关于算法新闻你有必要了解的都在这里了

  新闻传播业对科技高度依赖，每次新技术裂变都会引发其变革。在移动网络、大数据、超级计算、传感网、脑科学等新理念的协同推动下，以算法引领、数据支撑、自主操作为新特征的算法新闻正在引发链式突破，推动传媒业由数字化、网络化向自动化、智能化升级换代。人工智能驱动的“算法新闻”虽刚刚起步，但已掀起了一场颠覆性革命，成为全世界传媒业的新一轮风口。美国算法新闻领域的领先公司Narrative Science创始人哈蒙德预测，到2025年90%以上的新闻将由算法（机器人）完成，他还呼吁增设机器人普利策新闻奖，并预测机器人将很快获此殊荣。哈氏预言或许过于乐观，但算法新闻带来的行业革新和重大影响必须重视。

  算法新闻的理念发端于美欧，又率先在发达国家得到应用。那么，发达国家算法新闻的演进轨迹和最新进展如何，其运作生产方式和运营机制如何，算法新闻给传媒业带来哪些影响，这是各界高度关注的议题。

  算法新闻是21世纪新闻传播领域一场全新的范式革命，它不仅是对传统新闻传播方式的颠覆，更是新闻传播观念的突破。学术界有必要提出一个新的概念，但究竟采纳何种术语，尚存争议，当前常见的相关表述有五种：一是“机器（人）新闻”（Robot Journalism），该术语强调机器人作为新闻生产主体的特征，即机器人依据人类预先编制的软件程序自主编写新闻文章；

  二是“自动化新闻”（Automated News），该概念强调新闻生产的全部过程的自动化特征，即除了最初的编程选择之外，新闻生产无须人工干预，由机器将数据自动转换为叙述性新闻文本；

  三是“数据驱动新闻”（Data-driven Journalism），该定义凸显了大数据在新闻生产中的核心地位，即依托高质量的数据资源，利用大数据分析平台实现新闻的自动生产；

  四是“计算新闻”（Computational Journalism），该概念强调整合使用多学科的计算工具，即利用数学、计算机和社会科学等多领域手段生产新闻的一套方法；

  五是“算法新闻”（Algorithmic Journalism），其突出了算法的核心地位，即在算法程序的引领下，新闻机器人在保障精准度和可靠性的同时，自动生产新闻的过程。

  应当指出，以上概念表述均有一定合理性，分别从不同侧面描述了AI时代的新闻变革特征，这些表述在很多场合亦可通用。但近年来慢慢的变多的学者主张采纳算法新闻术语。

  算法新闻是运用智能算法工具自动生产新闻并实现商业化运营的过程、方法或系统，它包括信息采集、储存、写作、编辑、展示、数据分析及营销等业务的自动化实现。该表述更准确地揭示了新一代新闻生产的本质特征及基本规律。

  在传统新闻业务链中，人是主体。记者和编辑是把关人，依靠职业新闻工作者的感知洞察、经验判断和价值偏好选择特定信息，刊登适合的新闻。在算法新闻业务链中，机器人（算法）是主体，其本质是借助算法工具和大数据环境实现新闻传播业流程再造和盈利模式重构，催生了新一代“创新新闻学”：在生产环节运用算法工具自动生成新闻内容，在分发环节引入推荐算法，在销售环节实现了传者、受众和消费的人的聚合，造就了流程更清晰、作业更高效、销售更精准、目标更明确、成本更低廉的业务链条。

  与传统新闻生产及运营模式相比，算法新闻有三大特征。一是算法软件的引领性，无论是机器人新闻、数据驱动新闻还是机器生产新闻，背后的重要的条件仍是算法。正是逐渐完备的算法技术才使机器写作能力越来越接近人类常规水平，生产可读性较高的新闻，获得受众认可。

  二是数据资源的基础性，算法新闻高度依赖数据资源环境，特别是高质量的数据资源，如结构特征显著的数据、精准有效的行业数据和客观真实的最新数据等。故而算法新闻能在天气预报、股票市场、体育赛事等领域率先突破。

  三是智能操作的自主性，除前期的程序设计外，现今的算法新闻技术能够在无人干预（或较少人工干预）的条件下自动生产新闻，在采集信息、分析数据、新闻撰写、文章发布及推广等环节均可实现自动化操作。在大数据技术和算法软件的耦合作用下，算法新闻生产运作的高效性优势凸显，在时效性上实现了即时生产、实时发表，在数据分析上实现了准确化运作。在成本上实现了低成本乃至零成本的突破。概言之，在算法新闻的运作系统中，算法程序是核心、数据资源是基础、智能操作是关键。

