从“虚拟在场”到“深度伪造”——AI绘图技术在新闻业中的机遇、风险与应对策略.pdf

新媒体研究67随着 AI 技术的发展和进步，以 AI 技术为基础创作的内容正在新媒体时代迅速传播并对整个媒体行业产生巨大影响，AI 技术几乎已经参与了从新闻制作到新闻消费的全过程。1其中，伴随着数据积累、算力增长以及算法优化红利发展产生的 AI 绘图技术正日益成为 AI 技术应用领域的新秀。AI 绘图技术能够通过算法程序对特定数据库进行消化学习，并根据用户操作指令创作生成全新的图像内容。AI 绘图技术最早可以追溯到 20 世纪 60 年代，但是最早的 AI 绘图技术并不具备“文字图像”间的跨模态交流能力。直到近年来 AI 技术突破的发展才使跨模态识别和创作成为可能，AI 绘图技术的创作能力和输出质量也迎来了革命性提高。对身处智能时代的新闻业来讲，AI 绘图技术能根据用户需求在数据库中构建算法模型并输出对应内容，这不但降低了新闻的采编制作成本，在简化其制作流程和缩短制作周期的同时，还能满足过去众多由于时空限制而无法实现的图像需求。2同时，AI 绘图技术也可能会引发具有颠覆性的图像信度危机，使新闻图像本身的意义和价值受到挑战，对新闻真实性的识别更加困难。对 AI 绘图技术来说，“深度伪造”和“虚拟在场”实际上是和技术本身的发展同时产生的具有“一体两面”性质的特征。正因如此，AI 绘图技术在带给新闻业便利的同时，也会由于技术本身所存在的诸多问题，技术作用方式的差异带给新闻业一场重大挑战。如果难以有效克服 AIGC 技术里所存在的使用方法与途径的问题，高效率的内容创作能力也可能带来更大程度的技术迷失和价值错乱，引发严重的新闻媒介伦理问题。1.跨模态学习与创作延展：AI 绘图技术的逻辑和特点AI 绘图技术具备跨模态学习能力和深度创作延展能力，这种特征具体体现在三个方面：图像化表达的算法内容，对数据库的强依附性、创作能力的自我增殖。1.1 算法内容的图像化表达建立在人工智能算法基础上的 AI 绘图技术作为一种典型的 AIGC 技术，相较于传统的开放式人工智能语言处理程序，具备跨模态的识别和处理能力。传统人工智能语言处理程序通常只能以单纯文字符号进行人机交互，缺乏跨模态对话能力。对人工智能所依赖的计算机程序来说，如果想要实现跨模态交流，就必从“虚拟在场”到“深度伪造”AI 绘图技术在新闻业中的机遇、风险与应对策略冯凌旭1 刘铸辉2（1.南安普顿大学，英国 SO167NS；2.中国人民大学，北京 100872）摘要：【目的】AI 技术的高速发展正带给新媒体时代的新闻业巨大影响，自 2022 年年底以来，AIGC（人工智能生成内容）高效强大的模仿创作能力刷新了人们对人工智能应用领域和参与深度的认识。文章旨在分析 AI 绘图技术为新闻业带来的机遇、风险与应对策略。【方法】通过梳理 AI 绘图技术的运行原理和特征，从“虚拟在场”和“深度伪造”两个不同视角考察 AI 绘图技术对新闻业的影响，并从技术革命、媒介伦理、传媒政治经济学等理论角度分析其中的风险和问题。【结果】根据AI绘图技术的逻辑特点，提出AI绘图技术在新闻业中的应用前景和发展方向，并对其中的风险问题提出相应解决方案。【结论】应当加强政策引导推动 AIGC 技术的生产力转化，同时通过完善法律制度和治理手段规范 AIGC 技术的开发使用行为，从而规避和解决其可能引发的风险问题。关键词：AI 绘图；深度伪造；新闻业变革；媒介伦理；技术风险 中图分类号：F114.5 文献标识码：A文章编号：1671-0134（2023）08-067-06 DOI：10.19483/ki.11-4653/n.2023.08.013本文著录格式：冯凌旭，刘铸辉.