文_葉 珂 吳子藝

一、什么是新聞自動化

新聞自動化是基于計算機(jī)科學(xué)、統(tǒng)計學(xué)、人工智能等，撰寫新聞故事的一項技術(shù)。新聞自動化系統(tǒng)具有新聞記者撰稿的方法以及查看數(shù)據(jù)的過程，通過厘清事實、尋找總體特征，分析得出重要和有趣的內(nèi)容信息。其主要目標(biāo)在于節(jié)省新聞工作者在重復(fù)任務(wù)上的工作時間，并增加新聞的輸出數(shù)量。

在過去的10年內(nèi)，新聞自動化的使用呈現(xiàn)逐步上升的態(tài)勢。德國報紙出版商協(xié)會2017年的一份調(diào)查顯示，該國百分之七的報紙發(fā)行商已經(jīng)嘗試過新聞自動化，另外有百分之二十的發(fā)行商計劃嘗試該項技術(shù)。

本文中，研究者重點(diǎn)關(guān)注了基于結(jié)構(gòu)化數(shù)據(jù)的新聞文本自動生成。將數(shù)字編碼的數(shù)據(jù)轉(zhuǎn)換為人類語言的過程稱為自然語言生成(Natural Language Generation，簡稱NLG)，執(zhí)行這一新聞自動化過程需要通過算法實現(xiàn)。需要注意的是，當(dāng)我們討論自動化、算法、數(shù)據(jù)和新聞的時候，我們需要提醒自己這一點(diǎn)：數(shù)據(jù)和信息不能混為一談，只有在一定撰寫原則指導(dǎo)下的數(shù)據(jù)才能被稱為新聞故事。與此同時，為了將數(shù)據(jù)轉(zhuǎn)換成有意義的新聞故事，系統(tǒng)開發(fā)人員和新聞工作者必須將新聞工作者大量松散的書寫準(zhǔn)則轉(zhuǎn)換為計算機(jī)嚴(yán)格的規(guī)則。

不過，值得一提的是，部分媒體公司雖然在智能化競爭中落后于他人，但他們卻并沒有意愿嘗試新聞自動化技術(shù)，反而擔(dān)心自動化會導(dǎo)致記者失業(yè)。研究者表示，目前并沒有數(shù)據(jù)顯示自動化直接導(dǎo)致記者們的失業(yè)，相反，新聞生產(chǎn)過程中，人工和新聞自動化系統(tǒng)更傾向于互補(bǔ)的狀態(tài)。

二、西方媒體新聞自動化的應(yīng)用實例

1.瑞典Mittmedia和United Robots

United Robots部分隸屬于媒體公司Mittmedia，在瑞典全國范圍內(nèi)出版近30份新聞報紙。目前，United robots開發(fā)出了自己的一套NLG系統(tǒng)，將其命名為“Rosalinda”。Mittmedia首席數(shù)字官表示，每周有59個聯(lián)賽的480支球隊參加比賽，他們每月會發(fā)布3000多篇自動生成的新聞。最近，兩家公司根據(jù)用戶需求開拓了房地產(chǎn)方面的自動化新聞內(nèi)容。Mittmedia擁有一個自己的數(shù)據(jù)管理平臺——Soldr。Soldr收集、整理并匯總?cè)N不同類型的數(shù)據(jù)：用戶數(shù)據(jù)、事件數(shù)據(jù)和內(nèi)容數(shù)據(jù)。

United Robots的首席執(zhí)行官S?ren Karlsson，對其從事的NLG系統(tǒng)業(yè)務(wù)分享了8點(diǎn)感受：

（1）來自上層的支持

編輯管理團(tuán)隊需要參與到項目中來，并給予重視。在這一點(diǎn)上，瑞典的新聞編輯室做得不錯。

（2）讓廣告和市場部門參與進(jìn)來

引進(jìn)自動化內(nèi)容，對于新聞編輯室與其他部門共同開展業(yè)務(wù)和進(jìn)行產(chǎn)品開發(fā)來說，是一個絕佳的機(jī)會。不過，這中間有幾個問題需要明確，例如：新的內(nèi)容類別會吸引特定類別的廣告主嗎？這些自動化內(nèi)容會將游客轉(zhuǎn)變成付費(fèi)用戶嗎？等等。

