来源：《青年记者》微信公众号
作者：杨 崑
导 读
“人-机-物”混杂的新环境是社会化的巨系统，传统上以“人-人”为主要目标的生产运营机制将无法满足新环境的要求。5G、人工智能、新一代呈现技术、大数据等组成的技术群为推动数字社会发展提供了强大动力，加快了数字空间和实体社会的融合进程，“万物互联”的数字化新世界正在加速到来。
媒体未来需要面对“人-机-物”巨系统建立新的运行机制
无论是在社会管理工作、生产经营活动中，还是在媒体运行中，都有越来越多的终端和产品参与到信息流通过程中，参与到大数据、人工智能、移动通信技术的实现中，具备了支持信息采集、存储、传播和互动的媒体属性。这不仅包括我们熟知的手机、计算机等传统终端，还会延伸到家电、交通工具、建筑材料、能源设备等各种类型的其他产品，使得媒体信息产生和传播的场景和边界有可能得到极大的扩展，也就是人们常说的“媒体无处不在”。
媒体将面对运行过程中参与主体复杂多变、连接关系交织错杂的新局面，这将是“人-机-物”混杂的新环境，是社会化的巨系统，传统上以“人-人”为主要目标的生产运营机制将无法满足新环境的要求。在智慧城市等其他社会巨系统的构建中，积累了综合运用新技术对复杂信息流进行控制调度、统筹建模等工作的经验。参考这些经验，在“人-机-物”巨系统的新场景下重新审视传媒领域的需要，以新的视角和格局对媒体要素进行重构，打造“信息+技术+基础设施+思想+社会治理+经济生活”的跨界融合生态，是新时期媒体机构必须面对的挑战。
5G网络技术为面向巨系统的泛连接提供承载基础
5G保证了未来媒体可以在“万物互联”空间中无“时空阻碍”地连接和传播。现阶段媒体行业对5G技术的应用主要集中在如何利用大带宽传输的特性完善现有的业务和能力，包括媒体融合平台功能的统筹优化、现有媒体覆盖渠道的功能改进和处理能力提升。而能充分体现5G网络低时延和大连接特性的新服务和新产品还存在空白。5G网络将实现对更大范围信息的覆盖和连接，这不仅包括传统上大家关注的用户热点活动地区，还包括行业运行所涉及的其他地区甚至偏远区域。随着5G网络的建设加快，利用其支持多种接入技术，实现终端广泛互联和数据汇聚的新特性，可以让媒体平台具备对“人-机-物”巨系统进行高速信息汇集和处置碎片化信息的能力。主流媒体需要通过更广泛的跨界合作，建立适合自身的信息连接纵深空间，尤其是媒体原先无法直接进入的垂直领域。
人工智能技术为面向巨系统的高效运行提供加速能力
人工智能技术越来越广泛地应用于媒体，媒体已经在局部通过内容自动化识别、机器理解和处置，有效推动了媒体供给能力的提升，实现了生产提效、精准分发、决策智慧化以及商业要素的增值。机器学习技术是人工智能目前的主要实现手段，以深度学习算法为代表的机器学习技术已形成产业化能力，是现阶段媒体融合发展中智能化能力建设的核心，是通过智能化手段建立媒体端到端一体化的自动运行能力的关键，也是未来面向“人-机-物”巨系统开展媒体创新的焦点。融合媒体未来对该类技术的应用主要体现在以下三个方面：
1.精准服务。目前媒体智能化对深度学习的应用主要是基于互联网用户的使用行为进行用户画像和个性化内容推送，未来在面向“人-机-物”巨系统时，还需将用户画像的内涵扩展到人的认知结构和思维方式、生产和运行的物理环境、周边设施的状态等方面，通过全维度对泛媒体的传播信息进行智能化标识和处置，可以对不同圈层的人类用户、不同区域和行业的“非人”终端实现有的放矢的信息覆盖。
2.信息分析。以模式识别和自然语言处理技术对媒体内容自动分析是实现融合媒体运行自动化的重要能力。目前通过使用词法分析、语法分析、语义理解等技术，用机器学习对自然语言深度理解，实现人与计算机之间通过自然语言的联系，在媒体领域，机器写作、智能审核、机器翻译、机器问答、字符识别、语音识别、信息检索、信息抽取与过滤、文本分类与聚类、舆情分析和观点挖掘等自然语言处理应用方面都获得了不同程度的进步。未来还需要将这一能力扩展到人与设备、设施和环境等更大范围的联系中，实现人、设备和环境的同场景对话，如用户的行为和家具状态、家电操作之间的直接对话。这将是一个巨大挑战，需要媒体机构和技术研发部门合作，针对巨系统建立新的预测模型，能自动构造融合异构数据集，并解决复杂内容语义理解存在的技术瓶颈。
3.知识连接。要保证机器学习和自然语言理解等技术在未来巨系统环境下有效应用，还必须构建符合融合媒体特性的知识图谱，是否能在海量碎片化信息中发现知识将成为媒体的核心能力。从谷歌提出通过构建知识图谱来实现从信息引擎向知识引擎的转变后，各个行业都开始构建符合自身特性的知识图谱。面向巨系统建构融合媒体的知识图谱，可以实现从“人-机-物”多源异构数据到客观世界的具体事物描述的目标，是实现媒体知识抽取和统一表示的基础，还将为未来融合媒体的信息获取、语言理解和内容自主生成提供重要的技术支持。
