<mark id="oztn4"></mark>
0
機器人記者要崛起了……，看到這個消息，首先，我是拒絕的。
據(jù)紐約時報報道，目前，彭博社發(fā)布的新聞內容中約有三分之一是使用一款名為Cyborg的AI寫作機器人完成的，該機器人能夠協(xié)助記者每季度完成數(shù)千篇公司財務報告相關文章。
據(jù)悉，目前，Cyborg可以自動對一份財報進行剖析，并提煉出相關事件和數(shù)據(jù)迅速成文。據(jù)彭博社主編John Micklethwait透露，“目前，AI寫作機器人應用于金融領域相對更成熟。”
機器人記者的概念早已提出，目前包括彭博社、美聯(lián)社、華盛頓郵報、洛杉磯時報都有應用。澳大利亞版衛(wèi)報在今年1月31日首次嘗試使用機器人輔助寫作，并發(fā)表了一篇名為《Political donations plunge to $16.7m – down from average $25m a year》，部分摘錄如下：
Australian political parties declared donations worth $16.7m in the 2017-18 financial year, according to the latest figures from the Australian Electoral Commission.
This amount is lower than usual, with donations averaging $25.2m a year over the past 11 years.
The largest donation overall, $2.3m, was made by Vapold Pty Ltd to the Liberal party.
The party with the most donations was the Liberal party, which declared $7.6m, followed by the Labor party with $7.1m.
The Labor party also declared $33.2m in “other receipts”, which includes money received from investments, but also includes money from party fundraisers where people pay for event tickets in lieu of donations.
可見，在語法準確性上水平已經(jīng)很高，當然，正如前文提到，現(xiàn)在機器人寫作雖然在金融領域應用相對較為成熟，但在一些大型稿件中，主流觀念仍是提倡「人機協(xié)作」的概念，即機器人輔助寫作。
不僅在國外，國內也早早開始嘗試應用AI寫作機器人。據(jù)雷鋒網(wǎng)了解，早在2015年，新華社就已推出可以批量編寫新聞的寫作機器人「快筆小新」，「快筆小新」的寫稿流程由數(shù)據(jù)采集、數(shù)據(jù)分析、生成稿件、編發(fā)四個環(huán)節(jié)組成，這一機器人適用于體育賽事、經(jīng)濟行情、證券信息等快訊、簡訊類稿件的寫作。
隨著傳統(tǒng)媒體轉型及自媒體的崛起，新聞寫作中的“搶發(fā)”成為被尤其突出的特點之一。由于在寫作標準化消息時，機器人寫作擁有快速成文的特點，國內媒體也逐漸引入寫作機器人。
2015年9月，騰訊財經(jīng)發(fā)布寫作機器人「Dreamwriter」；
2016年5月30日，第一財經(jīng)發(fā)布寫作機器人「DT稿王」；
2016年8月，里約奧運會期間，今日頭條寫稿機器人「張小明」以2秒的生成時間發(fā)布著賽事報道，平均每天發(fā)布30多篇稿件；
2017年1月17日，南方都市報社寫作機器人「小南」正式上崗，推出第一篇共300余字的春運報道。
在工作效率方面，2016年韓國一家新聞機構投入使用的機器人0.3秒寫出一篇股市行情稿件；2016年8月，里約奧運會期間，今日頭條的「張小明」2秒內生成稿件并完成發(fā)布；2017年1月，《南方都市報》寫稿機器人「小南」首篇300余字的稿件在一秒內成文；第一財經(jīng)的「DT稿王」，每秒寫28個字， 一分鐘寫1680字。
目前為止，機器人跟記者之間的關系是一種分工協(xié)作的關系。機器人現(xiàn)在不具有邏輯思維的能力，也不具備深度總結的能力，機器人只能把一個基本的新聞事實描述清楚，但是記者就可以寫深度報道，比如說中國足球，記者可以經(jīng)過自己的分析，寫中國足球這幾十年來落后的原因，也可以總結出幾條觀點，但是機器人就很難實現(xiàn)這樣的能力。所以記者應該是從事有創(chuàng)造性的、高智商的稿件的創(chuàng)作，而把一些重復的、低層次的稿件創(chuàng)作的活動交給機器人完成，即記者和機器人是一種分工協(xié)作的關系。
另外一個不同點是，記者在寫一個稿件的時候，很清楚地知道自己在寫什么，知道自己要表達的語義。但實際上機器人在寫稿件的時候，雖然機器人把每一個句子都寫出來了，但它不知道自己要寫什么，這是最大的一個不同。即機器人沒有理解自己的稿件，包括機器人寫詩，或者寫各種歌詞的時候，它雖然把那個語言寫出來了，但是它并沒有真正理解其中語言，所以這是一個比較大的不同。
北京大學計算機科學技術研究所研究員萬小軍參與研發(fā)了國內包括今日頭條的「張小明」和南方都市報的「小南」在內的多款機器人記者，在此前接受雷鋒網(wǎng)采訪時表示，“在我眼里，寫稿機器人就是一個程序，目前看到的更多的還是不足。”
現(xiàn)在的機器人寫稿仍以摘選稿件中句子為主，與現(xiàn)在記者能力相差甚遠，而且主要仍在金融領域應用。在2017年接受雷鋒網(wǎng)采訪時候，萬小軍表示，因為現(xiàn)在做摘要也好，綜述也好，主要還是直接把句子挑選出來，對句子沒有改動，下一步希望對句子做很大的改動，保持語義不變，這就是復述。我們期望做到語言風格的轉換，例如古龍的風格還是金庸的風格。另一個是在寫稿中加入態(tài)度和立場，讓稿件更加生動和具有人性。
其實，機器人記者與我們日常所見的足式機器人或輪式機器人有很大不同，目前的機器人記者更應該稱為AI協(xié)作系統(tǒng)，沒有具體的實體外形，形式上類似現(xiàn)在的各大平臺上的聊天機器人。
人機對話中的語言生成和機器人寫稿的語言生成有什么不一樣？
首先是長短不一樣，人機對話中生成的回復文本一般比較短，多數(shù)情況下只生成一個句子，而機器人寫稿則要生成包含多句話的完整文章，寫稿過程中需要重點考慮篇章結構組織以及語句之間的連貫性；
其次，對話的生成要重點考慮跟多輪上下文的銜接，也就是「語境」，而寫稿的時候沒有這種考慮，能夠把一件事情說清楚就行了；
最后，人機對話的語言表達可以比較口語化，但機器寫稿傾向于使用比較規(guī)范和正式的語言表達。
相對而言，現(xiàn)在沒手沒腳的機器人記者不必考慮運動系統(tǒng)和各種實際環(huán)境場景化需求，最主要的是建立/訓練更完善的算法模型，因而在一定程度上得以逆襲，并在短期內實現(xiàn)順利商用。早在2014年，機器人寫稿技術研發(fā)公司Automated Insight全年生產(chǎn)了10億條新聞。
隨著大數(shù)據(jù)時代的到來，信息量急劇增漲，如何在大數(shù)據(jù)時代準確篩選數(shù)據(jù)、篩選信息更為困難，采用機器人代替人工進行數(shù)據(jù)篩選和信息篩選已經(jīng)成為必然趨勢。
或許，是時候考慮如何與機器人協(xié)作、相處了，但人類記者不用害怕。
相關文章：
專訪北大計算機所萬小軍：寫稿機器人是新媒體時代的產(chǎn)物| CCF-GAIR 2017
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
