產(chǎn)學(xué)研合作路徑下網(wǎng)紅“Xiaomingbot”的前世今生——專訪今日頭條實(shí)驗(yàn)室技術(shù)總監(jiān)李磊博士

“Xiaomingbot”是自動(dòng)創(chuàng)作、輔助創(chuàng)作的一部分

《中國(guó)傳媒科技》：里約奧運(yùn)會(huì)之際，今日頭條推出了“Xiaomingbot”寫稿機(jī)器人，憑借其優(yōu)異的表現(xiàn)引起了市場(chǎng)和用戶的高度關(guān)注，推出這款產(chǎn)品的初衷是什么？

李磊：今日頭條是一個(gè)基于大數(shù)據(jù)與人工智能的內(nèi)容創(chuàng)作與分發(fā)平臺(tái)，一邊是內(nèi)容創(chuàng)作者，另一邊是讀者，連接兩邊的是人工智能推薦算法。內(nèi)容創(chuàng)作是其中的重要部分，我們希望能夠通過(guò)技術(shù)來(lái)幫助更多的內(nèi)容創(chuàng)作者和新聞工作者更好、更快地創(chuàng)作高質(zhì)量?jī)?nèi)容?！癤iaomingbot”是內(nèi)容自動(dòng)創(chuàng)作或者說(shuō)是輔助創(chuàng)作的一部分，我們希望“他”能夠作為記者采編工作的補(bǔ)充。與此同時(shí)，我們也希望“Xiaomingbot”創(chuàng)作的內(nèi)容是讀者們希望看到的。

《中國(guó)傳媒科技》：“Xiaomingbot”在奧運(yùn)期間的表現(xiàn)如何？

李磊：整個(gè)里約奧運(yùn)會(huì)賽季，“Xiaomingbot”撰寫的稿件贏得了一百多萬(wàn)的閱讀量，平均閱讀率接近整個(gè)奧運(yùn)會(huì)期間體育頻道的閱讀率，甚至還略高一點(diǎn)。從用戶瀏覽量來(lái)看，機(jī)器創(chuàng)作出來(lái)的新聞與人寫出來(lái)的新聞持平，令人驚喜。這也說(shuō)明Xiaomingbot創(chuàng)作出來(lái)的簡(jiǎn)訊和資訊與記者寫出來(lái)的可讀性差距并不大。

技術(shù)先行，前沿研究驅(qū)動(dòng)產(chǎn)品

《中國(guó)傳媒科技》：在創(chuàng)造“Xiaomingbot”的過(guò)程中，都有哪些人員參與其中？

李磊：傳統(tǒng)意義上的產(chǎn)品開發(fā)流程是先由產(chǎn)品經(jīng)理做調(diào)研，確立了產(chǎn)品開發(fā)方向之后，再與技術(shù)人員合作，最后將需要的配套資源加上去。然而“Xiaomingbot”的研發(fā)成型是純技術(shù)驅(qū)動(dòng)的，最開始由頭條實(shí)驗(yàn)室發(fā)起，我們的研發(fā)人員與北大萬(wàn)小軍教授團(tuán)隊(duì)都在做文本生成技術(shù)，我們具備共同的興趣和目的，因此我們?cè)诩夹g(shù)上有了合作。此外，參與“Xiaomingbot”產(chǎn)品研發(fā)工作的，除了頭條實(shí)驗(yàn)室的研發(fā)人員外，公司內(nèi)部還有體育頻道運(yùn)營(yíng)人員負(fù)責(zé)與奧組委對(duì)接拿到實(shí)時(shí)數(shù)據(jù)；內(nèi)容運(yùn)營(yíng)部門的同事幫助改進(jìn)機(jī)器人稿件的“寫法”；頭條學(xué)院也提供了很多幫助，早期由他們?cè)囎x“Xiaomingbot”的文章，并提出修改意見。整個(gè)過(guò)程得到了多方面配合，產(chǎn)品在啟動(dòng)后兩周內(nèi)就上線了第一個(gè)版本，然后不斷快速迭代，奧運(yùn)會(huì)之后又做了升級(jí)，直到現(xiàn)在看到的這個(gè)版本。

如果仔細(xì)閱讀，你會(huì)發(fā)現(xiàn)從8月6日開始到現(xiàn)在Xiaomingbot生成的新聞內(nèi)容是不斷優(yōu)化的。因?yàn)樗惴ㄔ诓粩喔倪M(jìn)，特別是文本生成算法做了比較大的升級(jí)，從一開始無(wú)配圖、篇幅較短的簡(jiǎn)訊到后面篇幅可長(zhǎng)達(dá)千字且智能配圖的資訊出現(xiàn)，期間進(jìn)行了大量技術(shù)創(chuàng)新和產(chǎn)品升級(jí)迭代。

