新闻工作将怎样被人工智能所改变?

曾经,机器人的出现改变了整个制造业经济领域。如今,人工智能和自动化以同样的方式颠覆着信息工作,人类开始逐渐将认知劳动交付给计算机。

例如,在新闻业中,数据挖掘系统会提醒记者编辑们注意潜在的新闻选题,而新闻机构则为观众提供了获取信息的新方法。自动报道机制如今已可以覆盖财经、体育等品类的新闻。

当这些智能技术渗透到各行各业中时,人们通常会好奇传统工种和劳动力将受到怎样的冲击。本期全媒派带来独家编译,看看在人工智能加入的新闻业中,做新闻的会是谁?他,或者说它们,又会怎么做新闻?

强化而非替代

西北大学助理教授及计算机新闻实验室总监Nicholas Diakopoulos在其最新著作《自动新世界:算法如何改写媒体》中通过一系列论证表明,即使在人工智能主导的未来,仍然会存在很多人类新闻工作者。但是,这些人的工作,角色以及工作内容都会有所改变。人力将与算法结合,以释放人工智能的能力,同时适应其局限性。

据估计,以目前的人工智能技术水平,记者的工作中只有约15%可以实现自动化,编辑则只有区区9%。

在好莱坞大片以外的真实世界中,人类仍然在几个新闻业关键领域对人工智能保持优势,包括复杂沟通,专业思考,适应性,以及创造力。

报道,倾听,回应和推拉,平衡信源,最后将这些环节打通,用创造力输出内容,记者工作的每一步都不可或缺,而人工智能甚至无法完成其中任何一个。

但是,人工智能可以强化人类的工作成果,以帮助提高工作效率或质量。它能为深化新闻报道带来新机,让报道变得更加个性化。

新闻编辑部的工作总是在适应新技术的浪潮,摄影、电话、电脑,甚至是小小的复印机。记者也必将适应与人工智能的协同作业。作为一种技术,人工智能已经并将持续改变新闻工作,但它非但不会取代一个训练有素的新闻人,反而会让他变得更强。

新工种的出现

Nicholas Diakopoulos发现,人工智能技术似乎正在为新闻界创造新的工作类型。

以美联社为例,该社在2017年推出了计算机视觉人工智能技术,用以标记每天处理的数千张新闻照片。系统可以在标注中指明这张照片包含了什么内容或者哪些人,摄影风格如何,有无暴力画面等信息。

该系统将图片编辑从大量的标注工作中解放出来,从而拥有更多的时间来思考他们应该发布什么。

但无论在研发端还是编辑端,对这一系统的开发都需要大量的工作:编辑必须弄清要标记的内容以及算法对这一任务的匹配度,然后开发新的测试数据集来评估效果。完成所有操作后,他们仍然需要监控系统,手动批准每张照片的建议标签来确保高准确度。

负责该项目的美联社高管Stuart Myles告诉Nicholas Diakopoulos,这项工作耗时数年,十多名编辑、技术和行政人员参与其中。大约三分之一的工作涉及新闻专业知识以及一些特别难以实现自动化的判准。虽然在将来人力监督有望削减,但随着技术系统的发展和扩大,编辑的工作仍将不可或缺。

半自动化内容制作

在英国,RADAR项目每月通过半自动化模式输出约8000篇本地化新闻。该项目由6名记者运营,他们找到按地理区域划分的政府数据集,筛选出有趣且有新闻价值的选题,然后将这些想法发展为数据驱动的报道模板。

模板通过编码,将每条文本和数据归属的地理位置一一对应。例如,一篇报道可以讨论英国的人口老龄化问题,并通过布里斯托不同的本地化统计数据,向卢顿市的读者展示他们所属社群的变迁情况。这些报道会由通讯社发送到当地媒体,并由他们决定是否发布和如何发布。

在这一方法中,记者和自动化高效结合:记者利用他们的专业知识和沟通技巧,为数据预设一些可能的“故事线”。他们也会与不同信源讨论来获取某个问题的全国普适视角,从而编写报道模板。在这个过程中,自动化充当了新闻生产小助手的角色,使同一文本能够适应不同的当地环境。

