人工智能时代传统媒体发展趋势展望及思考

方曦 江苏省广播电视总台新闻广播部

人工智能时代传统媒体发展趋势展望及思考

方曦 江苏省广播电视总台新闻广播部

本文对人工智能在传媒业的应用现状进行了综述介绍，对人工智能时代，传统媒体发展趋势进行展望及思考，提出在人工智能时代要积极应对，稳步构建人机协作的互补共生体系，储备力量，打造“全媒体记者”+“算法工程师”的人才高地。

人工智能 趋势展望 应对思考

1．引言

北京时间2017年8月8号21点19分，四川阿坝州九寨沟县发生里氏7.0级地震。10多分钟后，21点37分15秒，一条全文585字的地震速报消息经由中国地震台网官方微信率先在全球发布，内容涵盖速报参数、震中地形、热力人口、周边村镇、历史地震、震中天气等八方面权威数据，同时配有五幅图片。这条消息的作者，是中国地震台网人工智能系统，写作耗时25秒。往前追溯，2017年1月17号，《南方都市报》写稿机器人“小南”上岗，首篇300多字的春运报道生成用时不到一秒。

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，各种讨论、担忧甚嚣尘上。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、渠道分发等各环节。今年三月的全国两会上，人工智能首次被写进政府工作报告，列为需要加快研发和转化的五大技术领域之一。七月，国务院印发《新一代人工智能发展规划》，提出到2030年，我国的人工智能理论、技术与应用总体要达到世界领先水平，成为全球主要的人工智能创新中心。这意味着发展人工智能已经上升到国家战略层面。未来，在传媒业，人工智能可能取代人力吗？它又会给这个行业带来哪些改变和影响呢？

2．人工智能在传媒业的应用现状

人工智能试水传媒业后，以人为主导的媒介形态逐渐被打破。在生产端，媒体巨头加紧布局，争先恐后地迈进自动化门槛；在分发端，智能客户端遍地开花，人机互动愈发个性化。线索搜集、处理，内容生成、分发，产品推广、反馈......不夸张的说，在上述流程的各个环节，我们或多或少都能直观感受到人与机器的应用连接。

2.1 写稿机器人：试水内容生产，依托大数据出稿件

机器人写稿，被认为是人工智能在传媒业的颠覆式创新。环顾四周，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”......似乎是一夜之间，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？我们来做个梳理盘点。

（1）格式化的财经、赛事消息

这是目前机器人写稿最常应用的领域。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。彼时，它每个季度平均能出4000篇财报。到了2015年，美联社将Wordsmith的应用范围扩大到体育板块，并透露，下一步还将开发算法，争取将文字消息自动转换成广播音频。

在国内，这类机器人的代表有新华社的“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”分分钟能生成若干条。

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”六天生成两百多篇稿件，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每一场需要它关注的比赛。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，不仅弥补了媒体人手有限的短板，所触发的长尾效应更是出乎意料地显著。

（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”频繁亮相各大媒体平台，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。与此同时，它还会不定期地推出数据解读稿。比如今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。文章梳理了八道最受大家欢迎，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，说到底，还是依赖大数据。

2.2 聊天机器人：优化产品分发渠道、提升人机交互体验

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，普遍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，搜集反馈至数据库，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。

今年四月，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”则有教人做菜的本事。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。

2.3 虚拟编辑：智能化辅助生产，解放媒体人力

全天自采新闻很多，哪一些更适合在社交平台呈现？美国《纽时时报》虚拟编辑Blossomblot解决这个问题很拿手。Blossomblot每天都会过滤社交平台上的海量文章，并根据大数据预判、抓取最具价值的内容推荐推广。来自报社内部的统计数据显示，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，事实核查所经的各个环节再不久的将来都将实现智能化。

3.人工智能会取代媒体记者、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，类似的担忧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。高盛去年的一篇调查报告就提到：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%到1.5%的劳动工时。这意味着，今后，越是低附加值的领域，人类越容易被人工智能所取代。只是，在传媒领域，这种担心的结论为时尚早。

3.1 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。

（1）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维度；技术人员开发算法的水平，影响到出稿的准确度。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，至少目前，机器人还无法胜任。