从“虚拟在场”到“深度伪造”AI 绘图技术在新闻业中的机遇、风险与应对策略 J.中国传媒科技，2023（08）：67-72.新媒体研究68须首先具备将图像内容转化为算法可识别内容的能力。因此，AI绘图技术本质上是一种转换性算法，其“智能”之处在于其能够对转换为算法可识别的图像进行持续性学习，并根据图像中的编码特征进行记录、分类和积累。具备跨模态识别和处理能力的 AI 绘图技术丰富了传统人工智能语言处理程序的交流形式，它能够借助算法程序所积累的资源进行创作，甚至可以创作出数据库中不存在的图像内容。但是需要注意的是，算法内容的图像化表达意味着 AI 绘图技术本质上仍然是建立在算法逻辑上的符号处理系统，在开发者不加以条件限制的前提下，它本身并不具备价值判断能力。1.2 对数据库的依附性特征数据库是 AI 绘图技术进行创作的“元数据”来源，AI 绘图技术的创作并非凭空产生，而是需要通过对数据库中的大量图像进行编码学习和积累完成的。AI 绘图技术是根据深度学习算法模型不断进行“创作分析再创作”的循环过程。开放式 AI 绘图技术的数据库通常分为两种类型：开发者创建的元数据库和用户使用产生的增长型数据库。与开放式人工智能语言处理程序类似，AI 绘图技术能在用户使用过程中接受数据的输入以进行动态学习和积累，结合算法的优化和算力的增强，不断提高输出作品的精确性。3对数据库的依附性特征决定了 AI 绘图技术能在完成初始程序建模后实现动态的成长和进步。但这也意味着 AI 绘图技术创作的作品可能会与数据库中现有图像具有一定程度的相似性，甚至在某些要素上完全相同，因此可能引发个人隐私和产权问题的风险。1.3 创作能力的自我增殖跨模态识别和处理能力赋予了 AI 绘图技术强大的图片创作和分析能力。同时，在深度学习模型的帮助下，AI 绘图技术也能实现创作能力的自我增殖。随着数据的积累和开发者的不断“纠偏”，动态数据库可以不断增加样本数量，AI 绘图程序可以持续接收新数据以提高创作所依据的数据质量。此外，AI 绘图程序本身还能通过算法设置将其创作的作品经分析编码后重新加入到数据库中，这种特征使 AI 绘图技术能够在已有数据范围内进行自我更新，进一步增强创作能力。创作能力的自我增殖意味着 AI 绘图程序不仅能在已有数据库中不断学习和更新数据，还能进一步提高创作作品的质量，使其创作内容无限接近真实世界情况。在实践中，AI 绘图技术事实上已经创作出了完全逼真的图像，即使是专业人士也很难进行有效区分。2.AI 绘图技术在新闻业中的应用前景与发展方向对于AI绘图技术来说，尽管尚处于起步发展阶段，但业界已经表现出了强烈的使用兴趣和发展期待。就目前来讲，AI 绘图技术在新闻业中的应用主要体现在创新内容形式、丰富创作特征、扩大传播范围和增强体验感受四个方面。2.1 创新内容形式：数据新闻及可视化报道AI 绘图技术能从大量数据中学习并生成图像，为数据驱动的新闻报道提供了新的可能性。通过分析和挖掘数据，AI 绘图技术可以帮助新闻报道揭示更深层次的见解和趋势，并以图像形式呈现给读者。在大数据时代，从海量数据中提取关键数据信息的同时对其加以结构化、知识化处理来完成可视化报道是数据新闻制作的关键。卡斯维尔认为，人工智能算法能通过对新闻内容的结构化分类及单元要素分析构建语义生成模型，它可以根据模型逻辑对新闻数据进行结构化和重复化，从而生成新的新闻。4当然，结构化和重复化的特征也意味着当前数据新闻对数据进行综合性分析并生成文本的能力仍然较弱，这实际上也是人工智能对大数据分析的共性弱点。从数据分析角度上看，尽管目前 AI 绘图技术能够对数据变化趋势、数据价值和数据间的逻辑关系进行一定程度的分析，但仍然欠缺对数据的深入挖掘和分析能力。