AI技术在新闻业广泛使用，人类记者何去何从？

过去一年，你所阅读的文章中，很可能至少有一篇就出自机器人之手。

当你在浏览体育赛事报道、企业财报，或是在阅读选举结果报道时，你也许会觉得很有趣，殊不知这些文章背后，都离不开人工智能（AI）技术。

据美国叙述科学公司（Narrative Science）声称，到2025年，90%的新闻将由机器人代写。该公司的一款Quill软件能够将数据转变为文章。

AI在新闻业广泛使用

全球各大知名新闻机构纷纷运用或涉足AI技术，如《华盛顿邮报》、美联社、BBC、路透社、彭博社、《纽约时报》、《华尔街日报》、《泰晤士报》、《星期日泰晤士报》、日本国家公共广播公司NHK和芬兰通讯社SST。去年，中国的新华社曾运用计算机绘图技术推出世界首个AI新闻男主播，今年又相继推出首个AI新闻女主播。

以美联社与RADAR（Reporters And Data And Robots）的合作为例，其他小型新闻机构也开始订购AI撰写的新闻服务。RADAR是一家拥有AI技术的新闻代理机构，由英国报联社（Press Association）和科技公司 Urbs Media合资运营，每周为订阅其服务的英国媒体编写上万条当地新闻报道。

据路透社新闻研究所一份2018年报告指出，近四分之三受访的全球约前200位编辑、CEO和数字媒体主管表示已采用AI技术。

AI技术大大提升了新闻编辑效率，机器人所编写的新闻数量和速度远非人力能及。通过AI 技术，美联社所报道的企业收益报告从300家增至4000家。《华盛顿邮报》借助机器人Heliograf报道华盛顿当地所有的高中足球赛事。《亚特兰大宪法报》通过机器学习技术搜寻10万余份纪律处分资料，调查医生性虐待丑闻，并因此入围普利策奖。路透社通过AI技术将政府和企业数据生成数以千计的多语言版本的每日新闻报道。

《华盛顿邮报》战略行动方案总监吉尔伯特（Jeremy Gilbert）在近期沃顿麦克创新管理研究所的采访中表示，通过使用机器人，纸媒的大选报道覆盖率呈现指数型增长。他指出，“我们以往在大选的第二天早上才会发布一篇相关新闻报道，因为初选当晚，我们还需要进行唱票，而现在Heliograf每隔30到90秒就可以报道候选人唱票排名的最新进展情况”，而且就全国范围的大选而言，“我们可以每隔30到90秒更新从2016到2018年间的投票比对结果。而新数据意味着新报道的诞生”。

彭博新闻社的机器人Cyborg可以迅速将各类财报精简整合为头条新闻和要点报道。彭博新闻社主编米可斯维特（John Micklethwait）在1月的国际数字生活设计（Digital Life Design，简称DLD）大会中发言并表示，“诚然如分析师所说，机器人所编写的初版报道已十分接近‘人类通讯员’在不足30分钟内所作报道的水准。”AI 还可以迅速对全球各社交媒体进行大规模搜索，查找有关灾难、枪击、请辞等具备新闻价值的发帖。无论以何种形式或方式，如今彭博30%的新闻报道均有自动化技术的参与。

BBC一款用于新闻整合和信息提取的AI工具“榨汁机（Juicer）”，通过监视全球850个RSS订阅源，可进行大规模文章提取和标签归类。路透社的新闻追踪系统（News Tracer）通过梳理社交媒体发帖，查找重大新闻并评估其新闻价值。这一过程与人类记者验证新闻来源的过程并无二致，都会查看发帖人身份信息，搜索是否存在相关链接、图片等其他验证要素。

除新闻媒体以外，其他公司也正在运用AI技术编写新闻报道。2017年，Quartz公司高管苏华德（Zach Seward）在上海的一个会议中发言，他还尚未离开发言席，中国科技公司腾讯却已经发布了一篇翻译成中文的新闻报道，内容即为他在发言中所称的AI“写稿机器人（Dreamwriter）”。他后来发推特表示这是一篇“还算不错”的新闻报道。

人类和机器人正密切合作

新闻编辑室多年前就已掀起AI浪潮，目前纷纷加快运用AI技术。据沃顿知识在线的采访称，早在2014年，位于以色列荷兹利亚跨学科中心的萨米·奥费尔通信工程学院（Sammy Ofer School of Communications）院长雷塔尔（Noam Latar）就一直致力于新闻业AI技术的研究，并预测该科技将凭借其巨大成本优势在媒体界大行其道。

然而，人们开始越来越担忧AI所带来的影响。比如，记者担心工作会被取代，同时人们也担心文章质量也会大不如前，假新闻则泛滥成灾。

米可斯维特对此并不认同。他认为，“一些记者会被机器人取代，但是不会很多。新闻会变得更加个性化，而这并不是坏事。……我们有时会被欺骗和忽悠，可是这一现象以前也存在。”不过，对于报道独家消息的记者而言，AI确实让他们更难以提供更具洞察力的报道，或者他们更难发掘更多重大消息。

实际上，人类记者在提供有意义的分析或解读方面可以秒杀AI。沃顿营销学教授耶尔德勒姆（Pinar Yildirim）表示，“AI能够生成一些新闻报道，但是，绝大部分新闻需要的是从不同角度进行解读的多元化和个人化观点。尽管如今AI的判断力和解读能力比人类进步很多，我们还是需要人类参与事实、事件和新闻的解读工作。”