《中國(guó)傳媒科技》：整個(gè)研發(fā)過(guò)程大概有多久？

李磊：前期有較長(zhǎng)時(shí)間的研發(fā)積累，這個(gè)時(shí)間大概有大半年。但是真正的產(chǎn)品化過(guò)程很快，從7月22號(hào)開始到奧運(yùn)會(huì)第一篇新聞發(fā)出來(lái)大概用了十幾天時(shí)間。

《中國(guó)傳媒科技》：目前“Xiaomingbot”做了哪些技術(shù)改進(jìn)，現(xiàn)在從事什么工作？

李磊：里約奧運(yùn)會(huì)結(jié)束后，我們又研發(fā)了一項(xiàng)新技術(shù)，即根據(jù)時(shí)間線做賽事描述。比如，足球比賽的時(shí)間比較長(zhǎng)，中間精彩的點(diǎn)很多，射門、犯規(guī)等動(dòng)作都可以被捕捉到，結(jié)合一部分網(wǎng)上的文字直播，最后根據(jù)比賽進(jìn)程來(lái)進(jìn)行總結(jié)歸納?，F(xiàn)在，“Xiaomingbot”在跟進(jìn)報(bào)道歐洲的足球聯(lián)賽、五大聯(lián)賽，閱讀率都還不錯(cuò)。以后，我們希望把他做得更加通用。不過(guò)這存在兩方面困難，一方面是數(shù)據(jù)來(lái)源問(wèn)題，體育數(shù)據(jù)比較理想，其他領(lǐng)域如社會(huì)新聞、娛樂(lè)新聞等未必會(huì)有比較適合的數(shù)據(jù)；另一方面是技術(shù)困難，“Xiaomingbot”應(yīng)用的文本生成技術(shù)還有很多進(jìn)步的空間，未來(lái)我們希望可以做到專業(yè)記者的寫作水平。

《中國(guó)傳媒科技》：據(jù)一些技術(shù)媒介評(píng)價(jià)，“Xiaomingbot”是領(lǐng)先的第二代機(jī)器人，您是否認(rèn)同這個(gè)判斷？

李磊：我本人沒有做過(guò)斷代的判斷。我理解媒體所說(shuō)“第二代”的原因可能是與騰訊、《華盛頓郵報(bào)》等同時(shí)期機(jī)器人之間的區(qū)別，后兩者寫稿機(jī)器人的主要應(yīng)用技術(shù)是模板生成；所謂模板生成就是先寫一個(gè)框架，里面有一些空白部分，像填空一樣把時(shí)間、地點(diǎn)、結(jié)果和過(guò)程數(shù)據(jù)填進(jìn)去；這種方法相對(duì)簡(jiǎn)單，但問(wèn)題在于很難寫得生動(dòng)。我們的寫稿機(jī)器人也應(yīng)用了這項(xiàng)技術(shù)，但是除此之外，我們還采用了剛研發(fā)出來(lái)的新技術(shù)，能夠生成長(zhǎng)篇幅新聞。機(jī)器人通過(guò)獲取網(wǎng)上的文字和討論，將其總結(jié)歸納成為一個(gè)相對(duì)長(zhǎng)的賽事描述，同時(shí)還可配圖。從這一點(diǎn)來(lái)說(shuō)，相比之前的寫稿機(jī)器人，語(yǔ)氣上更加人性化，信息元素更豐富，更具可讀性。

《中國(guó)傳媒科技》：您認(rèn)為未來(lái)新聞機(jī)器人還有哪些研發(fā)趨勢(shì)，是否有可能做一些突發(fā)性報(bào)道或者災(zāi)難性報(bào)道？

李磊：我認(rèn)為是非常有可能的。做這一類新聞首先需要一些數(shù)據(jù)，像災(zāi)難性事件都會(huì)在微博或者其他社交網(wǎng)絡(luò)上出現(xiàn)得比較快，比如天津發(fā)生爆炸事故時(shí)，微博上第一時(shí)間就出現(xiàn)了很多線索，在早期就可以整理出來(lái)形成報(bào)道。所以在數(shù)據(jù)獲取上比以前更容易；同時(shí)還需要的技術(shù)是能夠總結(jié)歸納，把很多人在微博上發(fā)的片段，甚至圖片梳理起來(lái)變成通順的文章。這些現(xiàn)在是由人完成的事，未來(lái)可以由機(jī)器人去做。