RADAR记者使用一种名为Arria Studio的工具,它可以让内容生产者一睹自动化内容在实践中呈现的样子——它看起来就像一个复杂版的Word。

作者写出各种碎片式的文本,而这些文本则由if- then- else(如果-那么-否则)的代码规则驱动。例如,在地震报告中,我们可能需要不同的形容词来描述8级地震和3级地震。因此,我们可以这样设计代码:如果地震强度>7,那么输出文本“强烈地震”。否则,如果地震强度<3,输出文本“小型地震“。

像Arria 这样的工具还包含强大的语言功能,例如自动共轭动词或拒绝使用名词,从而更轻松地处理需要根据数据进行更改的文本。

人工智能如何改变新闻工作?

Arria的创作界面使得记者可以专注于自己擅长的事——从逻辑上构建引人入胜的报道情节并制作富有创意的非重复性文本。

但他们也需要一些新的方法来构思报道。例如,模板的编写者在做一个报道前,得了解数据能做到什么。他们需要想象数据能如何丰富角度或使叙事变得多样,同时能勾画出驱动这些变化的内在逻辑。监督,管理或编辑自动化内容的工作人员也越来越多地出现在新闻编辑室中。

质量和准确性是新闻业界最关注的问题。为此,RADAR开发了一个三阶段质检流程:首先,记者将阅读所有的自动化内容;然后,另一位记者将报道中给出的所有结论回溯到原始数据源;最后,编辑会再一次检查报道模板中的逻辑来排除错漏。

这几乎就像一个软件工程师团队在调试脚本时所做的工作,而这也是人类为了让自动化正常运转而不得不做的事。

终结付费墙?

内容生产并不是人工智能大施拳脚的唯一赛道。通过机器学习的算法,新闻媒体还可能发展出新的订阅模式,实现对每一位用户内容消费的量身定制。

通过调整订阅策略以及付费墙设置,新闻媒体一直在试图平衡自由浏览量和用户阅读权限——也就是在寻找广告收入和订阅收入之间的最佳平衡点。

当然,这个神奇的平衡点并不存在。有的人可能在一次浏览后就会订阅,有的人则需要更长时间才能做出付费转化的决定,而有些人根本就不会订阅。这些用户维度的个人差异基于大量指标而变化,例如地理位置、内容消费习惯、访问行为、主题、设备等。

在新技术的加持下,内容供应商不再需要通过单个数字来定义最佳策略,甚至不需要确定一个引导读者订阅的特定路径。如今,他们可以实时为每个用户生成最佳规则,向那些最有可能回应的人提供高价值的优惠。计算机无法自主制定营销策略,但它无疑可以帮助我们对营销策略进行优化。

美国公司Piano用了大约一年时间来改进和测试用户可能性模型。他们的机器学习系统可以筛选出所有浏览器级别的可用数据,从而能够预测并驱动用户行为。

Piano的第一个可能性模型就致力于预测用户订阅的可能性。

以下是它的工作原理:通过与全球各地传媒公司的关联,Piano已经能够分析数百个订阅网站和数十亿的每月用户互动。这一独特的优势使Piano工作人员对营销订阅的因素有了一些深入认知。更重要的是,它为我们观测影响订阅可能性因素提供了确切的数据。

某些数据点与用户转化的可能性密切相关。例如,用户每天或每周访问某个网站的时间,或者他们访问的设备类型等因素,都会定期形成可预测的模式,从而展示用户最终的行为方式。

动态付费墙规则是一种新兴业务,它的背后冉冉升起的是一个定价和业务规则完全动态并为每个用户定制的世界。虽然“订阅经济”已经取得了很大成就,但我们认为这种转变比从一次性支付转向经常性支付更重大。

