉的場景，如家庭生活場景中的育兒機器人、養老護理機器人和智能音箱等。
（二）智能化信息生產：人工智能成為生產主體
人工智能在不同場景中“類人”和“類物”的應用發展，也包括對傳統信息生產流程的重構。繼專業生產內容（PGC）和用戶生產內容（UGC）后，人工智能生成內容（AI-Generated Content, AIGC）成為一種新型內容。作為一個復合型概念，人工智能生成內容“既是從內容生產者視角進行分類的一類內容，又是一種內容生產方式，還是用于內容自動化生成的一類技術集合”[5]。而生成式人工智能（Generative Artificial Intelligence, GAI）是指通過復雜的算法和模型對大規模數據進行集中學習，具有“文本、圖片、音頻、視頻等內容生成能力的模型及相關技術”[6]，是“根據人類制定的規則訓練而成的有立場、一定程度上受控的智能內容生成工具”[7]。在狹義上，人工智能生成內容是生成式人工智能參與生產的結果，但生成式人工智能更聚焦于技術、模型和工具。
生成式人工智能可以完成多模態文本轉換，還能模仿人類的不同情緒口吻來輸出內容。目前，按照任務類型劃分，傳媒機構生成式人工智能的應用形態有寫作機器人、數智記者和AI主播等。人工智能在災害事件（地震和暴雨等）、天氣預報、財經、體育等垂直領域的報道方面，具有明顯的時效性優勢。包含生成式人工智能在內的人工智能，將記者從轉錄、翻譯、校對等流程性工作中解放出來。傳媒機構希望利用智能工具提升生產力，放大人類記者在新聞深度和事實核查等方面的獨特優勢，發展解釋性報道和建設性新聞，進而鞏固行業邊界。
（三）智能化信息分發：從個性化走向定制化
人工智能應用于平臺型媒體，以場景化、個性化的智能算法分發滿足用戶需求。通過收集用戶的個人信息數據和使用數據，智能算法分析總結出不同的用戶畫像，根據歷史偏好、相似群體偏好以及社交關系進行推薦。同時，平臺算法會根據用戶的點擊量、閱讀時長、完播率、個性化設置等不斷調整內容推薦模式。
生成式人工智能實現跨平臺內容聚合和分析，還能根據用戶需求提煉總結出核心關鍵信息，產出定制化內容。因此，生成式人工智能有望發展成為“下一代網絡入口”，[8]也將再次改變內容分發邏輯。
（四）智能化內容呈現：從“認知新聞”到“體驗新聞”
人工智能豐富新聞呈現形式，推動“認知新聞”向“體驗新聞”轉變。面對新聞回避和新聞疲勞的雙重挑戰，新聞業轉型的重要策略是進一步增加音視頻形態的新聞數量，[9]以滿足用戶需求。新聞的數據可視化、碎片化、視頻化等趨勢，豐富了新聞閱讀體驗。2023年，安徽寒潮來襲時，大皖新聞的數智記者“小朱姐”迅速上鏡播報，省略拍攝場地準備、妝造彩排等步驟，保障了新聞的時效性。川觀新聞的數字記者矩陣包含20個真人記者的數字分身，可以充分發揮多線程播報的優勢，提升內容生產效率。
近期發布的Sora類文生視頻模型，引發使用生成式人工智能進行時空模擬和時空再造的豐富想象。Sora雖然在新聞現場采集、新聞調查和信源核實等方面有缺陷，但能夠幫助記者還原一些“難以重回的現場”或制作便于理解和傳播的解釋性影像，提升新聞覆蓋率和受眾參與度。
未來，生成式人工智能和AR/VR等技術結合，將會以逼真的感官體驗和自由設定，讓用戶沉浸式體驗各類新聞場景。此外，生成式人工智能還能對新聞內容作出調整，以滿足不同用戶群體的閱讀習慣偏好。新聞閱讀程序“Artifact”，可以用不同的風格總結用戶感興趣的文章內容，將其改寫成Z世代喜愛的風格或一系列便于在社交媒體傳播的表情符號。智能社會與圖像社會疊加，使世界更加趨于圖像化、影像化。用戶的認知模式也隨之轉變，從借助全面、客觀、深度的信息進行“認知”轉向習慣于通過影像和主觀情感聯想進行“體驗”。
（五）智能化內容治理：用AI治理AI
虛假信息的生產傳播是人類社會存在的長期問題之一。事實核查主體和技術變遷主要經歷了三個階段：傳統的新聞事實核查；基于大數據、區塊鏈等智能技術的事實核查；用AI治理AI的事實核查。
一是傳統的新聞事實核查。傳統的事實核查依賴人力核實新聞信源與經過，主要由職業新聞從業者完成，所需時間和人力成本較高。
二是基于大數據、區塊鏈等智能技術的新聞事實核查。大數據和區塊鏈技術出現后，人們能夠通過爬梳并分析信息來源的賬號特征、文本特征、傳播路徑特征等信息，開展數據管理、追蹤和溯源，核實信息真實性。新冠疫情期間，社交媒體上混合著大量有關疫情擴散與治療的信息，淹沒了可信任的信息來源，影響公眾的健康認知和決策，形成“信息疫情”。[10]大數據和區塊鏈技術以分析高效、難篡改、易追蹤等優勢，為真實防疫信息的共享和傳遞提供技術支撐。
三是用AI治理AI的新聞事實核查。人工智能推動事實核查進入新的發展階段，各國傳媒機構和科技公司逐步探索“AI治理AI”模式。國際事實核查網絡（IFCN）等組織以及相關主題國際會議，推動全球事實核查創新運動的制度化發展。其中，機器作為行動者的角色受到重視。谷歌DeepMind團隊和斯坦福大學研究人員開發的搜索增強事實評估器（Search-Augmented Factuality Evaluator, SAFE），可通過大型語言模型分解聊天機器人生成的文本，再分別核查其中所涉及的事實信息準確性。相較于文字文本的核查，音頻檢測工具的發展應用相對滯后。美國西北大學計算機科學教授蘇夫拉曼尼（V.S. Subrahmanian）開展人工智能音頻檢測實驗，測試了14種現有、免費且公開的音頻深度偽造檢測工具，結果卻不盡如人意。盡管目前使用AI工具識別深度偽造內容的難度較大，但構建行動者網絡、開展人機協同、“AI治理AI”仍是發展趨勢。
二、人工智能技術的媒體采納帶來的行業焦慮
機器主體的參與給人類記者帶來職業發展憂慮。生成式人工智能融入新聞生產場域的過程，不是簡單的“技術使用”，而是人類行動者與非人類行動者間的交互、協商與磨合。[11]面對新技術的沖擊，身處生產一線的記者和編輯能更加敏銳地捕捉到人機權力關系的變化與職業邊界的流動。組織、制度、文化變革往往會滯后于技術采納，形成一段與技術發展不相匹配的轉型陣痛期。因此，面對生成式人工智能嵌入導致的新聞生產工作常規重構、組織機制變革、新聞文化重塑，不少一線從業者表現出不同于機構管理層的懷疑和冷漠，甚至是抗拒和抵制。[12]作為傳播主體的機器改變了以人為主體的傳播生態。記者與編輯要應對行業內外的雙重壓力，迎接包含機器生產者在內的多元主體的挑戰。
生成式人工智能及相關技術的發展帶來高階智能社會的迷思。ChatGPT和Sora等便于交互、面向公眾的生成式人工智能出現，帶動新的內容創作和消費方式流行。在Sora發布的女性漫步東京街頭的視頻中，人物在布滿霓虹燈牌和廣告牌的街頭走動，五官和肢體動作都較為自然。盡管Sora生成視頻中還存在著細節處理不夠精細、自然規律和文化理解錯位、敘事邏輯斷裂等問題，它仍然承載著公眾對于高階智能社會的想象。
