TMT观察网_独特视角观察TMT行业

機器人記者25秒寫出540字地震消息稿的消息一出，就收到了來自幾位朋友轉(zhuǎn)來的消息。

顯然，25秒的出稿速度已經(jīng)嚴重威脅到了星球君的飯碗，當星球君還身處新聞的驚愕中正要打開電腦時，機器人已經(jīng)跑完了從數(shù)據(jù)采集、數(shù)據(jù)加工判斷、自動寫稿的全過程。

難道，星球君的工作就要不保了嗎？！

“記者要失業(yè)啦！寫稿機器人上線”、“機器人寫稿傳統(tǒng)記者的末日？”、“機器人逆襲寫稿記者恐失業(yè)”、“機器人寫稿，記者們‘哭暈’在廁所”……這是當前媒體們在提到機器人寫稿這類新聞時最常用的幾大標題。

機器人寫新聞真的會讓記者們因害怕失業(yè)而感到恐慌嗎？

"知道機器人會代替寫新聞，但不會這么快啊，人工智能目前是輔助人類工作，不能完全替代”。

“不恐慌，機器人不會講故事”。

“人有思想和創(chuàng)造力，并不是所有的新聞機器人都能寫。而且機器人也不會采訪啊，一些細膩的東西還是需要人去發(fā)現(xiàn)。它能促進記者更好地發(fā)展自己，提高工作效率，不必為一些繁瑣的事情浪費時間，我覺得，任何時候，它都是一個行業(yè)的輔助器”。

“風口在下個世紀”。

“還好吧，能代替的都是重復性的新聞而已。就像文學創(chuàng)作一樣，有些報道，至少目前是沒辦法替代的，比如西龍老師（為求證新聞事實）蹲點派出所”。

這是星球君訪問的幾位資深科技媒體記者，沒有人因惶恐失業(yè)哭暈在廁所，相反，倒是冷靜得很像實力派。

事實上，機器人寫稿的新聞早就見怪不怪了。StatsMonkey是世界上最早操作新聞的人工智能軟件，它2009年就完成了美國職業(yè)棒球大聯(lián)盟季后賽第一篇機器人稿件的撰寫。

2015年開始，《紐約時報》Blossom、《華盛頓郵報》Truth Teller、《洛杉磯時報》智能內(nèi)嵌模版、《衛(wèi)報》Open001、路透社的Open Calais、美聯(lián)社的Wordsmith六家國際頂級媒體分別有了各自的機器人服務系統(tǒng)。

讓我們來看看這幾大機器人系統(tǒng)的應用成果，以美聯(lián)社Wordsmith為例，其AI系統(tǒng)能夠在上市公司公布業(yè)績后，僅0.3秒就可以發(fā)布一篇盈利報道，而0.3秒的時間，其他新聞媒體的記者恐怕連標題首個單詞都還沒有寫完。

此外，在使用Wordsmith之后，美聯(lián)社每季度可以出3000家公司財報，雖然其中仍有120篇需要人力更新或添加獨立的后續(xù)報道，但顯然，它替人類編輯承擔了絕大多數(shù)的工作量。

《紐約時報》Blossom，它與Wordsmith還不太一樣，主要職責并不是寫文章，而是輔助編輯挑選出當日潛在熱文，往社交網(wǎng)站等平臺進行針對性推送。目前，《紐約時報》通過Blossom能推送300篇文章。而它挑選的文章平均閱讀量是普通文章的38倍，且每天能夠工作24小時不間斷。

在國內(nèi)，騰訊于2015年8月率先推出了寫作機器人“Dreamwriter”。這位由騰訊財經(jīng)開發(fā)的自動化新聞寫作機器人，能夠根據(jù)算法在第一時間自動生成稿件，瞬時輸出分析和研判，一分鐘內(nèi)將重要資訊和解讀送達用戶。

以下就是在Dreamwriter寫的一篇2015年8月CPI材料的新聞，摘取一小段：

文中除了列出CPI 詳細數(shù)值外，還引入了多位分析師的觀點。從抓取資料到成稿發(fā)布，前后僅花了一分鐘。

同年11月，新華社也帶來了“快筆小新”寫稿機器人，主要供職于新華社體育部、經(jīng)濟信息部和中國證券報，寫體育賽事的中、英文稿件和財經(jīng)信息稿件為主。

緊跟著，今日頭條xiaomingbot、第一財經(jīng)DT稿王、百度度秘解說相繼介入人類編輯的日常工作。

其中，張小明（xiaomingbot）機器人在里約奧運會后的13天內(nèi)，共撰寫了457篇關(guān)于羽毛球、乒乓球、網(wǎng)球的消息簡訊和賽事報道，每天30篇以上。不僅囊括了從小組賽到?jīng)Q賽的所有賽事，而且發(fā)稿速度之快幾乎與電視直播同步。

