随着DeepSeek等生成式人工智能的普及，新闻业面临前所未有的机遇与挑战。新闻工作者提升人机交互素养与人机协同能力，不仅可以提高新闻生产与分发效率，而且对于提升公众媒介素养、维护意识形态安全也有重要影响。

　　生成式人工智能

　　给媒体带来的机遇与挑战

　　生成式人工智能在线索挖掘、采写编评、内容呈现、事实核查、精准分发、场景适配等方面都能显著提升新闻工作者的效率。借助AI对海量信息进行深度挖掘，可以找到有价值的新闻线索；通过检测AI生成文本的特征，如“矛盾时间线、不合逻辑物理细节”等异常语义能快速识别可疑内容；通过自动比对音视频片段中的引用来源、自动检索社交媒体、新闻数据库、政府公开信息等跨平台数据，生成证据链图谱，能够有效提升事实核查效率。此外，借助AI还能够实现“舆情预警”。AI工具可依据信息传播速度、用户举报频次、关键词敏感度自动生成风险标注等级，提示人工优先处理高风险内容，从而更好地引导舆论。

　　生成式人工智能也给媒体带来前所未有的挑战，如技术黑箱、算法偏见和用户媒介素养不足所引发的系列风险。首先，对意识形态安全形成挑战。AI生成的内容高度“拟真”，普通用户容易产生误判。当虚假信息与用户既有立场契合时会进一步强化公众错误认知，加剧舆论场的对立与撕裂，产生系列信任危机。此外，价值观隐性输出会对舆论生态形成误导。AI训练数据中隐含的政治倾向、文化倾向容易被放大，如果错误的政治观念被嵌入模型，有可能成为意识形态操纵工具。其次，对人的发展与进步形成挑战。用户过度依赖AI推理，个体思维逐渐退化。加之，AI生成的虚假内容形式工整、逻辑严密，容易让用户产生“信任幻觉”，对这些错误信息偏听偏信，以讹传讹，又会造成个体认知的极化。久而久之，个体成为单极管思维的单向度人，这与人的自由全面发展目标相背离。然而，用户认知与媒介素养的滞后又会进一步加剧“人机素养沟”的扩大，人与人的发展将趋向不均衡，由此引发新的不平等与不平衡。最后，对媒体公信力与价值引领力形成挑战。大语言模型决策过程不透明，公共数据可能包含错误或偏见，生成内容自带系统性偏差，媒体人员无法追溯虚假信息的生成逻辑，如果媒体播发了大量AI生成的偏差报道，则会伤害媒体公信力。与此同时，生成式AI可快速批量生成内容，纯AI运营的社交媒体账号增粉迅速，情感鸡汤、商业认知等同质、低质内容充斥平台，导致媒体的原创价值被稀释，这对媒体的公信力与价值引领力都产生了新的挑战。

　　面对新挑战，要求媒体与时俱进、不断自我更新。这些更新包含“媒体机构人机配比、人机分工”“人机协作流程”等，而人机交互素养的提升是媒体自我更新的关键，媒体人需分阶段实现“人机互补”“人机共创”“人机协同”的素养提升。

　　新闻工作者人机交互素养的三个维度

　　在当前信息生态加速演变的背景下，新闻工作者人机交互素养包含哪些内容？如何构建阶梯式人机交互素养？围绕媒介的内容生产、传播效能、危机应对三方面，新闻工作者人机交互素养包含人机对话能力、人机共创能力、人机协同能力。

　　第一，人机对话能力的提升。人机对话能力是人机交互素养的基本能力，新闻工作者需熟悉不同大模型的内容生成机制，并能准确选取提示词，用精准的指令引导 AI，清晰提出问题，像与人交流一样保持连贯对话与自然互动。理解AI的能力边界，遇到AI“卡顿、走偏”时，能及时调整提问方式与提问内容，进行有效追问，利用多轮对话深化人机沟通。好的人机对话，可以减少人机沟通成本，充分激发AI信息处理、创意生成能力并为我所用。

