答案

新闻人工智能系统使用算法来评估、优先排序和传播新闻内容。尽管有优势，但以下挑战可能导致主要突出丑闻和负面新闻：

• 以参与度为优化目标：算法通常被训练以偏好用户互动高的内容（点击、评论、分享）。丑闻和负面新闻通常获得更多关注，导致偏差。
• 反馈循环：用户行为影响算法选择，使得受欢迎的有争议内容被更广泛传播，而平衡或积极的新闻被排挤。
• 训练数据偏见：如果训练数据主要包含有争议或负面内容，人工智能会倾向于优先这些内容。
• 优先排序不透明：新闻选择和权重的标准通常复杂，用户和媒体制作者难以理解。
• 社会影响：对丑闻的单方面强调可能扭曲公众认知，促进对媒体的不信任，加剧社会极化。

改进措施包括：

• 开发不仅考虑参与度，还兼顾新闻质量、多样性和平衡性的算法。
• 引入透明机制，使新闻优先排序过程可被理解。
• 有意识地选择和策划涵盖多种视角的训练数据。
• 制定媒体伦理准则，规范人工智能在新闻生产和传播中的使用。
• 提升用户素养，使其能够识别并批判算法引发的偏差。

只有通过技术设计、伦理责任和社会教育的结合，新闻人工智能系统才能助力维护多元和平衡的信息环境，而非让丑闻主导。

结论：
当新闻人工智能系统以参与度为优化目标并产生反馈效应时，倾向于强化丑闻和负面新闻。
算法公平性、透明度、多样化训练数据以及媒体伦理责任是确保平衡且值得信赖的媒体报道的关键。