响水生活网

人工智能与计算传播学

作者:安生 | 来源:互联网
2020-02-10 20:07:39

   

【摘要】人工智能浪潮已经席卷全球,不仅改变了人类的生活方式和传播行为,也改变了人类观察和认识世界的方式。人工智能与大数据驱动的计算范式延伸至社会科学领域,受传统传播学定量研究范式、数据科学和网络科学的影响和启发,计算传播学方兴未艾,已经成为计算社会科学的重要分支学科之一。从数据挖掘到机器学习,再到深度学习,人工智能算法和技术极大提高了计算方法处理大数据的精度和效率。目前,与无监督和监督学习方法相结合,自动化内容分析、情感分析和社会网络分析等方法为计算传播学研究提供了数据处理、整合和分析的研究策略和经验。在未来,通过开发和建立可扩展的自动化内容分析框架和系统,引入更丰富的深度学习策略,以及推动跨学科研究的方法创新等,将有助于人工智能与计算传播学在更广泛的交叉领域实现深度融合。

【关键词】计算传播学 人工智能 机器学习 深度学习

【中图分类号】G20 【文献标识码】A

【DOI】10.16619/j.cnki.rmltxsqy.2019.20.003

当前,越来越多的社会科学研究者在大数据的驱动下,使用统计学、数学模型和机器学习等方法,探索社会科学知识发现和数据挖掘的新方向,开启了规模更广、参与度更深的社会科学新纪元。2009年,拉泽尔等[1]提出了“计算社会科学”(Computational Social Science)的概念,他们认为以“计算”作为研究的基础手段的社会科学业已形成,展现出人类在前所未有的广度、深度和规模上收集和分析数据的能力。人文社会科学的学者开始关注大数据、人工智能等信息技术对社会经济发展以及科学研究等方面带来的影响和价值。尤其是社会科学研究者效法自然科学,以计算机作为研究社会复杂性的基本工具,创新地运用多种计算方法(computational methods)研究社会科学问题,并影响了诸如社会学、语言学、传播学等学科研究范式的转型。在传播学领域,这一转型中的研究范式被称为:计算传播学(Computational Communication Research)。

人工智能与大数据之间的关系非常紧密,人工智能的深度学习进化依赖于大数据平台和技术基础,同时后者的改进也需要人工智能算法的支撑。计算传播学何以可能?可以说,它的出现正是得益于大数据和人工智能的协同发展,主要体现在三个方面的因素:第一,海量的数字化数据,从社交媒体信息、其他“数字痕迹”(digital trace)到在线档案、数字化的报纸以及其他历史档案;第二,用于分析数据的工具的进步,包括网络分析、自动化文本分析、主题模型、词嵌入等统计学和机器学习方法;第三,强大而廉价的处理能力以及计算工具的易用性,包括科研目的和商业用途的云计算、共享和编程平台的涌现和发展。[2]可见,互联网、移动互联网和物联网为社会科学提供了可资研究的大规模数据,其中以半结构或非结构数据为主(包括文本、语音、视觉图像等),而人工智能成为了这类数据处理的关键性技术,[3]对计算传播学的发展起到至关重要的支撑和催化作用。

本文将从计算传播学的概念、起源出发,探寻计算传播学与传播研究定量传统、数据科学、网络科学的学科渊源;并在简述人工智能热潮下机器学习、深度学习概况的基础上,对人工智能在计算传播学研究方法(包括内容分析、情感分析和社会网络分析)中的应用现状和前景进行综述和探讨;最后,讨论和展望推动人工智能与计算传播学深度融合的发展方向和未来趋势。

计算传播学的概念及渊源

计算传播学的概念。作为计算社会科学的重要分支,计算传播学藉由海量的互联网数据和先进的计算技术对人类传播现象和行为进行跨学科研究。所谓“计算传播学”,可以被理解为是一种正在兴起的数据驱动的研究取向,是基于人类传播行为的数字足迹,采用文本挖掘、情感分析、社会网络分析等带有显著计算特征的数据分析方法进行研究,来探究人类传播行为的表现模式和内在逻辑;数据集、可计算、可建模成为计算传播学有别于传统传播学的显著特征。因此,计算传播学带有浓厚的方法和工具的属性特征,所以计算传播学也被研究者(在之前的一段时间中,乃至于有可能在以后的一段时间中)普遍认为是研究方法的转型,而非传播学范式的转型。然而随着整个人类社会都在迈向数字化,(新生代)人类的传播行为大多依赖于数字化平台来实现,即便是在现实空间的传播与交流行为也因为各种技术的突破可以被数字化记录和存储,于是,传播学所探究的人类传播行为自身显现出显著的数字式倾向。传播学关注的对象在数字化,其研究范式不可避免也需要有数字化的转型。因此,我们认为计算传播学并不仅仅是一系列研究方法和工具的集合,它更有可能是整个传播学在数字化时代的学科范式的转型。