AI技術在新聞業廣泛使用，人類記者何去何從？

過去一年，你所閱讀的文章中，很可能至少有一篇就出自機器人之手。

當你在瀏覽體育賽事報導、企業財報，或是在閱讀選舉結果報導時，你也許會覺得很有趣，殊不知這些文章背後，都離不開人工智能（AI）技術。

據美國敘述科學公司（Narrative Science）聲稱，到2025年，90%的新聞將由機器人代寫。該公司的一款Quill軟件能夠將數據轉變為文章。

AI在新聞業廣泛使用

全球各大知名新聞機構紛紛運用或涉足AI技術，如《華盛頓郵報》、美聯社、BBC、路透社、彭博社、《紐約時報》、《華爾街日報》、《泰晤士報》、《星期日泰晤士報》、日本國家公共廣播公司NHK和芬蘭通訊社SST。去年，中國的新華（5481-TW）社曾運用計算機繪圖技術推出世界首個AI新聞男主播，今年又相繼推出首個AI新聞女主播。

以美聯社與RADAR（Reporters And Data And Robots）的合作為例，其他小型新聞機構也開始訂購AI撰寫的新聞服務。RADAR是一家擁有AI技術的新聞代理機構，由英國報聯社（Press Association）和科技公司 Urbs Media合資營運，每周為訂閱其服務的英國媒體編寫上萬條當地新聞報導。

據路透社新聞研究所一份2018年報告指出，近四分之三受訪的全球約前200位編輯、CEO和數字媒體主管表示已採用AI技術。

AI技術大大提升了新聞編輯效率，機器人所編寫的新聞數量和速度遠非人力能及。透過AI 技術，美聯社所報導的企業收益報告從300家增至4000家。《華盛頓郵報》借助機器人Heliograf報導華盛頓當地所有的高中足球賽事。《亞特蘭大憲法報》透過機器學習技術搜尋10萬餘份紀律處分資料，調查醫生性虐待醜聞，並因此入圍普利茲獎。路透社透過AI技術將政府和企業數據生成數以千計的多語言版本的每日新聞報導。

《華盛頓郵報》戰略行動方案總監吉爾伯特（Jeremy Gilbert）在近期華頓麥克創新管理研究所的採訪中表示，透過使用機器人，紙媒的大選報導覆蓋率呈現指數型成長。他指出，「我們以往在大選的第二天早上才會發佈一篇相關新聞報導，因為初選當晚，我們還需要進行唱票，而現在Heliograf每隔30到90秒就可以報導候選人唱票排名的最新進展情況」，而且就全國範圍的大選而言，「我們可以每隔30到90秒更新從2016到2018年間的投票比對結果。而新數據意味著新報導的誕生」。

彭博新聞社的機器人Cyborg可以迅速將各類財報精簡整合為頭條新聞和要點報導。彭博新聞社主編米可斯維特（John Micklethwait）在1月的國際數字生活設計（Digital Life Design，簡稱DLD）大會中發言並表示，「誠然如分析師所說，機器人所編寫的初版報導已十分接近‘人類通訊員’在不足30分鐘內所作報導的水準。」AI 還可以迅速對全球各社交媒體進行大規模搜索，查找有關災難、槍擊、請辭等具備新聞價值的發帖。無論以何種形式或方式，如今彭博30%的新聞報導均有自動化技術的參與。

BBC一款用於新聞整合和資訊提取的AI工具「果汁機（Juicer）」，透過監視全球850個RSS訂閱源，可進行大規模文章提取和標籤歸類。路透社的新聞追蹤系統（News Tracer）透過梳理社交媒體發帖，查找重大新聞並評估其新聞價值。這一過程與人類記者驗證新聞來源的過程並無二致，都會查看發文人身份資訊，搜索是否存在相關鏈接、圖片等其他驗證要素。

除新聞媒體以外，其他公司也正在運用AI技術編寫新聞報導。2017年，Quartz公司高層蘇華德（Zach Seward）在上海的一個會議中發言，他還尚未離開發言席，中國科技公司騰訊卻已經發佈了一篇翻譯成中文的新聞報導，內容即為他在發言中所稱的AI「寫稿機器人（Dreamwriter）」。他後來發推特表示這是一篇「還算不錯」的新聞報導。

人類和機器人正密切合作

新聞編輯室多年前就已掀起AI浪潮，目前紛紛加快運用AI技術。據華頓知識線上的採訪稱，早在2014年，位於以色列荷茲利亞跨學科中心的薩米·奧費爾通訊工程學院（Sammy Ofer School of Communications）院長雷塔爾（Noam Latar）就一直致力於新聞業AI技術的研究，並預測該科技將憑借其巨大成本優勢在媒體界大行其道。

然而，人們開始越來越擔憂AI所帶來的影響。比如，記者擔心工作會被取代，同時人們也擔心文章品質也會大不如前，假新聞則泛濫成災。

米可斯維特對此並不認同。他認為，「一些記者會被機器人取代，但是不會很多。新聞會變得更加個性化，而這並不是壞事。……我們有時會被欺騙和上當，可是這一現象以前也存在。」不過，對於報導獨家消息的記者而言，AI確實讓他們更難以提供更具洞察力的報導，或者他們更難發掘更多重大消息。

實際上，人類記者在提供有意義的分析或解讀方面可以秒殺AI。華頓行銷學教授耶爾德勒姆（Pinar Yildirim）表示，「AI能夠生成一些新聞報導，但是，絕大部分新聞需要的是從不同角度進行解讀的多元化和個人化觀點。儘管如今AI的判斷力和解讀能力比人類進步很多，我們還是需要人類參與事實、事件和新聞的解讀工作。」