  （1）“新闻生产框架”描述了从数据收集到新闻写作的每个阶段的算法特征，包含数据爬取、事件提取、关键事件检测、情绪检测和新闻文章生成五个步骤。

  首先是使用爬取软件收集和存储原始数据，并通过应用预设规则在事件提取步骤中将收集的数据转化为一系列可比的标签信息。继而在海量数据库信息中进行统计计算，探测具有传播价值的标识性事件。然后通过一系列分析情绪检测步骤对关键事件的频率和重要性做评估，进而确定叙述结构，并生成新闻文章。

  （2）“发行营销框架”描述了从新闻发布到受众接收阶段的算法特征，是一个不断修正的自动推荐营销系统。第一步依据用户在大数据平台上注册的性别、年龄、偏好等信息，结合位置、天气等时空维度资料，研制初步算法推荐模型，构建客户的真实需求与信息供给的精准匹配机制。第二步按照每个用户的阅读行为偏好，制订个性化推荐算法，为用户推荐特定领域的对象化精准信息。第三步根据受众使用反馈及阅读行为的演化，不断修正并完善推荐方案。

  概言之，算法新闻以算法程序对整个新闻传播产业链进行重塑，构建全新的新闻传播业态。在新闻生产框架中以算法工具取代或部分取代记者及编辑劳动，实现自动化生产；在新闻发行框架中以智能推荐营销工具替代传统的物流分发流程，实现自动化发行与营销。

  近年来，各种“黑科技”“硬科技”和“深科技”交叉融合，科学技术的迭代升级加速，不断拓展了算法新闻的应用边界。特别是下述六个方面取得的最新进展，极大增强了各界对算法新闻的信心。

  早期算法新闻的致命缺陷是应用领域窄，只能在体育、财经等有限的专业领域运作。近年来算法新闻正从“窄领域”转向“宽领域”应用，这预示着算法新闻的广阔发展前途。在时政新闻方面，《》开发了一款智能机器Truth Teller，能实时监测并自动撰写报道政治家演讲的时政新闻。推出机器新闻分析工具，开始使用机器人撰写企业收益报告。美国顶尖的算法新闻公司Automatic Insights和Narrative Science联合开发出的新算法，能自动生成市场营销新闻，其内容产品被慢慢的变多的新闻网站采用。

  2014年，《洛杉矶时报》的一名记者肯·施文克（Ken Schwencke）研发出自动报道地震新闻的智能机器人Quakebot，当加州地区探测到任何地震信号时，它能在3分钟内在报纸网站上自动创建和发布新闻报道，标志着地震报道智能化的开端。

  虽然算法新闻暂时不能囊括各种新闻报道类型，但它可针对不一样类型新闻的特点进行对象化研发，逐步扩展至不同的新闻样式，进而实现与多类型、多领域新闻生产的有效对接。

  算法新闻使用预先设计好的程序生产新闻，有消费者担心它只能生产格式化的新闻，难以满足那群消费的人多样化的个性需求。但是，由算法技术引领的个性化新闻写作工具也已问世。2017年，一款名为Custombot的算法工具诞生，它可根据每个消费者的特定偏好、标准或元素创建个性化新闻文章。这种算法采用文本分割（标记）和自定义标记技术，引入新闻角度的理念，快速“过滤信息泡沫”，允许消费的人在适当的位置制作自定义标签并插入匹配信息，推断出消费者最喜欢的、最合适的主题，最终完成关于某主题的唯一的新闻文章，实现真正意义上的定制新闻，为新闻机构满足那群消费的人的个性化需求提供了良好工具。

  韩国首尔大学科学家研发出一套自动撰写股票新闻的算法，它能全面收集和分析近两年的社会政治事件和股票指数有关信息，仅用0.3秒就可以完成一篇股市行情的新闻报道。尤为要者，它还提供量身定制的信息，以适应各类用户的喜好。

  规模化生产是现代大众传播业的重要标志，如果算法新闻不能大规模生产，其应用必然受阻。随着算法技术的加快速度进行发展，算法新闻规模化应用的时代已到来。菲利普·帕克的专利算法系统一直在改进，已生成超过100万册图书，其中有10万本图书在亚马逊平台销售。2012年《福布斯》采用美国Narrative Science的自动撰写新闻系统制作企业收益预览和实时赛事回顾。美国Automatic Insights在2013年制作了3亿条新闻报道，2014年达到10亿条，2016年则超过15亿条，其中相当一部分内容被美国访问量最大的新闻博客Mashable采用，大多数有相当可观的点击量。此外，采用机器人Wordsmith平台每周可撰写数百万篇新闻报道，甚至每秒能生产2 000篇文章，每季度采用4 400多篇机写财报新闻，几乎覆盖美国所有上市公司的年报。初步统计发现，采用算法新闻软件参与新闻制作的美国传统媒体已超50家。

