日前，數(shù)字新聞中心（ the Tow Center for Digital Journalism）和布朗媒體創(chuàng)新研究所（the Brown Institute for Media Innovation）聯(lián)合技術(shù)專家和記者召開了政策交流論壇，一起討論了AI如何影響新聞媒體，以及如何將AI更好的應(yīng)用于新聞領(lǐng)域這一議題。

在本次報告中，他們著重討論了這四個問題： 記者如何利用AI來輔助報道？AI可以替代哪些新聞室角色？新聞機(jī)構(gòu)還未應(yīng)用AI技術(shù)的領(lǐng)域有哪些？AI最終將成為新聞報道不可或缺的一部分嗎？ 議題一：AI在新聞業(yè)的應(yīng)用如大家所了解，每個新聞編輯室都有一套獨特的AI方法。

經(jīng)過幾次案例研究，AI在新聞機(jī)構(gòu)中貢獻(xiàn)最大的活動共有以下三類： 在數(shù)據(jù)量很大或很復(fù)雜的情況下，AI可以作為一種突破性工具，排除人身認(rèn)證的外部或特殊情況--這個角色完全適用于標(biāo)準(zhǔn)的新聞編輯室的流程。

識別趨勢（或偏離趨勢）：AI的大量計算能力可以幫助提供數(shù)據(jù)聚合的表征，或有可能按照時間、地理或人口統(tǒng)計分組。

此外，它還能快速識別離群數(shù)據(jù)。

檢查AI或計算的應(yīng)用程序可以作為故事本身的主題：算法是由人類構(gòu)建的，所以不可避免帶有人類的偏見——如何通過這些工具找到復(fù)雜的思想？當(dāng)這些工具被國家或城市具體采納并運用時，又會發(fā)生哪些不可預(yù)知的情況？ 1、幾大具體案例AI可以通過以下幾種方法來增強(qiáng)記者的工作：分類文件；識別數(shù)據(jù)中的異常值。

當(dāng)然，在討論的過程中經(jīng)驗豐富的人類經(jīng)常會運用真實新聞來做判斷，以作為新聞編輯室工作的重要組成部分。

雖然有許多有據(jù)可查的由AI編寫的新聞故事，例如體育賽事的總結(jié)、公司財報的發(fā)布，甚至地震等數(shù)據(jù)模式，但很少有與會者認(rèn)為記者的工作會完全被機(jī)器或算法取代。

只有在人類的操縱和驗證結(jié)果的情況下，AI才能更好的幫助自由作家持續(xù)不斷地重寫相同的故事，并處理更多的原始報告。

最近的一些案例，比如，《洛杉磯時報》記者使用分類器檢測LAPD（洛杉磯市警局）降級犯罪分類的實例，取得了顯著成功；亞特蘭大憲法機(jī)構(gòu)對醫(yī)生實施的性虐待的調(diào)查；路透社的主題建模，以尋求最高法院上訪問的權(quán)利中心；ProPublica（美國一家非政府、非盈利的網(wǎng)絡(luò)新聞機(jī)構(gòu)）日前聯(lián)合谷歌推出一個基于機(jī)器學(xué)習(xí)的工具——仇恨犯罪新聞紀(jì)錄索引。

它通過對大量新聞文章的分析，建立起一個全國范圍內(nèi)的能預(yù)測仇恨犯罪發(fā)生地的預(yù)警圖；《紐約時報》在報道總統(tǒng)特朗普的就職典禮新聞事件中，使用了人臉識別技術(shù)以獲取觀眾席的情況信息。