從寫作形式和內(nèi)容豐富度來看，機器人寫出來的新聞在語法上和人類并無區(qū)別。甚至，“張小明”還能模仿人類的語氣，使用如“實力不俗”、“笑到了最后”等生動的表達。

“DT稿王”則是在阿里巴巴戰(zhàn)略入股第一財經(jīng)后，雙方共同醞釀、聯(lián)合推出的一款寫稿系統(tǒng)，主要以股市異動為新聞切入點，報道更新更加頻繁。平均每天需要發(fā)布1900篇公告，這是一位資深證?槐嗉?100個小時才能完成的任務。

百度度秘解說則參與了里約奧運會籃球比賽的文字直播解說?！岸盘m特3分出手，空心入網(wǎng)，這球沒法打了?！薄鞍⒙?lián)上籃，被喬治犯規(guī)了！”“斗膽一猜吧，今天男籃的小伙子最多輸40分！打得非常棒！加油！”都出自度秘。

或許你已經(jīng)看出來了，機器人寫稿主要在體育、財經(jīng)、天氣預報等垂直化領(lǐng)域，因為這類文章普遍文本信息少、數(shù)據(jù)信息多，更新更頻繁，往往每天需要滾動成千上萬條信息。

因此，江湖傳聞的“寫稿機器人”并不是說它本身有多高明，而是在于其新聞生產(chǎn)可以不依賴于現(xiàn)場采訪獲取素材然后寫成稿件，主要是通過對現(xiàn)有數(shù)據(jù)、資料，快速搜集加工編制而成。

這對大腦有時短路、百忙中難免出錯的人類編輯來說，無異于是種解放。而在這些消息上使用機器人寫作，記者也可以從疲于奔命式的“搶新聞”中解脫出來，對事件背后的新聞線索進行更多深入的挖掘和思考，投入更多深度報道。

可以這么說，新聞機器人所能做的只是在現(xiàn)有數(shù)據(jù)庫的支持下，對文章進行詞匯和語句的抓取，然后進行排列組合，就好像在做一個復雜的填字游戲，但其對文章的深度理解能力還遠遠不能和人類相提并論。

有趣的是，在張小明關(guān)于奧運會男乒半決賽的一篇報道中，它寫道：絕望之際，失敗女神朝其拋出了橄欖枝。顯然，機器人沒能領(lǐng)會“橄欖枝”在自然語言中的含義。

人工智能系統(tǒng)在進行新聞創(chuàng)作時需要解決非常多的技術(shù)難題，包括自然語言處理中的自動摘要、文本分類等，還有知識庫和知識發(fā)現(xiàn)（KDD）等相關(guān)技術(shù)，比如實體定義、關(guān)系抽取、問答系統(tǒng)等。

簡單來說，就是機器首先需要理解自然語言，然后通過知識管理弄明白新聞中各個要素（各類知識）之間的關(guān)系。當然，隨著機器學習能力的提高，這種低級錯誤也是可以避免的。

在頭條實驗室負責人李磊博士看來，“張小明最大的意義在于，面對奧運會這樣同時舉行上百場比賽的綜合賽事，記者很難關(guān)注到每一場比賽，而機器人可以任勞任怨的為每一場比賽報道，無論這場比賽多么冷門和不重要。傳統(tǒng)新聞理論并不認為這些冷門比賽或者熱門比賽（比如乒乓球）的前幾輪小組賽有新聞價值，可是通過我們的平臺測試，我們發(fā)現(xiàn)對冷門場次的報道任然有可觀的閱讀量”。

隨著AI技術(shù)在新聞領(lǐng)域的參與程度越來越高，其是否會造成失業(yè)問題的爭論也愈演愈烈（當然，星球君比大家更關(guān)注這個話題）。

牛津大學此前就發(fā)布了一篇報告稱，未來47%的工作崗位將最終被自動化。但是，工作被取代，并不意味著勞動者將失去工作，就好像曾經(jīng)汽車的出現(xiàn)取代了馬車夫和馬童，但同時也創(chuàng)造了更多修建高速公路和服務加油站的工作。

對媒體來說同樣如此。在講求快速時效的新聞領(lǐng)域，機器人的機敏、不知疲倦以及高速運轉(zhuǎn)無疑是它最大的優(yōu)勢――機器人擅長海量數(shù)據(jù)的應用和分析，但在需要投入情感、觀察、體驗甚至創(chuàng)造力的新聞里，人類記者至今甚至很長一段時間里仍無可替代。

為了證明這篇文章不是AI寫的，在此說明：我是AI星球，我不是人工智能。