人工智能將如何顛覆新聞業(yè)？
當(dāng)美聯(lián)社、華盛頓郵報、新華社等機構(gòu)都開始讓機器人寫新聞時，傳媒業(yè)內(nèi)一陣動蕩：人工智能會將這個古老的行業(yè)帶向何方？從業(yè)者又要如何面對這場即將來臨的變革？
在2016騰訊網(wǎng)媒體高峰論壇上，中外專家對人與機器、人與媒體、人與資訊的關(guān)系進行了探討。
人工智能將對新聞業(yè)造成哪些影響？
如果讓機器把《射雕英雄傳》和《笑傲江湖》這兩本小說合為一本，機器可能會給我們寫出一本小說叫《笑傲英雄傳》。香港科技大學(xué)計算機系主任及大數(shù)據(jù)研究院院長楊強在解釋人工智能如何寫作時，舉了這樣一個例子。
楊強介紹說，通過序列的深度學(xué)習(xí)和增強學(xué)習(xí)，機器可以根據(jù)現(xiàn)有文本生成模型，在兩部小說的基礎(chǔ)上“創(chuàng)作”一部新的小說。
新聞寫作也是如此，目前多家機構(gòu)都已啟動機器人寫作新聞，而這僅僅是人工智能在新聞領(lǐng)域應(yīng)用的一個場景。楊強認為，人工智能還能在另外四個方面輔助新聞編輯。
比如在信源捕獲方面，可以利用傳感器收集各類數(shù)據(jù)獲取信息，而在信源或者在社交網(wǎng)絡(luò)中觀察一個新聞的傳播路徑、傳播方式和傳播人群。第三個方向是視頻和文字的轉(zhuǎn)化，當(dāng)機器能把視頻內(nèi)容轉(zhuǎn)化成文字，人們可以很方便地對視頻內(nèi)容進行檢索，快速找到所需內(nèi)容并進行更高質(zhì)量的分析。另外，智能分發(fā)已經(jīng)是成熟應(yīng)用的一個方向，包括用推薦系統(tǒng)來做基于內(nèi)容的推薦。最后一個方向是資訊服務(wù)，包括人機對話系統(tǒng)。
鳳凰科技：現(xiàn)階段媒體從業(yè)者如何利用人工智能提高工作效率？
楊強：很顯然的一個應(yīng)用是語音，我們有很多錄音，但是回去整理的時候還得一句一句的聽，這個效率很低，所以用語音識別，比如科大訊飛等這些產(chǎn)品可以大大地提高效率。
另外一但記者往往要做很多研究，比如報道美國大選，選民的態(tài)度、選后的反應(yīng)。這些調(diào)查研究可以通過很多輿情的分析和大規(guī)模的數(shù)據(jù)挖掘，機器學(xué)習(xí)社交網(wǎng)絡(luò)然后給出一個非常全面準(zhǔn)確的總結(jié)。
還有一個就是報道頻繁出現(xiàn)的事，比如報道股市的動向，每天報道好幾次，這種東西可以用機器人來寫，沒有必要浪費那么珍貴的編輯的時間。編輯可以更加專注他們做的事。一些機構(gòu)已經(jīng)有寫作機器人了，他們會把數(shù)據(jù)庫里某些更新的信息用自然語言的形式寫成報道。這種報道不需要特別深入的調(diào)查，也不需要去了解各個事件背后的關(guān)系，這是可以機器來做的。其實機器也可以做更深入的調(diào)查，真正成為人類的助手。
鳳凰科技：您所說的智媒發(fā)展五大趨勢中，智能分發(fā)已對相對傳統(tǒng)的媒體產(chǎn)生一些威脅，其他幾個方面可能有顛覆、甚至形成新行業(yè)的會是哪些？
楊強：有幾個可能性，一是簡單新聞的寫作。我們會看到越來越多由人工智能生產(chǎn)的新聞。不僅僅是對數(shù)據(jù)的再整理，還可以對整個趨勢有所了解。比如今天在微博上大家對某個股票的反應(yīng)，這個可以用機器人來寫。
還有一個方向是視頻和文字的互相轉(zhuǎn)換。以后視頻會越來越多，我們現(xiàn)在就是通過人去看，這個方式是非常不智能的。當(dāng)然前提是得獲得比較好的標(biāo)注數(shù)據(jù)，這些我想應(yīng)該也有辦法來解決。
被機器人搶去工作的媒體從業(yè)者該怎么辦？
Jerry Kaplan在他寫的《人工智能時代》中做了這樣一個預(yù)言：大批藍領(lǐng)將被機器人取代而失業(yè)，而大批白領(lǐng)則將被另一種看不見的機器人取代而失業(yè)。作者認為，會計、醫(yī)生、律師等現(xiàn)在的高級職業(yè)，未來大部分將被人工智能取代。
面對這樣的未來，似乎我們每個人都在焦慮，如何和人工智能共處，如何更好地利用人工智能？
的確，人工智能未來不僅是能夠提升生產(chǎn)力，給我們提供消遣、娛樂，而且能得到我們的信任，變成我們離不開的個人助手。
Jerry Kaplan介紹，基于人工智能智能開發(fā)的新型柔性機器人可以代替人類工作，它們可以在真實的工作場景中，面對周圍發(fā)生的一切做出調(diào)整，自動駕駛汽車就是柔性機器人的代表。其次，人工智能可以讀寫、理解文字。另外，人工智能能幫助人們更好的使用電腦，例如預(yù)測需求等。