《中國(guó)傳媒科技》：基于UGC信息做總結(jié)歸納，是否會(huì)造成時(shí)間上的滯后？

李磊：“Xiaomingbot”寫作從生成到發(fā)布再到讀者在feed流看到，整個(gè)過(guò)程平均2秒左右完成。未來(lái)的發(fā)展瓶頸并不在生成的環(huán)節(jié)，而是在數(shù)據(jù)采集環(huán)節(jié)。數(shù)據(jù)采集有多快，新聞生成就有多快。

《中國(guó)傳媒科技》：機(jī)器人實(shí)現(xiàn)觀點(diǎn)性報(bào)道或深度報(bào)道大概會(huì)需要多久的時(shí)間可以實(shí)現(xiàn)？

李磊：在某些特殊的限定領(lǐng)域，如娛樂(lè)類新聞實(shí)現(xiàn)這個(gè)目標(biāo)可能相對(duì)較快，在通用領(lǐng)域還需要比較長(zhǎng)時(shí)間。

兩大方向

《中國(guó)傳媒科技》：未來(lái)觀點(diǎn)性的自動(dòng)寫作、深度寫作，也是要按照領(lǐng)域去實(shí)現(xiàn)，是這樣一個(gè)路徑圖嗎？

李磊：兩個(gè)方向，一個(gè)是按照領(lǐng)域，另一個(gè)是按照具體技術(shù)。目前“Xiaomingbot”比之前有一些進(jìn)步，是因?yàn)槲覀冇辛艘恍┘夹g(shù)可以生成長(zhǎng)篇幅新聞，但還不足以實(shí)現(xiàn)生成深度新聞。我們需要研發(fā)更多技術(shù)，使機(jī)器人更具理解力，能夠閱讀歷史新聞，理解新聞事件的來(lái)龍去脈并梳理出來(lái)，就像記者搞調(diào)研一樣。

《中國(guó)傳媒科技》：未來(lái)新聞機(jī)器人的研發(fā)難點(diǎn)是什么？

李磊：現(xiàn)在能夠做到的是事實(shí)類新聞的報(bào)道，比如一場(chǎng)比賽誰(shuí)參加了、比分多少，能夠講得比較清楚；還可以根據(jù)用戶的評(píng)論生成文字，講述也比較生動(dòng)。但困難的是觀點(diǎn)類的新聞，如分析美國(guó)大選，每個(gè)人的觀點(diǎn)怎樣、對(duì)政治觀點(diǎn)進(jìn)行評(píng)價(jià)，這就比較困難了。另外，在體育比賽中，分析球員打得怎么樣、是否發(fā)揮出優(yōu)勢(shì)，目前這些評(píng)價(jià)比較難以做到，是需要我們未來(lái)研發(fā)的技術(shù)方向。

模板文本生成+摘要式生成

《中國(guó)傳媒科技》：目前，市場(chǎng)上有一些機(jī)器人寫稿的產(chǎn)品，那么今日頭條的產(chǎn)品特色是什么，是否有向其它新聞機(jī)構(gòu)推廣該項(xiàng)技術(shù)的打算？

李磊：首先我們?cè)诩夹g(shù)上用了依據(jù)句法結(jié)構(gòu)的模板文本生成技術(shù)和最新研發(fā)的摘要式生成技術(shù)，技術(shù)上是比較領(lǐng)先的；其次，我們的寫稿機(jī)器人既能夠生成短的簡(jiǎn)訊，也能夠生成比較長(zhǎng)的資訊；第三，頭條擁有龐大圖片類資源，寫稿機(jī)器人可以自動(dòng)地為新聞配上圖片，使報(bào)道圖文并茂。

二是實(shí)施組織優(yōu)化方略，推進(jìn)水資源一體化管理。鑒于水資源的流動(dòng)性、循環(huán)性和基礎(chǔ)性等特征，將隔斷的水連接起來(lái)，推進(jìn)涉水事務(wù)一體化管理。基于流域水資源合理配置，完善流域一體化管理；按照統(tǒng)籌城鄉(xiāng)、以城帶鄉(xiāng)的要求，積極推進(jìn)城鄉(xiāng)供水統(tǒng)籌管理。加強(qiáng)水管理部門內(nèi)部、水管理部門同環(huán)保、城建等部門的協(xié)調(diào)，進(jìn)一步提高水資源管理的一體化水平，從短期來(lái)看，推進(jìn)建立水資源統(tǒng)一管理機(jī)構(gòu)；從長(zhǎng)期看，建立資源環(huán)境一體化管理機(jī)構(gòu)，從根本上改變水資源管理分散和割裂的局面，改善水資源的總體功能。

