關于機器人寫稿，被傳聞“哭暈”在廁所的記者們有話要說通信
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來的消息。顯然，25秒的出稿速度已經嚴重威脅到了星球君的飯碗。
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來的消息。
顯然，25秒的出稿速度已經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，機器人已經跑完了從數據采集、數據加工判斷、自動寫稿的全過程。
難道，星球君的工作就要不保了嗎？！
“記者要失業啦！寫稿機器人上線”、“機器人寫稿傳統記者的末日？”、“機器人逆襲寫稿記者恐失業”、“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現。它能促進記者更好地發展自己，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棒球大聯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》智能內嵌模版、《衛報》Open001、路透社的Open Calais、美聯社的Wordsmith六家國際頂級媒體分別有了各自的機器人服務系統。
讓我們來看看這幾大機器人系統的應用成果，以美聯社Wordsmith為例，其AI系統能夠在上市公司公布業績后，僅0.3秒就可以發布一篇盈利報道，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報道，但顯然，它替人類編輯承擔了絕大多數的工作量。
《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，騰訊于2015年8月率先推出了寫作機器人“Dreamwriter”。這位由騰訊財經開發的自動化新聞寫作機器人，能夠根據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 詳細數值外，還引入了多位分析師的觀點。從抓取資料到成稿發布，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、經濟信息部和中國證券報，寫體育賽事的中、英文稿件和財經信息稿件為主。
緊跟著，今日頭條xiaomingbot、第一財經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，共撰寫了457篇關于羽毛球、乒乓球、網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決賽的所有賽事，而且發稿速度之快幾乎與電視直播同步。
從寫作形式和內容豐富度來看，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”則是在阿里巴巴戰略入股第一財經后，雙方共同醞釀、聯合推出的一款寫稿系統，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。“杜蘭特3分出手，空心入網，這球沒法打了。”“阿聯上籃，被喬治犯規了！”“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。
或許你已經看出來了，機器人寫稿主要在體育、財經、天氣預報等垂直化領域，因為這類文章普遍文本信息少、數據信息多，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可以不依賴于現場采訪獲取素材然后寫成稿件，主要是通過對現有數據、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有數據庫的支持下，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，機器人沒能領會“橄欖枝”在自然語言中的含義。
人工智能系統在進行新聞創作時需要解決非常多的技術難題，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現（KDD）等相關技術，比如實體定義、關系抽取、問答系統等。
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，我們發現對冷門場次的報道任然有可觀的閱讀量”。
隨著AI技術在新聞領域的參與程度越來越高，其是否會造成失業問題的爭論也愈演愈烈（當然，星球君比大家更關注這個話題）。
牛津大學此前就發布了一篇報告稱，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，就好像曾經汽車的出現取代了馬車夫和馬童，但同時也創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域，機器人的機敏、不知疲倦以及高速運轉無疑是它最大的優勢――機器人擅長海量數據的應用和分析，但在需要投入情感、觀察、體驗甚至創造力的新聞里，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。
1.TMT觀察網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網的原創文章，請轉載時務必注明文章作者和"來源：TMT觀察網"，不尊重原創的行為TMT觀察網或將追究責任；
3.作者投稿可能會經TMT觀察網編輯修改或補充。
