人工智能在传媒领域的实践已从最初的数据搜集，延展到内容生产、渠道分发等各环节。未来，在传媒业，人工智能可能取代人力吗，它会给这个行业带来哪些改变和影响？
作者 方曦
来源 视听界
机器人也来写稿了，媒体记者、编辑的饭碗还端得稳吗？一时间，出现各种讨论、担忧。事实上，不止写稿，人工智能在传媒领域的实践早已从最初的数据搜集，延展到内容生产、渠道分发等环节。智媒时代，人工智能可能取代人力吗？我们先来看一下人工智能在目前媒体中的应用：
写稿机器人
机器人写稿，被认为是人工智能在传媒业的颠覆式创新。美联社有“Wordsmith”、《华盛顿邮报》有“Heliograf”、新华社有“快笔小新”、腾讯有“Dreamwriter”、今日头条有“张小明”……全球媒体纷纷推出自家的写稿机器人。机器人是如何写稿的，稿件质量怎么样？我们来做个盘点。
1.格式化的财经、赛事消息
这是机器人写稿目前最常应用的领域。以美联社为例，2014年7月，美联社与一家科技公司达成协议，使用对方的Wordsmith平台自动编发企业财报。三个月后，这套人工智能系统通过算法学习，掌握了新闻写作的基本规范，平均每个季度能生成4000篇左右财报。2015年，美联社将Wordsmith的应用范围扩大到体育板块，并透露，下一步还要开发算法，争取将文字消息自动转换成广播音频。
在国内，擅长写这类消息的机器人代表有新华社的“快笔小新”和今日头条的“张小明”。“快笔小新”现供职于新华社经济信息部、体育部以及《中国证券报》。机如其名，无论是一句话报盘，还是长篇大论的公司财报，人类记者花几十分钟甚至几个小时才能写就的稿子，“快笔小新”分分钟就能生成若干篇。
“快笔小新”
今日头条的“张小明”更加专注体育圈。里约奥运会开赛一周，“张小明”6天生成200多篇稿件，平均每天出稿三四十篇。有业内人士评价，高产还不是它的最大优点。“张小明”上岗的更大意义在于，它能一场不落地关注奥运赛场上所有设定需要它关注的比赛。这些比赛有些是常人眼中的冷门项目，但从反馈来看，用户关注度并不低。换句话说，“张小明”的出现，弥补了媒体人手有限的短板，触发的长尾效应出乎意料地显著。
“张小明”写的稿件
2.大数据解读稿
擅长撰写这类稿件的机器人代表是微软中国研发的“小冰”。近一两年，“小冰”频繁亮相，先后担任过东方卫视早间新闻主播、中国教育电视台选角导演、优酷自频道人工智能主播等。如今，它的新身份是《钱江晚报》特约记者，在报社APP“浙江24小时”设有专栏。
“小冰”的数据处理、分析能力很强，加上有微软必应搜索大数据支撑，它能轻松捕捉用户兴趣点。常态工作中，它会以“一个标题、一幅图片、一段概要、两种观点”的形式，自动抓取热点事件，罗列交锋观点，邀请网友互动点评。它还会不定期地推出数据解读稿。比如2017年春节后推出的作品《全国烹鸡地图来了，哪种“鸡”征服了你的味蕾》，这是一篇基于大数据，盘点国人吃鸡喜好的策划报道。由编辑确定选题，工程师定制模板、研发算法，“小冰”自动分析生成。文章梳理了8道最受人们欢迎、以鸡为食材的过节菜肴，又根据南北差异，绘制了一幅栩栩如生的全国“鸡菜”地图，选择在春节刚过完上线，应景又生动。
和其他机器人一样，“小冰”也会写一些文体赛事类消息。所不同的是，它的预测能力惊人，成功预测过的赛事包括：格莱美奖、奥斯卡奖，还有多场NBA比赛。准确度之所以如此之高，源于“小冰”具备了将学习模型用于全网数据的分析能力，即依赖大数据。
聊天机器人
要说和机器人聊天，估计大家最先想到的是苹果Siri。其实，不止苹果这类科技公司，很多新闻机构也在抢占聊天机器人的新风口。聊天机器人具备更强的关键词识别能力，在人机互动的过程中，它们会将用户使用过的关键词搜集反馈到数据库，经由勾勒、复刻用户画像，精准定位、定向推送，由此实现产品分发渠道的优化。
今年4月，Facebook在F8开发者大会上宣布，聊天机器人“Chatbot”上线。Facebook Messenger向开发者开放，它将助力媒体实现人机对话。很快，包括美国有线电视新闻网CNN、英国《卫报》在内的传媒巨头纷纷试水。
CNN的聊天机器人每天会向用户定点推送头条新闻。每条推送下方，都有三个选项：阅读全文、获知梗概、向CNN提问。只要提问，机器人就会自动捕捉问题关键词，分析比对后，为用户推送匹配的资讯。英国《卫报》的美食机器人“Sous-Chef”则有教人做菜的本领。但凡有想吃却不会烧的菜，咨询“Sous-Chef”，它就会根据食材、做法等关键词，为用户定制菜谱推送。