生成式人工智能的應用加劇新聞傳播從業者的職業技能恐慌。生成式人工智能通過人機交互來產出內容，因此需要國家、群體或個體具備一定的數字資源調用能力。生成式人工智能可以根據指令實現多模態文本轉換，進一步降低了生產門檻，但也考驗著使用者自身的綜合素質。自主性的提升常被認為具有賦權意味，例如提升個體傳播能力和彌合數字文明社會的能力溝，或是增強個體的知覺與連接能力等。[13]然而，技術擴散會受到社會資本不平等的制約?！凹夹g帶來的特權越來越多地只屬于那些負擔得起的人，特別是當國家退出基礎設施和公共服務供給時。”[14]當前，生成式人工智能的賦能所需的前置條件涵蓋語言能力、創意能力、信息獲取能力、技術使用素養和可接入設備條件等多方面。
三、生成式人工智能應用于新聞傳播業的多元風險
生成式人工智能的新形態嵌入新聞傳播業，不僅會改變新聞生產、分發和接收環節，也會推動相關制度和文化環境發生轉型。技術創新、制度創新與知識創新的時差，給新聞業帶來多元風險，并經由信息傳播擴散至其他社會領域。
（一）數字信任危機：信息真實性和可靠性下降
生成式人工智能參與信息生產，導致人類生成的版權內容與AI生成內容混雜。生成式人工智能的模型訓練、內容生產及生成物應用環節，都存在著侵犯版權的風險，如未經授權使用文本數據或者生成結果中模糊版權信息等。2024年2月，Raw Story、The Intercept、AlterNet等新聞機構指控OpenAI及微軟的生成式人工智能刪除了文章作者和標題等版權識別信息。無版權識別信息的人類產出內容與人工智能生成內容一同出現在信息流當中，客觀上會對用戶產生誤導，干擾用戶對生成式人工智能可信度的判斷。
生成式人工智能加劇了深度偽造內容泛濫。2024年初，世界經濟論壇發布的《2024年全球風險報告》提出，“未來兩年全球十大風險”的首位是“人工智能生成的錯誤信息和虛假信息”。[15]以深度偽造的負面使用為代表，生成式人工智能正在危害公民和國家安全。ChatGPT出現后不久，就被發現用強大的文本處理能力來拼湊、編造虛假信息，對用戶“一本正經地胡說八道”。相比之前的Pika、Runway等視頻生成模型，Sora生成視頻時長較長、分辨率較高且在多角度多景別的鏡頭變換中能夠保持一定的主體一致性。脫離了生產主體等背景信息，許多人工智能生成內容看起來與人類生產的內容極為相似，幾乎能夠以假亂真。作為深度偽造最典型的應用，“AI換臉”和音頻深度偽造也被用于欺詐和侵權。普通用戶利用公開數據和生成工具，就可以輕易生成政治名人、娛樂明星甚至普通社交媒體用戶的有害內容，侵犯其名譽權和隱私權。鑒別深度偽造內容和控制其傳播的成本遠遠高于生成成本，被侵犯者常常難以自證。此前，有用戶故意使用Elevenlabs公司的軟件來制作傳播種族主義言論的明星發言視頻。深度偽造的負面使用不僅僅是用戶的個人行為，平臺的內容篩選、信息分發等設計也會產生引導作用。相較于圖像/視頻深度偽造內容，音頻的制作成本和技術門檻更低，且缺少視覺線索，增加了鑒別難度。2024年1月，新奧爾良街頭魔術師保羅·卡彭特（Paul Carpenter）只花了20分鐘和1美元，偽造了美國總統拜登勸阻民主黨人投票的音頻。深度偽造音頻常常通過電話而非在線播放的形式傳播，其內容難以被暫停、回放、留存和截取片段分析。
生成式人工智能的應用，使“后真相”征候更加嚴重。傳統新聞生產中，新聞現場的人、物、環境等諸多要素，既是啟發記者進行個性化表達的靈感來源，也是新聞真實性的佐證。記者的身體在場和專業素養使現場變為新聞現場，“將各類事情轉化為新聞事件”。[16]隨著互聯網成為信息傳播基礎設施，新聞傳播主體范圍拓展至非專業新聞機構、普通社會個體甚至是機器。UGC和AIGC生產模式普及開來，使新聞生產規范受到沖擊。監控攝像頭和各類傳感器等媒介作為記者身體的延伸，開始代替記者進入現場?！吧眢w離場”的方式提升了新聞生產的效率，但也制約了“現場感”的表達和實證功能的發揮。[17]在融合傳播環境下，新聞的傳播和接收遷移到社交媒體平臺，新聞生產流程和新聞文化發生轉變?！傲髁繛橥酢钡睦骝寗訖C制以及信息核查的高昂成本，致使部分媒體轉而用制造同意替代追求真實。大量不以事實為基礎且信息、情感和立場混雜的復合體層出不窮?！昂笳嫦唷闭骱蝾l繁出現，表現為“成見在前、事實在后，情緒在前、客觀在后，話語在前、真相在后，態度在前、認知在后”[18]。訓練數據庫中信息質量良莠不齊，會影響人工智能生成內容的質量。在互動過程中，生成式人工智能所“臆造”的內容根據用戶要求不斷被改寫完善，變得更加難以辨別。
（二）平臺權力擴張：渠道壟斷、技術壟斷與投資集中化
信息分發渠道集中在互聯網平臺，使傳媒業產生路徑依賴。與AIGC不同，傳統的新聞生產主要依托于記者對各類新聞現場的挖掘，新聞價值的定義和傳播方式取決于掌握信息傳播主導權的專業新聞媒體，而傳受互動主要采用受眾的訂閱、收聽/視行為或讀者來信等方式。當互聯網平臺崛起為信息分發的主要渠道，平臺既是信息的中介和代理，也改變了傳受互動關系。傳媒機構改用不同平臺的賬號或賬號矩陣作為內容輸出終端，根據平臺的內容規范和推薦機制調整內容，以獲得更高可見性。傳媒機構對受眾的了解也越來越依賴于平臺的數據反饋，盡管這與真實的用戶需求還存在一定差異。
為采納生成式人工智能，傳媒機構對科技公司產生技術依賴。目前，我國除少數中央級媒體外，大部分地方媒體的相關業務都依賴騰訊、字節跳動等少數平臺巨頭的技術支持。傳媒機構的技術依賴，導致平臺公司對新聞生產的控制權從分發渠道側拓展至內容生產側。[19]許多地方傳媒機構雖然采納態度較為積極，但具體措施更像是完成一種“AI熱”下的“必選項”：采納生成式人工智能的主要貢獻在于獲取新聞效應，缺少連續的、實質性的內容產出能力以及與之配套的制度和文化環境。
生成式人工智能的發展具有一種潛在的壟斷屬性，強化平臺對媒體市場的影響力。資金、高水平人才和關鍵技術缺失以及對意識形態風險的擔憂，制約著傳媒業的智能化發展。在平臺媒體化與媒體平臺化的雙向進程中，傳統媒體機構承載了更多的市場競爭壓力，不得不與科技公司開展合作。少數科技巨頭掌握著生成式人工智能的研發主導權。傳媒機構擔憂媒體投資會因此受到影響，從而導致媒體多樣性削弱，影響行業生態平衡。
（三）現實映射能力弱化：內容同質化和公共議題失焦
生成式人工智能的信息生產是基于既有語料庫進行人機互動，本質上是根據用戶提出的需求，對已有信息進行聚合、分析以及多元化呈現，無法為公眾提供知識增量。從生成邏輯上，生成式人工智能遵循基于相關性的概率學分析和匹配，本質上是數據邏輯，不同于人類基于人生經驗和特殊情境觸發的情感表達。技術不可生成的部分，也即物的能動性界限，證實了人的主體性價值以及多元主體協同的重要性。
逐利的商業邏輯會引導生產邏輯，進而損害創意實踐空間。新技術展現出的可供性常常引發美好浪漫的想象，但社會資本不平等的現實和資本逐利的特性，可能導致技術使用“應然”與“實然”的偏差。在生成式人工智能之前，算法推薦也曾被認為能夠鼓勵個性化、創意化的視聽生產，使小眾內容走向大眾。相反，平臺的流量投放成為創作者的指揮棒，推動他們使用相似的視頻元素和敘事方式生產大量同質化的“工業品”。平臺型文化生產的結果是出現了一個“不太可能有創意的階層”（Unlikely Creative Class），[20]他們具備一定影響力，卻不斷生產平庸的內容占據注意力空間。