纽约大学卡特新闻学院助理教授布鲁萨德（Meredith Broussard）在沃顿知识在线电台节目中表示，AI所取代的是常规的模式化的报道，这样记者可以腾出时间开展其他更为有趣的工作。她认为“机器人短期内不会取代人类记者……AI擅长标准化模式编撰，因此他们编写财务报告再合适不过，因为财报几乎大同小异。”

美国俄勒冈大学新闻与传播学院新媒体系主任李维斯（Seth Lewis）补充道，AI最适合那些使用高度结构化数据的新闻报道。体育新闻就是一个很好的例子。他说：“例如美联社可以借助自动化数据来编写新闻报道，将比赛中的个人技术分析表转化为叙事新闻。它听起来或者读起来像人类报道一样，但却只是……基于模板的各种叙事方式。”

在RADAR，记者为AI开发模板以让其填写本地数据。根据RADAR网站，这些模板包括“文本片段和if-then-else逻辑规则，用于将数据转换为特定位置的文本”。数据记者必须想出各种角度和故事情节，然后作一些报道来“添加广泛的背景资料和国家背景，而这些信息则会被写入具有基本故事结构的模板中”。于是就形成了有类似核心数据但有当地细节的新闻故事。RADAR表示，借助AI，一名数据记者每周可为每个模板制作约200个区域报道。

人类智慧对彭博社的AI具有指导意义。米可斯维特说：“我们需要人类告诉机器人Cyborg该做什么。我们需要人类仔细检查制作结果……我们不能出错。事实上，这当中有很多都是半自动化的……通常情况下是人类和机器合作。”

AI也增强了记者的工作能力。例如，记者可以使用语音识别技术完成诸如录音转写之类的繁重任务。机器人可以一次参与多个新闻电话会议，并且听取特定的单词以判断是否有突发新闻。

米可斯维特说，AI带来一个重大转变就是自动翻译。外国记者通常用一种语言报道事件而用另一种语言编写新闻——例如，他们用普通话进行访谈，然后用英语撰写访谈文章。他说，但是凭借快速的机器翻译，“记者可以自己喜欢的任何一种语言发布新闻，然后由计算机负责大部分的翻译工作”。在提交新闻故事之前，记者会审查最终版本。米可斯维特说，虽然机器人确实会犯错——比如，对于英文单词“ties”，它可能会混淆“关系”和“领带”的意思——但它们不会犯同样的错误。

新闻业的未来

耶尔德勒姆说，AI不能取代人类编写高质量新闻的另一个原因是：研究表明，人们不会“以纯理性的方式”消费媒体。无论读者是否承认，他们的确需要鼓动与情感以及会引起他们共鸣的观点。根据耶尔德勒姆与人合著的一篇2013年的研究论文，人们总是希望获得的信息与他们的观念相符合，因此这会促使他们去选择新闻媒体。耶尔德勒姆说：“这个理论表明，消费者不想只听赤裸裸的事实，而是希望听到迎合他们观念体系——世界观的新闻。”

举个例子，美国民意调查数据显示，第一个月有40%的人支持特朗普，而第二个月他的支持率上升到了45%。耶尔德勒姆说：“不同的记者对这些数据可以用不同方式进行解释，然后会吸引不同的读者。”右倾媒体会报道特朗普的支持率正在上升，而左倾媒体则会说他的支持率仍低于50%。“他们说的都是对的，这就是对数据有不同的解释。” 她补充说，如果AI要取代记者，那么这些算法最好能够产出人们想要听到的新闻。

布鲁萨德表示，AI编写的新闻报道实际上具有很高的重复性，因为它们都来自于模板。她说：“基于结构化信息的所有大学棒球比赛新闻报道都基本雷同，所以你会一遍遍地读到同样的故事。……因此，AI生成的新闻有一个收益递减点。它真的很棒，但效用非常有限。”

另一个问题是AI为新闻业带来了尚未解决的新法律问题。李维斯研究过AI生成新闻中的诽谤问题，他说：“如果某篇机器自动化生成的新闻故事诽谤个人，那谁来为此负责？我们如何起诉机器算法？最终还会是人类以这样或那样的方式承担责任。”

神速的机器报道也有其缺点，这是《洛杉矶时报》的体会。2017年，它的机器人Quakebot发布了一则关于加州伊斯拉维斯塔镇发生大规模6.8级地震的新闻推文，而事实上这场地震发生在1925年。当时，美国地质调查局正在更新历史地震数据库，却不小心发出错误警报。机器人迅速收集到了数据并在一分钟后自动报道。

布鲁萨德对“新闻业正朝着完全自动化的未来迈进”这一观点持怀疑态度。她说：“我会质疑这个假设，因为新闻编写与汽车装配不同。最初，AI具备大量产出的能力可能会令人兴奋，但它实际上相当于垃圾食品。我想让大家思考……对于新闻来说，‘慢食’运动将会产生什么结果？如果我们考虑较小批量、手工生成的新闻，情况会怎么样？它成本更高，效率较低，但实际上更好。”

李维斯补充道：“有个问题值得推敲：从利用机器生成内容的角度来看，这只是一场数量竞争吗？……或者，对新闻机构来说，实际考虑减少工作量是否会更好？减少新闻的数量，提高质量，或让它更具有价值。”他敦促媒体重视质量而不是数量——编写“更具调查性、原创性和创意的新闻报道，并且采用满读者实际需求的方式而不是陷入单纯的数量竞争。”