传媒颠覆者：机器新闻写作

蒋枝宏（武汉大学 新闻与传播学院，湖北 武汉 430072）



传媒颠覆者：机器新闻写作

蒋枝宏
（武汉大学 新闻与传播学院，湖北 武汉 430072）

摘 要：随着人工智能技术在各生产、生活领域的普及，新闻业终于迎来了机器写作这一颠覆性写作方式。本文梳理了机器新闻写作的发展历程以及国内外关于机器新闻写作的研究成果，以期为未来的机器新闻写作研究提供有益借鉴。

关键词：机器新闻写作；人工智能；应用；初级阶段

一、机器新闻写作的概念及其发展历程

所谓“机器写作”，又称“机器人写作”，是指自动根据算法将目标数据通过自然语言生成的方式输出文章的一种人工智能技术，核心在于自然语言生成。“机器新闻写作”则指用这种技术进行新闻写作，是人工智能学科在新闻领域的应用。最近20年，诸如战胜国际象棋大师的机器人“深蓝”、扫地机器人、面部识别、无人驾驶等我们熟悉的科技都是人工智能的研究成果，而机器人新闻写作也属于这一系列成果之一。

基于模板的文本生成算法研究始于20世纪90年代（Buseman & Horacek，1998；Theune，Klabbers，Odijk，De Pijper，& Krahmer，2001），但商业化应用却是近几年才出现的。2010年，美国的Automated Insights公司和Narrative Science公司分别将其研发的自然语言生成Wordsmith和Quill投放市场。两家公司均称其旗下自然语言生成平台与此前的平台不同，不是单纯将数据填入模板，而是根据特定传播目标进行个性化写作。Narrative Science将Quill的文本生成过程概括为：第一，收录数据。第二，计算该数据具有新闻价值的各方面。第三，识别相关角度并对其进行优先处理。第四，将数据显示的角度与文章观点相连。第五，输出文本。

由于机器新闻写作速度快、产量大、成本低，从2010年春季开始，美国十大电视网已经开始采用Narrative Science的软件进行体育比赛简要报道。在2009～2010年赛季，该软件撰写的报道占足球赛事报道的40%（刘霞，2011）。2014年3月18日，美国加州发生4.4级地震，《洛杉矶时报》依赖自主研发的地震新闻自动生成系统Quakebot，仅用3分钟就完成了新闻的生成并发表在《洛杉矶时报》网站上，引发了其他媒体的关注。同年7月，美联社宣布与Automated Insights公司合作，采用机器进行企业的财报报道。此外，雅虎、福布斯网也已采用机器人进行特定种类的新闻写作。

值得注意的是，机器新闻写作仍处于初级阶段，主要被用于财经、体育领域的新闻报道，因为这两类新闻需要进行大量的数据处理和阐释。而在地质、气象、健康领域，机器新闻写作也具有较大潜力。

国内大众开始关注“机器新闻写作”主要源于腾讯财经的一篇报道。2015年9月10日，一则名为《8月CPI同比上涨2.0% 创12个月新高》的文章文末注明：“本文来源：Dreamwriter，腾讯财经开发的自动化新闻写作机器人。”这篇机器人写作的新闻稿引发了社交媒体大量转载和讨论。

10月14日，腾讯财经再次发布机器新闻稿件。这一次，不但与国家统计局的消息公布零时差，同时推出了“常规版”、“研判版”、“民生版”3个版本。3篇文章文风各异，针对不同目标用户个性化需求。此次升级显示出腾讯企图打造能够出产个性化、语言生动的写作机器人的野心。

二、机器新闻写作的研究意义

机器新闻写作是新闻生产自动化的全新发展阶段。从2001年谷歌新闻实现机器自动选编，到如今各大新闻网站根据用户爱好、浏览习惯推荐新闻，聚合生成新闻网页以及微博自动抓取新闻热点、设置热搜词，都是新闻生产自动化的表现。但这些都还停留在编辑阶段，并不涉及内容的原创性生产。而写稿机器人的出现极大地挑战着“写稿是人类特有智力成果”的信念，因而一时之间“记者面临失业”的言论不绝于耳。

美联社负责人表示，采用机器人写作企业财报报道后，季度产量由原先的300余篇变为3000余篇，且单篇文稿生产时间只需要几分钟，机器人的生产力可见一斑。与此同时，机器人的快速更新换代、深度学习能力不断增强也让传统记者倍感压力。Narrative Science原创人之一甚至声称未来15年，机器人写作稿件将占据90%的市场份额。