如果有（推廣）需求的話，寫稿機(jī)器人完全可以形成一個(gè)產(chǎn)業(yè)，但我們還是要說(shuō)明寫稿機(jī)器人的目標(biāo)并不是取代記者，而是幫助記者更快、更好地采編。

準(zhǔn)確率可達(dá)75%

《中國(guó)傳媒科技》：據(jù)觀察，頭條實(shí)驗(yàn)室即將推出自動(dòng)問(wèn)答機(jī)器人，該款產(chǎn)品將于何時(shí)發(fā)布，回答的準(zhǔn)確率如何？與微軟小冰等同類產(chǎn)品相比有哪些不同？

李磊：頭條已經(jīng)掌握自動(dòng)問(wèn)答技術(shù)，在今年的國(guó)際計(jì)算語(yǔ)言學(xué)大會(huì)（ACL2016）上，我們發(fā)表的論文介紹了這項(xiàng)技術(shù)，但距離產(chǎn)品化還需要一些時(shí)間。我們希望把這個(gè)技術(shù)做得更通用一些。因?yàn)槲覀兘衲暄邪l(fā)的這個(gè)技術(shù)是針對(duì)事實(shí)類的問(wèn)題可以做自動(dòng)回答。比如說(shuō)：你問(wèn)《北京折疊》是誰(shuí)寫的，機(jī)器人可以回答出來(lái)是郝景芳。不過(guò)回答像過(guò)程類問(wèn)題，如紅燒肉怎么做；觀點(diǎn)類問(wèn)題，你對(duì)什么事情有什么看法；以及解釋性問(wèn)題，比如，宇宙的外面是什么等等還是非常困難的。

目前看來(lái)，我認(rèn)為技術(shù)上需要突破的還有很多。做問(wèn)答最常用的技術(shù)是搜索技術(shù)和基于神經(jīng)網(wǎng)絡(luò)知識(shí)庫(kù)的問(wèn)答技術(shù)，我們用的是后者。

未來(lái)如果需要回答更多的過(guò)程性、解釋性和觀點(diǎn)性問(wèn)題，機(jī)器學(xué)習(xí)、自然語(yǔ)言理解方面的技術(shù)還需要做很多突破。自然語(yǔ)言理解和生成，一方面需要對(duì)其進(jìn)行理解，到底問(wèn)的是什么意思；另一方面需要用人類的語(yǔ)言寫出來(lái)，這就是自然語(yǔ)言生成。

頭條問(wèn)答機(jī)器人測(cè)試的準(zhǔn)確率是75%，這是第三方的公開數(shù)據(jù)，一共有10萬(wàn)個(gè)問(wèn)題和答案，其中7萬(wàn)拿來(lái)作為機(jī)器人的訓(xùn)練學(xué)習(xí)，剩下3萬(wàn)用來(lái)做測(cè)試，測(cè)試出來(lái)的結(jié)果表明數(shù)據(jù)準(zhǔn)確率是75%，在我們之前做的最好的是Facebook，他們的準(zhǔn)確率是62.9%，我們高出了12個(gè)百分點(diǎn)。

產(chǎn)品與前沿科技并重

李磊：頭條實(shí)驗(yàn)室的宗旨是前沿技術(shù)積累和為頭條產(chǎn)品提供技術(shù)支持。頭條實(shí)驗(yàn)室是前沿研究和技術(shù)產(chǎn)品化并重，高效推進(jìn)前沿技術(shù)到產(chǎn)品的快速轉(zhuǎn)化。目前頭條實(shí)驗(yàn)室最關(guān)注的領(lǐng)域是人工智能，具體的方向是機(jī)器學(xué)習(xí)、自然語(yǔ)言理解和計(jì)算機(jī)視覺理解。機(jī)器學(xué)習(xí)方面，我們會(huì)關(guān)注大規(guī)模的推薦、更高效的機(jī)器學(xué)習(xí)算法以及文本分類等問(wèn)題，自然語(yǔ)言理解方面將繼續(xù)研究包括文本的理解、文本生成、自動(dòng)摘要、自動(dòng)問(wèn)答等領(lǐng)域的技術(shù)；在計(jì)算機(jī)視覺方面，我們會(huì)做一些技術(shù)去識(shí)別人臉、識(shí)別文字、識(shí)別相似的圖片以及視頻里的一些物體。未來(lái)將可以更好地為讀者推薦內(nèi)容。

