二、问题与挑战
人工智能与媒体各业务环节深度融合，实现了提质增效，但在发展进程中，面临不少问题与挑战。对于媒体自身而言，技术基因先天不足、队伍能力跟不上发展要求以及理念、成本等问题在国内外传媒界普遍存在。与此同时，随着人工智能技术越来越多介入新闻生产和传播实践，其双刃剑效应愈加明显，失序失范现象频现，一系列新问题新挑战接踵而至。
※ 一是观念认知水平滞后于智能化发展趋势。
有效推动人工智能技术应用与媒体创新变革，理念必须先行。调查数据显示，59.7%的受访者认为，推进媒体智能化发展，首先要全员刷新观念、提高认识水平。没有充分的思想认识和正确的思想观念，就难以有科学的发展战略和创新策略。目前，媒体应用人工智能最常见的观念和认知误区表现在三方面：一是在观念上，对运用人工智能加速媒体融合“雾里看花”，认识不充分、不到位。二是在认知上，对人工智能技术在新闻生产领域具体环节的应用效果，还存在“看不见”“看不起”“看不懂”的情况。三是一些媒体机构对于人工智能重视程度不够，缺乏清晰的发展目标、实施路径和战略规划。
※ 二是传统媒体体制机制不能有效适应变革。
首先，表现在传统组织架构、业务流程的不适应。问卷调查数据显示，63.9%的受访者认为媒体应对人工智能的挑战首先应注重改造传统的采编发业务流程。近年来，一些媒体先行先试，在空间意义上完成了平台架构和外部形态的改造，但在实际生产运作中还需要进一步理顺生产关系、重构新闻生产流程。其次，是资金制约。人工智能相关软硬件的引进开发及数据库构建管理需要较高资金投入，在当前传统媒体整体业绩下滑背景下，不少媒体在调研中表示“有心无力”“没钱投入”。第三，人才队伍建设面临新课题。一些传统媒体人员队伍能力跟不上媒体智能化发展要求，不能熟练运用新技术、新手段，存在“本领恐慌”。缺乏媒体智能化发展所需的复合型人才、创新性人才，特别是在技术、运营等部门，领军人才少之又少。传统媒体由于体制机制掣肘，大多存在人才“用不好”“留不住”“招不来”的难题。
※ 三是传统媒体机构技术基因先天不足。
技术是媒体发展变革的第一生产力。从全球范围看，不少传统媒体积极拥抱人工智能技术，努力转换角色，从内容生产者向平台运营者转化。然而，如何科学合理地研发、运用智能化技术，提高人工智能技术的本土化水平，开发满足市场需求的新场景、新模式，确保应用水平与技术本身的发展水平相匹配，始终是媒体智能化转型的一大痛点。调查结果表明，75.3%的受访者认为媒体应对人工智能的挑战最重要的是增强采编队伍技术储备和创新能力。当前，技术基础设施不足、技术实力不足、人工智能技术应用水平与创新能力有限、媒体机构与技术公司的合作模式有待优化，是影响人工智能技术在媒体落地应用的四个主要问题。
※ 四是数据标注成为智能化发展瓶颈。
提高人工智能应用水平，大规模、高质量的数据积累必不可少。媒体机构在内容生产、用户服务过程中会产生海量的新闻素材数据及用户行为数据，但大量的数据资源并不能直接用于人工智能的算法训练。调查数据显示，59.5%的受访者认为，面对人工智能的挑战，要高度重视内容数据化。目前，国内不少媒体已在这方面展开积极尝试，但海量的新闻稿、历史图片、视频数据等数据资源，需要投入大量成本，进行“数据清洗”（Data cleaning）以及标框工作，生成高质量的信息化数据。对于数据的清洗整理、加注标引、入库管理需要大量的财力及物力去支撑。因此，对于大多数媒体而言，从“数字化”时代进入“数据化”时代，还有很长的路要走，媒体在布局人工智能战略之初，就必须注意到数据的重要性，着力打造完备的数据源和处理庞大数据系统的能力。
※ 五是智能化发展给形成舆论共识和防止假新闻带来挑战。
推荐算法基于用户精准画像进行内容筛选推送，提升了新闻生产个性化和新闻推送准确率，同时，由于侧重迎合个人偏好，导致“信息窄化”，形成“信息孤岛”。长此以往，舆论趋于分化、极化、碎片化，形成社会共识、增强社会凝聚力难度加大。与此同时，人工智能技术滥用误用引发虚假新闻危害，基于深度学习、虚拟现实等的换脸技术、语音合成技术、视频生成技术大大发展，虚假文本及音视频成为“新型谣言”。调查结果显示，半数以上（54.5%）受访者认为，假新闻的识别难度加大是影响人工智能发展的重要问题。传统假新闻尚可通过多种渠道验证真伪，但在人工智能技术“黑箱化”的趋势下，信息来源和真伪的判断难度加大。
※ 六是用户数据安全与隐私成为不容回避的伦理风险。
基于广泛数据分析的人工智能技术大大增加了公民隐私受侵犯的风险，对个人信息的非法使用和采集，对数据来源缺乏安全有效保护，易于造成隐私泄露，出现信息安全问题。调查中，半数受访者认为，隐私保护难度加大已成为人工智能在传媒业运用中存在的重要问题。在媒体智能化发展进程中，用户在与媒介接触的过程中生成了海量数据，在基于用户个人资料、行为数据提供更精准更优质服务的同时，保障数据安全、尊重用户隐私十分重要，必须时刻关注在保护用户数据方面是否存在漏洞，加强对用户隐私的保护，落实相应的人工智能安全策略。