数据新闻多元，应探索更多交互体验******

陈积银

　　（陈积银简介，西安交通大学新闻与新媒体学院教授，博士生导师。中国数据新闻大赛创始人，西安交通大学青年拔尖人才（A类），中组部国家万人计划青年拔尖人才，陕西省智媒研究基地主任，福建省闽江学者特聘教授。曾获第六届全国广播影视“十佳百优”理论人才称号。主持中宣部、中组部、教育部等部委项目多项，在CSSCI期刊等发表论文40余篇。）

　　随着我国前沿科技的迭代更新，媒体融合不断向纵深发展，数据新闻应运而生。新闻生产方式的创新发展也反映出大众信息需求的变化。全媒体环境下，加强媒体融合视角下数据新闻的技术创新与理念创新成为数据新闻发展的题中应有之义。近年来，新文科建设的呼声高涨，数据新闻也成为新闻传播教育中颇有成效的尝试，推进了技术与人文教育的进一步融合。《中国新闻出版广电报》记者日前就媒体融合视角下数据新闻的发展前景及新文科思维背景下数据新闻人才培养等问题，采访了西安交通大学新闻与新媒体学院教授陈积银。

　　数据新闻教学应势而生

　　经过多年的发展与沉淀，数据新闻应用日臻成熟，业界成立了不少专门的制作团队，学界则设置相关课程以培养专业人才。

　　“数据新闻是在技术推动下发展起来的。”陈积银介绍说，在智能化、5G及媒体融合情境下，数据新闻融合也将获得新的发展机遇，朝着更加成熟与理性的方向发展。

　　陈积银认为，数据新闻的实践性、专业性非常强，业界的实践领先于学界，但无论是学界还是业界，人才匮乏的现象仍然存在。因此，数据新闻的未来发展方向主要集中在提升人员数据素养，培育数据发掘、可视化制作人才团队等几个方面。

　　由于学界、业界对数据新闻关注度逐渐提高，学界与业界融合也更加紧密。“学界与业界应积极构建平台，推动优质资源接轨，为数据新闻的发展蓄力。”陈积银建议，可以通过工作坊沙龙等形式进行培训与交流，关注数据新闻制作的核心环节，共同寻找难题的应对方案。

　　“为贯彻中央媒介融合有关精神，培养大数据时代的一流新闻人才，我于2015年创办了中国数据新闻大赛。”陈积银介绍，该赛事的初衷是“以赛促教”，为中国新闻教育更好地适应大数据时代需求提供探索平台，为国内新闻教育学界师生数据新闻作品提供展示平台。目前，该赛事已经成为引领国内重要新闻院校进行科教融合，开展学科交叉融合（传统新闻传播与现代信息技术）的一个新赛道，并获得业内不少数据新闻团队的认可与积极参与。西安交通大学通过大赛平台，有效促进了文、理、艺交叉的新闻传播教育探索，近年来培养了不少复合型、专家型、国际化的新型新闻人才。

　　“国内数据新闻的议题越来越多元，应进一步探索交互体验形式。”陈积银说，在每一届的中国数据新闻大赛作品中，都包含经济、政治、环境、民生、体育、娱乐等多种议题，而其交互性逐年提升。未来，将会有更多的创作团队对可听化的数据新闻进行探索，或将数据新闻与游戏等进行结合，实现内容形式和读者体验的双重升级。

　　探索学科交叉教学模式

　　“当前数据新闻在追求可视化效果的同时一定程度上忽略了新闻价值和社会功能。”陈积银认为，现在数据新闻在呈现形式上也存在一些问题。部分以网页形式呈现的数据新闻在移动端阅读时存在不兼容问题，导致数据新闻传播受阻。此外，移动阅读的快节奏和碎片化对数据新闻而言也是一个挑战，数据新闻在呈现方式上应注重数据的多样性、内容的交互性及叙事的多维度，以吸引受众阅读和交互。

