李舟军：人工智能在新闻领域能做些什么

　　前言：在12月20日首届“智能+”传媒超脑论坛上北京航空航天大学教授李舟军发表了演讲，本次论坛由新华网主办，中国国家话剧院、中国新闻技术工作者联合会协办。本文根据演讲内容整理。

　　各位领导、各位嘉宾、各位来宾、各位专家，大家上午好。我报告的题目是人工智能与记者写作，这是一个初步的探讨。人工智能在新闻领域的应用：人工智能与新闻编辑、人工智能与新闻写作。

　　现在通过大数据，大家热搜的词，很多时候可以产生出热点新闻，进行筛选和编辑，也可以进行个性化的推荐。比如像“今日头条”，百度进行统计分析、挖掘来推送。《纽约时报》每天有很多的报道，但是哪些东西会推荐到世界媒体上，是通过机器来计算。它推荐的比人工推荐点击率要高38倍，机器非常合适做这方面的事。

　　维基百科对突发事件的突发新闻，用检测有多少人编辑哪些词条，可以发现一些异常的新闻。突发新闻检测是谷歌的一个工程师写的，第一时间发出了关于波士顿马拉松爆炸案的新闻，检测到维基百科词条被异常编辑的现象，寻找短时间内被狂热编辑的条目。如何知道网上的新闻是可信的，这一点还是比较困难的，因为虚假新闻很多。

　　新闻写作，腾讯财经新闻通过国家统计局的数据来报道，美联社财经体育也是通过机器人来采写报道，Wordsmith平台，写作速度很快。

　　在这个领域，部分已知的机器人写作系统，包括美联社财报体育、腾讯财经通过国家统计局的数据来写财经报道；新华社快笔小新做财经体育方面的报道，一般通过数据采写，模式比较简单一点。

　　我们看看编辑，从步骤上讲也很简单。新闻编辑通过海量的新闻、数据、素材，通过被大家搜索、浏览，热索词进行排序，把最热点的内容呈现给大家。对不同的人，不同的东西，都有一些个性化的要求，不能千篇一律。所有人都是一样，有些人对体育感兴趣，有些人对财经感兴趣。根据每个人的阅读习惯，通过实实在在的阅读意识，你读过什么，在什么地方停留多长时间，通过各种数据可以进行个性化的推荐。

　　我们说新闻写作现在也是一个初步的阶段，美联社Wordsmith的平台写作，主要是写财经方面和体育方面的报道。第二个是自动提取关键信息，对它进行一些过滤，然后设定报道选题，到底做哪个方面的报道。现在写作基本上还是详细的、简单的，或者用各种风格的模块来填一些内容，主要是填数据，加上一些简单的语义加工，还有一些所谓的风格，最后就是编辑过目后再发布，最大的优势就是写作速度非常快。

　　从我们跟新华社新华网的合作，主要的亮点就是传感信号，真实记录了用户的体验。在各种数据的整合下，进行语义分析识别。比如《战马》上半场、下半场时间段的对应。然后是新闻模块的写作和人机交互。在这个过程当中应用很多，比如数据的可视化等等。

　　我们总结，模块+数据+语义+智力分析+其他信源。第一段通过传感器的数据来填充模块，要有一些语义分析的成分在里面。通过这些东西再加上一些线上内容的组合，来产生一些报道。

　　我们也可以做这种成人、儿童观看《战马》的不一样感受，比如老年人、男人、女人，通过数据做各种对比。

　　其次，像腾讯也基本上是这样，有模块填充数据，然后从网上采访多个信息源来补充。

　　这是生成的页面，各种对比的数据，包括可以选择的东西。这种做法可以跟新闻记者，或者写作的人提供更客观、更真实的观剧的反应和数字，而不是调查采访，可以从多个角度、各种比例得出统计数据。

　　另外，写完新闻之后新闻发布还是有规则的。比如洛杉矶时报关于地震的自动报道，6.0级以上就是自动报道。3.0级至6.0级则会将报道发送至编辑，由其决定是否值得追踪报道。3.0级以下则不会收到消息，因为多数情况下，这意味着不值得大惊小怪。机器人写作的步骤通过高质量数据采集、新闻的计算、人机交互。首先是大数据的分析，数据的采集，你是来自于哪个方面，上升怎么样，有几个波峰波谷，流入流出，有数字特征的信息就比较好。高质量数据的采集，线上、线下，特别是一些传感技术，还有新闻的计算，数据的新闻价值判断，选择故事的“角度”。

　　当下写作主要是基于统计的数据比较多。未来，我们觉得生物传感技术这些东西也比较重要，能抓到兴奋程度、注意力、人体生物体征的东西。这种东西掩饰不了，可以应用于观剧、观看电影、广告的投放，人的真实反应和课堂学习的反馈，还有人群健康状况的监测。这是将来很重要的一个方面。

　　新闻的计算，新闻价值的判断，数据异常检测适用范围，如何核实异常数据数据为新闻？如何引入人工智能进行综合建模？机器学习方法需要的数据从哪里来？辅助记者选择新闻的角度，如何面向不同领域的记者，辅助整理报道逻辑和路径？如何为记者检索甚至量身定制恰当的叙事模块。

　　人机交互，数据可视化，基本图表的生成，复杂数据的可视化。自然语言的生成，匹配相应的语义信息的句子模块，串联融合各句子的篇章结构模块，文字的“风格”建模，如用词习惯等。

　　人工智能与新闻传播，如何使新闻传播得更广，如何使得特定的人群更感兴趣？我们可以看看世界媒体分析，比如，流星的预测时间、受众、转发，比如谁是信息传播的关键用户，谁是意见领袖和有影响力用户的发言。

　　我们除了做自然语言的处理，我有好几个博士围绕小冰做过一些世界媒体分析和传播方面的工作。信息传播研究、信息瀑布预测，用户影响力的挖掘，基于用户社交圈广度的用户影响力排序，信息传播网络推断。一个“社交圈广度”的概念，也是通过这种网络分析大数据。

　　最后，说说新闻采集与传播的智能辅助设备。比如无人机的航拍，和荷兰合作的生物传感器，对于人类情绪的客观数据提供很有用。记者写作从看新闻到怎么听新闻。例如我采访，从语音到文本，就是给记者提供方便、快速。

　　2015年我们看到了太多这样的话题，计算机将在未来15年内写作90%的新闻，在5年内获得普利策奖。新闻是有温度的，机器人做新闻却没有温度，很可能昙花一现。

　　美国曾安排机器人记者与记者进行短报道“PK”，还是人类记者写的东西读者认可比较多，人在联想、演绎深度报道比较强。机器人在数据和综合方面，对消息类稿件比较强。

　　人工智能可以从多个方面来辅助记者，获取不容易得到的数据。机器人在处理数据和信息的速度、精度、广度上，有着人类无法企及的水平。随着机器智能的发展，帮助到人类的地方越来越多。

　　最后，我还是比较保守，我觉得它是不完全能替代人的，机器干的归机器，人擅长的归人，这是我的意见。