生成式人工智能改變公共輿論的形成環境，可能導致公共議題的失焦。智能算法提供個性化推薦，而生成式人工智能則走向定制化信息服務。這將進一步強化個體層面的微觀重要性，使公共利益層面的總體重要性不再占據主流。[21]市場導向下，新聞接收方式和新聞內容趨向大眾化和商業化，曾占據主流的“公眾啟蒙”實踐走向衰弱，社會生活的其他領域成為媒介信息產品的原料。[22]新聞內容與社會議題間的連接變得松散，對國家政策制定和社會行動的影響具有不確定性，地區、國家、群體與個人的聯結處于松散耦合狀態。[23]如果無法有效設置公眾輿論場的議程，形成“共同焦點”，連接個體與集體、國家與公民等社會關系，大眾傳媒就面臨著功能失靈的窘境。
（四）治理的悖論：AI治理的風險再生產
“AI治理AI”揭示出深度媒介化時代風險生產的遞歸性。平臺媒體上虛假信息泛濫，諸多媒體、監管機構和科技公司加快探索智能核查工具的使用。事實核查主要包含三種類型：信息發布前后對事實信息的核查糾偏，對觀點信息的核查糾偏，識別信息來源賬號主體。訓練事實核查AI需要信息來源更可靠的數據庫。一旦數據庫中混入錯誤信息或負面價值觀的信息，事實核查不但無法實現治理，還會帶來更大的真偽識別難題。許多觀點類信息的理解往往需要結合具體語境，在觀點與情境脫嵌的情況下，事實核查AI容易存在理解偏差。在被要求辨別網絡仇恨和極端主義言論時，事實核查AI無法理解情緒的多義性、情緒產生的復雜場景和情緒傳播中豐富的象征形式。[24]受原始數據庫和程序設計影響，事實核查AI的誕生和應用帶有原始立場和價值標準，可能導致觀點霸權的形成。識別賬號主體能夠助力防范機器人水軍操縱輿論。事實核查AI主要通過賬號的使用行為辨別人類用戶和機器賬號，但也容易因無法理解人類使用行為的復雜性導致識別錯誤。事實核查AI用于治理，可能導致信息、倫理、社會等多維度的風險以相似的機制被再生產。
生成式人工智能的治理過程不僅會導致原有風險的循環，也會引發新風險。從長期來看，提升公民媒介素養是必要的應對舉措，但在短期內容易制造出一種“說謊者的紅利”（liar’s dividend）[25]——輿論操縱者利用公眾對虛假信息的警惕和防范心理，將與自己立場不同的內容稱為“虛假新聞”和“深度偽造內容”，用簡明的斷言替代復雜的舉證過程，從而在公眾輿論中制造懷疑，排擠其他觀點。無論原始信息究竟是否真實，損害社會信任都變得越來越容易。這不僅會誘發用戶的新聞回避，也會導致話語權再度集中于少數意見領袖之處，形成話語權壟斷。
（五）算法矯正的窘境：偏見循環與話語風險
從算法推薦到生成式人工智能應用，信息的偏見循環仍然存在。智能模型和算法對人類偏見和立場的復制和循環，主要來源于原始數據庫、程序設計和人機互動。[26]生成式人工智能的訓練使用大量包含立場偏見的網絡信息數據，其內容拓展和總結功能常常融真假信息為一體，甚至放大原始數據中的邏輯錯誤和價值觀偏見。此前，智能模型和算法生成歧視言論的相關案例時有出現，使相關科技公司遭受輿論壓力。由于清洗數據庫成本極高、用戶使用行為難以控制，科技公司主要通過優化程序設計來控制價值觀風險。
生成式人工智能的價值觀“矯正”，又陷入刻板化和模糊化的窘境。生成式人工智能的偏見循環和“政治正確”，本質上都是源于數據在情境脫嵌、轉換和再嵌入時發生了偏差。生成式人工智能目前無法做到根據不同情境作出價值排序，再給予適當反饋，在面對歷史事實與現代觀念的沖突、不同社會文化的異質性等復雜問題時顯得十分刻板和生硬。原本具備特殊性和情境性的數據被公理化，制造出數字的“普世景觀”，掩飾社會中業已存在的不平等現象。[27]谷歌的智能生成工具Gemini因過于尊崇美式“政治正確”，忽略客觀事實以及用戶的創作需求和文化背景，引發用戶不滿。有用戶指出，對指定人物膚色或種族的要求，Gemini有時會拒絕響應，或者隨機生成不同膚色的人物圖像。與之類似，ChatGPT也在戰爭、種族、宗教、性別等議題上表現得立場混亂或回避。生成式人工智能存在著被武器化的風險，[28]可能被用作國際政治博弈的工具。少數平臺巨頭在發達國家的背后支持下，憑借數據掠奪能力、算力壁壘和豐富的模型訓練經驗，搶占AI領域發展制高點并借此發揮輿情制造和引導能力。數字資本主義及數字帝國主義操縱輿論的企圖，常常隱匿在貌似開放、“無國界”的生成式人工智能背后。內容的智能生成和傳播伴隨著意識形態的輸出和輿論話語權的爭奪，影響話語生態。
四、新聞傳播業的GAI風險治理
嵌入新聞傳播業的生成式人工智能，體現出“媒介發展中持續不斷的、顯而易見的‘新異性’（newness）”[29]，也引發了“自動化規范”與社會秩序中人類傳統規范的沖突。傳媒機構對人工智能角色認知和采納態度的曖昧性，導致風險認知和應對存在差異。人工智能技術的迭代與應用，使信息環境和人機關系發生變化。不同國家和地區相繼發布針對性的規制措施，以控制AI使用風險。
（一）版權侵犯與深度偽造成為GAI治理的重點內容
GAI的核心功能是生成，其治理首先圍繞內容生產主體以及內容真實性展開。
1.傳媒機構對版權保護的態度差異。訓練和應用生成式人工智能的過程信息吞吐量巨大，涉及大量版權信息。絕大部分傳媒機構都在技術采納與版權保護之間尋求平衡，但具體措施中也體現出明顯的優先級差異。作為最早使用人工智能賦能新聞生產、分發與核查的傳媒機構之一，美聯社的態度相對包容。美聯社積極與科技公司展開合作、設立人工智能和新聞自動化部，同時也進一步規范新聞生產領域的AI使用。2023年7月，美聯社與OpenAI公司簽署合作協議，同意OpenAI使用美聯社的部分文本資料來訓練生成式AI模型，而美聯社將獲得OpenAI的技術和產品知識支持。2023年8月，美聯社發布給記者和編輯的“生成式人工智能使用指南”，規定智能生成內容在發布前必須通過人工審查，不能使用智能工具更改照片、視頻或音頻素材的任何元素，也應避免傳播虛構現實的圖像。[30]相較而言，紐約時報高度重視版權保護，對智能工具的使用作出嚴格限制。2023年8月，紐約時報更新服務條款，明確禁止將紐約時報的內容（包括文本、照片、圖像、音頻/視頻剪輯、“外觀和感覺”、元數據或編譯內容等）用于開發“任何軟件程序，包括但不限于訓練機器學習或人工智能系統”。未經書面許可，禁止使用爬蟲類自動化工具訪問、收集紐約時報平臺發布的內容。[31]2023年12月，紐約時報起訴OpenAI及其投資者微軟公司侵犯版權，[32]雙方就信息獲取的合法性、證據真實性等問題相互指控。傳媒行業積極通過法律訴訟等方式捍衛自身合法權利，同時也希望向外釋放預警信號，提醒公眾關注生成式人工智能的威脅。2023年8月，蓋蒂圖片社、法新社、歐洲新聞圖片社等組織機構聯合簽署公開信，要求人工智能模型數據透明化并尊重原作版權，呼吁制定AI的使用標準。[33]公開信指出，訓練生成式人工智能和語言模型使用了海量的原創數據，其中包括大量新聞文字和圖像文本，卻并未給原作者相應的價值回饋。
傳媒機構與科技公司的博弈，反映出當前算法優化和版權保護之間的矛盾。一方面，新聞產品可以作為優化算法的高質量數據，提升AIGC的準確度和合規性；但另一方面，在版權未得到有效保護的情況下，算法的優化會威脅到原創作者的利益，導致版權方缺少支持模型訓練的積極性。
