机器渗入视频生产、分发和消费的各个环节，不少被视为人所生产的视频内容、视频评论、视频点赞等实则是机器的杰作，由此导致了人与机器之间界限的渐趋模糊。在相当程度上，这是机器新闻写作、社交机器人等技术产品出现的结果。

机器新闻写作是人工智能在传媒领域的具体应用。借助大数据挖掘和云计算，它一改“写稿是人类专利”的观念，将内容生产范式从媒体精英式的内容产出和用户生产内容转换到算法生成内容。在西方传媒界，机器新闻写作自2006年首次被引入以来，已经在体育报道、财经报道、气象报道等诸多领域得到应用，并形成规模化趋势。包括《纽约时报》《华盛顿邮报》《洛杉矶时报》《卫报》等在内的知名媒体纷纷将机器人纳入日常批量化的新闻写作流程之中。美联社更是在机器写作之外，启用编辑机器人对机器自动生成的稿件进行审查，成为第一家全面引入机器新闻人的传媒机构。在中国，机器新闻写作虽然起步较晚，但已在传统媒体和新媒体“双平台发力”，腾讯财经的Dreamwriter、新华社的“快笔小新”、今日头条的“张小明”等均是代表产品。

技术驱动之下的机器新闻写作出现的新趋势是从生产文字稿向生产视频稿升级。以新华社推出的AI短视频生产平台MAGIC为例，它变“拍摄/收集素材—剪辑—增添特效—渲染—导出—分发”的传统视频生产流程为数据的结构化、标签化、可视化、模板化的过程，在最快6秒之内即可生产出一条新闻视频。相关统计数据显示，它在2018年俄罗斯世界杯期间共生产出了近4万条短视频，播放总量超1亿次。^[62]不仅如此，借助AI洞见技术，MAGIC还能多角度再现比赛中的高光时刻，提升观看体验。

“机器即用户”意味着“大用户”意识的树立尤为必要，这也导致了新闻生产的变化，其中关涉的核心问题之一是新闻会因此变得更真实还是更虚假？在2017年世界互联网大会上，马云曾有过如下论断：“在未来，摄像头和芯片就是一个个‘记者’；假新闻会越来越难，越来越少，因为要骗过机器非常困难。”^[63]然而，AI换脸技术导致的对肖像权、隐私权等的侵犯，社交机器人不仅会传播大量不实信息，还能经由放大某些观点影响意见气候等诸如此类的事实的存在似乎又在提醒人们，机器本身即充当了虚假新闻生产与传播的幕后推手。这一悖论出现的原因在于，技术并不是单一的，每一项技术作用于网络视频所产生的效果也是不同的。多元技术叠加下的网络视频新闻将愈加真实，还是愈加虚假，在相当程度上是难以定性的，基于特定传播语境下的辩证分析将成为一种现实选择。(www.daowen.com)

机器也在建构人们的生活，这是通过影响“人们看到什么”实现的。建构所依循的路径有二：一是机器以人的名义生产视频内容、视频评论、视频点赞等，营造舆论氛围，以润物细无声的方式影响其他用户的看法，盛行于网络的机器水军即是典型例证。二是机器以相应的心理学原理、大数据及算法模型为基础，向用户推送和传播新闻，借由对用户内心欲望的测试与满足，正向强化用户的愉悦感，使之心甘情愿地让渡时间。两厢耦合的结果是存在于传统媒体时期的回声室效应（Echo Chamber Effect）被凸显出来。在此，回声室效应描述的是“通过对信息的选择性过滤，使某类信息或某种观点在一个封闭小圈子里不断强化的现象”^[64]。这一效应发酵可能导致的负面后果之一是涟漪效应（Ripple Effect）的形成。涟漪效应是社会学中用以解释危机扩散的一种理论模型，用通俗的话讲，即一石激起千层浪，小事件演化为大危机，这一点在美国政治选举中已有所体现。相关研究证明，社交机器人通过对特定信息的植入与扩散，可以左右用户观点，并驱使其政治立场极端化。^[65]

机器在新闻传播领域的“攻城略地”亦面临不少现实掣肘。与人类相比，机器最大的软肋在于缺乏人的思辨能力、情感表达能力和创造能力，这就决定了其应用范围主要集中于体育赛事、财经报道、突发事件等高数据密度、高信息透明度、低语境的新闻报道。这类报道简单而程式化，属于新闻生产中层次较低的产品。而对于调查报道、新闻评论等相对更难操作、价值含量更高的作品，机器还鲜有涉猎。

机器新闻写作的一个重要基础是对海量数据的挖掘，这些数据有的来自门户类网站，有的来自谷歌、百度等搜索引擎，有的来自以UGC为基础的社会化媒体，有的来自移动终端对私人化信息的采集等。理想状态下，机器应该在尽可能大的范围内挖掘数据，通过对海量数据的不断学习，实现自身的越来越智能化。但在现实中，所有数据的采集、利用都存在边界问题。机器可以对哪些数据进行挖掘，不可以对哪些数据进行挖掘，这个界限亟待澄清，否则容易侵犯他人隐私，产生滥用数据的隐忧。