　　“尽管当前数据新闻的制作还存在普惠性不强、交互性有待提高、可视化水平参差不齐、思想性有待提高等问题，但也呈现出有数据更有共享、有图表更有内容、有故事更有情怀、有融合更有信仰、有问题更有反思等鲜明特点。”陈积银建议，未来在选题方面，期望更多作品与“坚持面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康”相结合；在数据使用规范方面，希望作品全面保障用户数据安全；在可视化呈现方面，期待作品在可视化实践时注重庞大数据的易读性，以增强传播效果。

　　“媒体融合大背景下，新闻人才培养特别是数据新闻人才培养过程中存在着一些亟待解决的问题。”陈积银认为，传统新闻学院的教育以文科为主，教师与学生存在技术性知识结构短板的问题，具备跨学科背景的数据新闻领域教师相对较少。目前，我国不少高校的新闻传播学院不断探索专业设置和教学设计，在发展中逐渐走向学科交叉的教学模式。同时，还应注重培养学生的数据思维和算法思维，积极学习数据新闻所需的技术性知识与技能。

　　“对于文科学生而言，网页制作、可视化技术等操作技能的学习，短期内掌握有些困难，这使得数据新闻教学局限于理论知识。”陈积银说，中国数据新闻大赛为学生们提供了一个理论与实践相结合的机会，缩小了数据新闻领域人才培养与新闻行业需求之间的差异。近几届大赛作品，在选题上内容多元、角度丰富、注重社会价值，在可视化呈现上技术多样、形式丰富、交互性强，在评审方面坚持学界、业界与政界相结合，在教学实践方面收到了良好的成效。

　　契合新文科背景要求

　　受疫情影响，智慧教育已成为教育模式转型发展的客观需求，慕课、云课堂现已成为教育新景象。这些新的教育模式颠覆了原有的传统教育模式，同时也促进了新闻传播教育的创新与发展。

　　“我们需要立足学界、携手业界、服务政界、融入世界，在传统的教育模式上进行自我教学革命。”陈积银认为，业界在技术研发方面的投入，政界在引智方面的投入，使得其在新闻传播技术、应用方面的水准远超学界。因此，当前的新闻传播教育一方面应积极改革，拥抱现代信息技术带来的红利；另一方面，也应保留原来教学中的先进经验，守住意识形态的红线，积极用马克思主义新闻观武装师生的头脑。

　　“作为新闻传播教育工作者也应完成相应的转变，进一步激发学生学习的主动性、积极性，培养学生的创造力、表达欲、动手能力和团队合作精神。”陈积银建议，一是转变原来上课靠书本的理念，将研讨式教学与体验式教学相结合、启发式教学与自主学习式教学相结合；二是转变原来的身份，从知识传授，转化为方向引领、动力激励、方法指导、结果督察和过程讨论；三是提升前沿知识的学习与科研能力，向学生传授新闻传播国际前沿知识。

　　“西安交通大学新闻与新媒体学院以工字牌为旗帜，新闻人才培养方案的建设契合了新文科建设背景下新闻教育改革的整体趋势。”陈积银介绍，新闻与新媒体学院组建计算机、公共管理、新闻传播等多学科背景的核心师资队伍，根据新文科建设理念与市场需求，建设协同育人基地以提升学生的数据素养。学院与政企共建的“陕西省智媒研究基地”沿用文理交叉的思路，背靠政界、立足学界、携手业界，为学生提供全智能化的平台资源，使学生在学习传统新闻采编技能的同时，学习短视频摄制、大数据舆情分析等新媒体技术技能。

　　在教学实践方面，陈积银一直鼓励学生放下课本、走出校园、走进社会，在实践中发现问题、解决问题。他介绍说：“在数据新闻课程教学上，我鼓励同学们根据特长和兴趣自由组队，走到社会上采访调研、收集数据、自主解决难题，共同完成一个数据新闻作品的制作。同学们认为这种学习方式动手操作性强，比课堂教学收获更大。”

　　“通过鼓励学生们自由组队参加中国数据新闻大赛，磨炼提升了他们的团队合作、沟通协调、专业实践以及前沿探索等各项能力。”陈积银认为，大赛“以赛育人”“以赛促教”，推动了传统新闻传播教育模式向现代化转型，引导学生在作品制作中从简单的多学科知识累加向多学科知识相融转变。同时，也为高校学生和新闻工作者搭建起新闻传播教育学界与业界沟通的桥梁。

