人工智能时代的舆论引导

良好的舆论环境是国家和社会健康、稳定发展的重要构成要素。中国正处在政治、经济、文化全面改革的新时期，技术的蓬勃发展使得多元的文化、观点乃至价值观的碰撞和冲突不仅发生在现实生活中，更频繁出现在互联网世界里。在互联网环境中，信息扩散速度极快，尤其是在突发性社会事件中，如果官方机构和传统媒体在舆论酝酿阶段未能及时察觉、正确引导，区域性的社会事件便有可能迅速发酵成大型舆情事件，演变成更大范围内的公共危机。

人工智能提升了信息生产和传播的精度、效度、速度和广度，信息获取传感化、信息生产机器化、信息分发个性化、信息交流匿名化、信息反馈智能化[1]等新的信息交换形态的出现，都给舆论生态系统的维护带来新问题。但从另一个角度看，以大数据和算法为依据的人工智能技术的研发和应用，也为革新舆论引导方式、提升舆论引导能力、全面满足新舆论生态下受众对信息的及时性、差异化要求并引导公众更理智地参与议题讨论提供了新的可能。

一、网络时代舆论引导的困境

网络舆情高发在中国迄今已经有十年的历程。有研究者通过梳理2000年-2017年CSSCI来源期刊中已发表的舆情研究相关文献，对网络舆情的发展历程进行了回顾，研究发现，自2009年起，网络舆情影响力不断壮大，并迅速进入高速发展阶段。[2]随着大数据、移动化、智能化技术广泛应用，网络舆情在数量和影响力上又得以跃升。事实上，近年来舆情事件不再是单一的媒介传播，而是多媒体的交织传播。舆情的多源性和舆论呈现出的跨媒介的融合传播，促使舆情发酵速度与热度提高、职业群体立场或利益代言现象多发、网络谣言和舆论反转增多、舆情“邻避效应”和“双重标准”常见等特点和趋势[3]，引发多重社会问题及信任危机。

有文章指出，网络舆情是通过舆情信息了解社情民意的重要窗口。我们可以通过网络了解网民的真实想法，是顺畅民意诉求的一个非常重要的平台，对于缓解和化解社会矛盾有一定的积极作用。网络舆情是公众对政府进行监督的有效手段。它能促进政府公开、透明、公正地解决社会问题，对于提升政府公信力，提升政府和官员形象有着不可替代的作用。因此要以积极的态度来对待网络舆情、开展应对处置与引导工作。

营造积极、正面的舆论环境需要网络媒体、社交媒体和自媒体等新的传播主体与传统媒体的全面配合，蓬勃发展的新媒体虽然传播速度快、受众范围广，但其权威性较低，生产的内容质量参差不齐，在舆论引导层面难以发挥积极作用。不仅如此，一些网络媒体为了吸引用户，增加转发、评论、点击量，不惜大量制造低俗内容、标题党文章和假新闻，引发谣言传播，威胁社会稳定，给权威机构、官方媒体增加了不小的工作量。与此同时，算法决策技术在内容分发环节的应用，不仅造成了同质化信息的大量推送，也助长了低质量信息的进一步传播。

传统媒体曾经是舆论引导工作的主力军。在网络媒体、社交媒体和自媒体等新的传播主体的冲击下，传统媒体公信力和影响力都有所下降，一些突发事件中，传统媒体在信息传播速度、广度上甚至呈现出落后于新媒体的态势。近年来，各政府部门、官方媒体都在微博、微信等主要社交网站平台上创建了账号，积极回应互联网影响下快速、及时的信息传播形势，并初步取得了正面效果。然而，当人工智能技术全面进入信息的生产、传播、消费过程时，一方面，基于互联网大数据的内容生产和技术本身的不确定性使得内容的质量和内容的价值在整体上不断下降；另一方面，被又一次加速了的信息生产、传播、消费又给舆论引导带来了新的问题。这一切都给传统媒体的舆论引导工作提出了新挑战。