无论是作为记者的补充和辅助，亦或直接取代记者进行特定类型稿件的生产，机器新闻写作的潜在影响力使得关于它的研究具有相当的紧迫性和必要性。

三、机器新闻写作国内外文献综述

（一）国外文献综述

国外研究者用“机器人新闻”（robotic journalism）、“机器写的新闻”（machine-written news）、“自动内容”（automated content）、“自动新闻”（automated journalism）等名称来指代本文所称“机器新闻写作”技术，称呼方式多元，但所指内核基本一致，强调“基于数据”、“自然语言生成”、“没有人工干预”等要素。

部分研究者笼统将机器新闻写作归入计算机新闻（computational journalism），将其视作计算机新闻的新发展，探讨计算机新闻对传统新闻工作流程、稿件生产、记者职责、新闻导向等方面产生的影响，仅在过程中顺带提及机器新闻写作这一现象，但并没有把它作为独立研究对象展开分析。其中，Terry Flew、Christina Spurgeon、Anna Daniel和Adam Swift（2011）认为，计算机新闻技术能充分挖掘并解释数据，不会遗漏任何数据和数据背后潜在的新闻价值，使得原创性调查报道不仅生动，并且有意义。此外，还能增加调查报道与读者的互动方式，有利于维系现有读者并吸引更多读者。然而，Joakim Karlsen和Eirik Stavelin（2012）在对挪威6家最大的媒体进行深度采访后，得出了相反的结论。他们认为计算机新闻虽然在工具以及所需的相应技能上与传统新闻不同，但新闻价值和目标仍然一致。尽管计算机新闻让数据被更充分的利用，但通过研究，他们并未发现计算机新闻提升新闻业效率的证据，也不认为计算机新闻会在低水平的技术工作环节替代记者。“算法”（algorithm）是计算机新闻的关键，Philip M.Napoli （2013）将算法概念化，视作融合了人力和技术的媒介机构，运用体制理论（institutional theory）对算法在媒介消费和媒介生产方面起到的作用进行分析，认为算法的作用机制与媒介运行机制存在多处平行，算法已经入侵很多学界认为传统媒体特有的功能，如“把关人”、内容决策、内容生产。

以“机器新闻写作”为研究对象的论文并不多。Matt Carlson （2014）延续了计算机新闻的主流研究思路，探究新闻内容自动生产对新闻实践的影响，他还进一步分析了其如

何影响人们对新闻的理解。Arjen van Dalen （2012）关注机器人新闻写作对记者自我认知的冲击，研究这种新技术的采纳如何迫使传统记者重新审视自身技能。

上述研究都将关注点放在机器新闻写作技术和新闻实践之间的关系和互动上，而2014年发表的另外两篇论文则采用问卷调查的方式从读者角度研究机器写作的新闻文本的质量。Hille van der Kaa 和Emiel Krahmer（2014年）侧重于比较记者读者和普通读者对机器新闻写作的文稿看法、评价差异；Christer Clerwall（2014年）以学生为调查对象发放了问卷，研究读者是否能分辨机器新闻稿和人工新闻稿，以及他们如何看待机器稿件的质量。

Patricia McCartney（2015年）的《机器新闻与护理》一文简单介绍了机器新闻写作的原理及当前应用，探讨了其优势和不足，最后提出了自己的猜想：机器人写作技术或可应用于医学诊断，为病患开具诊断书。

（二）国内文献综述

国内关于机器新闻写作的探讨主要分为两类。第一类内容覆盖面广，从机器新闻写作的算法、工作原理，到发展历史、现状、可能带来的影响几个方面来介绍机器新闻写作（金兼斌，2014；张鋈，2014；黄可，2015）。第二类是从某个角度切入，谈机器人记者的应用（鲁烨，2015；鲍广仁，2015）、对新闻业的影响（郭佳，2014；曹素妨，2015；李旭，2015）、对新闻教育的影响（韩立新，2015）以及机器人新闻写作的未来（曹素妨，2015）。

这些探讨还停留在浅显的谈论层面，尚未进入严谨的学术论证阶段。因此，关于机器新闻写作的研究还有待深入。

参考文献：

［1］ 金兼斌.机器新闻写作：一场正在发生的革命［J］.新闻与写作，2014（9）：112.

［2］ 郭娟，宋颂.“机器携手”的著作权问题研究——以机器人代写新闻为例［J］.宁德师范学院学报（哲学社会科学版），2015（2）：124.

中图分类号：G212.2

文献标志码：A

文章编号：1674-8883（2016）03-0046-01