人工智能介入新闻生产的伦理风险及其规避路径

2022年，ChatGPT的横空出世使生成式人工智能（AIGC）技术加快进入成熟应用阶段。在新闻领域，AIGC技术的应用不仅提高了新闻生产的速度，也改变了新闻生产的形式和发行传播的方式，同时也影响了新闻行业的生态结构。然而，AIGC技术发展也带来了新闻真实性危机、主体性消解和行业生态冲击等一系列不足。因此，如何在技术创新与专业坚守之间找到平衡点，成为智能时代新闻行业发展的核心命题。

真实性危机：“算法黑箱”冲击新闻根基。AIGC系统的“算法黑箱”使其生成的内容难以被准确理解和验证，导致容易出现事实性谬误。在新闻领域，由于缺乏对数据来源和算法逻辑透明性的把握，用户很难判断生成内容的真实性和可靠性。这种事实性谬误很可能会误导公众，影响公众对新闻媒体的信任。此外，AIGC系统使用一些未被核实的数据进行训练，容易导致生成的报道存在信源污染问题，这不仅会影响新闻的质量和可信度，还可能对社会舆论产生误导。

主体性消解：专业价值的结构性危机。AIGC技术的应用可能导致新闻专业性的贬值。算法往往只注重效率和数据，而忽视了新闻的公共性和社会价值。这种现象会使新闻媒体失去其应有的社会责任感和公信力，影响新闻业的健康发展。例如，某省级广电AI系统在自动化生成火灾报道时，因算法逻辑漏洞将新闻模板错误关联至楼盘广告数据库，导致报道中嵌入了房地产促销内容。

行业生态冲击：传播秩序的重构面临挑战。AIGC技术的应用使得版权归属问题变得更加复杂。由于AI生成的内容往往是基于大量的数据和算法，很难确定其版权的归属。例如，某报AI系统在生成地震报道时，未经授权调用了某通讯社独家摄影作品，而引发版权争议。此外，AIGC技术的普及也使得媒体之间的竞争更加激烈。由于媒体间往往采用相似的AI系统和算法，导致生成的新闻内容存在同质化现象，这不仅会降低新闻的质量和吸引力，还会影响媒体的差异化发展。

规避AIGC新闻生产中存在的风险，可通过以下路径：

建立“生成——审核——溯源”三级验证体系。生成环节要确保数据的质量和算法的合理性；审核环节要对生成的内容进行严格的审查，确保其真实性和可靠性；溯源环节要能够对内容的来源和修改历史进行追溯，便于问责和监管。例如，《中国日报》AI内容数字水印系统通过嵌入不可见的数字标识，实现对AI生成内容的全流程追溯，确保内容可验证、可问责，这种三级验证体系是保障AIGC技术在新闻领域安全应用的重要手段。

推行“CHAT”伦理原则。审慎、辅助、真实、透明的“CHAT”原则为新闻业提供了伦理指南。“审慎”要求在使用技术时要谨慎，避免出现错误和风险；“辅助”强调技术应该作为新闻工作者的辅助工具，而不是取代人类的判断；“真实”要求新闻内容必须真实可靠；“透明”要求技术的使用过程和内容的生成来源要公开透明。推行“CHAT”伦理原则可以引导新闻业正确使用AIGC技术，避免伦理问题的发生。

完善法律体系，确定版权归属。针对AIGC引发的版权归属模糊与侵权争议，可建立“技术确权+行业共治+法律完善”的三维体系。技术确权层面，可借鉴成都商报与蚂蚁链合作案例，对AI生成的新闻文本、数据图表、视频素材等嵌入区块链时间戳，实现从内容生成、修改到传播的全链路版权登记。行业版权池共建层面，可由主管部门牵头，联合主流媒体、AI技术企业成立“新闻 AIGC版权联盟”，制定版权分配和认定的相关标准。如规定AI训练数据若涉及第三方素材，需按流量分成比例支付版权费，可参考音乐行业机械授权模式，从源头解决数据滥用问题。还需推动有关法律增设“AI作品权利归属”专章，明确AI生成内容的版权归属方法和比例。

推动行业差异化发展。为破解AIGC导致的内容同质化困局，需从“技术赋能+专业定位”双轨切入。首先，在垂直领域进行深度赋能，鼓励媒体结合自身定位开发细分场景AI工具。如财新网基于AIGC 打造“财经数据新闻实验室”，通过自然语言处理技术将财报数据自动转化为可视化叙事，同时保留记者对行业趋势的深度分析；澎湃新闻则聚焦时政领域，利用知识图谱技术构建“政策解读AI助手”，实现政策文件与历史案例的智能关联，强化专业媒体的深度解读优势。其次，创新人机协作模式，推行“AI速记员+记者策划师”分工机制。例如，在新华社“媒体融合生产指挥系统”中，可让AI负责突发新闻的五要素快速生成，即何时、何地、何人、何事、何故，记者则专注于背景调查、信源核实与观点提炼等工作，形成“AI铺陈事实+人类赋予意义”的差异化生产链条，避免机器写作的情感缺失与深度不足。

（作者单位：天津市东丽区融媒体中心）