二、利用大数据与自然语言识别，预测网络热点及舆情走势

引导舆论，也需要深入研究、分析舆情因变事项的发生、发展和变化的规律。互联网舆情高发的十年里，不同阶段舆情呈现了不同的特征。人民网的研究报告显示，2018年舆情更多表现为城市居民对民生和安全的关切，不同于之前聚焦困难群体的生存问题、体制机制议题。在2018年的前20件热点舆情事件（话题）中，民生与公共安全领域的问题占据一半；西部地区网络舆情事件（话题）呈现出走高趋势，舆情热度板块出现“下沉”的特征；舆情加速“下沉”到区县级，并更多地聚焦于身边琐细的生活诉求，“幼儿园虐童事件”“高铁霸座、殴打公交司机等乘客霸凌行为话题”等小热点，却酿成大舆情；舆情热点进一步向城市中等收入群体转移，比如各地陆续出台人才引进的优惠政策、个税改革、顺风车乘客遇害系列事件、房地产税等话题，均引发海量关注。医疗、教育、社会公共安全等“老话题”仍凸显，表明社会各阶层对获得感、幸福感、安全感的诉求日益强烈。

舆论引导的前提是对现有舆情的准确把握，预测就是非常重要的前提。预测是大数据治国的核心[4]。庞大的互联网数据库、完备的数据资源的调配及使用模式的构建，有利于帮助传统媒体和官方机构成功预测网络热点及舆情走势，将危机治理的思维模式从事后补救直接转为事前预防，增强传统媒体和官方机构在舆论治理中的主动性，降低治理成本，提高舆论引导效率。

学界和业界就网络舆论的监测和预测的研究已经持续了很多年。GeorgeH.Chen、StanislavNikolov、DevavratShah以Twitter数据为样本，对互联网用户发布信息的时间序列的最近邻类分类的有效性进行研究，以此开发出了一个时间序列的潜在源模型（alatentsourcemodelfortimeseries）[5]，并运用该模型成功预测了Twitter上的哪些新闻主题可能成为舆情热点。实验证明，这一模型能够比Twitter的热门话题榜提前79%的时间检测到潜在的舆情热点，平均早期优势为1小时26分钟，预测有效性高达95%。

因此，数据技术、智能技术在舆论预测中起到了关键性的作用。成功的预测除了成熟的数学模型，还需要大量可靠数据的支持。互联网记录了用户包括信息搜索、浏览、发布、评论在内的所有线上行为，相较最初的数字和文字信息，现在的数据呈现形式已经越来越多样化，除了文字之外，图片、语音、视频也是重要的信息载体。目前语义分析技术和图像识别技术、语音识别技术等自然语言识别技术在实践中已得到了广泛应用，利用上述技术对互联网上的信息进行转化和收集，则可为舆情监测和预测的模型建构提供数据基础。利用自然语言识别技术、语义分析技术，对互联网上的海量数据进行处理，对网络舆论进行实时监测、预测，并通过模型建构，对网络热点和舆情走势进行预测，有利于未雨绸缪，及时就不同的舆论事件准备应对措施。

三、以算法推送改进内容生产及分发模式，优化议程设置

有报告显示，智能分发平台上的短视频在政务公开、宣传引导、社会服务与社会治理中作用不断加强，它们容易增强网民信任感与参与感、推动舆情快速发酵及广泛传播。如去年的“8·27”昆山持刀砍人案、高铁乘客“霸座”事件中短视频平台的影响力非常大。网络媒体、社交媒体和自媒体等新型话语主体的活跃影响了议程设置主体的构成，议程设置主体的多元化又进一步重构了舆论引导的格局。实践证明，新媒体环境中政府、媒体及官方机构的议程设置在突发事件、群体性事件、公共危机中依然发挥着强有力的正面作用。据统计，在政府响应的400起社会舆情事件中，借助政务新媒体作为信息回应渠道的41%，成为舆情响应与信息互动的主要阵地[6]。机器写作与算法推送技术的应用，有利于确保官方机构和主流媒体在舆论引导工作中实现快速反馈、灵活交互、精准匹配的议程设置。