2.深度偽造的治理包括源頭防范、過程控制與末端治理。技術的健康發展往往需要調用倫理、法律等其他維度的資源。不同國家和地區相繼推出了倫理法律規制舉措。
歐盟側重從源頭防范深度偽造的負面使用，集中于數據管控和主體權利保護等方面。2018年，歐盟通過《通用數據保護條例》(GDPR)，保護數據主體的知情權、刪除權、反對權和自動化個人決策等相關權利，提出公平、合法、透明、目的限制性、存儲限制等數據保護原則。2022年6月正式生效的歐盟《數據治理法案》（DGA）則鼓勵為了公共利益的數據共享和使用，標志著歐盟對數據使用的整體態度從主張嚴格限制轉向倡導“合理使用”。2024年3月13日，歐洲議會通過《人工智能法案》（Artificial Intelligence Act），提倡促進以人為本、值得信賴的AI發展，保護公民基本權利、民主、法治和生態環境。
我國對數據和智能技術應用的規制具有彈性，側重流程管控和分類監管，在促進技術創新發展和維持社會環境有序之間尋求平衡和共贏。在我國，網絡安全法、數據安全法和個人信息保護法三部基礎性法律構成了數據使用和智能工具應用的基本規制框架。2020年更新的《中國禁止出口限制出口技術目錄》中，“基于數據分析的個性化信息推送服務技術”被列為禁止出口的技術，例如字節跳動公司研發的TikTok核心算法等。2022年發布的《互聯網信息服務深度合成管理規定》中，明確了深度合成服務技術支持者、提供者和使用者三類主體，構建以服務提供者為核心、連接技術支持者與使用者的監管模式，強化平臺中介在深度合成內容傳播和使用過程中的責任和義務。2023年7月，國家互聯網信息辦公室發布的《生成式人工智能服務管理暫行辦法》提出，堅持包容審慎和分類分級監管：對于合理創新的應用，鼓勵行業協作和場景優化；對“具有輿論屬性或者社會動員能力”的生成式人工智能，要求按規定進行安全評估。相關條例辦法以及網絡治理行動作為對基礎性法律的靈活補充，可以更加及時地應對技術的快速迭代和應用風險。
美國是最早提出對深度偽造技術進行立法規制的國家，從聯邦到各州政府層面都確立了相關法案，側重對深度偽造的負面使用結果進行治理，涵蓋干擾選舉、傳播色情等多個方面。2019年6月，美國眾議院的《深度偽造責任法案》要求，任何創建深度偽造視頻媒體文件的人必須添加“不可刪除的數字水印以及文本描述”予以說明，否則將屬于犯罪行為。隨后，美國得克薩斯州通過了《關于制作欺騙性視頻意圖影響選舉結果的刑事犯罪法案》，弗吉尼亞州也頒布了一項反色情復仇修正法案，把發布和傳播深度偽造視頻視為實施色情報復的一種方式。2024年3月底，美國田納西州通過《確保肖像、聲音和圖像安全法案》，“保護個人的聲音和形象不在未經授權的情況下被人工智能所使用”，把權利主體范圍拓展到了未成年人和已故個人，并特別提及了對音頻作品的保護。
（二）人本主義成為GAI治理的基本倫理導向
“現代社會的控制形式在新的意義上是技術的形式?！盵34]媒介影響社會各類制度以及制度之間的互動，不僅是通過一系列媒介技術裝置的嵌入，也體現在圍繞媒介技術形成的特定認知視角發揮著建構作用。生成式人工智能帶來的機遇與挑戰，為反思高度現代性時期的治理倫理提供了一個契機。
2017年，美國舉辦的“Beneficial AI”會議上，由844名人工智能和機器人領域的專家聯合簽署的23條AI發展原則，被稱為“阿西洛馬人工智能原則”。其內容包括堅持人類價值觀、確保人類控制權等，并強調人工智能研究的目標是創造有益于人類而不是不受人類控制的智能。“阿西洛馬人工智能原則”成為全球領域AI發展的指導性原則。然而，人工智能的發展和應用始終伴隨著倫理爭議。由于發展歷史、現實情況和執政觀念各不相同，不同國家和地區對于智能社會的愿景存在差異，其核心問題是：AI發展的受益者是誰？
美國的人工智能研發計劃重視本國的國家利益以及全球領導力，對以中國為代表的AI發展大國多采用競爭修辭。歐盟堅持追求理性與道德的傳統，以維護“公共利益”作為AI發展的基本原則，從制度設計上將數據利他主義作為新的數據使用理念。中國近年來從國家戰略層面鼓勵智能技術創新和數字化基礎設施建設，同時始終強調堅持以人為本，致力于構建共建共享的和諧社會。
（三）“AI治理AI”成為GAI治理的技術發展方向
生成式人工智能將機器的主體性提升到了前所未有的程度。即便是在風險治理場景下，社會行動者的應對思路仍然是訴諸媒介，進一步引入媒介技術來解決問題。
“AI治理AI”存在著技術邏輯和治理邏輯的融合和博弈，其中的悖論隱藏著一個啟示：應對生成式人工智能的相關風險，需要多元行動者的協同參與，尤其需要建立整體性、系統性和結構性的韌性治理思維。傳播學研究者需突破圍繞“恐懼”的研究范式，[35]客觀認識技術和社會互動中的人機關系及其變化，探索健康高效的人機交流和協作方式，以應對內外部風險。
五、結語
以生成式人工智能為代表的智能技術，提供了更多元的信息生產、呈現和場景體驗模式。垂直領域的寫作機器人能夠自動進行數據抓取、分析并生成稿件，從而快速響應突發事件、精準分析財務報表、低成本地報道體育賽事。圖像生成模型可以突破時空限制，根據已知信息模擬事件發生經過和“還原”新聞現場，用具象化的方式解釋新聞事件。參與式文化下，“我在現場”“重返現場”不僅是記者的職業需要，也是普通用戶通過適度曝光、提升可見性，滿足自身存在感需要的一種途徑。生成式人工智能的“創造”屬性將進一步提升用戶的自由度，提供“第一視角”的場景體驗，也便于用戶生產出更個性化的解讀內容。
生成式人工智能在信息呈現上的聚合化、影像化特點，會加劇輿論環境失序。同時，“AI治理AI”的模式卻暫時難以跳出虛假信息和偏見循環的怪圈。生成式人工智能的虛假信息和價值偏見源于原始數據庫、技術設計和人機交互，從根本上是對現實世界的映射。生成式人工智能還被用在政治經濟博弈中，甚至被用于發表仇恨言論、煽動情緒。就現實狀況而言，“AI治理AI”的模式在當前承載了過高期待?，F有的AI治理工具無法精準辨別復雜情感及其文化語境，也難以分辨情感表達的不同信息載體。[36]生成式人工智能會進一步模糊人類生成內容和機器生成內容的界限，讓輿論環境面臨更大的風險。
在與技術的相互規訓和共生中，人類需要共同承擔維護公共利益和價值觀的責任。生成式人工智能具備“成為道德上被接受的新聞內容生產主體”的潛力，[37]但它只是有限道德代理者，無法替人類做出道德決策和承擔責任。[38]生成式人工智能的技術迭代和監管具有明顯的區域特色和文化差異，但其作為一種新興媒介所引發的風險具有相似性。在此過程中，人本主義仍然是應對風險的基本價值取向，發展對社會負責的AI是人類社會的共同目標，建立一個情境兼容的全球性信息治理框架是大勢所趨。
【本文為國家社科基金重大項目“提升面對重大突發風險事件的媒介化治理能力研究”（批準號：21&ZD317）階段性成果】
參考文獻：
[1]吉登斯，皮爾森.現代性:吉登斯訪談錄[M].尹宏毅，譯.北京:新華出版社，2001:79-80.
[2]霍德.糾纏小史:人與物的演化[M].陳國鵬，譯.北京:新經典文化出版社，2022:68.