  早期算法新闻作品的可读性太差，难以进入读者的视野。近年来算法新闻朝高质量方向发展，机器作品正在日益接近人类写作的常规水准。对机器人Wordsmith撰写作品的差错率做评估发现，机写文章的差错率比人写文章更低，现已无须人工干预。同时，自然语言生成技术取得重大突破，它能依据若干标示性信息及其在机器内部的表达形式，经过逻辑规划设计，自动生成较高质量的自然语言文本，具备接近人类常规水平的表达和写作的功能。尽管自然语言生成技术在新闻生产领域仍处于市场应用的初期，只有少数提供商和新闻产品可供使用，但它能够在技术层面上执行专业的新闻生产业务，至少在算法选择和技术功能框架层面是可行的。

  过去，人们认为算法新闻仅适用于简单易操作、流程化明显的表层领域，很难在一些深层次、高难度领域获得应用，而这些领域是人类的专属领地。近年来一些高难度领域的新闻自动生产也成为现实。如在极短的时间内发现并判断一则新闻的价值，这被视为记者专有的“新闻敏感”，AI机器也将具备“新闻敏感”的能力。2017年，新加坡学者研发的名为K-Sketch的查询处理算法工具问世，它能帮助记者从海量数据中自动发现具备新闻价值的主题，可减轻记者手动查阅大量数据的难度，以便找到有价值的新闻。该研究利用相关数据库的实验表明，基于算法的新闻发现不仅执行效率高而且操作结果令人满意，它生成摘要新闻的质量能得到相关用户的认可。

  与此类似，犯罪新闻报道涉及多维复杂信息且情节曲折，常被认为是记者的专属领域。但科学家以《洛杉矶时报》凶杀报道及数据库为研究平台，研发的机器人能自动采写凶杀新闻，在组织规范、报道实践、内容形成、身份识别等方面正在接近独立生产新闻的目标，在报道质量方面也在接近人类生产的标准。专家研究认为，虽然计算机犯罪新闻写作还在早期探索阶段，但其逐步优化改进的潜力不可限量，“凶杀报道”（Homicide Report）自动化生产的时代已然来临。

  过去认为，机器人只能根据既定程序进行冷漠、生硬的机械传播，而临场发挥之类的交互传播则是人类的专属领地。但随着语音识别、交互传播技术的进展，机器人交互式体验传播得以实现。自2016年起，汉森机器人公司研发的智能主播索菲亚（Sophia）先后登上美国的CBS对线分钟》、NBC脱口秀节目《今夜秀》，以及英国BBC《早安英国》节目，并与电视台主持人进行了良好的互动。2017年，日本朝日电视台、TBS电视台的谈话节目《彻子的房间》尝试使用机器主播Totto主持节目；2018年，由大阪大学和京都大学联合研发的女性机器人“埃丽卡”开始担任电视新闻主播。该机器主播不仅有着先进的人工智能对话系统，且有着非常丰富的面部表情、灵活的手势及可亲的小动作等细节，拟人化的情感交互体验属性不断强化，使得机器人主播日益接近商业化应用的水准。

  短期来看，算法新闻对传统新闻传播业的影响并不显著，但长远来看，它将引发21世纪新闻生产景观的巨变、传播方式的革命和销售方式的换轨。正如美国《焦点》杂志主编史蒂芬·汤姆森所说：“我们正在走进这样一个时代，即一个机写比人写产量更高的时代，一个机读比人读可能性更大的时代。”

  虽然变化的步伐将预示着一个激动人心的新时代，但变革带来的影响是多元的：一些新闻传播从业者对变化带来的机遇感到兴奋，另一些人则担心巨变引发的不良后果。无论从哪个角度看，任何人都难以摆脱无情的变革过程。

  （1）对传统新闻生产及运营模式的替代。算法新闻在生产效率、准确性和盈利能力上有显著优势，可以替代或补充新闻生产及运营的某些环节，如报道、撰写、编辑和发布文章等，它具有人们没办法想象的高效率，能迅速处理大容量信息、自动完成定制文章撰写、实现精准推荐等能力。但在一些数据积累偏少或需高度创造性写作的领域，算法新闻尚无法实现。

  （2）对记者职业的替代。对于算法新闻是否会替代记者职业，目前有三种不同取向。第一种是可替代论，认为记者职业是可被替代的，传统媒体运营面临成本高昂的困境，它们期待通过算法新闻降低劳动力成本，机器记者具有无酬（或低酬）劳动的优势，记者失业将不可避免。