虚拟编辑
全天自采新闻多，有哪些更适合上社交平台呈现？美国《纽时时报》虚拟编辑“Blossomblot”解决这个问题很拿手。“Blossomblot”每天会过滤社交平台上的海量文章，并根据大数据预判，筛选出大家最感兴趣的内容，优先推荐。来自报社内部的统计显示，经由“Blossomblot”筛选后自动推荐的文章，点击量是普通文章的38倍。
英国机构Full Fact去年研发出一款新闻自动核查校对程序。它能从几十家英国新闻网站上搜寻信息，一旦发现网络谣言，就会澄清、粉碎它们。项目负责人自信，不久的将来，事实核查所经的各个环节都将实现智能化。
人工智能会取代记者编辑吗？
机器人出稿有多快？腾讯机器人“Dream Writer”一天能写超过2000篇财经科技类稿件、500篇体育类稿件。第一财经的“DT稿王”，一秒能写28个字，一分钟就是1680个字。美联社机器人“Wordsmith”一个季度能出4000篇左右公司财报。如此高产高效，的确非人力所能及。
人工智能在传媒领域的实践有多火？以国内媒体为例，据不完全统计，仅今年全国两会期间，从中央到地方，就有12家媒体推出了15款智能机器人。从终端形式看，推出实体机器人的媒体有5家，推出虚拟机器人的有5家，两者兼有的2家。
如此蓬勃的发展势头，不由让人疑惑：会有那么一天，人类记者、编辑被机器人取代吗？事实上，类似的担心在人工智能付诸实践的若干领域都在不断被讨论。这些担心并非空穴来风。高盛集团去年在一篇调查报告提到：“当下，人工智能带来的自动化及效率提升在各领域都缩减了约 0.5%-1.5%的劳动工时”。这意味着，今后，越是低附加值领域，人工智能取代人类的可能性就越大。只是，在传媒领域，下这种担心的结论为时尚早。
人工智能实践暂时离不开人为干预
一个显而易见的事实是：至少目前，机器人参与的所有媒体实践都离不开人为干预，因为它所依赖的算法、模板、大数据，短期内都离不开人。
自动成稿需要人为干预。现阶段，机器人成稿快是优点，但行文格式单一、可读性差，也是回避不了的硬伤。对照出稿流程，按需定制的新闻模板决定了成稿框架；用户的参与热度左右了大数据体量；技术人员开发算法的水平，影响到出稿准确度。有鉴于此，机器人写稿的应用范围才会更多集中在需要数字说话的财报、赛事领域。其他需要深入采访，或者强调个性化表达的调查报道、评论、访谈类体裁，短期内机器人还不能胜任。
深度学习依赖人为干预。人机互动，不仅仅是人与机器聊天，优化分发渠道、定制推送产品的过程，也是机器人充实大数据、深度学习的过程。通常，研究人员需要花几年时间来确定目标对象的属性、特征，搭建重点模型，再通过算法、代码，帮助机器人理解模型。之后，在人机互动的过程中，机器会自动搜集、比对、标记接收到的数据，并根据优先级，做出针对性的吸纳、学习。经过这个过程，机器的图像识别能力和语音辨别能力会呈几何级提升，并且理论上，它接触到的数据越多，就越聪明。一个影响很广的例子，就是谷歌公司的智能围棋程序“AlphaGo”。它与人类棋手交锋越多，就越熟悉人类的出棋套路，针对性地见招拆招。
了解其原理，不难发现，机器人深度学习，起码有两方面依赖人为干预。一是研发人员的前端准备，后端跟进、监控，这个过程需要程序人员不断设计完善算法、模型；一是用户反馈。反馈数据决定了数据库的体量和质量，数据有效性越高，机器的智能化水平就越高。反之，则会导致机器人黑化，通俗的说法，就是机器人学坏了。
典型的例子是微软聊天机器人“Tay”。初次亮相时，“Tay”表现得彬彬有礼。然而上线仅仅24小时，它在和人互动时就爆了粗口，甚至屡屡发出涉及种族主义的不当言论。在做出紧急下线“Tay”决定的同时，微软方面也无奈地表示，“Tay”学习能力很强，它有将搜集到的信息内化的能力，但却无法辨别信息好坏。由于使用者的不确定性，这种信息照单全收模式，直接导致了“Tay”的“黑化”。如此看来，机器人智能化水平的高低，不仅取决于研发技术，也与使用者的素质休戚相关。打个形象的比方，现阶段，离开了人机互动，机器的初始智能就像一张白纸，在白纸上画什么样的画，则取决于人为干预。