紐約大學卡特新聞學院助理教授布魯薩德（Meredith Broussard）在華頓知識線上電台節目中表示，AI所取代的是常規的模式化的報導，這樣記者可以騰出時間展開其他更為有趣的工作。她認為「機器人短期內不會取代人類記者……AI擅長標準化模式編寫，因此他們編寫財務報告再合適不過，因為財報幾乎大同小異。」

美國俄勒岡大學新聞與傳播學院新媒體系主任李維斯（Seth Lewis）補充表示，AI最適合那些使用高度結構化數據的新聞報導。體育新聞就是一個很好的例子。他說：「例如美聯社可以借助自動化數據來編寫新聞報導，將比賽中的個人技術分析表轉化為敘事新聞。它聽起來或者讀起來像人類報導一樣，但卻只是……基於模板的各種敘事方式。」

在RADAR，記者為AI開發模板以讓其填寫本地數據。根據RADAR網站，這些模板包括「文本片段和if-then-else邏輯規則，用於將數據轉換為特定位置的文件」。數據記者必須想出各種角度和故事情節，然後作一些報導來「添加廣泛的背景資料和國家背景，而這些資訊則會被寫入具有基本故事結構的模板中」。於是就形成了有類似核心數據但有當地細節的新聞故事。RADAR表示，借助AI，一名數據記者每周可為每個模板製作約200個區域報導。

人類智慧對彭博社的AI具有指導意義。米可斯維特說：「我們需要人類告訴機器人Cyborg該做什麼。我們需要人類仔細檢查製作結果……我們不能出錯。事實上，這當中有很多都是半自動化的……通常情況下是人類和機器合作。」

AI也增強了記者的工作能力。例如，記者可以使用語音識別技術完成諸如錄音轉寫之類的繁重任務。機器人可以一次參與多個新聞電話會議，並且聽取特定的單詞以判斷是否有突發新聞。

米可斯維特說，AI帶來一個重大轉變就是自動翻譯。外國記者通常用一種語言報導事件而用另一種語言編寫新聞——例如，他們用普通話進行訪談，然後用英語撰寫訪談文章。他說，但是憑借快速的機器翻譯，「記者可以自己喜歡的任何一種語言發佈新聞，然後由電腦負責大部分的翻譯工作」。在發表新聞故事之前，記者會審查最終版本。米可斯維特說，雖然機器人確實會犯錯——比如，對於英文單詞「ties」，它可能會混淆「關係」和「領帶」的意思——但它們不會犯同樣的錯誤。

新聞業的未來

耶爾德勒姆說，AI不能取代人類編寫高品質新聞的另一個原因是：研究表明，人們不會「以純理性的方式」消費媒體。無論讀者是否承認，他們的確需要鼓動與情感以及會引起他們共鳴的觀點。根據耶爾德勒姆與人合著的一篇2013年的研究論文，人們總是希望獲得的資訊與他們的觀念相符合，因此這會促使他們去選擇新聞媒體。耶爾德勒姆說：「這個理論表明，消費者不想只聽赤裸裸的事實，而是希望聽到迎合他們觀念體系——世界觀的新聞。」

舉個例子，美國民意調查數據顯示，第一個月有40%的人支持川普，而第二個月他的支持率上升到了45%。耶爾德勒姆說：「不同的記者對這些數據可以用不同方式進行解釋，然後會吸引不同的讀者。」右傾媒體會報導川普的支持率正在上升，而左傾媒體則會說他的支持率仍低於50%。「他們說的都是對的，這就是對數據有不同的解釋。」 她補充說，如果AI要取代記者，那麼這些算法最好能夠產出人們想要聽到的新聞。

布魯薩德表示，AI編寫的新聞報導實際上具有很高的重覆性，因為它們都來自於模板。她說：「基於結構化資訊的所有大學棒球比賽新聞報導都基本雷同，所以你會一遍遍地讀到同樣的故事。……因此，AI生成的新聞有一個收益遞減點。它真的很棒，但效用非常有限。」

另一個問題是AI為新聞業帶來了尚未解決的新法律問題。李維斯研究過AI生成新聞中的誹謗問題，他說：「如果某篇機器自動化生成的新聞故事誹謗個人，那誰來為此負責？我們如何起訴機器算法？最終還會是人類以這樣或那樣的方式承擔責任。」

神速的機器報導也有其缺點，這是《洛杉磯時報》的體會。2017年，它的機器人Quakebot發佈了一則關於加州伊斯拉維斯塔鎮發生大規模6.8級地震的新聞推文，而事實上這場地震發生在1925年。當時，美國地質調查局正在更新曆史地震數據庫，卻不小心發出錯誤警報。機器人迅速收集到了數據並在一分鐘後自動報導。

布魯薩德對「新聞業正朝著完全自動化的未來邁進」這一觀點持懷疑態度。她說：「我會質疑這個假設，因為新聞編寫與汽車裝配不同。最初，AI具備大量產出的能力可能會令人興奮，但它實際上相當於垃圾食品。我想讓大家思考……對於新聞來說，‘慢食’運動將會產生什麼結果？如果我們考慮較小批量、手工生成的新聞，情況會怎麼樣？它成本更高，效率較低，但實際上更好。」

李維斯補充表示：「有個問題值得推敲：從利用機器生成內容的角度來看，這只是一場數量競爭嗎？……或者，對新聞機構來說，實際考慮減少工作量是否會更好？減少新聞的數量，提高質量，或讓它更具有價值。」他敦促媒體重視品質而不是數量——編寫「更具調查性、原創性和創意的新聞報導，並且採用滿讀者實際需求的方式而不是陷入單純的數量競爭。」