这将是一个全新的世界,企业生产的所有内容都可以实时响应每一个用户、每一份商机。

深耕人力资源

如前文所述,人工智能和自动化非但没有减少新闻业的岗位,反而正在创造新工作,并改变现有的工作。今后,记者需要接受培训,以设计、更新、调整、检验、纠正、监督以及维护这些技术系统。许多人可能需要学会和数据一起工作,用逻辑思维来处理数据,多熟练掌握一些计算机编程基础知识也是不会错的。

随着这些新技术的发展,确保它们是优质的工作非常重要——人们不能只是在更大的生产机器中成为齿轮,这种新型混合劳动的管理者和设计者需要考量人类对自主性、有效性和可用性的关注。

Nicholas Diakopoulos乐观地认为,在这些技术中聚焦人类经验,将使内容工作者成长,让社会蓬勃发展,让人工智能和自动化交出更好的答卷。

推荐文章

如今,世界正在经历一场影响范围甚广的技术革命,信息技术(IT)正快速决定着一切事物的发展进度和计划。计算机问世之后,出色的想法得以转化为出色的创新。比如人工智能和机器学习,这两种技术让生活变得轻松起来,也让业务流程更加简洁高效。机器学习和人工智能依靠计算算法复制人类的智能行为,包括自动语音识别、增强现实和神经网络机器翻译。这些不同领域技术创新的成功问世促进了人们对计算机可视化和解释图像的深入研究。通过使用不同的软件,计算机视觉努力激活机器的双眼去观察和解释图像。技术已经证明,计算机视觉可为人类和科学家提供自动驾驶汽车、无人机、面部识别和更多其他的应用。随着技术领域引入图像标注技术,人们开始享受到这一非同寻常的发展。在计算机视觉领域,图像标注是一项重要的任务。尽管这项技术已经发挥了很大作用,但要想充分理解其功能以及使用情况,还需要揭开很多隐藏的信息。什么是图像标注?图像标注是一种创新型的计算技术,人们需要手动识别并定义图像中的区域,并为图像中指定的区域进行基于文本的描述。图像标注会在计算机视觉系统呈现新图像或数据时催化模式识别过程。识别图像上图案或标签的速度是不同的。与具有不同标签的图像或数据相比,具有类似标签的图像或数据识别要更加简单快捷。图像标注技术主要由人工智能(AI)工程师使用,为计算机视觉模型的开发提供有关图像的信息。图像标注的多种技术2D边界框使用2D边界框technique-Labelops.ai标2D边界框技术是用于标注图像的重要技巧之一。使用这种方法时,标注器会在特定帧和位置围绕感兴趣的对象创建一个边界框,标注人员可以在每个对象的边缘位置创建位置锚点。很多时候,对象看起来可能都是一样的。在这种情况下,标注人员可以为图像中的所有对象绘制边界框。另外,当位置中出现不同的对象时,必须在每个对象周围都绘制边界框。例如,如果位置中有汽车、自行车和行人,标注人员就应该在它们周围绘制边界框。绘制完成后,标注器将选择最适合框中对象的标签。3D边界框使用3D边界框technique-Labelops.ai标注的图像3D边界框也被称为立方体,是一种类似于2D边界框的技术。标注器在每个图像周围创建边界框。锚点被放置在每个对象的边缘位置。创建这些边界框是为了覆盖某个特定的位置和帧。但是,两种技术的不同之处在于3D边界框可以显示出被标注对象的深度。多边形标注使用多边形标注technique-Labelops.ai标注的图像多边形标注是一种出色的图像标注技术,标注器可用于标注形状大小不规则的对象。这种技术十分有用:2D和3D边界框只能标注形状规则的图像,而在多边形标注中,标注器在感兴趣的图像周围创建多边形。这样可以更容易地准确预测出图像在多边形空间中的体积和位置。折线折线标注是一种奇妙的标注技术,主要功能是让计算机视觉系统感知到标注的边界、样条和线。标注器还可以利用折线标注技术来规划无人机的飞行轨迹。折线标注可以在图像中绘制直线或曲线,所以它可用于标注人行道、车道、输电线等其他边界。关键点使用关键点technique-Labelops.ai标注的图像标注器可以用关键点追踪技术确定对象最外面的部位。这种技术也可以用来确定对象重要部位的大小和位置。打个比方,如果要标注一辆汽车,那么它的重要部位(如后视镜、前灯和车轮)都会被确定。语义分割使用语义分割technique-Labelops.ai标注的图像如果想要通过将图像分割为不同的片段或区域来标注图像,可以选择语义分割,比如可以用其标注停车场的图像。一个停车场包括树木、草坪和人行道,这些组成部分都被分成了不同的片段,并被分别标注。使用语义分割技术进行图像标注时,可能需要调整语义分割算法的阈值,这将有助于标注人员标注任何其需要的图像。图像标注的步骤1. 分析项目的局限性标注给定图像的第一步是分析项目的局限性。通过分析项目,标注人员可以对项目及其约束条件有一个大致的了解。2.使用恰当的工具标注人员可以使用的工具很多。但是,需要为将要标注的图像选择恰当的工具,之前所作的分析将有助于为特定图像选择最佳的工具。3.使用恰当的技术选好合适的工具之后,标注人员需要采用恰当的技术来标注特定图像,这就需要研究项目说明。采用恰当的技术标注的图像可作为训练数据。

