闲聊人工智能对媒体的影响

news2025/7/3 10:20:56

     技术总是不断地改变信息的传播方式。互联网促进了社交媒体的蓬勃发展。 网络媒体成为主流。大语言模型为代表的人工智能的出现,又会对媒体传播带来怎样的改变呢?媒体的演变反映了社会和技术的演变。

        人工智能(AI) 将继续对整个媒体行业产生变革性的影响。在这个行业中,其最重要的三大功能是推荐语音识别媒体自动化

双向对话式媒体         

        人工智能将提供个性化服务,具备智能推荐能力。广义上讲,这意味着人工智能可以根据你的偏好定制接收媒体的体验。

        人工智能描绘成一种圣诞老人,按需投放内容“礼物”。AI的价值往往更多地在于对话——你提出的问题和它给出的答案——而不是所谓的输出。一种基于双向对话方式的媒体更符合个性化服务的需求。接收新闻的方式似乎回到过去在村头,公园的聊天。只要你想打听什么,就可以获取什么信息。

        当然,这一切的前提是AI拥有足够多关于你的数据。某种程度上,算法和广告技术多年来一直在做这件事,根据你的点击和浏览行为推荐链接和故事。过去向你投喂的是广告,而现在是内容本身。

        生成式人工智能带来的是内容本身的调整能力。理论上,大型语言模型可以理解我感兴趣的故事类型,并修改我正在阅读的内容——比如添加与我所在地区相关的视角。它甚至可以提供不同的长度甚至格式。如果我要去跑步,也许我想把那篇专题文章做成播客。或者,如果我赶时间,一段TikTok风格的短视频或许就足够了。

算法和个性化新闻推送

        算法和个性化新闻推送在塑造人们的阅读内容方面发挥着重要作用。哈尼夫承认个性化新闻推送在查找相关文章方面的优势,但也警告称其可能存在确认偏差。同样,罗伯茨也观察到,虽然算法可以根据个人兴趣定制新闻,但它们也有可能形成回音室效应,限制人们接触不同观点。平衡算法推荐与批判性思维对于全面的新闻内容至关重要。

提供高价值的媒体

        令人遗憾的是,事实并非如此,以短视频为代表的各种平台,并没有完全“个性化”给你推荐内容,而是大量地随机推荐内容。这些平台的算法与老虎机类似,给你带来了新奇性。我们每天都会一下子接收到一堆随机的东西。我们会被许多不同的方向拉扯。没有带来任何价值。

        并不是说它们没有价值,偶然发现新事物有其自身的价值,你确实由此摸到了社区思考的脉搏。但是我认为,我们正在过度消费新奇事物,而忽视了目的。

        媒体是否是为了读者的利益而设计的?这个问题貌似显而易见的。其实不然,媒体平台的真正客户是在其平台上发布广告的商家和机构。读者只是“韭菜”。

  为了迎合人们的好奇心和平台算法,有许多的技巧。某些媒体内容充满虚假,情绪化,低俗的内容。它们通过“随机”算法推荐给了我,但凡手速不快,滑走的速度不快,变成我喜欢这类内容,不断地向我,以及我的朋友推荐类似的节目。最典型的是我父亲,一位90多岁的老退休干部。我发现他的短视频节目都是很无聊的内容。也不是他喜欢的内容。为什么是这样的?经过我仔细观察,发现他不会划屏,平台以为他喜欢所有“随机”推送的无聊,低俗内容。

         tiktok 投喂我们的算法真的好么?这是耐人寻味的事情。这里就不过多地展开讨论。但是要清楚的有两点:

  •     媒体是一个企业,它有盈利的目标
  •     广告商是媒体真正的客户和金主

        在我看来,为读者带来价值才是媒体的人间正道。某种意义上讲,大语言模型与搜索平台,今日头条,抖音等媒体平台类似的。它们发布的信息质量是原始信息发布者决定的。如果劣质的,虚假的内容遍布互联网络,那么大语言模型通过搜索引擎获取的信息也好不到哪里去。