AI 绘图技术作为一种高度依附数据库的自我增殖型算法，能够结合各种不同的算法模型，积累和学习生产数据新闻及可视化报道的相关知识。对当前可视化报道质量参差不齐，过度追求“大而全”的目标而忽视内容本身的新闻性问题来说，AI 绘图技术能够通过开发者的训练和创作能力增殖来提高识别敏感数据内容的能力，从而全面地结合现有数据库内容对新的目标数据进行综合性分析。从数据到可视化并不仅仅是单向度过程，AI 绘图技术的算法模型可以根据可视化产品的实际效果不断对输出内容进行优化和升级，精确突出数据新闻的核心新闻信息，将抽象的概念、数据和信息转化为可视化图像，使复杂的内容更易于理解和消化。在提高新闻报道信息精确性的同时，增强新闻报道的实用性和影响力。新媒体研究69同时，AI 绘图技术所具有的跨模态识别和处理能力，还能通过语言文本自动识别、转换和检索，创作并输出符合新闻内容描述的图片、表格、漫画等形式内容，以可视化形式协助用户更好理解新闻内容。或根据新闻图片生成文字语言，按照开发者提示的关键信息以“看图说话”的方式协助完成新闻内容的编辑。2.2 丰富创作特征：跨领域创作与个性化新闻体验AI 绘图技术的发展将促进新闻报道与艺术、设计和科技等领域的跨界合作。新闻机构、艺术家、设计师和科技公司可以共同合作探索 AI 绘图技术在新闻报道中的创新应用，为读者带来更加丰富的图像内容。AI 绘图技术能够根据用户的兴趣和需求生成定制化的图像，从而使新闻报道提供更具吸引力和个性化的内容，增强读者的参与和互动。AI 绘图技术的跨模态识别和处理能力能整合诸多领域资源完成个性化新闻创作。传统人工智能对新闻制作的影响通常集中在文字处理、图像编辑和声音制作上，但是对新闻的展示渠道、方式和风格的影响还非常小。AI 绘图技术可以根据数据库整合优势集合多领域资源素材，以算法精确识别的方式实时建构定制化的用户界面（UI）、差异化的新闻内容和个性化的展示风格等，即便是“元内容”相同的新闻也能根据用户的偏好和兴趣点生成独一无二的界面、内容和风格。这意味着 AI 绘图技术通过跨领域创造能使新闻报道更富有创意和表现力，届时每一位用户看到的相同“元内容”的新闻，都有各自不同的展现方式，通过生成独特的艺术作品、插图或视觉效果，新闻报道也可以像艺术作品一样以引人入胜的方式展示故事，激发读者的情感共鸣，从而极大提高新闻报道的个性化程度和内容吸引力。2.3 扩大传播范围：跨文化传播和多语言报道AI 绘图技术可以协助应对跨文化传播和多语言报道的挑战。通过语言和图像之间的多模态转换，将新闻故事和图像传达给不同语言文化背景的读者，促进跨文化理解和交流。克罗尔5和卡尔森6认为，算法作为一种“机械中立”技术，可以突破开发者的偏见从事内容生产工作。因此，AI 绘图技术作为一种“中立性”技术，其技术理念显著区别甚至能够解构资本主义“全球化”视野下文化“一元论”的文化霸权思维。对于 AI 绘图技术来讲，只要数据库能提供足够多的样本数据，在传统媒体领域中小众、边缘的文化内容也能够得到平等的对待，这为跨文化传播提供了强大的技术动力。AI 绘图技术能结合目标文化群体特征，通过实现“在地化”的新闻创作，在保留和尊重目标文化群体“主体性”的同时传播新闻内容。它在保留新闻核心文化特征的同时，通过对报道形式进行“在地化”处理，如同电影翻拍一样将新闻内容更好地融入到当地文化圈层当中，适应不同文化群体所处文化环境的理解需要。对于小众和边缘化文化群体来说，语言障碍通常是隔绝其与外界进行文化交流的最大问题。AI 绘图技术能结合语言的翻译程序，实现保留受众文化主体性特征前提下的跨文化传播和多语言报道。