在信息总量大、变化速度快的互联网海量数据面前，机器写作通过准确、快速的数据抓取和处理，能够充分满足移动阅读环境下受众对信息内容的即时性需求。利用机器写作技术快速、精确处理庞大数据的优势，对传统媒体原本就很完整、成熟的采编、写作系统进行优化，既能够加快内容生产的速度，配合信息发布的时效性，又能够帮助官方机构和主流媒体针对不同网络平台各自的内容呈现形式，配合不同的互联网用户群体进行与其阅读兴趣相符的内容生产。

算法推送技术能够通过用户反馈的浏览、转发、评论、点赞等数据完成对“用户兴趣”的画像，并依据上述“画像”对用户进行精准的内容推送。从某种程度上说，算法推送技术决定了用户接收信息的内容和形式，从而影响着用户对特定议题的认知与态度。换言之，这项技术本身就带有议程设置的属性。算法推送技术在实践中一直面临着营造回音室效应的质疑，转换技术使用思路，将这一技术应用于舆论引导，反而可以通过在技术使用环节中人工干预的加入，打破片面基于用户兴趣的信息供给而形成的信息茧房。利用算法推送技术进行议程设置，根据用户的习惯和偏好，完成内容精准推送，有利于强化内容传播的针对性，促进信息的有效传播。

面对信息快速传播、网民实时互动的舆论环境，舆论引导工作也应在及时性、差异化、互动性层面做出相应调整，从“单向设置媒体议程”转向“主动回应公众议程”，从“表层情绪控制”转向“潜在情绪引导”，从“运动式意见治理”转向“对话式凝聚共识”[7]。在已经搭建好政务新媒体平台的前提下，人工智能技术的引入有利于改进内容生产及分发模式，并有针对性地展开引导舆论，组织网民之间和网民与政府、官媒及其他官方机构之间理性、有序、良性的互动。

人工智能技术在提升舆论引导能力的同时，也对这项工作提出了更高要求。从革新舆论引导形式的角度看，技术的开发和应用诚然令人欣喜，然而也应该看到这项技术本身存在的弊端。目前，人工智能技术的发展尚处于“弱人工智能”阶段，内容的生产、分发等各个环节的人工智能技术应用大都还是依赖互联网大数据的基础性功能。在实际应用过程中，除了不法分子开发恶意误导舆论的“机器人水军”之外，即便在良性应用的情况下，人工智能技术本身也引发了诸如回音室效应、隐私侵犯、技术透明度等伦理问题与争议。因此，在利用人工智能技术提升舆论引导能力的同时，也应结合智能时代的特点，塑造正确的信息价值观，加强在人工智能技术应用过程中的人工干预，发挥“把关人”的作用，全面筛选并及时删除不实信息，优先推送有质量的权威信息、深度报道，矫正人工智能技术在实际应用中的负面效应，全面优化舆论引导工作。（作者林嘉琳系清华大学新闻与传播学院博士生；陈昌凤系清华大学新闻与传播学院教授，常务副院长。本文为清华大学2018自主科研计划成果）

【注释】

[1]李丹珉,谢耘耕,李静.人工智能时代新技术对舆论生态的影响及治理研究[J].新媒体与社会,2018（03）:37-49.

[2]林育曼,黄佳丹,饶浩.基于CSSCI的国内舆情应对策略研究可视化分析[J].传媒,2019（01）:85-88.

[3]刘鹏飞.从近年案例看舆情引导规律[J].新闻与写作,2017（03）:9-12.

[4]唐皇凤,陶建武.大数据时代的中国国家治理能力建设[J].探索与争鸣,2014（10）:54-58.

[5]ChenGH,NikolovS,ShahD.ALatentSourceModelforNonparametricTimeSeriesClassification[J].AdvancesinNeuralInformationProcessingSystems,2013:1088-1096.

[6]刘鹏飞.从近年案例看舆情引导规律[J].新闻与写作,2017（03）:9-12.

[7]张志安,曹艳辉.大数据、网络舆论与国家治理[J].社会科学,2016（08）:3-12.