關於機器人寫稿，被傳聞「哭暈」在廁所的記者們有話要說

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採集、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，但不會這麼快啊，人工智慧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，並不是所有的新聞機器人都能寫。而且機器人也不會採訪啊，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，能代替的都是重複性的新聞而已。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慧軟體，它2009年就完成了美國職業棒球大聯盟季後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之後，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後續報道，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，主要職責並不是寫文章，而是輔助編輯挑選出當日潛在熱文，往社交網站等平台進行針對性推送。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，騰訊於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，能夠根據演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，前後僅花了一分鐘。

同年11月，新華社也帶來了「快筆小新」寫稿機器人，主要供職於新華社體育部、經濟信息部和證券報，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後的13天內，共撰寫了457篇關於羽毛球、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並無區別。甚至，「張小明」還能模仿人類的語氣，使用如「實力不俗」、「笑到了最後」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，這是一位資深證劵編輯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，今天男籃的小夥子最多輸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」並不是說它本身有多高明，而是在於其新聞生產可以不依賴於現場採訪獲取素材然後寫成稿件，主要是通過對現有數據、資料，快速搜集加工編製而成。

這對大腦有時短路、百忙中難免出錯的人類編輯來說，無異於是種解放。而在這些消息上使用機器人寫作，記者也可以從疲於奔命式的「搶新聞」中解脫出來，對事件背後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。

可以這麼說，新聞機器人所能做的只是在現有資料庫的支持下，對文章進行辭彙和語句的抓取，然後進行排列組合，就好像在做一個複雜的填字遊戲，但其對文章的深度理解能力還遠遠不能和人類相提並論。

有趣的是，在張小明關於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。

人工智慧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、關係抽取、問答系統等。

簡單來說，就是機器首先需要理解自然語言，然後通過知識管理弄明白新聞中各個要素（各類知識）之間的關係。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於，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，無論這場比賽多麼冷門和不重要。傳統新聞理論並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，可是通過我們的平台測試，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，並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裡仍無可替代。

為了證明這篇文章不是AI寫的，在此說明：我是AI星球，我不是人工智慧。