[3]伊德.技術與生活世界：從伊甸園到塵世[M].韓連慶，譯.北京:北京大學出版社，2012:72-117.
[4]吉頓.與類人智能交互:從分歧到融合[J].全球傳媒學刊，2024(01):1-2.
[5]中國信息通信研究院，京東探索研究院.人工智能生成內容（AIGC）白皮書[R/OL].(2022-09-25)[2024-04-20].http://www.caict.ac.cn/kxyj/qwfb/bps/202209/P020220902534520798735.pdf.
[6]國家互聯網信息辦公室.生成式人工智能服務管理暫行辦法[EB/OL].(2023-07-10)[2024-04-20].https://www.cac.gov.cn/2023-07/13/c_1690898327029107.htm.
[7]陸小華.智能內容生成的實質、影響力邏輯與運行范式：ChatGPT等智能內容生成現象透視與解析[J].新聞大學，2023(04):19.
[8]喻國明，蘇健威.生成式人工智能浪潮下的傳播革命與媒介生態：從ChatGPT到全面智能化時代的未來[J].新疆師范大學學報(哲學社會科學版)，2023,44(05):81-90.
[9]NEWMAN N. Journalism, media, and technology trends and predictions 2024[R/OL]. Reuters Institute for the Study of Journalism, [2024-02-21]. https://reutersinstitute.politics.ox.ac.uk/journalism-media-and-technology-trends-and-predictions-2024.
[10]World Health organization.2019 Novel Coronavirus(2019-n Co V):Strategic Preparedness and Response Plan [R/0L].[2024-04-17].https://www.who.int/docs/defaultsource/coronaviruse/srp-04022020.pdf.
[11]NEWMAN N. Journalism, media, and technology trends and predictions 2024[R/OL]. Reuters Institute for the Study of Journalism, (2024-01-09)[2024-04-21]. https://reutersinstitute.politics.ox.ac.uk/journalism-media-and-technology-trends-and-predictions-2024.
[12]周葆華，陸盈盈.生成式人工智能影響下的新聞生產創新:實踐與挑戰[J].青年記者，2024(03):10.
[13]胡正榮，李涵舒.“數字在場”:社交媒體時代視覺圖像的傳播范式重構[J].傳媒觀察，2024(02):64-71.
[14]Pitt, J. (2023). Toxic technology. IEEE Technology and Society Magazine,42(1),9.
[15]楊逸夫.應對人工智能技術濫用，合作才是未來[N/OL].光明日報，(2024-03-17)[2024-04-19].https://epaper.gmw.cn/gmrb/html/2024-03/17/nw.D110000gmrb_20240317_1-08.htm.
[16]塔克曼.做新聞：現實的社會建構[M].李紅濤，譯.北京:中國人民大學出版社，2022:18.
[17]胡洪江.從“身體在場”到“多元在場”：移動互聯時代記者與新聞現場的關系重構[J].青年記者，2022(15):53-55.
[18]張華.“后真相”時代的中國新聞業[J].新聞大學，2017(03):30.
[19]方師師，賈梓晗.AI如何做新聞:基于全球106個案例的分析（2017-2022）[J].青年記者，2023(01):56-59.
[20]Lin, J., & de Kloet, J. (2019). Platformization of the unlikely creative class: Kuaishou and Chinese digital cultural production. Social Media+ Society,5(4),1-12.
[21]鄭滿寧.人工智能技術下的新聞業：嬗變、轉向與應對：基于ChatGPT帶來的新思考[J].中國編輯，2023(04):39.
[22]夏瓦.文化與社會的媒介化[M].劉君，李鑫，漆俊邑，譯.上海:復旦大學出版社，2018:28.
[23]夏瓦.文化與社會的媒介化[M].劉君，李鑫，漆俊邑，譯.上海:復旦大學出版社，2018:37-38.
[24]卞清，陳迪.互聯網、智能算法與賽博仇恨：人類的情感干預如何可能?[J].媒介批評，2021(02):1-22.
[25]Chesney, B., & Citron, D. Deep fakes: A looming challenge for privacy, democracy, and national security[J]. Calif. L. Rev., 2019,107, 1785-1786.
[26]郭小平，秦藝軒.解構智能傳播的數據神話:算法偏見的成因與風險治理路徑[J].現代傳播，2019(09):21-22.
[27]吳靜.營造景觀還是呈現“真實”[N].社會科學報，2024-03-21(006).
[28]Chesney, B., & Citron, D. (2019). Deep fakes: A looming challenge for privacy, democracy, and national security. Calif. L. Rev., 107,1773.
[29]庫爾德利，赫普.現實的中介化建構[M].劉泱育，譯.上海:復旦大學出版社，2023:7-12.
[30]THE ASSOCIATED PRESS. Standards around generative AI [EB/OL].(2023-08-16)[2024-04-20].https://blog.ap.org/standards-around-generative-ai.
[31]澎湃新聞.《紐約時報》更新服務條款 禁止將新聞報道用于AI開發[EB/OL].(2023-08-16)[2024-04-20].https://m.thepaper.cn/kuaibao_detail.jsp?contid=24251759.
[32]央視新聞.《紐約時報》起訴微軟和OpenAI侵權[EB/OL].(2023-12-28)[2024-04-20].https://content-static.cctvnews.cctv.com/snow-book/index.html?item_id=2161282052940446687&toc_style_id=feeds_default.
[33]澎湃新聞.歐美新聞圖片機構發布聯合公開信 要求提高AI版權保護[EB/OL].(2023-08-16)[2024-04-20].https://www.thepaper.cn/newsDetail_forward_24223981.
[34]赫伯特.單向度的人:發達工業社會意識形態研究[M].劉繼，譯.上海:上海譯文出版社，2014:9.
[35]吉頓.與類人智能交互:從分歧到融合[J].全球傳媒學刊，2024(01):1-2.
[36]卞清，陳迪.互聯網、智能算法與賽博仇恨：人類的情感干預如何可能?[J].媒介批評，2021(02):1-22.
[37]劉海明，張銘麟.想象AIGC：生成式人工智能浪潮下融媒體內容生產的思維特征與操作關鍵[J].中國記者，2024(02):6.
[38]簡小烜.人工智能體作為有限道德代理者的道德責任[J].倫理學研究，2022(06):124-132.
本文引用格式參考：
郭小平，郭瑞陽.新聞傳播業的生成式人工智能應用及其風險應對[J].青年記者，2024(06):5-13.