人工智能尚未涉及核心采编业务
客观地说，相比科技企业，媒体还不具备人工智能的开发实力。尽管争先恐后的试水态度值得肯定，但细看之下，目前，除少部分媒体引入人工智能时，有从战略到执行的系统方案外，更多媒体还是在体系内的某个环节做着针对性的有限尝试，并且开发依赖的大数据大多由科技公司提供。比如Facebook开发的Facebook Messenger chat平台。目前在这个平台上有11000多个聊天机器人，专长覆盖了新闻、财务、娱乐、生活等门类，CNN、英国《卫报》的聊天机器人都是基于这个平台。
尽管系统战略、技术平台尚不具备，但行业内盲目跟风，快速上马人工智能项目的现象依然存在。一些媒体推出的所谓黑科技，短暂亮相后，很快销声匿迹。这种应景式的被动应承，自然不会涉及媒体核心采编业务。机器人取代记者、编辑，也就成了无稽之谈。但这种行动过当，却会带来资源浪费。
人工智能时代的媒体发展
我们正处在由技术革新推动的行业转型期，智媒时代已然迫近。在可预见的未来，人工智能技术将对媒体生产、传播的方方面面产生深远影响。新技术更新迭代快马加鞭，传统媒体无法视若无睹，更不可能置身事外。顺应发展，必须采取“升维”思路，变“传统互联网思维”为“人工智能思维”，站在战略高度，将“Think Mobile”（移动思维）转换为“Think AI”（智能思维），探索尝试“内容 技术 市场”的全产业链运营。
强化阵地意识，
构建人机协作的互补共生体系
媒体人应谨记，无论人工智能如何发展，机器，只能是辅助人力的高效工具；人，才是新闻生产和传播的主体。
当前，行业内对发展人工智能存在两种非理性状态：一是一哄而上的跟风炒作，二是过分保守、观望。必须承认，机器在数据处理、分析、核查等方面的效率确实比人高。理性看待它的发展，强化阵地意识，不盲从、不回避、不慌张，积极构建人机协作的互补共生体系，将是未来一段时期，媒体转型升级的大势所趋。
人工智能辅助数据处理。从生产端到分发端，稳扎稳打、合理安排人工智能辅助作业，将能极大提升效率、节约成本、解放人力，让更多编辑、记者有时间、有精力去创作富有温度的作品。
人工智能辅助内容呈现。这几年，VR（虚拟现实）、AR（增强现实）、H5技术日渐成为媒体新宠。几乎每隔一段时间，行业内就会出现现象级的爆款产品。比如，人民日报客户端H5产品《快看呐！这是我的军装照》、江苏卫视跨年演唱会360°全景体验式VR直播、腾讯与故宫合作推出的“Next Idea × 故宫”文创系列……新技术加持包装的媒体产品，呈现方式灵活、用户体验新鲜，契合智媒时代多元化的受众需求。
储备力量，
打造“全媒体记者 算法工程师”
大数据是人工智能发展的基础和前提。未来，谁拥有的数据量越大、质量越高，谁就越能占据高点，掌握发展主动权。当前，传统媒体正处在向纵深融合发展的关键期，行业转型升级势在必行，对从业人员的要求，也从最早的熟练掌握采编业务，提升到兼具图片、音频、视频处理能力，灵活对接全媒体平台等。
媒体需要复合型人才，更需要复合型的人才队伍。如果说全媒体记者和互联网用户为大数据采集提供了取样支撑，那么“算法工程师”则是赋予机器深度学习能力的灵魂人物。他们运用数学和计算机知识，搭建模型、设计算法，训练机器人采集、分析数据，深度学习，不断提升业务水平。去年，“今日头条”远赴美国硅谷招兵买马，开出百万高薪招募资深算法构架师。在可预见的未来，这种对技术人才的重视和培养或将成为主流。尽早打造“全媒体记者 算法工程师”的人才高地，夯实发展人工智能的底气，抢得先机。
融合传播，
善用用户大数据，发展平台型媒体
以往，传统媒体大多是单一的线性传播，受众的个性化选择被忽视。智媒时代，以个人为基本单位的传播能量被激活。发展平台型媒体，意味着打通传统媒体与互联网的连接。在这个开放的平台上，平台自身就是一个信息传播共同体。受众既是媒体产品的用户，也是人机交互的内容生产者和传播者。人与人、人与机器，在一次次协同互动中完成用户数据的积累、聚合。大数据体量、质量直接影响到算法的实现程度。平台型媒体集纳的人气越多，就意味着用户数据采样越多，科学取用，再经深度算法学习，就能帮助人工智能系统快速迭代，升级进化，继而进入人机互动体验升级、用户黏性升级、大数据升级、算法升级，人工智能升级的良性循环。
（全文见《视听界》2017年11月刊）