對于一些記者來說，他們可能會在GitHub抓取示例代碼，并將其應(yīng)用于新聞報道中。

但是，除非這名記者對這些工具或技術(shù)有很好地了解，不然可能會出現(xiàn)不法行為的風(fēng)險。

2、記者在使用數(shù)據(jù)時應(yīng)注意陷阱記者在使用從社交媒體到政府機(jī)構(gòu)的數(shù)據(jù)時，應(yīng)小心陷阱。

他們必須小心評估這些新型信息來源的可靠性，特別是在涉及AI的情況下。

比如，使用Twitter作為社交媒體平臺的記者，必須謹(jǐn)慎使用這些數(shù)據(jù)來分析社會行為。

3、出版商的挑戰(zhàn)：包括大型和小型新聞機(jī)構(gòu)所有這些新工具，新聞機(jī)構(gòu)都有責(zé)任和義務(wù)訓(xùn)練記者、編輯以及開發(fā)人員如何正確的使用它們。

雖然像《紐約時報》這種大型新聞機(jī)構(gòu)，資金可能不是問題。

但對于資源較少的小型新聞機(jī)構(gòu)來說，這將是一個不小的挑戰(zhàn)。

新聞媒體的領(lǐng)導(dǎo)人可能面臨的一個決定在于，如何與他人建立AI工具使用上的合作。

因為使用復(fù)雜數(shù)據(jù)集和自定義算法進(jìn)行的調(diào)查分析和團(tuán)隊建設(shè)可能需要幾個月的時間，而這并不是所有的新聞機(jī)構(gòu)都能獨自完成的。

與學(xué)術(shù)機(jī)構(gòu)和研究人員合作可以成為新聞機(jī)構(gòu)在新聞編輯室中開始使用AI工具的好方法。

不過，新聞編輯室和學(xué)術(shù)實驗室的文化差異很大，二者在創(chuàng)造AI工具的目標(biāo)上可能會存在分歧。

議題二：AI技術(shù)如何適應(yīng)新聞報道規(guī)則？AI技術(shù)如何適應(yīng)新聞管道？如前所述，AI在報道、內(nèi)容創(chuàng)建、分發(fā)和受眾互動起的作用越來越大。

比如，近日，開發(fā)眾包、頭腦風(fēng)暴和事實核查工具正被用來收集數(shù)據(jù)信息，特別是用于構(gòu)建相關(guān)數(shù)據(jù)。

在當(dāng)代的新聞編輯室中，自動化已成為競爭的關(guān)鍵工具，不僅是為了獲取客戶關(guān)注，還用于和大型平臺的競爭，如Netflix、Facebook和亞馬遜。

1、自動化寫作和個性化推介自動化可以在短時間內(nèi)處理大量的任務(wù)，例如在幾分鐘甚至幾秒鐘內(nèi)分析和匯總大量的數(shù)據(jù)，從而盡可能的減少記者的負(fù)擔(dān)。

另一方面，許多社交媒體平臺和網(wǎng)絡(luò)公司也都實證了個性化推送是捕捉注意力的一種有力工具。

如，Netflix使用行為數(shù)據(jù)為觀眾提供觀看建議；亞馬遜的成功部分原因在于它為購物體驗提供數(shù)據(jù)驅(qū)動的個性化設(shè)計。

1）案例一：WibbitzWibbitz公司和《今日美國》報的體育報道部門開始合作，該公司可以把媒體記者寫作的文字報道在短短幾秒鐘內(nèi)制作出短視頻。

Wibbitz公司最核心的AI技術(shù)是“文本轉(zhuǎn)換視頻技術(shù)”（Text-to-Video Technology）。

一開始，Wibbitz的AI技術(shù)會分析一個故事文本，然后在這個文字報道的基礎(chǔ)上形成一個摘要，緊接著，AI將這個文本摘要轉(zhuǎn)換成一個伴隨有照片、圖形及其它更多媒介形式的帶有畫外音的短視頻。

實際上，整個制作過程就是利用AI驅(qū)動軟件，將一個文字報道內(nèi)容壓縮為一個故事腳本，然后將一系列圖像或視頻片段串接在一起，并添加一些畫外音。

2）案例二：BuzzFeedBuzzFeed是另一個進(jìn)入AI領(lǐng)域的知名媒體。

在2016年美國大選期間，BuzzFeed的“新聞開放實驗室”（Open Labs for Journalism）開發(fā)了一個新聞機(jī)器人（Buzzbot），這個新聞機(jī)器人可以搜集共和黨全國代表大會中來自不同消息來源的新聞信息。

