疫情信息传播,为什么算法显得“不堪一击”

在社会重大突发事件面前,人工推荐的价值显得十分突出。

在千人千面的算法推荐兴起后,内容行业一直存在争议:信息推荐究竟应该听人还是听机器的。这一争议到今天都没有结果,算法与人工,谁都没有赢。

近年来诸多基于算法推荐的资讯客户端兴起,与传统新闻客户端平分秋色,传统新闻客户端也在积极探索算法推荐的应用。算法推荐的核心价值是精准、高效和个性化,平衡了内容的不断增长与用户对信息需求日益个性的矛盾,短板在于难以判断真假,不具备价值取向,存在信息茧房问题。

人工推荐则具有价值取向,可以判断什么是社会公众都在关注的话题,进行针对性的内容运营,组织内容生产、进行专题呈现和进行内容推送。在算法推荐出现前,新闻业是全人工的,公共信息发布职责由传统媒体担任,通过议程设置,公共议题可以成为社会讨论的热点。人工推荐短板是效率较低,只能满足“大多数人关心的”资讯需求,无法实现个性化。 

前两年资讯行业兴起“人机结合”的趋势,算法推荐客户端强化人工属性,传统新闻客户端不论是门户还是媒体,均将信息呈现方式变成信息流,算法被引入。资讯推荐成了人工与算法的平衡术。人机结合就是资讯推荐的未来吗?在这一次来势汹汹的疫情中,我们看到一个现象是算法让路给人工。在社会重大突发事件面前,人工推荐的价值显得十分突出。

 01 

算法给人工让路

防控疫情,信息的公开透明至关重要。华盛顿大学的Louis Kim教授和Shannon M. Fast, Natasha Markuzon组成的团队曾基于2009年墨西哥H1N1病毒和2014-2015年华盛顿特区流感季的数据研究发现,当媒体的报道量增加十倍,此类疾病的感染数减少33.5%,基于此,他们认为媒体是预防疾病传播的可能手段。

疫情发生后,有媒体专家在感慨媒体“凋零”,因为媒体监督的缺乏,疫情披露未能及时有效。好在疫情发生后,新闻媒体报道口子被打开了。传统媒体负责挖掘与生产一线信息,《财新》等传统权威媒体在疫区一线输出了大量的一手报道,新媒体则从不同视角产出各种疫情相关内容,自媒体的科普知识或者评论,用户在微博上发布的求助信息……对于大众了解疫情起到重要作用。疫情相关的媒体报道数量上来了。

在用户习惯用手机获取资讯后,新媒体平台在信息与大众之间扮演着“传话筒”的角色。而从百度App、一点资讯、今日头条和腾讯看点等曾经以算法推荐为主的平台动作来看,算法在这一次疫情传播中似乎不再那么的重要。

第一个是所有新闻客户端都出了疫情专题,算法内容平台甚至更激进一些。

1月21日,百度App上线“抗击肺炎”专题,聚合疫情地图、疫情进展、谣言鉴别、最新资讯、预防指南和发热门诊等资讯信息;同一天,一点资讯在导航栏置顶“抗击肺炎”频道,先后上线“新型肺炎全国、各省疫情实时播报”、“肺炎防治和深度”、“新型肺炎谣言粉碎机”等多个内容专题;腾讯看点上线“战肺炎”频道和“关注新型肺炎”专题、疫情地图及预防手册。专题的做法,在腾讯新闻这些新闻客户端上很常见,这一次疫情中,算法类平台也显得对专题格外重视。

第二个是算法内容平台普遍开设了辟谣专区。

疫情爆发后,各种信息扑面而来,真假难辨。针对谣言密集涌现的现象,百度App、一点资讯均上线了辟谣专区,腾讯新闻“较真”栏目上线了“新型冠状病毒肺炎实时辟谣”专题。

面对海量谣言,辟谣要靠社会化力量,以一点资讯“谣言粉碎机”为例,其中有焦点辟谣、科学应对、关注武汉、偏方防病、各地辟谣和造谣必究六大分区,整合来自央广、澎湃等权威媒体,网信等官方账号,药博士等科普账号以及地方媒体的内容,进行辟谣。辟谣不只是可以打击伪科学等恶意谣言,还可以澄清一些公众误会,比如针对1月30日,合肥患者非23天潜伏期的消息让大众焦虑,后来相关部门回应是信息录入错误,权威媒体报道后,用户疑虑被打消。

机器很难识别消息真假,人可以。

第三个是算法内容平台都在进行体系化的内容建设。

百度、一点和看点们都很重视内容建设。

百度基于百度地图这一独有产品推出了疫情地图、迁徙地图、确诊病例同行查询等产品,同时依托百度百科、百度医典等产品组织专家进行科学知识创作,协助辟谣。一点资讯专题下,有各地资讯滚动播报、《城内城外》《武汉说》等深度内容策划、小视频科普等内容,也有各地疫情直播,接入央视新闻疫区现场直播等内容,让用户实时了解各地疫情实况。