尤其是通过可视化新闻的方式，在“在地化”处理传播内容的同时，充分尊重传播对象的传播主体性位置，从而打破殖民者与被殖民者、文化霸权与文化边缘群体的身份状态，推动文明的交流互鉴，扩大文化传播范围。2.4 增强体验感受：“虚拟在场”式互动体验AI绘图技术结合虚拟现实（VR）和增强现实（AR）技术，可以为新闻报道带来全新的交互体验。邓建国认为“媒介在场的建构需要塑造逼真感、沉浸感和移身感。”7AI 绘图技术恰恰能通过创建虚拟场景或制作可以与实时现实环境交互的图像，使用户可以更深入地参与到新闻报道中，增强他们的参与感和情感连接。AI 绘图技术能极大地降低虚拟现实和增强现实内容的制作成本，为大规模技术普及和推广提供可能。传统虚拟现实内容的制作周期较长，人工建模成本高且质量参差不齐，通常难以适应时效性要求高、“在场感”需求强的新闻报道需要。AI 绘图技术结合自动建模技术可以根据图片自动完成现场复原、场景三维化和贴图绘画的工作，进而创造出高精度的逼真场景，为虚拟现实技术提供完整的内容支持，这为新闻报道打开了全新的制作思路和宽广的创作视野。尤其是针对受众“在场感”需求强的新闻类型，都能通过 AI 绘图技术深度参与内容的加工和制作推动实现“虚拟在场”。总结来看，AI 绘图技术的发展和成熟推动传媒行业进入智能时代，它已经成为传媒业实现转型与价值提升的关键要素。其中，最显著的影响在于 AI 绘图技新媒体研究70术对新闻采编和创作方式的改变与重塑，新闻从业者的“智能化替代”似乎正在成为现实。但对整个传媒行业来说，市场规模随着新技术的应用发展不断膨胀扩大，从业人员反而会伴随着生产率的提高而增加，从“杰文斯悖论”8的角度来看，AI 绘图技术的潜力仍然有待更加深入地挖掘与开发。3.“虚拟”的边界：AI 绘图技术的应用风险及治理方案在人工智能时代，虚拟的数字世界成为人类社会的重要构成部分，古兹曼甚至提出“新闻过程本体论转变”这一命题，他认为今天的软件算法或设备程序正代替人类成为创作本体并在新闻业中越来越多地承担着人类作者的角色。9虚拟的数字世界已经深刻接入并影响着现实世界的运行过程。在这种情况下，任何一种新技术的开发和应用都会对现实世界产生重大影响，尤其是对作为个体的社会人，以及对作为群体的社会文明来说，在技术深入参与社会运行的前提下，技术的性质和形态也会重新形塑人类社会的文明格局。AI 绘图技术的成熟为媒体业界带来了全新的发展前景和视野，但与此同时，AI 绘图技术也引发了诸多技术及道德风险。结合技术应用实际和发展前景，可将其概括为认知行为风险、信息失真风险、道德隐私风险和版权产权风险四个方面。3.1 认知行为风险：“深度伪造”引发认知迷思认知行为风险的实质是人类认知范围和知识储备的有限性与人类所能接触到的传播媒介中信息知识的无限性之间的矛盾。Web2.0 时代从根本上扭转和改变了人类从传播载体中获取信息的方式与规则，新媒体时代人们所依赖的作为主要信息来源的图像内容已经难以成为在常识和事实上协助用户判断信息真实性的佐证材料。在这种情况下，一旦媒体信息内容失去信源的可靠性又以“深度伪造”的形态出现，就会将用户在长期媒介使用过程当中建立起来的判断标准和识别能力迅速消解，进而使其产生怀疑一切的“认知迷思”。10AI 绘图技术所具备的“深度伪造”能力不仅仅局限于静态图片的修改与制作，还能以极低的成本改变或生成音视频内容。因此，AI 绘图技术的“深度伪造”能力不但能在用户难辨真伪的信息中消解新闻内容的真实性和严肃性，更重要的是，它可能将真实信息与虚假信息之间的界限消融在不断优化和提高的图像生成算法与跨模态交流能力当中，使用户的“认知迷思”陷入不可扭转的尴尬境地。