（3）傳統(tǒng)新聞價值衡量標(biāo)準(zhǔn)同樣適用

借助自動化，你獲得了本地內(nèi)容，提高了發(fā)行速度，掌握了大量的文本內(nèi)容。這些優(yōu)勢也是記者們在采寫新聞時迫切需要的。換句話說，自動化的內(nèi)容是一種好的本地內(nèi)容。

（4）把自動化文本作為新聞線索

數(shù)據(jù)分析是自動化過程中一個重要的環(huán)節(jié)。算法的加持將比普通人工更有助于發(fā)現(xiàn)隱藏的聯(lián)系、異常值等等。

（5）時刻準(zhǔn)備文本的發(fā)布

如果你想在文本中加入人工創(chuàng)意，那么就加吧。當(dāng)文本好到足夠可以直接發(fā)表的程度，文章的潛力應(yīng)得到最大程度的挖掘。

（6）提高產(chǎn)量，充分利用自動化的速度

短時間內(nèi)產(chǎn)出大量的文本內(nèi)容是自動化的一大優(yōu)勢。

（7）復(fù)查組織

你可能并不需要裁員，但或許需要檢討一下日程表和任務(wù)。問一下這樣的問題：當(dāng)體育比賽的文本可以自動化生成的時候，我們早晨是否需要這么多的員工？我們需要當(dāng)下這么多數(shù)量的自由撰稿人嗎？我們除了常規(guī)報道之外，還有其他什么可以做嗎？哪一些可以增加價值？等等。

（8）想想“新聞價值”

紙質(zhì)產(chǎn)品的新聞價值與數(shù)字媒體環(huán)境中產(chǎn)生的新聞價值是不一樣的。過去的時間里，新聞結(jié)構(gòu)和工作流程已經(jīng)發(fā)生了很大的變化。與此同時，新聞價值和呈現(xiàn)新聞事件的方式也已經(jīng)發(fā)生了巨大的變化。同一則新聞根據(jù)不同的受眾，有不同的角度。

2.英國RADAR

RADAR是Urbs Media和英國新聞通訊社報業(yè)協(xié)會合作建立的地方新聞社，它撰寫發(fā)布本地新聞報道。RADAR同時利用人工和自動化來生產(chǎn)數(shù)據(jù)驅(qū)動的本地新聞，以此為全英國的出版商供稿。RADAR的NLG系統(tǒng)基于一家名為Arria公司的NLG工具。該系統(tǒng)的輸入內(nèi)容來自公共的公開數(shù)據(jù)。RADAR的NLG系統(tǒng)中含Urbs Media記者編寫的文本模板，每個模板可用于數(shù)百個不同的故事。

3.美國The Washington Post

早在2016年里約奧運(yùn)會，The Washington Post(《華盛頓郵報》)就開發(fā)了一項名為Heliograf的自然語言系統(tǒng)。這個NLG系統(tǒng)可以自動生成簡短的句子。之后，Heliograf被應(yīng)用于其他有大量數(shù)據(jù)的新聞領(lǐng)域，比如選舉、犯罪、房地產(chǎn)等等。

Heliograf的產(chǎn)品總監(jiān)表示，新聞自動化技術(shù)極大地擴(kuò)大了新聞報道的廣度，其負(fù)責(zé)處理每日新聞報道，這使得新聞工作者可以將更多精力放在深度報道上。

4.芬蘭Va ltteri

2017年，三語（芬蘭語、瑞典語、英語）機(jī)器人Valtteri被首次應(yīng)用在芬蘭市政選舉的新聞報道中，它沒有預(yù)設(shè)的故事結(jié)構(gòu)，通常會根據(jù)數(shù)據(jù)自主決定新聞故事。不僅如此，機(jī)器人還提供個性化新聞，讀者可以用它來搜索和查找有關(guān)地理區(qū)域、政黨和候選人的新聞。

數(shù)據(jù)表明，Valtteri制作了超過200萬條三語新聞報道。如果，一位經(jīng)驗豐富的記者花費(fèi)一個小時撰寫同等質(zhì)量的稿件，這相當(dāng)于一位記者花費(fèi)1000個工作周（以40個小時為一周工作量計算）的工作量。