家好，我是 Echa。
今天來分享 50 個超實用的 Chrome 瀏覽器擴展！
JSON Viewer Pro 用于可視化JSON文件。其核心功能包括：
輸入界面如下：
格式化之后：
JSONVue 是一個JSON數據查看器，主要用來格式化JSON數據：
Library Sniffer 是一款給開發者使用的工具，能夠探測當前網頁所使用的類庫、框架和服務器環境，為開發者提供了方便。
Wappalyzer 擴展可以用來識別網站背后的底層技術。通過此擴展，可以了解特定應用程序是否是用 React、Vue、Angular、PHP等編寫的。還可以訪問有關 Web 服務器、編程語言、框架、內容管理系統、分析的信息工具、數據庫等。
WhatRuns 擴展程序只需單擊一下即可找到任何網站上使用的技術。
使用PerfectPixel插件可以將設計圖加載至網頁中，與已成型的網頁進行重疊對比，以幫助開發和設計人員規范網頁像素精度。這是一款可以優化前端頁面顯示的Chrome插件。
可以使用此擴展程序快速清除緩存，無需任何確認對話框、彈出窗口等?？梢栽谶x項頁面上自定義要清除的數據和數量，包括：應用程序緩存、緩存、Cookie、下載、文件系統、表單數據、歷史記錄、索引數據庫、本地存儲、插件數據、密碼和 WebSQL。
VisBug 是一個使用 JavaScript 構建的開源網頁設計調試工具，它可以讓用戶使用點擊式和拖放式界面來查看網站的元素。
Debug CSS 是一個幫助調試CSS的插件。他可以顯示出頁面元素的輪播，按住Ctrl，并將鼠標懸浮在元素上，即可查看其信息：
CSS Viewer 是一款適用于 Web 開發人員的高效 Chrome 擴展。顧名思義，CSS 查看器可以顯示將鼠標懸停在任何網頁上的元素的 CSS 屬性。
EditThisCookie 是一個 cookie 管理器?？梢蕴砑樱瑒h除，編輯，搜索，鎖定和屏蔽cookies。
React Developer Tools 是開源 JavaScript 庫 React 的 Chrome DevTools 擴展。它允許我們在 Chrome 開發者工具中檢查 React 組件層次結構。安裝此插件之后，將在 Chrome DevTools 中獲得兩個新選項卡："?? Components" 和 "?? Profiler"：
Vue.js devtools 是一款基于chrome瀏覽器的用于調試Vue.js應用程序的插件，可以使得開發人員大大提高調試效率。支持用戶對DOM結構數據結構進行解析和調試功能。
Augury 可以幫助開發人員在 Google Chrome 瀏覽器中調試和分析 Angular 應用程序。
Firebug Lite是火狐瀏覽器中著名的開發者工具firebug插件移植到Chrome中的插件，在Chrome中安裝了Firebug Lite插件以后，開發人員可以像在火狐瀏覽器中使用firebug一樣熟悉的方式來調試網頁內容，其包含了基本的HTML、CSS以及Javascript的調試功能，用于幫助網頁前端開發工程師快速地調試網頁，以便及時地找到網頁中的BUG并及時修復。
HTML Validator 在 Chrome 的開發者工具中添加了 HTML Validator。HTML 頁面的錯誤數通過瀏覽器狀態欄中的圖標顯示，詳細信息可以在瀏覽器的開發者工具中查看。
Web Developer 擴展為帶有各種 Web 開發工具的瀏覽器添加了一個工具欄按鈕。該擴展適用于 Chrome 和 Firefox，并且可以在這些瀏覽器支持的任何平臺上運行，包括 Windows、macOS 和 Linux。
Requestly 是一款Chrome和Firefox瀏覽器插件，提供URL轉發、修改HTTP請求和結果、插入腳本等功能。
Window Resizer 主要用來調整瀏覽器窗口的大小以模擬各種屏幕分辨率。
Responsive Viewer 是在一個視圖中顯示多個屏幕的 Chrome 擴展程序。該擴展將幫助前端開發人員在開發響應式網站/應用程序時測試多個屏幕。
此插件允許直接從瀏覽器發送跨域請求，而不會收到跨域錯誤。可以使用此插件覆蓋 Request Origin 標頭，并將 Access-Control-Allow-Origin 設置為 *.
ColorPick Eyedropper 是一個放大的吸管和顏色選擇器工具，可讓從網頁等中選擇顏色值。
CSS Peeper 用于檢查和復制元素樣式的優秀工具，使用 CSSPeeper 可以將鼠標懸停在網頁中的任何元素上，然后單擊鼠標即可復制元素的樣式。
24. Dimensions
Dimensions是一款能幫助使用者對網頁上各種元素屬性之間的距離進行測量的Chrome頁面元素測量插件，該插件在點擊啟動插件圖標后，可以對頁面中圖像、輸入字段、按鈕以及視頻等頁面元素之間上下左右的方位尺寸進行測量，同時還可以通過使用快捷鍵來快速啟用或關閉該插件的功能，簡單實用。
Site Palette 用于生成調色板。設計師和前端開發人員必備的工具?？梢酝ㄟ^這款插件輕松獲取網站的配色方案。
ColorZilla 是一款功能強大地提取網頁色彩的工具；也是個快速的對顏色進行調節的Chrome插件，許多的用戶將這款軟件稱呼為顏色吸取插件，它提取的顏色是非常的多樣化，還可生產css顏色的代碼等。
當我們想查看網頁中文字的字體時，最常用的方法就是在控制臺查看文字的字體樣式。那還有沒有更簡單的方法呢？WhatFont 就是一個查看網頁字體的Chrome擴展。只需要的點擊擴展圖標，再點需要查看為文字即可：
Fonts Ninja 可以從任何網站識別字體、添加書簽、試用并購買它們。
使用 BrowserStack 快速啟動擴展在任何瀏覽器中啟動一個新的測試會話。最多可設置 12 個瀏覽器以實現快速訪問并最大限度地減少切換瀏覽器所花費的時間。
Toby 是一款 Chrome 新標簽頁工具，能夠將未讀的標簽頁分組顯示在新標簽頁中，這樣就能把所有未看完的標簽頁都關閉了。分組相當于多個 Chrome 窗口，將你的標簽頁都拖進 Toby 中，就不需要實時開著占地方了。
該擴展提供了每日熱門開發者新聞，不需要再浪費時間搜索高質量的文章了。
Momentum 擁有漂亮的新標簽頁面，每日更新精彩背景壁紙圖片，可設置每日新鮮事焦點以及跟蹤待辦事項，無廣告，無彈窗。
The Great Suspender 是一個輕量級的擴展用來減少 Chrome 的內存占用。如果同時打開許多選項卡，在可配置的時間之后未查看的選項卡將在后臺自動掛起，從而釋放該選項卡消耗的內存和 CPU。
Session Buddy是一個可以幫助用戶查看、新增、編輯當前網站Session狀態的Chrome插件。用戶可以利用該插件保存網站當前的狀態以便在關閉Chrome或關閉計算機后恢復，從而達到節省內存的作用。
Octotree 旨在讓 GitHub 體驗更好。通常，為了檢查 Github 中的子文件夾，需要手動單擊文件夾并導航。Octotree 擴展解決了這個問題。此擴展在項目的左側顯示存儲庫的目錄結構，這有助于更好地理解文件夾結構。
1_EKF88oqIyX6FzgueCKdtXg.gif
File Icons for GitHub and GitLab 可以將 GitHub 和 GitLab 上的原始文件圖標替換為特定文件類型的圖標。
ax DevTools 是一個快速、輕量級但功能強大的測試工具，由 Deque 開發的世界上最值得信賴的可訪問性測試引擎 axe-core 驅動。使用 ax DevTools 在網站開發過程中查找并修復更多可訪問性問題。