对此，为了避免“深度伪造”技术可能引发的“认知迷思”，在 AI 绘图技术生成内容的传播过程中，内容的发布者及平台应当确保用户知晓 AI 绘图创作内容的“虚拟”性质以及由此可能产生的信度风险。同时，信息传播的主管部门和媒体平台应当对 AI 绘图技术在新闻报道中的应用范围和程度、输出内容的质量和效果作出相应的规定指导，尤其在新闻报道中更应提高AI 绘图技术的使用门槛，增强内容的准确性和严肃性。3.2 信息失真风险：图像无“真相”的信度挑战从技术本身的特征来看，AI 绘图技术生成的图像可能会篡改事实或误导公众认识，这会导致新闻报道的可信度受到质疑。尽管 AI 绘图技术能够基于大量数据和成熟算法生成图像，但仍然存在着输出内容的信度风险。巴罗卡斯11和布罗萨德12等学者都曾提出AI 技术的一个重大局限就是算法偏差，例如其可能会引发错误识别、要素错位、内容残缺等技术性问题，这都会加大信息失真风险。从技术使用者的角度来看，AI 绘图技术可能会被用于制造虚假的图像或视频，从而导致假新闻的传播和信息操纵，严重损害新闻报道的可信度和公信力。新媒体时代的虚假信息内容治理是互联网治理的一个极其重要的内容，然而当前主流媒体平台所采取的治理方式和手段仍然难以完全杜绝虚假信息内容的产生和传播。尤其是对以 UGC 内容为主的平台来说，开放使用的 AI 绘图技术被用于制作虚假图像或视频以满足各种不同的娱乐和消遣需求已经成为一种趋势，这种内容的传播与假新闻的边界是模糊不清的，平台识别和监管的难度也非常大。13对此，确保 AI 绘图技术生成的图像准确、真实和可信是至关重要的。这需要由技术开发者与媒体平台构建严格的内容质量控制和验证机制，提升 AI 绘图技术参与新闻报道的信度。其次，技术开发者媒体和平台能够以图像水印、页面提示的方式保证用户对虚拟内容的知情权，同时也应采取措施避免图像被断章取义地截取和传播。最后，通过智能化编辑和验证程序，排除算法输出内容中可能产生的错误，保持 AI 绘图技术生成内容与新闻报道整体叙事的一致性，确保报道的客观和公正也是避免信息失真风险的重要内容。新媒体研究713.3 道德隐私风险：“隐私侵犯”与公共性道德困境AI 绘图技术依靠“元数据”和开放数据库作为创作基础，因而可能涉及个人的数据和隐私信息。对于AI 绘图技术来说，开放性的数据库来源本身就暗含着“隐私侵犯”风险。但是这种“隐私侵犯”并非传统意义上的法律侵权，而是尚处于没有法律规定的“灰色地带”的范围内。AI 绘图技术对图像进行编辑处理的能力也可能被用于对特定目标对象的诋毁、造谣、引导舆论和信息攻击。例如，肖像侵权正随着 AI 绘图技术的开放使用和成熟发展日益增多，部分 AI 绘图甚至出现了所谓“赛博美女”制作、“一键脱衣”等给公共性道德造成严重威胁的技术功能。由此看来，AI绘图技术不但能凭空捏造和篡改现实图像，还会混淆真实与虚拟的界限，侵犯公民权利，在敏感话题下引发争议、误导或歧视，从而导致公共性信任丧失和权威消失的困境，引发信息混乱乃至社会动乱。14为了避免 AI 绘图技术的滥用大规模侵犯个人隐私乃至带来公共性道德的消解与破灭，在使用 AI 绘图技术时，首先要确保使用者能严格遵守的隐私保护规定和素材来源的知情同意原则以保护个人的隐私权和数据安全。这需要技术开发者同数据管理机构密切配合，对数据库内容进行审查和规范。由于 AI 绘图技术高度依附于数据库数据，技术开发者应当采取措施保护开放式数据库的隐私完整性。除此以外，对可能严重侵害公共性道德的技术手段和功能，治理机构也应出台相应规定对其进行监管和限制，开发者和媒体平台需要配合治理机构主动承担社会责任，提高自我审查能力，尤其是针对可能会违反社会道德规范和要求的功能技术，可以通过提高行业准入和用户使用门槛、进行实名制认证、内容追责溯源等方式实现平衡和限制。