“疫区日记”则采取征集形式,通过真实故事记录疫区一线普通人的生活。一位医护人员同事去前线了,自己在岗位上感染肺炎被迫自我隔离,她每天在视频中讲述自己对抗病毒的故事,牵动了很多网友的心;一点健康频道主编范玢琪带着不满一岁宝宝回湖北咸宁过年,困在老家,将所见所闻记录下来,呈现出独特的视角;一位武汉的用户,在武汉封城后选择阅读,读完易中天的《读成记·武汉三镇》后分享读后感,他们没有停止生活。

有别于新闻报道,“疫区日记”组织不同人,甚至很多普通人,通过图文、Vlog等不同形式的内容,记录这样一场疫情,留下珍贵记忆的同时,让用户通过不同视角直观了解疫区一线的真实情况,这是传统新闻报道或者社交媒体不具备的能力。

第四,算法内容平台都采取了强运营的模式。

每天早晨打开手机,都会看到各种资讯App推送的前日疫情,一些突发疫情新闻算法内容平台的推送甚至比新闻客户端更及时。打开百度、一点等App,不论是首页还是视频等子页面,都能看到疫情内容被组织起来通过置顶、大图和高亮等形式进行推荐,这些均是人工强运营的体现。

纵观这一次疫情中新媒体的表现,均是算法在给人工让步,人工运营占据主导。在我看来,在社会重大公共突发事件中,算法让渡给人工,会成为一种必然。

 02 

面对重大突发为何算法显得“不堪一击”?

前些年各类算法推荐平台的兴起,让业界意识到算法的巨大威力,甚至行业有人提出媒体“数智化”的说法,即媒体不只是要数字化,而且要全面地智能化,智能化不只是在推荐分发环节,内容的生产、审核、运营,广告变现等等全部都要用上AI。然而这一次疫情爆发后,我们发现,算法显得有些“不堪一击”,人工运营占据主导地位。

核心原因在于,算法满足的是用户个性化的信息需求,但在这样一场全民抗击疫情的社会化大协作中,疫情是所有人高度关注的话题,大家对资讯的需求更多是千人一面,不论是疫情动态、官方通告、疫区新闻还是防疫知识,大家心系一处,关心的话题是相同的。

算法推荐本质是迎合用户阅读兴趣进行针对性的内容推送,算法让用户被划到不同兴趣圈层中,大家各关心各的,而服务于全体利益的公共信息却被淹没,特别是很多重大突发事件、公共话题、影响国计民生的政策变动等等,在手机屏幕上存在感很低,而这些内容是公民都应该知道的,很多关系到国计民生的突发消息,比如疫情首次被公布人传人现象,机器是很难判断其社会价值的。

算法在解决个性化需求的同时,忽略大家都应该知道的内容推荐。什么是“大家应该知道的东西”?让一个人来说可能他给不出答案,算法更不知道。而传统媒体有一套成熟的公共议程设定,就可以判断究竟哪些内容是大家应该知道的。各种资讯App疫情专区中的核心内容,辟谣内容都是相似的,各家很难做出差异,原因就在于这些内容是大家都应该知道的。

媒体是社会公共资源,信息具有公共属性,不论是算法还是传统新闻客户端本质都是公共信息产品,具有媒体价值和社会责任,因此信息推荐不能只是投用户所好,而是要承载公共价值。在类似于疫情这样的突发灾情面前,算法很难意识到什么是具有公共价值的内容,无法有效对内容的生产与呈现进行组织,无法判断在不同时候push什么更合适,无法分清楚哪些信息是真的,哪些信息是假的。

在这一次疫情前,很多个性化资讯平台已经意识到自己的公共信息产品属性和媒体价值,越来越重视人工的力量,走向内容化和媒体化,主要体现在几个方面:

1、重视权威内容的建设,与权威媒体深入合作,而不是靠算法去筛选海量社会化内容;

2、重视优质内容建设,对社会化创作者(自媒体、拍客等)分层分级,形成优质创作者库,通过日常运营鼓励优质内容创作,有突发事件等专题事件需要时则可直接定制优质精品内容,一点资讯做品质阅读,百度推百家榜和金芒计划,腾讯新闻知识官……都是在圈优质创作者,进而圈优质内容;

3、重视编辑推荐的权重,纷纷拥抱人工与机器结合。

一点资讯是率先采取“机器算法+人工干预”相结合的分发机制的平台。一个内容在通过反垃圾算法模块过滤后,会由算法和编辑一起打出标签、做好分类,再被分配到热点、本地等模块中,编辑有权对内容精选进而获得更多权重,内容的分发逻辑由编辑与算法工程师一起决定。在出现疫情这样的突发事件后,编辑则会启动重大突发事件处理机制,算法会打开“闸门”,让相关稿件进入。一点资讯提出品质阅读计划后,与多家权威媒体合作,扶持优质自媒体和精英拍客。这一次疫情中,一点资讯也将重点放在了人工运营上,算法则是辅助工具,可以将“网传保定24小时红灯、禁止私家车出行?假的!这是谣言!”类似于这样的内容优先推送到保定本地用户。