OctoLinker 可以將特定語言的語句（如 include、require 或 import）轉換為鏈接。當打開一個包含多個導入語句的文件并且想要快速打開它時，只需將鼠標懸停在鏈接的文件上并單擊即可打開。
此擴展可幫助 Web 開發人員分析網頁是否違反最佳實踐。
Check My Links 是一個鏈接檢查器，它可以抓取網頁并查找損壞的鏈接。
Checkbot 是用于驗證一組HTML頁面上的鏈接的工具。Checkbot可以檢查一個或多個服務器上的單個文檔或一組文檔。它會創建一個報告，該報告匯總了引起某種警告或錯誤的所有鏈接。
Google Page Speed Insighs 是一款旨在優化所有設備上的網頁、提高網頁加載速度的工具。
META SEO inspector是一款可以幫助用戶分析網頁的meta信息并得到SEO評估的谷歌瀏覽器插件。
Ghostery 是強大的隱私保護擴展程序。其主要有以下功能：
AdBlock 用來在YouTube、Facebook、Twitch和其他你喜愛的網站上攔截廣告和彈窗。
番茄工作法（Pomodoro?）時間管理助理。? 長短兩種休息時間 ? 帶有倒計時顯示的工具欄圖標 ? 追蹤Pomodoro歷史和統計訊息 ? 可配置的長休間隔 ? 可配置的定時器時長 ? 桌面與新標簽頁通知 ? 超過20種音效可選的聲音通知 ? 計時器秒針走動音效
Loom 可以用來快速錄制視頻，并且能夠將錄制的視頻上傳到指定的網頁中，Loom還支持在用戶點擊啟動插件時，立即捕捉屏幕圖像，同時開始視頻錄制操作，還可以將錄制好的視頻復制到粘貼板中存儲。
GoFullPage 是一款全屏截圖插件（整個網頁截圖），完整捕獲您當前頁面的屏幕，進行滾動截圖，而無需任何額外的權限。單擊擴展程序圖標，然后將其傳輸到屏幕快照的新標簽頁中，可以在其中將其下載為圖像或PDF，甚至只需拖動即可，保存到桌面。
BetterViewer 可以提供更好的圖像查看體驗，旨在替代基于 Chrome 瀏覽器中內置的圖像查看模式。使用時，只需在頁面右鍵點擊圖片，選擇“在新標簽頁中打開圖片”即可。
svg-grabber 是一個快速預覽并從網站獲取所有 svg 的工具?？梢杂脕眍A覽、下載和復制網站中所有 SVG 圖標和插圖的代碼。
要:新聞客戶端是地市日報推進媒介融合的潮流之舉。囿于人力物力和傳統思維等因素，地市媒體新聞客戶端比商業公司運作的同類產品在傳播功能的效果實現上要差，在市場和營收上面臨更多困難。地市日報應真正運用新媒體思維，發揮內容專業生產優勢，增加資源投入，做足本地化特色和加強市場運營推廣，才能實現困境突圍。
中圖分類號： 文獻標識碼：A 文章編號：1672-8122(2019)09-0000-04
一、“前端”新聞客戶端的產品構架和特點
近幾年來，隨著移動互聯網的用戶規模日益龐大，作為移動新媒體的新聞客戶端也得到迅猛發展，各大報紙為迎合用戶需求，紛紛推出自己的APP，“封面”“看楚天”“南方 ”等先后亮相。艾媒咨詢最新數據顯示，截止2017年底，中國手機新聞客戶端用戶總數增至6.36億人，盡管用戶規模已趨飽和狀態，但行業格局仍有變化空間，隨著平臺建設回歸新聞本質，傳統媒體類手機新聞客戶端仍然有較強的發展潛力[1]。贛南蘇區是2012年國務院確立的“原中央蘇區振興發展”的對象，贛南主流媒體在此國家戰略中承擔著新聞輿論宣傳的重要使命。正是在上述背景下，為了進一步推進媒介融合和搶占移動網絡輿論主陣地，贛南日報社于2016年9月12日推出了自己的新聞客戶端“前端”。作為報社的戰略級產品，“前端”聚合了贛南日報社旗下贛南日報、贛州晚報和“前端”新聞網的人力與內容等資源，以“越貼近，越前端”為口號，力求構筑“贛南主流媒體矩陣的重要一翼”。“前端”的正式上線，意味著贛南日報社已經完成了覆蓋紙媒、PC端和移動端三代傳播形式的整體布局。
“前端”產品的界面非常簡潔，分為新聞、生活和互動三大塊，聚合了新聞資訊、生活服務、社交互動和移動電商等當前媒體類APP常見的主流服務。其主要特點如下：
1、新聞資訊與生活服務本地化
作為一款地市級報紙的新聞資訊類APP，“前端”的眼界和定位都很清晰，旨在打造屬于贛州人民的新聞客戶端。其資訊內容的本地化色彩鮮明，比如熱點、贛南、政情、教育、贛南師范大學等多個小欄目，都刊發大量的本地內容。尤其是在生活信息服務方面，提供社保查詢、公交查詢、天氣查詢、叫外賣、查快遞、看電影、贛州紅十字會和贛州風光等本地公共資訊和線上商城服務。在互動方面，開設了論壇區、新聞爆料欄目，供用戶自主發貼和即時交流。這些欄目和內容設計不僅提高了“前端”服務的本地化特色，有助于提高用戶黏性，也改造了媒體與受眾交流的時空和形式，拓展了內容營銷的渠道，而報料互動的設計還可以為新聞內容生產帶來新的可能。
2、內容定制個性化和推送智能化
目前，“前端”為用戶提供6個固定頻道、24個興趣頻道的新聞內容，用戶可根據自己的閱讀興趣訂閱所選的頻道內容。為了能夠真實地捕捉用戶需求，高準確度地向用戶推薦信息，“前端”采用了最先進的用戶行為智能分析技術和相關新聞推薦技術，用戶點擊某一篇文章后，系統會自動分析和聚合相關度較高的新聞，在文章頁下方以列表的形式推薦給用戶，便于其閱讀更多感興趣的文章，從而提供了“千人千面”的新聞資訊，較好地滿足了個性化需求。同時，這種精準推送不僅能獲得用戶特別關注，有效喚醒沉睡用戶，還能利用其優質內容捆綁用戶，增加用戶黏性。此外，“前端”還具備智能信息檢索功能，用戶可通過關鍵字檢索文字信息、圖片信息和視頻信息，同時檢索結果采用圖片、文字、視頻、混合展現等多種展現樣式，實現檢索結果展現的多樣化[2]。
3、傳受多互動與社區吸引力
“前端”重視媒體與公眾的互動，論壇和報料兩個板塊為用戶打造了暢所欲言和輿情上達的交流平臺，用戶既可以自由發起話題討論，也可以向媒體曝光信息，并且得到“前端”的受理，在“前端問吧”中得到整理與回復?！扒岸恕鄙踔吝€與贛州市政府部門協作建立知識問答共享，比如由市人社局直接回復網友有關的政策咨詢，達到了便民利民的效果。同時，為了鼓勵用戶的使用和互動，“前端”在國內紙媒新聞APP中率先引入了社區積分機制，即用戶的簽到、分享、回帖評論等一系列行為均可獲取相應的積分獎勵(簽到10個積分，評論、轉發、邀請下載均為5個積分)，而積分到達一定數量，就可以通過生活板塊中的線上商城兌換等價商品。這一獨特創新讓“前端”用戶的注意力有了現實價值。但是“前端”在閱讀新聞時并未設置積分獎勵，如果能根據用戶閱讀某一新聞的時間或回貼評論的點贊數、回復數來設置梯度的積分獎勵，其對用戶使用的促進效果可能會更好。
此外，“前端”在內容方面還具有一定的延展性。其新聞板塊中的融媒體欄目集成了讀報、微信、微博、網站、H5和VR等內容，讀報小欄目對外鏈接了贛南日報、贛州晚報、江西日報和多家中央級日報的電子版，整體上給人以小而全的感覺。同時，用戶還可以將“前端”中的文章分享至新浪微博、微信朋友圈、QQ空間等多個社交平臺，有助于提高“前端”的知名度并且實現用戶的引流。
二、“前端”產品運營中存在的問題
一是依賴母媒，缺乏原創和亮點?！扒岸恕钡谋镜匦侣劯寮饕獊碜杂谮M南日報、贛州晚報、客家新聞網等媒體，自主策劃的新聞報道較很少，說明它沒有真正脫離母媒體。其他熱點新聞則多轉載于新華系、人民系、中新網等媒體平臺，換湯不換藥。筆者對2018年12月17-31日期間其熱點小欄目的稿件來源進行分析發現，原創稿件僅占發稿總數的12.5%，說明原創性不足。