收费是趋势

      “免费”几乎是互联网时代的代名词。人们普遍认为。收费行业都将会被免费所取代。传统媒体将被自媒体取代。“羊毛出在羊身上”称为互联网时代的成功秘籍。

                但是媒体并没有完全免费,有一种“收费墙”(paywall)。是一种通过购买或付费订阅来限制对内容(尤其是新闻)的访问的方法。收费和收视率是一对矛盾。但是如果收费能带来价值和愉悦。是有人买单的。下面是一些报纸的订阅收费情况。

        《纽约时报》拥有750万订阅用户,名列榜首。2020年对于网站而言是发展异常强劲的一年——到2020年第三季度,《纽约时报》数字订阅的收入相当于2019年全年。

        《泰晤士报》以绝对优势成为最受欢迎媒体,它的订阅量是排名第二位的《华盛顿邮报》的两倍多。然而,虽然《华盛顿邮报》无法与《纽约时报》相提并论,但它仍然拥有强大的订阅群体,截至2020年第四季度,其付费订阅用户约300万。

        日本经济新闻社在非英语新闻网站中排名第一。它是日本最大的商业报纸,主要关注市场和金融,但也涵盖政治、体育和健康领域。

        2021 年,美国一家咨询公司 West Monroe 对 2500 名美国用户开展了调查,并于八月发布了一份题为《订阅服务开支现状》(The State of Subscription Services Spending)的报告。报告显示,2021 年美国消费者人均订阅服务开支为每月 273 美元,比疫情前 2018 年的 237 美元提高了 15%。这相当于每年多花了 430 美元,折合人民币近 3000 元。

          有一位记者曾经说,”内容产业是最糟糕的产业,除非你拥有值得收费的内容“,高质量的内容是需要付出成本的。同时它也能创造价值。如同其它商品一样,需要通过价值交换获取内容服务。这是现代社会的基石。

    而所谓的“羊毛出在猪身上”的互联网思维也并不怎么样。只不过是用看广告,换取看信息。某种意义上,也是一种价值交换。还不如货币交换方式更加直接。AI 时代,人们通过chatGPT 对话获取信息。给AI 看广告毫无意义,chatGPT 满嘴跑广告,令人生厌。 相信媒体收费的形式将会扩大(事实上许多大模型应用,搜索引擎服务都是收费的)。国内网民对收费接受程度低一点。 有一个接受的过程。

          最近,我开始为IPhone iCloud 支付每月16元。它提供的云控制备份该我带了方便。尽管我自己也可以安装一个NAS 。但是太麻烦了,而且速度很低。此外,我也为Apple 的Music ,QQ 音乐,剪影软件付费。我发现使用付费服务,感觉非常好。提高了我的体验感和效率。其实付的钱也就是一顿餐而已,完全承担得起。

        人们逐渐愿意为高质量的媒体服务买单。相比传统的媒体,网络媒体的收费应该非常低。也许就是一个打车的费用,或者一个快餐的费用。由于庞大的听众群体,支付这一点点费用,足以养活媒体公司,并且让作者们过上体面的生活。也许地方媒体如果能给本地居民提供受欢迎的可信的收费媒体服务,没准会受欢迎。

基于事实的,值得信赖的媒体

        为什么人们愿意为好的媒体付费?其中的一个原因是对可信来源的需要。在全球病毒大流行中,涉及错误信息和虚假新闻的问题再次强调了可信赖的新闻来源在传播公共信息中所起的重要作用。

    人们对信息的正确性是有要求的,对教科书的内容要求比较高,教育别人的知识如果有错误,会影响许多人。微软曾经提出使用教科书级别的信息训练大模型。

        某些信息必须是完全可信的,比如“天气”和股票信息。这类信息直接决定人们的实际行动。如果下雨,我就要带把伞。如果股价高,也许我会卖出,如果股价低,也许我会卖入。 错误的信息可以使你付出健康的代价,或者造成财富的损失。这些信息指导决策的重要性,仅次于教科书。

        社交媒体作为新闻来源的崛起也带来了挑战,尤其是在打击虚假新闻和虚假信息方面。社交媒体的快节奏特性可能导致虚假信息在事实核查过程完成之前就迅速传播。在这种环境下,记者和新闻机构越来越重视维护可信度,因为速度往往优先于准确性。 我经常告诫身边的人,有些新闻要看主流媒体是否有报道。社交媒体比较快,但是不可信。