　　（中国新闻出版广电报记者 杜一娜 常湘萍）

AI绘画的“小秘密”都在这一篇文章里******

　　有了AI，人人都可以是艺术家。AI绘画的出现，恰如瑞士艺术家保罗·克利所言：“艺术不是再现可见，而是使不可见成为可见。”经过20年左右的发展，目前基于不同类型或者模态元素的AI绘画发展情况不尽相同，发展最久的是“以图生图”，再到近期火爆的“文+图”生图。当然，也有团队已经研发出由语音生成图像的技术。

　　上传一张图片，或者输入一些简单的关键词，系统就能自动生成一张卡通图像……最近一段时间，AI绘画开始在互联网社交平台走红。

　　AI绘画，顾名思义就是利用人工智能进行绘画，是人工智能生成内容的典型应用场景之一。其主要原理是收集大量已有作品，通过算法对其内容和风格特征进行解析，最后再生成新的作品，所以算法是AI绘画的核心。

　　当前，“凭空”生成图像的AI绘画，其实也会动辄“翻车”：也许上一秒AI通过你的照片绘出的是一张充满艺术感的二次元画像，下一秒你的宠物猫、狗则可能被画成可爱少女或肌肉猛男。

　　事实上，AI绘画早已火爆全球。第一张公开展出的、由人工智能创作的绘画作品《埃德蒙·贝拉米的肖像》曾于2018年在佳士得拍卖行以43.25万美元成交，那是一张由机器学习了从14世纪到20世纪的1.5万张肖像画之后自动生成的一张肖像画作品。

　　AI绘画是如何实现“凭空”生图的？除了娱乐外，AI绘画还有哪些潜在的应用前景？

　　从“以图生图”到“语音生图”

　　2022年，由人工智能创作的《太空歌剧院》一度火出圈。在美国科罗拉多州举办的新兴数字艺术家竞赛中，《太空歌剧院》获得“数字艺术/数字修饰照片”类别一等奖。它的构图、配色以及画面的细节堪称精致。然而，这个作品的创作者不是艺术家，而是来自美国科罗拉多州的游戏设计师。

　　这位游戏设计师在一个名为“Midjourney”的AI创作工具里，先输入几个关键词，如光源、构图、氛围等，得到了100幅作品，再进行约80小时的修图修饰，最终选出3幅作品，最后把图像打印到画布上。

　　通过简单交互式对话在短时间内生成的“艺术”作品，让人类艺术家展开了一场关于“AI绘画作品参赛是否属于作弊”的争论。这场声势浩大的争论也令大众直观地意识到如今的AI绘画水平已经发展到了何种程度。

　　“人工智能在艺术方面的创作最早可以追溯到上个世纪末，当时的人工智能绘画技术叫作‘图像的风格化滤镜’。”中国科学院自动化研究所多模态人工智能系统全国重点实验室研究员董未名说，最初的AI绘画方法比较简单，比如一张普通的照片，通过一些图像处理的算法，把照片像素进行几何或者色彩上的变换，然后再调节不同参数，就可以模拟出类似油画或者水彩画的风格。

　　经过20年左右的发展，目前基于不同类型或者模态元素的AI绘画发展情况不尽相同，发展最久的是“以图生图”，再到近期火爆的“文+图”生图。当然，也有团队已经研发出由语音生成图像的技术。

　　AI绘画主要依靠三种技术模式实现

　　董未名介绍，目前AI绘画主要借助图像风格迁移技术、图文预训练模型和扩散模型实现。

　　“图像风格迁移技术指的是图像处理算法通过对输入的真实图像内容特征和对参考的艺术图像风格特征的提取，实现真实图像内容特征和艺术图像风格特征的融合，从而生成新的艺术图像。”董未名举例，如果将美国旧金山艺术宫的外景照片和印象派创始人莫奈绘制的作品，通过图像风格迁移技术进行融合，就能得到一张看起来像是由莫奈绘制的美国旧金山艺术宫的绘画作品。最初的AI绘画采用的正是这种技术。