AI驅(qū)動的新聞聚合器可以追蹤實時選舉結(jié)果和投票報道，這樣媒體記者就不用通過人力來完成這些工作。

有了新聞機(jī)器人，BuzzFeed的記者可以集中精力去報道更加復(fù)雜和場景化的新聞故事，而這類新聞是機(jī)器學(xué)習(xí)解決方案技術(shù)，自身無法生產(chǎn)出來的。

3）案例三：路透社路透社為了解決真假信息辨識的問題，他們使用新的新聞追蹤系統(tǒng)叫做News Tracer，針對每天5億則Twitter信息進(jìn)行演算，從假新聞、不合理的新聞、廣告、雜音中找到真的新聞事件，有了算法的輔助，記者可以從社交媒體眾多信息中脫身，把更重要的時間用來挖掘故事。

News Tracer 與其他監(jiān)控工具不同之處在于其模仿的是記者的思考方式，程序人員在這套演算法中植入 40 個評量指標(biāo)，諸如原始貼文者的地點與身份、新聞的傳播方式等，建立一個新聞可信度評分，該系統(tǒng)還會針對記者確定可靠的新聞進(jìn)行來源交叉檢查，并識別其他潛在的消息來源。

4）案例四：美聯(lián)社美聯(lián)社是最早采用AI技術(shù)的媒體組織之一。

早在2014年，美聯(lián)社與美國“自動化洞察”（Automated Insights）公司合作——該公司開發(fā)出了自動化寫稿程序Wordsmith，它當(dāng)時是世界上唯一的公共自然語言生成平臺——來程式化地寫作許多上市公司公開發(fā)布的季度收入報告相關(guān)新聞報道。

在將人工智能技術(shù)用于處理季度收入報告之前，美聯(lián)社新聞記者每季度只能創(chuàng)作幾百個新聞故事，結(jié)果導(dǎo)致數(shù)千個公司的收入報告，沒有被寫作報道。

在使用Wordsmith自動化寫稿程序之后，美聯(lián)社有關(guān)公司收入的新聞報道數(shù)量增加了12倍。

2、評論系統(tǒng)和觀眾參與今年6月，《紐約時報》與谷歌母公司Alphabet旗下技術(shù)孵化器Jigsaw合作，運用后者的Perspective機(jī)器學(xué)習(xí)技術(shù)來過濾新聞報道的評論數(shù)量。

據(jù)雷鋒網(wǎng)了解，此前《紐約時報》每天安排14名審查員處理約12000條評論，每篇文章下方的評論有20%是打開的。

運用該AI工具后，其可以把有害的評論和健康正確的評論阻隔開來，不僅可以減少修正評論人員的25%的工作量，還能將文章下方的評論取的打開率提升至80%。

《紐約時報》想利用該AI工具，建立一個平臺，以便審查員和讀者進(jìn)行更加深入的交互。

不過，這其中仍然存在一大挑戰(zhàn)，即如何建立共同點，且尊重不同的觀點，讓新聞報道和讀者的區(qū)域觀點保持一致。

通過這一機(jī)器學(xué)習(xí)工具，審查員不僅可以提高處理評論的速度，還可以通過預(yù)測模型輕松組合相似的評論。

議題三：算法與倫理：究竟該怪人類還是算法？在新聞編輯室使用AI工具，如機(jī)器學(xué)習(xí)、自然語言處理、人臉識別和機(jī)器視覺，這個過程不可避免會帶上人類倫理的思考痕跡。