二是稿件更新較慢，內容偏軟性。相較于其他報紙新聞客戶端，“前端”在整體上更新較慢。比如2018年12月17日-31日期間，其熱點小欄目共推出391篇新聞，平均每天26.1篇，其中休息日平均每天約12篇，遠未達到實時更新的程度。其他欄目，比如理論、文藝、萬象，約2~4天更新一次。這種節奏在信息化時代未免太慢，很難滿足用戶對各類信息的旺盛需求。在新聞題材上，“前端”推送的主要不是時政新聞，而是社會新聞，且其標題多采用網絡文章標題的煽情套路。此外，還出現未標明稿件來源、明顯錯別字等低級錯誤。更值得注意的是，在熱點小欄目還出現多次廣告性質明顯的宣傳稿，比如《買房，地段你選對了嗎》《碧桂園匠心品牌史》，內容誘導性很強。如此表現，有損于主流媒體的專業性和權威性。
三是用戶參與度低，互動量少。“前端”的論壇、爆料兩個主要互動欄目的用戶使用率低、互動很少，平均每天更新的帖子和跟帖數都多為1條左右，且爆料中的帖子基本不是爆料信息，這說明其用戶的使用意愿不足。在新聞頻道中，很多新聞也根本無人參與評論，其跟帖的大多是“已閱”“哈哈”“好”之類的無效評論。這可能是其用戶總量不足，或者是新聞內容缺乏吸引力，也可能與其社區積分制的激勵作用不足等有關，從而限制了整體使用率和互動度。
四是APP功能設計欠亮點，實現效果待優化。“前端”產品功能設計采用的是當前新聞客戶端的功能標配，即以頻道訂閱、評論分享和互動三大塊為主，缺乏亮點。在功能實現方面，有時出現無法加載、鏈接跳轉錯誤甚至閃退的問題，嚴重影響了用戶體驗。“前端”采用了積分制運營模式，但是其積分分配較簡單：閱讀新聞無積分，評論新聞、分享新聞、邀請好友下載均5個積分，而每日簽到10個積分。這種設置對用戶缺乏足夠的吸引力，既不能引導用戶消費新聞，也不利于給“前端”增進流量。此外，“前端”目前版本的積分獎勵明細不清、線上商城開發不夠，用戶積分只能作為虛擬貨幣購買線上商城的商品，不能提現或得到其他轉化。這種功能及其實現效果上的整體不足，使得“前端”很難與其他知名的新聞客戶端競爭。
三、地市日報新聞客戶端改進的思考
當前，國內新聞APP數量眾多、競爭激烈，本來應以內容取勝的報紙新聞客戶端也存在設計和內容同質化、用戶黏性差、盈利模式不明等問題。作為地市日報的新聞客戶端要想在市場競爭中突出重圍，唯有更加貼近用戶需要，在變化中求發展。
1、依托自身優勢，走特色和差異化之路
騰訊網總編輯王永治曾經說過，紙媒轉型做獨立APP時機已經過去了，因為新聞市場早已被門戶覆蓋，而普通用戶裝一兩個新聞資訊類APP就夠了。所以，報紙新聞客戶端要實現自救和發展，必須回到原點，即發揮其專業化新聞生產的優勢，但新聞客戶端不應簡單照搬母媒內容，因為原創新聞依然是打動用戶、增強核心競爭力、樹立媒體品牌形象的重要途徑，也是解決內容同質化的有效辦法[3]。所以，不能一味地追求“短平快”，而要加強優質的原創新聞生產，做好熱點報道、深度調查和新聞評論等，才能真正滿足信息過載過剩時代新媒體用戶的需求和消費特點。同時，地市日報新聞客戶端還要做足做強本地化內容輸出，以突顯自己的特色和差異性。“前端”作為地方報紙APP，應堅持貼近贛州、服務贛州，可以增加縣市區報道，使自己成為各地用戶與家鄉相連的紐帶。
2、加強報道時效和形式，做足“富媒體”
在移動互聯網環境和新聞消費短平快、碎片化的條件下，內容的新鮮和時效性是有效滿足用戶更切實的基本要求。地市報紙新聞客戶端可以發揮其地方新聞的采集優勢，加強自有新聞來源，及時、適時(比如讀者午休、下班、睡前等時段)推送新聞，以“通知”功能推送重要新聞，滿足用戶“無限刷新”的需求。更重要的是，新聞客戶端應真正做成“富媒體”。其辦法很簡單，主要是做好可視化解讀新聞，即強化圖片和視頻[4]?！扒岸恕痹诖朔矫嬉延袊L試，比如以H5形式展現贛州18個縣市區風貌，但其視頻頻道的新聞內容過少，大多為轉載其他平臺的娛樂內容。在缺乏條件做出高質量的視頻新聞前，可以采用手機、無人機開展視頻報道、VR報道甚至新聞直播；或發展用戶成為“拍客”，以簽約、獎勵、網友打賞等形式，鼓勵他們拍攝上傳本地生活的新鮮視頻。在某些題材領域比如節慶等活動中，還可以采用“眾包”即UGC形式，讓手機用戶共同生產喜聞樂見的新聞。在資源運用方面，可以發揮贛州旅游、美食等優勢進行旅行直播。
3、加大人力財力投入，提升用戶體驗
地方媒體迫于人力、財力等因素的影響，做新媒體往往很多都只是想法，效果實現較難，但是有投入才有產出。有了足夠投入，APP的產品線、內容生產、用戶體驗乃至流量和整體運營才能出彩。僅從做好用戶體驗角度來看，好的用戶體驗就是用戶愿意參與和互動，并且從中獲得多而強的滿足感。其方法很多，首先要強化APP的平臺功能，以聚合足夠用戶；其次，要提供豐富的新聞和信息服務，善于營造熱點話題，鼓勵用戶分享和交流；再次，開展有吸引力的線上線下活動和采用有效的激勵機制，以提高用戶的活躍度和留存度，同時又能促使平臺實現信息的高效擴容和增值。比如“前端”的論壇欄目，可采用約稿形式、打賞機制來吸引優質內容入駐，爆料欄目可采用有償形式收集新聞線索。
4、優化新媒體思維，提升平臺盈利能力
國內外媒體融合實踐證明，用傳統媒體思維做不好新媒體。不樹立和持續優化新媒體思維，運營不實現商業價值，就無法持續發展。可以說，新聞APP 光做好內容遠遠不夠，它實際上是一個“內容+用戶+關系”的綜合平臺，也是一種平臺經濟。
其一，從運營方式來看，用戶激勵機制非常重要，這樣才可以打造一款以用戶為中心的“有用又好玩”的新聞客戶端。2015年，并讀新聞APP曾以“閱讀新聞能賺錢”的模式橫空出世。其積分機制強調引導用戶的閱讀、分享和互動，而非簽到或點擊廣告。這種分成與激勵機制比“紅人點點”“錢咖”“秒賺”等APP單純地給用戶“發紅包”的做法更加積極和有持續性，不僅強化了用戶體驗，也有效地捆綁了用戶。要進一步優化社區積分制，提高增值服務能力，可以按用戶的參與方式、瀏覽的內容和時長來實行梯度積分獎勵，以強化用戶使用的深度。還可以開通積分兌現、余額提現、用戶打賞等功能，以提升用戶的使用率和滿足感。
其二，從盈利需要來看，有償訂閱、廣告和電商是APP商業變現的基本手段。通常，地方報紙新聞客戶端很難實行新聞有償訂閱，而在APP頁面直接插入廣告又影響閱讀體驗。可以采用開屏廣告、信息流廣告、軟文廣告、抽獎等形式為廣告主引流；可以開展“看廣告贏積分”之類的二次營銷，將廣告分成與用戶觀看收益聯系起來；此外，要做好美食、娛樂、教育、樓市、汽車、旅游等垂直頻道的劃分，便于廣告主快速細分市場和匹配目標受眾，同時根據用戶屬性、興趣、瀏覽、搜索等大數據來測定宣傳效果，便于廣告主精準投放。在電子商務方面，則要做好自己的線上商城和積分變現，便于用戶購買本地的吃、住、行、娛、樂、購等各類生活和出行服務。
其三，從產品推廣來看，要多運用更加經濟的線上營銷手段。除了報紙二維碼、官方微博微信下載鏈接等方式，還可以嘗試在各大應用市場、下載站推廣，或者在百科網站建立品牌詞條，在問答網站建立產品問答，在論壇貼吧發布軟文，或采用ASO優化等成本較低的諸多線上渠道進行推廣。此外，還可以和其他地方媒體、新媒體開展合作互推，不斷增強APP產品的曝光度和市場推廣的長尾效應。總的來說，與成功的新聞類APP相比，地市日報新聞客戶端大多還要在新聞資訊、生活服務、社交互動三個基本功能上增強效果的實現，在市場運營和盈利方面也需要較長時間的考驗。
參考文獻：
[1]艾媒咨詢.2017-2018中國手機新聞客戶端市場研究報告[EB/OL].http://www.iimedia.cn/60894.html,2018-03-22.
[2]大漢科技.越貼近,越前端——贛南日報手機客戶端(APP)建設案例[EB/OL].http://www.hanweb.com/art/2016/7/11/art_330_2812.html,2016-07-11.
[3]單姍.地方媒體新聞APP的困境與機遇[J].新聞世界,2014(10):37.
[4]劉峣.新聞客戶端如何破解同質化難題[J].青年記者,2016(2):29.
*請認真填寫需求信息，我們會在24小時內與您取得聯系。