　　面对数量众多难以识别的AI生成文本，新闻工作者需要通过AI规划个性化学习路径，建立个人知识图谱与AI知识的映射关系并持续进化自身学习架构以适应技术迭代。借助AI工具对自己的报道领域进行“穿透学习”，如医疗卫生跑口记者可以通过“穿透学习”学习完整的基础病理学与医学前沿知识，通过与时俱进的“敏捷学习”，能稳准狠地识别AI生成内容的潜在错误，不断修复自身认知偏差。

　　第二，人机共创能力的提升。人机共创能力是人类创意与AI技术深度协同的复合能力，通过AI技术提升报道效率与传播效果。人机内容共创能力包括利用AI进行信源网络构建、跨界知识整合以及多模态叙事能力提升等。在新闻采写编发的各个环节都需考虑与AI的人机共创。采写阶段，可以利用AI工具对采访对象进行多维心理建模，用情绪智能系统实时反馈采访对象的微表情，随时调整问题与采访方向，以保证采访过程顺畅进行；利用AI技术可以生成新闻初稿、数据图表、视听脚本、视听转换等多模态文本，还可对这些文本进行“语言风格转换”“跨语言翻译”与“本地化改写”，并能够将严肃报道转为口语化短视频文案，自动生成适配不同地区受众受传习惯的新文本，这些人机共创大大提升了采写效率。编辑阶段，可利用AI工具进行“多信源交叉验证”，从历史准确性、交叉验证度，动机透明度等多个维度查验信源可信度，还可通过智能辅助系统快速补充新闻背景、文献资料、历史报道、专家解读、相关政策文件、多媒体资源等信息。利用AI进行创意扩写与报道版本的多版本生成，一键生成适合微信、抖音等不同平台的内容版本，并自动调整字数限制、排版格式、传播呈现以适配多平台传播需求。此外，利用AI还可大幅提升关键词标注、版权信息核查等重复性工作的效率。舆论引导阶段，可利用VR危机场景库等模拟相关场景进行风险预判、传播链修复与信任重建等事前模拟；在危机传播中可以结合AI工具预测用户行为、进行传播辅导与情绪疏导。通过抓取全网数据，分析社交媒体热词与新闻客户端浏览数据，快速识别热点事件的用户关切并预测话题趋势，从而实现积极的舆论引导。

　　第三，人机协同能力的提升。人机协同的本质是“让AI做AI擅长的事，让人成为更‘人类’的存在”。媒体人需构建“人机协同”的系统思维，分阶段提升人机协同能力。初始阶段，人机协同能力主要是指新闻工作者破除AI恐惧，熟练使用多个AI工具，在多个AI平台中自由切换，在新闻实践中与AI不断磨合，善用AI、用好AI。比如，通过人机协同，对重大报道的传播效果即时复盘，运用分析工具提取思维盲点，改进报道策划，提升传播效果。进阶阶段，媒介生产从“独立创作”转向“主导与调控AI创作”，新闻工作者需将专业领域知识与AI技术进行有机融合，建立个人的“AI知识增强系统”，协助自身职业转型。同时，新闻工作者还需警惕技术异化带来的认知惰性，突破“AI依赖”，构建技术免疫力，在新闻实践中对AI局限性有清醒认知且有边控意识与边控能力，不断提升批判思维与人机交互素养，既能善用AI的数据分析结果，又能保持独立验证能力。高阶阶段，人机协同能力主要是指媒体从业者具有构建适应未来变革的底层能力框架，参与到人工智能系统的共同演化进程中，从AI使用者升级为AI协同设计者。比如，持续优化人机协同流程，在新闻生产流程中进行有意引导以形成 “机器适应人”的个性化协同。新闻工作者在与AI多轮交互中不断优化“人机协同”设计，最终形成 “人—机—人”为我所用、螺旋式上升的人机协同闭环。又如，在AI替代性工作中聚焦人类独特优势，开发“人机能力共生图谱”，明确各岗位不可替代的人类技能组件。此外，创建“AI传播误导”数据库，全行业共享典型AI误导案例数据库，开发协同防御网络、溯源系统，构建媒体专业护城河与信息安全长城。

　　人机协同能力让新闻工作者能将更多精力投入到独家报道、情感共鸣与价值引领中，协助传统新闻工作者向“AI内容品控师”“AI协同设计者”转型。

　　（作者系中国人民大学新闻与社会发展研究中心研究员、新闻学院教授）