        我们搞不清楚大模型是吃什么长大的(语料库),如果它吃的是“垃圾食品”,比人会做某个时刻,吐出来“垃圾”,AI 回答问题时,有时候是它脑子里已有的内容生成出来的,涉及时事信息,仍然是查阅了互联网信息之后回答你的。AI 对新闻的真假鉴别可能不如人类。AI 时代减少虚假信息至关重要。

     同样地,人们愿意为真实可靠的信息买单。人生苦短,我们不愿意在“信息垃圾中”寻宝。 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2343441.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

卷积神经网络--手写数字识别

本文我们通过搭建卷积神经网络模型,实现手写数字识别。 pytorch中提供了手写数字的数据集 ,我们可以直接从pytorch中下载 MNIST中包含70000张手写数字图像:60000张用于训练,10000张用于测试 图像是灰度的,28x28像素 …

SQL Server 2019 安装与配置详细教程

一、写在最前的心里话 和 MySQL 对比,SQL Server 的安装和使用确实要处理很多细节: 需要选择配置项很多有“定义实例”的概念,同一机器可以运行多个数据库服务设置身份验证方式时,需要同时配置 Windows 和 SQL 登录要想 Spring …

MyBatisPlus文档

一、MyBatis框架回顾 使用springboot整合Mybatis,实现Mybatis框架的搭建 1、创建示例项目 (1)、创建工程 新建工程 创建空工程 创建模块 创建springboot模块 选择SpringBoot版本 (2)、引入依赖 <dependencies><dependency><groupId>org.springframework.…

Memcached 主主复制架构搭建与 Keepalived 高可用实现

实验目的 掌握基于 repcached 的 Memcached 主主复制配置 实现通过 Keepalived 的 VIP 高可用机制 验证数据双向同步及故障自动切换能力 实验环境 角色IP 地址主机名虚拟 IP (VIP)主节点10.1.1.78server-a10.1.1.80备节点10.1.1.79server-b10.1.1.80 操作系统: CentOS 7 软…

鸿蒙ArkUI之相对布局容器(RelativeContainer)实战之狼人杀布局,详细介绍相对布局容器的用法,附上代码,以及效果图

在鸿蒙应用开发中&#xff0c;若是遇到布局相对复杂的场景&#xff0c;往往需要嵌套许多层组件&#xff0c;去还原UI图的效果&#xff0c;若是能够掌握相对布局容器的使用&#xff0c;对于复杂的布局场景&#xff0c;可直接减少组件嵌套&#xff0c;且随心所欲完成复杂场景的布…

线程函数库

pthread_create函数 pthread_create 是 POSIX 线程库&#xff08;pthread&#xff09;中的一个函数&#xff0c;用于创建一个新的线程。 头文件 #include <pthread.h> 函数原型 int pthread_create(pthread_t *thread, const pthread_attr_t *attr,void *(*s…

[C]基础13.深入理解指针(5)

博客主页&#xff1a;向不悔本篇专栏&#xff1a;[C]您的支持&#xff0c;是我的创作动力。 文章目录 0、总结1、sizeof和strlen的对比1.1 sizeof1.2 strlen1.3 sizeof和strlen的对比 2、数组和指针笔试题解析2.1 一维数组2.2 字符数组2.2.1 代码12.2.2 代码22.2.3 代码32.2.4 …

OpenCV 图形API(60)颜色空间转换-----将图像从 YUV 色彩空间转换为 RGB 色彩空间函数YUV2RGB()

操作系统&#xff1a;ubuntu22.04 OpenCV版本&#xff1a;OpenCV4.9 IDE:Visual Studio Code 编程语言&#xff1a;C11 算法描述 将图像从 YUV 色彩空间转换为 RGB。 该函数将输入图像从 YUV 色彩空间转换为 RGB。Y、U 和 V 通道值的常规范围是 0 到 255。 输出图像必须是 8…

hbuilderx云打包生成的ipa文件如何上架

使用hbuilderx打包&#xff0c;会遇到一个问题。开发的ios应用&#xff0c;需要上架到app store&#xff0c;因此&#xff0c;就需要APP store的签名证书&#xff0c;并且还需要一个像xcode那样的工具来上架app store。 我们这篇文章说明下&#xff0c;如何在windows电脑&…