3.4 版权产权风险：技术剥削与产权边界的消逝尽管 AI 绘图技术具有极强的创造力和延展性，但本质上仍然是对已存在图像内容的模仿和加工。对于AI 绘图技术来说，尽管算法程序所具备的创作能力使创作者身份发生变化，然而其与人类创作者的最大区别在于，人类具有人类意识特有的能动性和创造力，而 AI 绘图技术则只能在现有数据和资源中进行再创作，这就意味着 AI 绘图技术进行图像创作的根本逻辑和人类是不同的。在这种情况下，AI 绘图技术可能使用受版权保护的图像和艺术作品，这对从事内容原创工作的创作者来说就形成了一种“技术剥削”。15AI 绘图技术首先通过收集、整理和分析平台发布的内容数据，以数据库的形式将其作为算法程序创作的源泉，在这个过程中，AI 绘图技术实质上是无偿占有了内容创作者的劳动产品，是以剥削者的面貌出现的。随后，AI 绘图技术根据用户或开发者需求，基于数据库内容根据用户创作指令进行再创作并重新发布到媒体平台上，在这个过程中又以内容发布者即被剥削者的面貌出现。然而从事内容原创工作的创作者在 AI 绘图技术创作过程中并没有任何收益。由此来看，AI 绘图技术面临的版权问题的实质是技术剥削问题，在目前的产业发展格局下，创作过程高度依附于数据库的 AI 绘图技术还没有一个切实可行的作者收益系统，如果无法严格区分产权边界、界定侵权行为，则可能导致创作生态的恶化与收缩，技术的进步反而会反噬原创内容的生产。因此，在 AI 绘图技术发展成熟的同时，技术开发者应当遵守与版权相关的法规制度规定，确保合法使用具有知识产权的内容作品并尊重原创作品权益，密切配合管理部门的监督和规范，促进业界环境良性发展。结语目前，AI 绘图乃至整个 AIGC 行业仍然处于商业化应用的初始阶段，其应用范围和深度仍然有待进一步开发和探索。在新闻内容创作方面，AI 绘图技术在未来能够有效满足新媒体业态环境下多形态新闻报道的内容创作需求，并且能够在提升新闻编辑制作效率的同时以更加个性化的方式呈现新闻内容。对新闻制作者来说，AI 绘图技术能通过跨模态交流满足创作者多样化的创作需要，不仅能够极大节约制作者编辑新闻内容的时间和成本，还能借助人工智能算法程序强大的信息收集和分析能力，进一步优化新闻内容，提高新闻报道的价值和质量。在技术创新应用方面，通过结合虚拟现实和增强现实等技术手段，增强“虚拟在场”的新闻互动体验，从而使新闻内容更具吸引力。在技术发展进步的同时，也应当关注到新技术应用可能带来的潜在性风险。迪亚科普洛斯认为新闻业和技术之间的共同进化是必要的，因为算法和用户应该相互补充以提高新闻生产力。这在人工智能时代变得更加紧迫，当前大多数 AI 驱动的程序性工具都是由新媒体研究72与新闻业没有直接关系的第三方开发的，这会带来作为工具的技术手段与新闻价值错位的风险。16如果仅就诸如 AI 绘画技术等 AIGC 技术来讲，其核心风险命题实际上在于对现有人类社会自我认知的挑战。过去人类社会的共识在于，人类意识的能动性和创造力是独一无二的，这一特征决定了人类作为智慧生物的独特性，而 AIGC 技术在事实上撼动了这一理念。AI 技术从过去单纯从事算法推送这一只具备纯粹工具性价值的技术逐渐发展成为能够从事知识学习、艺术创作乃至自我增殖的独立创作主体，科幻电影和小说当中的 AI 个体意识觉醒也许在不久的将来就会实现。正因如此，今天的社会需要有更加完善的法律制度和治理手段，与时俱进地应对和处理以 AI 绘画技术为代表的AIGC 技术发展带来的诸多道德伦理及法律问题。