三、用戶感知和媒體體驗

在過去五年間，大量研究旨在了解人們?nèi)绾慰创詣由傻男侣剝?nèi)容。其中一個重點(diǎn)討論的議題是：當(dāng)人們被告知內(nèi)容是機(jī)器產(chǎn)生或由記者產(chǎn)生之時的感知區(qū)別。對于用戶感知的評價方式有很多種，其中Sundar給出的方法為很多研究者所使用。Sunder提取了21項衡量標(biāo)準(zhǔn)并將近似的標(biāo)準(zhǔn)分組，形成了4個方面，包括credibility（可信性）、liking（喜好）、quality（質(zhì)量）和representativeness（代表性）等。

以韓國為例，最近二十年來，韓國在機(jī)器人和自動化過程中進(jìn)行了大量的投入。學(xué)者Jung研究發(fā)現(xiàn)，文化背景對于研究機(jī)器新聞的受眾反應(yīng)影響甚大。在韓國，調(diào)查顯示，相較于人工撰寫的內(nèi)容，人們更信賴自動化生成的內(nèi)容。原因是，記者和新聞媒體常常與貪污腐敗掛鉤。韓國民眾對新聞媒體的信賴程度很低。

至于媒體自身對于新聞自動化的感受，筆者在采訪了芬蘭和瑞典的記者之后發(fā)現(xiàn)，他們反映的影響是雙重的。首先，接受采訪的記者們認(rèn)為，自動化提高了其媒體自身的新聞內(nèi)容產(chǎn)量。而且它可以幫助記者從數(shù)據(jù)中挖掘此前沒能發(fā)現(xiàn)的選題和新聞故事。其次，新聞自動化可以幫助生產(chǎn)那些原本需要從外部購買的新聞內(nèi)容。比如，那些從自由記者處獲得的氣象報告和體育比賽故事等等。當(dāng)然，需要注意的是，新聞自動化并不能顯著地保持或提升媒體品牌。

四、實施新聞自動化的務(wù)實考慮

對于媒體來說，一個最需要考慮的事是這套系統(tǒng)的來源：是從供應(yīng)商處“直接購買”，還是內(nèi)部研發(fā)？如果“直接購買”，媒體公司就會受到供應(yīng)商的支配。這個問題與媒體公司的規(guī)模和它擁有的資源有關(guān)。此外，倫理問題（如數(shù)據(jù)、事實的選擇、自律）和透明度也是需要同時考慮的問題。

對于新聞媒體機(jī)構(gòu)來說，特定的規(guī)則、流程和價值是維持新聞機(jī)構(gòu)生存和運(yùn)行的關(guān)鍵特性。當(dāng)面對潛在的巨大轉(zhuǎn)變，比如新聞自動化，一個整合所有這些新工具和產(chǎn)品并能讓其反映新聞機(jī)構(gòu)本身組織特性的戰(zhàn)略，就顯得尤為重要。例如，對于管理者來說，自動化提高了管理者對于不同部門之間連接和溝通的要求；或者協(xié)調(diào)外部參與者，以保證其提供的服務(wù)能匹配媒體內(nèi)部的價值觀和流程。

Tom Kent曾經(jīng)是2014—2015年美聯(lián)社自動化項目的負(fù)責(zé)編輯之一。在2015年的一篇博文中，他分享了一些他認(rèn)為編輯在嘗試和使用自動化新聞寫作時候需要考慮的事，并就以下幾個方面提出了相關(guān)的問題：

（1）數(shù)據(jù)準(zhǔn)確性以及獲得數(shù)據(jù)的權(quán)利

這些數(shù)據(jù)可信嗎？潛在的數(shù)據(jù)包含什么？供應(yīng)商對數(shù)據(jù)是否進(jìn)行了合理的傳送和處理？供應(yīng)商有合法權(quán)利將數(shù)據(jù)傳送給你嗎？你是否有進(jìn)一步的權(quán)利來處理和發(fā)布這些數(shù)據(jù)？如果有的話，在哪些平臺上？等等。

（2）圖片和視頻

你確定你有權(quán)限使用自動化系統(tǒng)獲取的圖片嗎？你如何避免那些與你的標(biāo)準(zhǔn)不符合的諷刺和仇恨類的圖片？你如何確定圖片和視頻適合實際的事件？

（3）什么需要自動化以及怎么進(jìn)行自動化

你會比較什么類型的信息？算法會強(qiáng)調(diào)哪些數(shù)據(jù)？你將如何使自動化內(nèi)容與其他內(nèi)容在拼寫、整體寫作風(fēng)格和大小寫方面保持一致？