在產(chǎn)出成果上，一方面我們會(huì)發(fā)表一些論文在國(guó)際頂級(jí)人工智能會(huì)議、期刊上，目前為止頭條實(shí)驗(yàn)室已經(jīng)在國(guó)際大會(huì)上發(fā)表了2篇論文；我們希望對(duì)學(xué)術(shù)圈做出貢獻(xiàn)，技術(shù)研發(fā)后開放出來(lái)，同世界分享，可以促進(jìn)人工智能領(lǐng)域的學(xué)者們將技術(shù)推到更高的水平，也希望有其他人或機(jī)構(gòu)使用，讓技術(shù)得到更多的實(shí)際價(jià)值。

數(shù)據(jù)是燃料

《中國(guó)傳媒科技》：那么，在頭條做研發(fā)工作，有哪些優(yōu)勢(shì)？

李磊：我們最大的優(yōu)勢(shì)是數(shù)據(jù)，頭條作為一個(gè)平臺(tái)已經(jīng)積累了海量文本、圖片、視頻。這些數(shù)據(jù)可以作為我們研究人工智能的最大動(dòng)力；人工智能技術(shù)像一個(gè)發(fā)動(dòng)機(jī)，我們的數(shù)據(jù)就是發(fā)動(dòng)機(jī)的燃料。

頭條有四個(gè)方向可以與人工智能做結(jié)合。一個(gè)是創(chuàng)作；一個(gè)是分發(fā)、推薦，怎樣把好的內(nèi)容推薦給用戶；還有討論，如何促進(jìn)讀者對(duì)我們的內(nèi)容進(jìn)行討論；最后一個(gè)是審核。這四個(gè)方面都與人工智能有關(guān)。而“Xiaomingbot”會(huì)與創(chuàng)作這個(gè)環(huán)節(jié)比較有關(guān)聯(lián)。

《中國(guó)傳媒科技》：有一種觀點(diǎn)認(rèn)為學(xué)校的東西很前沿，也很難產(chǎn)業(yè)化，那么這次與萬(wàn)小軍老師的合作正好駁斥了這種觀點(diǎn)，可否談一談這次合作的經(jīng)驗(yàn)。

李磊：這是頭條實(shí)驗(yàn)室成立以來(lái)與學(xué)術(shù)界的首次緊密合作，以往很多企業(yè)與學(xué)術(shù)界的合作僅僅停留在技術(shù)研發(fā)，發(fā)表幾篇論文就結(jié)束了。但頭條實(shí)驗(yàn)室與北大萬(wàn)小軍的合作在發(fā)表了論文的基礎(chǔ)上，還開發(fā)出了受到廣大用戶認(rèn)可的產(chǎn)品，我們今后會(huì)多推動(dòng)這種合作模式。

這次與萬(wàn)小軍老師團(tuán)隊(duì)的合作是基于我們的共同學(xué)術(shù)興趣，萬(wàn)小軍老師對(duì)文本摘要與生成的研究是全世界領(lǐng)先的，所以我們邀請(qǐng)到萬(wàn)小軍老師來(lái)我們實(shí)驗(yàn)室做技術(shù)交流，合作一事也在這次交流中一拍即合。一方面，我們可以憑借各自的技術(shù)特色相互促進(jìn)；另一方面，學(xué)校和企業(yè)各有優(yōu)勢(shì)。比如，我們很容易利用各種資源把用戶需要的產(chǎn)品快速落地，學(xué)校也希望能夠把技術(shù)應(yīng)用到產(chǎn)品上，這種產(chǎn)學(xué)研模式是成功的。

后記：在采訪過(guò)程中，李磊博士還與記者分享了一則趣事，在奧運(yùn)會(huì)期間，正值國(guó)際計(jì)算語(yǔ)言學(xué)大會(huì)在德國(guó)洪堡大學(xué)召開。萬(wàn)小軍團(tuán)隊(duì)以及頭條實(shí)驗(yàn)室的技術(shù)人員一邊從事“Xiaomingbot”的運(yùn)營(yíng)維護(hù)工作，一邊將新研發(fā)的技術(shù)在會(huì)議上發(fā)表分享。

此次采訪中，我們看到的不僅是科技推動(dòng)傳媒業(yè)進(jìn)步的成功案例，還看到了在冰冷的機(jī)器人背后那些力求以先進(jìn)技術(shù)分享推動(dòng)廣泛應(yīng)用、以科技進(jìn)步改變未來(lái)人類生活的科學(xué)家們滾燙的赤子之心。