Golang | 位运算

位运算比常规运算快&#xff0c;常用于搜索引擎的筛选功能。例如&#xff0c;数字除以二等价于向右移位&#xff0c;位移运算比除法快。

产品动态|千眼狼sCMOS科学相机捕获单分子荧光信号

单分子荧光成像技术&#xff0c;作为生物分子动态研究的关键工具&#xff0c;对捕捉微弱信号要求严苛。传统EMCCD相机因成本高昂&#xff0c;动态范围有限&#xff0c;满阱容量低等问题&#xff0c;制约单分子研究成果产出效率。 千眼狼精准把握科研需求与趋势&#xff0c;自研…

Hot100方法及易错点总结2

本文旨在记录做hot100时遇到的问题及易错点 五、234.回文链表141.环形链表 六、142. 环形链表II21.合并两个有序链表2.两数相加19.删除链表的倒数第n个节点 七、24.两两交换链表中的节点25.K个一组翻转链表(坑点很多&#xff0c;必须多做几遍)138.随机链表的复制148.排序链表 N…

网络:手写HTTP

目录 一、HTTP是应用层协议 二、HTTP服务器 三、HTTP服务 认识请求中的uri HTTP支持默认首页 响应 功能完善 套接字复用 一、HTTP是应用层协议 HTTP下层是TCP协议&#xff0c;站在TCP的角度看&#xff0c;要提供的服务是HTTP服务。 这是在原来实现网络版计算器时&am…

【计算机视觉】CV实战项目 - 基于YOLOv5的人脸检测与关键点定位系统深度解析

基于YOLOv5的人脸检测与关键点定位系统深度解析 1. 技术背景与项目意义传统方案的局限性YOLOv5多任务方案的优势 2. 核心算法原理网络架构改进关键点回归分支损失函数设计 3. 实战指南&#xff1a;从环境搭建到模型应用环境配置数据准备数据格式要求数据目录结构 模型训练配置文…

【python】如何将python程序封装为cpython的库

python程序在发布时&#xff0c;往往会打包为cpython的库&#xff0c;并且根据应用服务器的不同架构&#xff08;x86/aarch64&#xff09;&#xff0c;以及python的不同版本&#xff0c;封装的输出类型也是非常多。本文介绍不同架构指定python下的代码打包方式&#xff1a; 首…

计算机组成原理 课后练习

例一&#xff1a; 例二&#xff1a; 1. 原码一位乘 基本原理 原码是一种直接表示数值符号和大小的方式&#xff1a;最高位为符号位&#xff08;0表示正&#xff0c;1表示负&#xff09;&#xff0c;其余位表示数值的绝对值。原码一位乘的核心思想是逐位相乘&#xff0c;并通…

SVN仓库突然没有权限访问

如果svn仓库突然出现无法访问的情况&#xff0c;提示没有权限&#xff0c;所有账号都是如此&#xff0c;新创建的账号也不行。 并且会突然提示要输入账号密码。 出现这个情况时&#xff0c;大概率库里面的文件有http或者https的字样&#xff0c;因为单独给该文件添加权限导致…

【Qt】文件

&#x1f308; 个人主页&#xff1a;Zfox_ &#x1f525; 系列专栏&#xff1a;Qt 目录 一&#xff1a;&#x1f525; Qt 文件概述 二&#xff1a;&#x1f525; 输入输出设备类 三&#xff1a;&#x1f525; 文件读写类 四&#xff1a;&#x1f525; 文件和目录信息类 五&…

【AI】[特殊字符]生产规模的向量数据库 Pinecone 使用指南

一、Pinecone 的介绍 Pinecone是一个完全托管的向量数据库服务&#xff0c;专为大规模机器学习应用设计。它允许开发者轻松存储、搜索和管理高维向量数据&#xff0c;为推荐系统、语义搜索、异常检测等应用提供强大的基础设施支持。 1.1 Pinecone的核心特性 1. 高性能向量搜…

dstream

DStream转换DStream 上的操作与 RDD 的类似&#xff0c;分为 Transformations&#xff08;转换&#xff09;和 Output Operations&#xff08;输出&#xff09;两种&#xff0c;此外转换操作中还有一些比较特殊的原语&#xff0c;如&#xff1a;updateStateByKey()、transform(…