　　不过，在董未名看来，图像风格迁移技术大多依赖的是生成式对抗网络（GAN）算法，它最大的问题是生成的绘画作品艺术性不强，笔触和构图让人觉得与真实的绘画有差距，所以长久以来，AI绘画一直“籍籍无名”。

　　当图像风格迁移技术还在挣扎于输出作品的审美问题时，图文预训练模型的出现，加速了AI绘画的崛起。

　　“依托图文预训练模型，只要输入一句话或者上传一幅风格明显的图片，算法就能将图像特征和文字特征‘对齐’。生成的绘画作品的内容特征和上传图片的内容相似，艺术性也比图像风格迁移技术生成的图片强很多。”董未名举例，比如支撑图文预训练模型的可对比语言—图像预训练（CLIP）算法，就是利用图文特征“对齐”的能力，再结合已有的生成模型，实现“以图生图”或者“图+文”生图。

　　不过，董未名坦言，图文预训练模型的推广也存在一些争议，有部分人认为，该模型在训练前期，需要用大量的图形处理器（GPU）进行数据训练，耗电量大、成本很高，而该模型的应用场景却不够清晰。但也有人认为，也许该模型未来可以打造为通用的人工智能模型，用它完成更多的算法作业，只是这还需要时间的验证。

　　诚然没有一项技术是完美的，这也为人类探究更先进的技术提供了无限动力。当下最流行的扩散模型便是其中之一。

　　“目前最新的AI绘画技术采用的就是扩散模型，这种模型可以把一个随机采样的噪声输入模型，然后尝试通过去噪来生成图像。”董未名表示，扩散模型也存在弱点，由于模型对图片内容识别的能力不足，或者难以完全理解识别文字的意义，以及训练数据的偏差，有时便会生成“四不像”的作品。此外，扩散模型生成图片的速度比较慢，目前还达不到实时生成图片。

　　互联网治理、元宇宙或潜藏应用前景

　　AI绘画目前的应用场景，更多聚焦于社交软件。近期在国内社交网络“火出天际”的AI绘画软件主要集中在小程序及App。随着AI绘画小程序的火爆，短视频平台抖音也迅速上线了AI绘画特效。同时，此前腾讯上线了“QQ小世界AI画匠”活动，百度也推出了首款AI艺术和创意辅助平台“文心一格”。

　　有了AI，人人都可以是艺术家。AI绘画的出现，恰如瑞士艺术家保罗·克利所言：“艺术不是再现可见，而是使不可见成为可见。”“AI现在已经完美实现了这一目标，人们可以通过机器计算来绘制出很多现实中见不到的场景。”董未名畅想，不远的将来，AI绘画或许还将展现更丰富的应用场景。

　　“现在网络上充斥着很多不良内容，这些内容为了逃避监管经常以绘画的形式出现，而当前很多内容识别模型对真实图片识别得很准确，但缺乏不良内容艺术作品的相关训练数据，所以对不良内容识别不准确。也许可以用AI绘画技术，积累不良内容艺术作品的数据，并用以训练识别模型，以提升互联网内容的安全监管能力和识别的准确率。”董未名建议。

　　在董未名看来，作为一种艺术呈现形式，AI绘画也将在元宇宙、设计、文旅等行业催生新的商业模式。例如AI绘画目前在AI辅助创作、短视频、影视制作和元宇宙等方面都有布局，因为这些赛道都离不开创意，AI绘画可以帮助创作者通过简单的特征输入，实现对其创意的预览，甚至可以直接进行创作。

　　不过，董未名并不讳言，当下AI绘画仍然存在版权争议问题。AI绘画的核心是模型，而训练模型需要使用大量图像、文本数据。对于未经授权的图片，经过运算之后所生成的图像版权归属尚难界定。“有的画家风格特别明显，如果用画家的画去训练算法模型生成作品，那最后的版权属于谁呢？”董未名提出的问题，正是多数AI绘画作品所面临的现实问题。

　　AI绘画掀起了一场资本的群体狂欢，希望有一天它能走出“照猫画虎”的尴尬，真正服务艺术创作、创造更多价值。（科技日报记者 金凤）