（4）測試和維護(hù)

如何測試錯誤？人工編輯會在發(fā)布前測試每一篇故事嗎？誰來維護(hù)數(shù)據(jù)和復(fù)查算法做的決定？誰在看著機(jī)器，多久一次，以及多長時間？

（5）公示自動化是如何完成的

你會告訴讀者一篇故事是自動化生成的嗎？你會如何存檔自動化內(nèi)容，以便你解釋任何一篇故事是怎樣產(chǎn)生的？你愿意透露你的軟件是如何操作的嗎？你愿意分享源代碼嗎，還是你認(rèn)為這是一種專有信息？

五、新聞自動化的未來

Diakopoulos認(rèn)為，新聞自動化的未來在于對新聞業(yè)基本原則的解構(gòu)。這意味著，將新聞工作過程分解為實際的信息產(chǎn)品和微型的過程，從而能夠分析什么可以被自動化，哪一些本質(zhì)上是人工任務(wù)。通過仔細(xì)地解構(gòu)任務(wù)，包含自動化和人工努力的混合系統(tǒng)可以更好地提升效率，降低成本，從而保證新聞質(zhì)量、抵制商品化。通過與新聞自動化專家的討論，綜合研究者自己的思考，報告給出了有關(guān)自動化內(nèi)容實施和開展過程中的一些現(xiàn)實挑戰(zhàn)：

（1）超越最基本模板性系統(tǒng)的自動化生成文本仍然有產(chǎn)生錯誤的傾向。有效的自動化內(nèi)容應(yīng)該考慮到自動化可能產(chǎn)生的一些不熟悉或陌生的錯誤，并在這一過程中配備適當(dāng)?shù)木庉嫳O(jiān)督、管理和維護(hù)職能。

（2）NLG系統(tǒng)仍然不是完美無缺的，而且它在有關(guān)體育、房地產(chǎn)和金融等內(nèi)容上的延展性受到多種因素的制約。對于設(shè)計類似政治議題這樣不確定主題的敘述非常困難。即便是對于話題范圍較窄、能夠清晰理解并明確定義的主題來說，系統(tǒng)精細(xì)的設(shè)計和建造還是很有必要的。

（3）有趣和有用的數(shù)據(jù)的可用性是一個比較大的問題，因為一些強(qiáng)大的私人利益集團(tuán)嘗試控制和商業(yè)化這些數(shù)據(jù)。媒體公司需要為獲得更多的公共和私人數(shù)據(jù)付出更大努力。與此同時，媒體們也需要通過創(chuàng)造和合作的方式來獲得更多獨(dú)有的數(shù)據(jù)集，以此能夠生成更多有趣的、具有商業(yè)價值的內(nèi)容。

（4）新聞自動化為媒體公司提供了在傳統(tǒng)新聞業(yè)務(wù)之外拓展其他業(yè)務(wù)的可能性。傳統(tǒng)媒體機(jī)構(gòu)或許可以通過孵化自動化項目獲取收益。

（5）NLG系統(tǒng)的靈活性還是有所欠缺，特別是對于聊天機(jī)器人或其他聊天/收聽機(jī)器設(shè)備（如Alexa）而言，需要大量昂貴的開發(fā)工作。這也是為什么類似Alexa之類的機(jī)器只支持少部分語言版本的原因。

（6）自動化新聞的個性化是每一個出版商的夢想。這需要大量的用戶檔案信息和基于線上線下行為的預(yù)測模型。在更長的時期內(nèi)，媒體公司必須決定他們是否參與更深層次的用戶模型構(gòu)建，以此來實現(xiàn)更廣泛的個性化自動內(nèi)容生產(chǎn)。

（7）從大量的數(shù)據(jù)集中提取觀點(diǎn)幫助記者撰寫有趣故事，有可能是新聞自動化最有用的應(yīng)用。自動化可以通過自動化分析、部分內(nèi)容撰寫和其他精細(xì)工具幫助記者和編輯撰寫有趣的內(nèi)容。不過，在自動化實際運(yùn)作的過程中有一個風(fēng)險是，自動化可能會給記者產(chǎn)生更多的工作量，而非使他們從常規(guī)工作中解放出來。