這里牽扯到三個方面的內(nèi)容。

1、透明度和責(zé)任感由于AI在新聞工作中可以扮演很多角色，因此在解釋何時何地以及如何使用AI時，更應(yīng)該謹(jǐn)慎解釋。

如涉及聊天機(jī)器人和用戶的互動時，如果由AI 來驅(qū)動，這個機(jī)器人又該如何向觀眾解釋自己的運行原理？觀眾需要知道故事的構(gòu)建過程，以及機(jī)器在創(chuàng)建過程做了哪些選擇？當(dāng)涉及AI時，最終應(yīng)該追究誰的錯誤？如何解釋由人類創(chuàng)建的算法引起的錯誤？究竟該怪人類還是算法？據(jù)ProPublica的研究表明，算法偏差在數(shù)學(xué)上是不可避免的。

即便如此，新聞工作者應(yīng)該對這些AI系統(tǒng)負(fù)責(zé)，并鼓勵在算法系統(tǒng)的構(gòu)建流程中建立問責(zé)制。

2、編輯性決定和偏見算法在新聞策劃中的作用越來越普遍，這些代表編輯性決策的算法需要用人類的方式來編寫。

以聊天機(jī)器人為例，計算機(jī)就像人類一樣，如果他們不了解內(nèi)容，就不能進(jìn)行對話。

機(jī)器人能夠談?wù)摰奈ㄒ活I(lǐng)域就是我們可以為該會話語境構(gòu)建模型。

此外，為了讓去偏見概念更加復(fù)雜化，通常會讓數(shù)據(jù)更具中性。

一些研究表明，有許多類型的機(jī)器學(xué)習(xí)，都是用來“監(jiān)督學(xué)習(xí)”。

算法無法重現(xiàn)人類的心理模型，但能重構(gòu)因果關(guān)系。

3、數(shù)據(jù)的倫理使用數(shù)據(jù)的倫理使用是每個記者需要面對的根本問題，同樣的原則也適用于處理大量數(shù)據(jù)的公司。

雖然有許多社交媒體平臺會向記者提供數(shù)據(jù)，但數(shù)據(jù)發(fā)布商和平臺之間關(guān)于開放數(shù)據(jù)獲取的關(guān)系依然復(fù)雜。

許多算法的性質(zhì)更像是一個“黑盒”，其掩蓋了對軟件正在做的決定的批判性認(rèn)識。

所以，記者需要盡可能的在研究和報道中使用這種批判性態(tài)度。

七大研究結(jié)論如前所述，經(jīng)過這次研究，關(guān)于AI究竟是對新聞業(yè)是威脅還是助力，我們可得到以下7大發(fā)現(xiàn)。

 AI工具可以幫助記者講述或報道此前不切實際或技術(shù)上無法實現(xiàn)的新故事。

雖然AI可能會轉(zhuǎn)變新聞業(yè)，但它會增強(qiáng)而不是取代記者的工作。

事實上，為了正確使用AI技術(shù)，人類必須隨時保持機(jī)敏狀態(tài)。

設(shè)計AI的技術(shù)人員和使用AI技術(shù)的記者之間存在知識差距和溝通差距，這樣可能導(dǎo)致新聞事件的不正之風(fēng)。

讀者在如何使用AI工具進(jìn)行分析、識別模式以及報告故事中的發(fā)現(xiàn)時，應(yīng)該得到一種透明的方法。

雖然AI和數(shù)據(jù)的交互可以為讀者參與、獲利和個性化新聞推送提供新的機(jī)會，但是在創(chuàng)建回聲室和繼續(xù)致力于新聞公共服務(wù)使命之間找到平衡存在挑戰(zhàn)。

數(shù)據(jù)的倫理使用和披露（如何收集，存儲，使用，分析和分享用戶信息）是記者需要面對的一個根本問題。

AI有潛力增強(qiáng)記者的工作，但在開放數(shù)據(jù)獲取上依然存在挑戰(zhàn)。

AI是不可以預(yù)知的。

我們不能自信地預(yù)測哪里會出現(xiàn)最大的問題，所以技術(shù)專家和記者需保持警惕，以確保AI系統(tǒng)的準(zhǔn)確性。