（2）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特征。之后，在人机互动的过程中，机器人会自动搜集、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，机器人的图像识别能力和语音辨别能力会呈几何级的提升，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，是谷歌公司的围棋智能程序“阿尔法狗”，它与人类棋手交锋越多，就越熟悉人类的出棋套路，针对性的见招拆招。

了解了原理，不难发现，机器人深度学习，起码有两方面依赖于人为干预。一是研发人员的前端准备，后端跟进、监控，不断完善模型和算法；另一个就是用户反馈。反馈数据决定着数据库的体量和质量，数据有效性越高，机器人的智能化水平也就越高。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，微软方面也曾无奈地表示，Tay学习能力很强，它拥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，机器人智能化的水平高低，不仅有赖于技术的研发、完善，与使用者的素质也休戚相关。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，白纸上能画出什么样的画，则取决于人为干预。

3.2 人工智能尚在试水，未涉及核心采编业务

客观的说，相比科技企业，媒体还不具备人工智能的开发实力。尽管争先恐后地试水态度值得肯定，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针对性的有限尝试，且人工智能依赖的大数据，多由科技公司开放平台提供。比如Facebook开发的Facebook Messenger chat平台，目前这个平台上有11000多个聊天机器人，专长覆盖了新闻、财务、娱乐、生活等各大门类，CNN、英国《卫报》等西方媒体试水的聊天机器人就是基于这个平台。

必须看到，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。然而这种行动过当，带来的是资源浪费，机会成本损失。

4．人工智能时代，传统媒体发展趋势展望

4.1 积极应对，稳步构建人机协作的互补共生体系

我们正处在由技术革新推动的行业转型期，媒体智能化时代已然迫近。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。新技术更新迭代速度快马加鞭，传统媒体无法视若无睹，更不可能置身事外。要想守住阵地，不能一味沉溺于内容为王的路径依赖，而要顺应发展，采取“升维”思路，变“传统互联网思维”为“人工智能思维”，将“Think Mobile”转换为“Think AI”，站在战略高度，探索尝试“内容+技术+市场”的全产业链运营。

当前，行业内对发展人工智能还存在两种非理性的状态：一种是一拥而上地炒作，另一种则是过分保守、谨慎观望。必须承认，机器在数据处理、分析、核查等辅助生产方面的能力确实比人强，将这些优势善加利用，能够极大提升媒体效率，节约成本、解放人力，让编辑、记者有更多时间、精力去创作有温度的作品。因此，理性看待人工智能，不回避、不盲从、不惊慌，积极构建人机协作的互补共生体系，最大限度将两者优势放大，形成合力，将是未来一段时期，媒体转型升级的主要趋势。

另一方面，媒体兼具政治、经济双重属性。任何时刻，无论技术如何发展，不分性质、类型、领域，坚持把握正确舆论导向，始终是对媒体统一、共性的要求。这种坚持只有依靠采编人员多年积累的专业素养才能把握准确。因此，无论人工智能如何创新，媒体人始终要谨记，机器只会是辅助人力的高效工具，而人才是新闻生产和传播的主体。

4.2 储备力量，打造“全媒体记者”+“算法工程师”的人才高地

大数据，是发展人工智能的基础和前提。未来，谁拥有的数据量越大、质量越高，谁就越能占据制高点，获取发展的主动权。当前，行业内正处在向媒体融合纵深发展的关键期，行业转型升级箭在弦上，对从业人员的要求，也从最初的熟练掌握采编业务，提升到兼具图片、音视频处理能力，能够灵活对接全媒体平台发稿等。

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工程师。他们运用数学和计算机知识，为实现人工智能目标，搭建模型、设计算法，训练机器人按需搜集、处理、加工数据，并通过后期追踪完善，不断提升机器人的业务水平。在可预见的将来，传统媒体若想占据人工智能实践的更多先机，应当发挥技术对创新的引领作用，针对内容生产、用户平台等关键环节，加大技术力量的储备。去年，“今日头条”远赴美国硅谷招兵买马，开出百万年薪招募资深算法构架师，一度引发轰动，未来，这种对技术人才的重视和培养或将成为常态。