此外，图像识别与关系抽取技术、知识库构建与查询技术、异构数据建模技术、无监督数据驱动表示学习技术、图神经网络学习等人工智能技术也是未来融合媒体机构在面向巨系统运行时必须关注的方向，这些技术对“人-机-物”环境下媒体的运行自动化、传播精准化、决策智慧化都将起到重要作用。
大数据技术为面向巨系统的各项目标实现提供资源供给
海量的数据资源在5G环境下将再次激增，物联网、工业互联网、机器类通信等在实现环境感知、智能化生产等过程中产生的数据将爆发性增长，机器和环境带来的新数据将远远多于互联网传统的数据量。这些数据资源是人工智能等一系列技术实现的基础，是决定融合媒体与数字空间结合紧密度的关键要素。媒体机构在万物互联环境下建立网络空间的全元数据获取、深度数据挖掘、有效关联、可信传递、全息展现的能力，就需要综合运用数据化采集归并技术、海量数据存储与检索技术、数据融合分析技术、大数据可视化与自动分析技术、数据质量保障技术和破除数据壁垒的技术。目前的研究还聚焦在与流量运营直接有关的方面，包括：在构建网络空间全方位传播的融合平台过程中，为智能化地高效运转提供数据保证；为实现内容和目标受众的精准匹配，最终对不同圈层实现有的放矢的内容传播提供数据依据。未来还需从伦理学、政治学、社会学、传播学等不同学科的研究视角探讨，进一步提高综合运用新技术的能力,提升媒体运行和数字空间结合的紧密度，实现万物互联环境下的全面数据化。
面对“人-机-物”非结构化数据日益增多的局面，要通过内容库中的内容素材自动制作数据化的标签，结合人工智能手段对入库的素材逐段结构化，变为具有一定规律和内在联系的数据对象；融合媒体平台可以为媒体制作或编辑的任何一个任务中出现的对象自动从媒资库里匹配相关素材供选用，而不再用等待指令；在实现素材的自动精准定位抓取的同时，还可利用数据标签与对象关联度的分析，自动查找和获取媒资库之外更多的素材。
面对“人-机-物”数据孤岛更为普遍的情况，首先是建立用户数据汇聚能力，这是面向融合化、碎片化和圈层化信息传播场景，围绕用户需求进行精准分发所必须的条件；其次是选题数据汇聚能力，面对海量的信息，平台的选题策划正在从传统模式向数据与经验结合的新模式转变，通过抓取与信息传播有关的各类数据，监测信息热点的变化趋势，为编辑确定选题提供自动化的帮助。此外，针对平台和体系自身运行状态、“人-机-物”运行环境等数据的汇聚能力都需要逐步建立和完善，并在统一的平台上组合为完整的数据池。
在保障数据资源安全和质量方面，由于“人-机-物”大数据的获取方式、存储规模、访问特点、分析方法、技术架构和生态组成都与传统数据有了很大不同，对数据的安全和质量保障提出了全新挑战：数据安全更难防护、来源更为复杂、认证不完善、系统更易被入侵、安全策略更难实行等。除了要考虑更为复杂的网络安全和信息安全需求，由于全球政治、经济、文化生活中出现数据爆炸性增长，海量、开放、复杂的数据环境带来了数据污染问题，直接威胁国家的信息安全和网络安全，因此要考虑数据质量保障的问题；由于组织、制度、规范漏洞以及人为因素导致的越来越严重的大数据泄露问题也需要高度关注。
智能采集技术为媒体提供面向巨系统的信息来源保障
未来会有更多人工智能技术应用于媒体信息采集，辅助工作人员获取更全面的第一手信息，让平台通过网络和各种传感器感知并获取非传统手段之外的信息，再通过机器记忆、判断、推理来帮助人们认知信息的类别和属性并进行整合。这些应用将在未来共同构成面向“万物互联”空间，可自我分析判断、可自动化执行的综合信息采集体系；能够依托高速网络，在核心业务平台支持下，以信息采集点为核心组织各种技术手段和装备实现对全要素信息的及时获取。信息采集点可以是媒体人，也可以是传感器、网络探针等其他形式，遍布于社会各个角落。比如通过摄像头、环境状态传感器、无人机等及时获取各类对象产生的数据并输送给媒体平台。
未来融合媒体的社会功能和产业功能在数字化层面将更广泛地实现直接结合，所有数字化实体都可以成为媒体的信息源和受众，泛在媒体将深度连接整个实体世界。“万物互联”时代主流媒体需要解决的主要问题中，其中需要的不仅是具体方案，还需要理论创新。只有在跨界合作的情况下，才有可能尽快找到有效的答案，这对所有主流媒体而言，将是一个不得不回答但相当有难度的问题。
（作者为中国信息通信研究院5G应用中心互动媒体产业专业委员会副秘书长）
【文章刊于《青年记者》2020年9月下】
