新闻资讯

　　过去两年，我们目睹AI技术日新月异，并且持续在思考几个问题：当技术让信息的“投喂”变得无比精准时，我们是否还愿意去拓宽用户的视野？当唾手可得的“爽感”吞噬了人们的时间和感官后，我们是否还会刻意去追逐理性的增长？当流量收益裹挟着内容持续短化，我们是否还有勇气去延长思考的深度？当信息供给变得高度丰饶时，我们认为什么才是资讯产品不可替代的价值？今天，在这里我想跟大家坦诚地分享一下腾讯新闻团队的思考和选择。

　　在AI内容生成大爆发的今天，一个比较残酷的现实是：获取真实、准确资讯的成本可能不降反升。深度伪造、AI洗稿、批量造谣，在现有的技术之下，这些都可以比较轻而易举地实现。但如果我们放任此类内容规模化生产和分发，那信息品质将面临前所未有的危机。今年以来，我们看到一些名人被AI换脸，产生广泛传播的假新闻；我们也看到几家金融机构陷入尴尬境地，原因是借助AIGC工具撰写报告过程中，大模型采纳了不可信的信源，而人工未加核实；我们也看到国外在法律、健康科普这样的领域，由于AI幻觉产生的混乱和诉讼；甚至就在近期广东有一位从事保安工作的全先生，他坐了十几个小时的火车硬座，带着50万字的聊天记录，去杭州来投诉一款AI产品，忽悠着要跟他签约。

　　其次，建立一套人机协同的事实核查机制。在AI时代，技术可以成为我们的预警前哨。大模型工具可以基于语义矛盾检测等等能力，来进行异常传播的监测，比如说通过跨模态的溯源能力，对图片、视频等内容进行交叉溯源比对。AI可以将预警信息、矛盾点、溯源线索等等自动整理形成清晰的“任务核查单”，提交给专家团队，从而辅助人类专家更高效地识别深度伪造与旧闻新用等等这样的信息质量问题，大幅提升研判的效率。未来可信内容生态应该是开放与共治，我们有权威媒体、学术机构、领域专家等等共同组成可信生态的专家团，持续定义和发展公允的可信度标准。

　　第一是“知其然知其所以然”的能力，从“提供信息碎片”到“还原世界面貌”。这指的是将孤立的信息点，组织成为有背景、有联系、可理解的意义场域的能力。比如说，能够自动生成“事件前情提要”：在我们报道持续发展的新闻事件时，能够敏捷地为用户生成一条清晰的“时间线”，告之事情的来龙去脉，让用户一目了然。在报道专业领域新闻时，例如最近很火的DeepSeek的稀疏注意力机制，我们能够及时关联并且解释核心概念、技术原理、行业现状和历史意义，有效降低用户的认知门槛，提升用户的信息获取密度；那么更理想的状态是，我们能够及时识别和呈现当前的事件和其它事件、人物或实体的潜在关联，帮助用户看清世界的普遍联系。

　　第二是“看见树木看见森林”的能力，实现从“单一叙事”到“多维镜片”的升级。这指的是能够主动、平衡地为用户提供理解一件事情的不同角度和框架，打破认知的闭环。对于争议性的事件，我们能够清晰地呈现冲突各方的直接陈述、证据和核心诉求。比较理想的状态是它还具备有“跨界解读”的功能。比如说，一个经济政策的出台，我们不仅提供经济学家的分析，还会引入社会学家、伦理学家甚至普通市民的视角。同时，它还可以发展出一个“模拟立场”这样的功能，让用户能够选择“暂时站在”某个角色，比如说政策制定者、企业主、员工，这样的立场上去看待问题，以培养用户的共情能力和多元思考的习惯。

　　比如说数据分析工具包，对于涉及数据的新闻，我们提供简单的数据可视化工具，包括趋势图、对比图等等，并主动提示用户关注数据的来源和可能的解读陷阱；又比如“逻辑谬误高亮”工具包：用户可以利用AI去识别一些内容中可能存在的常见逻辑错误，比如说偷换概念、诉诸情感；又比如“一键追问”的工具包：针对任何段落、数据、词汇，用户都可以点击“追问”，那么AI会智能生成相关问题，比如说“这个数据的来源是？”、或者说“这个结论有研究支持吗？”，并且尝试着给出答案或者指引到相关的信源。又比如说，“假设发生器”这样的工具包：在事件分析中，支持用户去进行“如果……会怎样？”这样的假设，并基于现有的数据模型，展示不同可能性下的推演结果。

　　大家可能知道腾讯新闻过去四年的业务转型故事。四年前，我们决定在算法时代重新定义精品资讯，致力于提高用户单位时间的价值密度，而非用流量型的内容去吞噬用户的时间。我们当时的判断是不加约束的推荐算法和盲目扩张的内容池，大概率会带来认知浅化、视野窄化和情绪极化。所以我们果断对内容进行减法，进行净化。过去三年，我也曾在一些场合陆续跟大家汇报过，为了提升用户的获得感，腾讯新闻进行了内容价值标准重塑，据此我们去除了内容池当中大约95%的存量内容。此后，我们再谨慎地去做内容供给的加法。