  韩国一些报业集团总裁明确表态，非常有可能在机器人记者推广后减少人类记者的使用。

  第二种是折中论或互补论，机写新闻与人写新闻各有所长，机器记者的优点是精准性、客观性、简洁性和迅捷性，人类记者的优点是分析技巧、个性、创造力，以及撰写复杂句子与精品新闻的技能。当日常工作可以自动化时，记者将有更多时间进行深度报道，进而实现人机协作或和谐共生。至于记者所依托的传统媒体的发展的新趋势，有研究认为，未来媒体的生态场景是混合的、多面的，只要报纸热情参加变革，将算法新闻策略融入传统媒体发展的策略，这类媒体还会持久存在，

  从而呈现人机共存的局面。第三种是无法替代论，不管算法新闻怎么样发展，它无法也不可能取代人类记者的工作。有研究者对31名欧美数据记者、管理人员、学者和行业专家进行深度访谈后认为，新闻工作者已显示出适应新技术的能力，且新闻是意识形态工作，记者能够理解新闻工作并赋予其工作意义，因而不会失业。

  有学者引入宗教禅学的理念论述人类传播与机器传播的差异，认为前者是“灵性传播”，后者是“僵尸传播”。人工智能具备智能思考、判断和推理等人类思维的部分功能，它撰写高质量新闻的时间节点很快会到来，但人类的传播是伴随着心智“顿悟”的传播，不是使用定型语言、形式化语言进行交流，而是使用情境性语言的原创交流；它不是一个痴迷于自负、隐藏意图的交流，而是一个饱含温度的言说，是言语和行为的共融。

  算法新闻不仅是对传统新闻生产方式和商业模式的挑战，也给传统新闻的价值理念、理论规范和法律和法规带来新的挑战。

  （1）伦理道德层面的挑战。算法新闻排除了人为情感、价值判断等主观因素干预，这是否意味着机器新闻“更真实”？算法新闻着眼于满足受众信息需求，那么，如何凸显媒体的社会责任及舆论引导功能？在算法新闻时代，由机器操控新闻的生产与运营，如何保障新闻自由？此外，如何确保算法新闻的透明度？随着机器新闻写作质量的不断的提高，机写新闻与人写新闻的差异正在缩小，但一些媒体机构可能利用这种技术进展，混淆两者的界限，使用机器人冒充人类记者，进而欺骗读者。鉴于此，美国印第安纳大学信息学院研发了一款名为“剧透警告”的软件，帮助人们查验一篇文章是否为人写。无论算法新闻如何变革，必须确保新闻业的核心价值观不随技术变革而消亡，确保技术变革有利于社会和人类的可持续发展。

  （2）法律的空缺。机器新闻报道的时代已来临，但机器新闻的法律地位问题有待深入研究。其中最具争议的是机器新闻的作者署名权问题，机器新闻的作者到底是媒体机构、算法研发者，还是记者抑或机器人？有研究者对美国12个网站上的算法新闻进行定量内容分析，并采访了七家媒体机构负责人，发现各方对机器新闻作者署名权的认定并不一致。现有法律如何接纳算法新闻带来的版权问题，还需要深入探究。

  现今算法新闻应用仍处于起步阶段：全球范围内的相关应用主要局限于发达国家和少数新兴经济体，发展中国家的应用案例较为鲜见；即使在发达国家，算法新闻也仅在少数新闻机构获得应用，尚未成为主流的新闻生产模式。但未来十年将是算法新闻的黄金机遇期，算法新闻不仅将从发达国家快速扩展至发展中国家，而且有可能发展成为主流的新闻生产及运营方式，并从根本上改写传统的新闻传播业态。

  大家可能对算法新闻感到陌生，但是对前些年比较热的机器人写作应该都有听过，机器人写作正是我们现在说到的算法新闻的一种通俗表述。那么从机器人新闻到自动化新闻到算法新闻，其实是技术不断成熟的过程。也是我们对AI与新闻业理解更深的过程。因此，我们会看到，现在的算法新闻比起以前的机器人写新闻而言，实际上更点出了实质——那就是数据处理和数据自动化运作。这也证明了，数据对于媒体生产而言，在发挥慢慢的变大的作用，那么我们就可以和其他的媒介生产变革连接起来了，如何获得外界数据？需要传感器，需要和其他公司合作，所以未来的新闻的另外的趋势就是传感器新闻，大数据新闻（数据往往来自于网络公司和调查公司）。如何获得用户数据？那么我们大家可以通过数据挖掘，也能够最终靠改变商业模式，让用户提交数据，这就需要对社群的深度运营。所以新闻媒体的另一项趋势就是对用户数据的掌握与深度开发。最后，数据相关，会不会使得受众的隐私权受损？谁又来制约获得大数据的网络公司？这些又会涉及法律问题。所以，这个相关的知识点，可远远不可以忽视呀。