腾讯新闻则提出ConTech模式,ConTech由Content(内容)和Technology(科技)两个单词组成,其主线思路是人机协同,将人的经验、智慧赋能给机器,用机器放大人的智慧,解放生产力,释放创造力,重视技术,却不会依赖技术。在这次疫情中,腾讯新闻的“较真”栏目整合社会化专业力量对疫情谣言及时辟谣,腾讯看点的“战肺炎”频道和“关注新型肺炎”专题通过微信搜一搜和看一看触达广大用户,体现出公共信息产品的价值。

大家的思路都是一致的:人工与算法结合,在不同阅读场景下各展所长,一个确定的方向则是:不论是人工还是算法推荐,内容本身都在变得更加优质,资讯平台基于自身媒体价值,重视品质内容建设,是未来的大方向。

END

(0)

相关推荐

  • 不仅陈朝华,邱启明也或将离职!搜狐到底怎么了?

    原创稿件,转载请授权 再一次,搜狐因为门户内容层面的变革,走向风口浪尖. 今日有消息称,搜狐正在筹备改革,将新闻门户的定位改为自媒体平台,自媒体权重将会进一步加大.而随着这一变革,现任搜狐总编辑陈朝华 ...

  • 头条号发了12篇原创文章,到现在只有5个粉丝,该不该继续坚持?

    本人出身中文系,喜欢读书写作,在自媒体圈子里摸爬滚打很多年了,做过很多自媒体平台,企鹅号.百家号.大鱼号.微博.趣头条.惠头条等,做过视频搬运,出过几百万的爆文,挂了18个自媒体账户.目前手上有5个头 ...

  • 取消算法推荐,是技术上的倒退吗?

    算法推荐技术从90年代开始显露优越性以来,被充分运用于电商.社交.内容资讯等等众多领域,并均为这些领域的革新做出了贡献. 但近年来,算法推荐却不断受到质疑,无论是本身的有效性,还是其社会影响,都面临诸 ...

  • 陈彤加盟一点,老兵重新出发

    近日,陈彤小米加盟一点资讯和凤凰网的事情,严格来说他并没有完全离开小米,因为小米是一点资讯的第二大股东.而在此之前,我应邀入驻一点资讯的自媒体一点号. 陈彤是中国网络新闻的教父级人物,一手打造了门户内 ...

  • 使用Numpy进行深度学习中5大反向传播优化算法的性能比较

    OSC开源社区 昨天 以下文章来源于DeepHub IMBA ,作者P**nHub兄弟网站 在本文中,我们将通过计算二次凸函数的最优点来比较主要的深度学习优化算法的性能. 简介 深度学习被称为人工智能 ...

  • 前馈神经网络与反向传播算法

    在单层感知器的基础上,引入隐藏层即可得到多层感知器和深度神经网络,结构如下 在上述网络中,信号从输入层开始,经过线性组合和激活函数的处理,输入到下一层的神经元,信号依次经过各个隐藏层的处理,最终输出到 ...

  • 深度神经网络(DNN)反向传播算法(BP)

    在深度神经网络(DNN)模型与前向传播算法中,我们对DNN的模型和前向传播算法做了总结,这里我们更进一步,对DNN的反向传播算法(Back Propagation,BP)做一个总结. 1. DNN反向 ...

  • 网络文艺的创作与传播别陷入“算法”出不来

    算法,本来是一个技术概念,是迅猛发展的人工智能将之从幕后推向前台,使算法从有关计算.编程的专业领域"出圈",成为大众媒介生活中的"热词".算法被应用于互联网个性 ...

  • 个性化推荐算法下的信息传播

    作者:匡文波 中国人民大学新闻学院教授.博士生导师,中国人民大学新闻与社会发展研究中心研究员 算法,目前是学界.业界和管理界一大关注热点.虽然社会上存在着对算法传播低俗内容的批评之声,但算法因其对信息 ...

  • 干货推荐|如何基于时间的反向传播算法来训练LSTMs?

    LSTM是一种时间递归神经网络,适合于处理和预测时间序列中间隔和延迟相对较长的重要事件.在自然语言处理.语言识别等一系列的应用上都取得了很好的效果. <Long Short Term Memor ...

  • 【机器学习】详解 BackPropagation 反向传播算法!

    首先介绍一下链式法则 假如我们要求z对x1的偏导数,那么势必得先求z对t1的偏导数,这就是链式法则,一环扣一环 BackPropagation(BP)正是基于链式法则的,接下来用简单的前向传播网络为例 ...

  • 全并联AT牵引网行波传播特性研究及单端故障测距算法

    全并联 AT(Auto Transformer)牵引供电系统广泛应用于高速铁路中,牵引网故障的精确定位对保障铁路安全运行具有重要的意义.现有的故障测距装置大多基于阻抗测距原理[1-2],故障信息来源于 ...

  • 用户•算法•元宇宙——互联网的三次传播革命(上)

    摘要:互联网诞生的半个世纪里发生了三次传播革命:用户产生.推荐算法和元宇宙.互联网传播革命的影响在于人类将迎来社会构建.空间重构以及学科重建的机遇和挑战.未来的传播发展有无限的可能性,人类将面对更多技 ...