参考文献 1 ZamithR.AlgorithmsandJournalismM.OxfordResearchEncyclopediaofCommunication.2019.2 De-Lima-SantosMF，CeronW.ArtificialIntelligenceinNewsMedia：CurrentPerceptionsandFutureOutlookJ.JournalismandMedia，2021（1）：13-26.3 CaoY，LiS，LiuY，etal.AComprehensiveSurveyofAI-GeneratedContent（AIGC）：AHistoryofGenerativeAIfromGantoChatgptJ.ARXIVPreprintARXIV：2303.4 CaswellD.StructuredJournalismandtheSemanticUnitsofNewsJ.DigitalJournalism，2019（8）：1-23.5 KrollJA，HueyJ，BarocasS，etal.AccountablealgorithmsJ.UniversityofPennsylvaniaLawReview，2017（165）：633.6 CarlsonM.NewsAlgorithms，PhotojournalismandtheAssumptionofMechanicalObjectivityinJournalismJ.DigitalJournalism，2019（8）：1117-1133.7 邓建国.我们何以身临其境？人机传播中社会在场感的建构与挑战 J.新闻与写作，2022（10）：17-28.8 谢里，陈宇.节能技术创新有助于降低能源消费吗？“杰文斯悖论”的再检验 J.管理科学学报，2021（12）：77-91.9 GuzmanAL.PrioritizingtheAudiencesViewofAutomationinJournalismJ.DigitalJournalism，2019（8）：1185-1190.10 张灿.人工智能深度伪造技术的伦理风险与虚无困境 J.山东科技大学学报（社会科学版），2023（2）：11-19.11 BarocasS，SelbstAD.BigDatasDisparateImpactJ.CaliforniaLawReview，2016：671-732.12 BroussardM.ArtificialUnintelligence：HowComputersMisunderstandtheWorldM.MITPress，2018.13 匡文波.人工智能时代假新闻的“共谋”及其规避路径J.上海师范大学学报（哲学社会科学版），2019（4）：104-112.14 邓建国.时空征服和感知重组虚拟现实新闻的技术源起及伦理风险 J.新闻记者，2016（5）：45-52.15 郭霁瑶.偷窃的艺术，还是重新定义原创？AI 绘画背后的艺术变革与争议 J.中国经济周刊，2022（23）：75-77.16 DiakopoulosN.ComputationalNewsDiscovery：TowardsDesignConsiderationsforEditorialOrientationAlgorithmsinJournalismJ.DigitalJournalism，2020（7）：945-967.作者简介：冯凌旭（1999-），女，河北张家口，硕士研究生在读，研究方向为媒体管理、国际传播与媒介伦理；刘铸辉（1998-），男，河北保定，硕士研究生在读，研究方向为媒介伦理、政治传播。（责任编辑：张晓婧）