機器人記者崛起了，但人類記者不用害怕

機器人記者要崛起了……，看到這個消息，首先，我是拒絕的。

據紐約時報報導，目前，彭博社發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，該機器人能夠協助記者每季度完成數千篇公司財務報告相關文章。

據悉，目前，Cyborg可以自動對一份財報進行剖析，並提煉出相關事件和數據迅速成文。據彭博社主編John Micklethwait透露，“目前，AI寫作機器人應用於金融領域相對更成熟。”

機器人記者應用實況

機器人記者的概念早已提出，目前包括彭博社、美聯社、華盛頓郵報、洛杉磯時報都有應用。澳大利亞版衛報在今年1月31日首次嘗試使用機器人輔助寫作，並發表了一篇名為《

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，在語法準確性上水準已經很高，當然，正如前文提到，現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。據雷鋒網了解，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」的寫稿流程由數據采集、數據分析、生成稿件、編發四個環節組成，這一機器人適用於體育賽事、經濟行情、證券資訊等快訊、簡訊類稿件的寫作。

迅速成文，秒速搶發

隨著傳統媒體轉型及自媒體的崛起，新聞寫作中的“搶發”成為被尤其突出的特點之一。由於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，騰訊財經發布寫作機器人「Dreamwriter」；

2016年5月30日，第一財經發布寫作機器人「DT稿王」；

2016年8月，裡約奧運會期間，今日頭條寫稿機器人「張小明」以2秒的生成時間發布著賽事報導，平均每天發布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余字的春運報導。

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，裡約奧運會期間，今日頭條的「張小明」2秒內生成稿件並完成發布；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；第一財經的「DT稿王」，每秒寫28個字， 一分鐘寫1680字。

機器人記者實際能力仍有限

目前為止，機器人跟記者之間的關係是一種分工協作的關係。機器人現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導，比如說中國足球，記者可以經過自己的分析，寫中國足球這幾十年來落後的原因，也可以總結出幾條觀點，但是機器人就很難實現這樣的能力。所以記者應該是從事有創造性的、高智商的稿件的創作，而把一些重複的、低層次的稿件創作的活動交給機器人完成，即記者和機器人是一種分工協作的關係。

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麽，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麽，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，但是它並沒有真正理解其中語言，所以這是一個比較大的不同。

北京大學電腦科學技術研究所研究員萬小軍是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的系統研發專家，在此前接受雷鋒網採訪時表示，“在我眼裡，寫稿機器人就是一個程式，目前看到的更多的還是不足。”

現在的機器人寫稿仍以摘選稿件中句子為主，與現在記者能力相差甚遠，而且主要仍在金融領域應用。在2017年接受雷鋒網採訪時候，萬小軍表示，因為現在做摘要也好，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，這就是複述。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協作系統，沒有具體的實體外形，形式上類似現在的各大平台上的聊天機器人。

人機對話中的語言生成和機器人寫稿的語言生成有什麽不一樣？

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，多數情況下隻生成一個句子，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；

最後，人機對話的語言表達可以比較口語化，但機器寫稿傾向於使用比較規範和正式的語言表達。

機器人記者逆襲了嗎？

相對而言，現在沒手沒腳的機器人記者不必考慮運動系統和各種實際環境場景化需求，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，並在短期內實現順利商用。早在2014年，機器人寫稿技術研發公司Automated Insight全年生產了10億條新聞。

隨著大數據時代的到來，資訊量急劇增漲，如何在大數據時代準確篩選數據、篩選資訊更為困難，採用機器人代替人工進行數據篩選和資訊篩選已經成為必然趨勢。

或許，是時候考慮如何與機器人協作、相處了，但人類記者不用害怕。