热门文章

        对数据标注行业稍微有些了解的人都知道数据标注进入门槛低,适合很多人兼职也适合创业。        正是因为数据标注行业的门槛低这个特点最近两年从事数据标注的小公司小工作室如雨后春笋般的遍布全车大大小小的县城。        但是目前有个有趣的现象,那就是有很多进入数据标注行业做了一段时间的人慢慢的感觉数据标注行业就是个坑?为什么有些人会说数据标注就是个坑呢?        其实对与有上述问题认识的人我们认为,这些人多数都是有于对这个行业对自身条件的不了解,盲目的开始进入数据标注行业的。为什么我们会这样说呢?下面就给给大家来分析下到底有哪几方面的原因:        一、有相当一部分人是听了朋友或者网上消息说这行很火爆,好做,门槛低,也有一部分人了因此租办公室买电脑招人,然后就去群里面找分发项目的人就开张干起来了。可实际上这些人他们大多数都没有充分了解数据标注行业,更没有认真仔细得去调查分析,到底自己能不能做好一个项目,到底自己能不能有质有量按时交付的完成一个项目,到底自己有没有这个能力来管理项目。更多的人也没有去用长远的眼光去考虑数据标注项目。        二、数据标注项目虽然入门门槛低,但是相当一部分有于理解认知应变能力上都不能保证去做好数据标注项目,还有一部分人由于自己对标注项目重视程度不足接到项目之后呢?不仔细认真的去阅读理解项目规则,更没有很好的对规则质检标准去培训员工,而对员工的要求主要看重每天的产出效率,从而导致接到手的项目做的质量很差,频繁的返工,有提项目甚至因为质量太烂项目方不给结算或者是结算比例很少,最终的结果就是做好些个项目但基本都是赔钱。        三、虽然业内人都 说数据标注简单,但是标注项目他也是一个系统性的工程,一个项目能不能做好并不简单的看项目好做就能赔钱。实际上决定项目赚不赚钱考验的是一个团队的项目管理水平,质量管理能力,运营能力各方面因素的。一句话再好赚钱的项目也照样有人赚钱也有人赚钱,要赚钱不是那么简单的。        四、还有些工作室 、小公司因为对行业不够了解等他们做了一段时间后发现,自己团队经常会没有项目做,而自己团队接项目的业务能力又不具备,甚至有的时候为了员工有活干去接一些价格极低根本就不赚钱的标注项目,时间稍微一长这些工作室团队就会赔上很多钱最终关门倒闭。        五、下来要说的就是一部分人人兼职人员由于认识不到位,对项目的规则质量要求 文件不认真阅读消化理解导致做的项目质量差返工有的甚至最后不结算,最终退出这行。更有一些人由于经验不足被标注行业的项目骗子给忽悠到辛苦劳动到最后结算时找不到人。        标注行业本身由于进入门槛低,做的人很行业内盲目打价格战,导致很多转手二手三手的项目在质量工期的要求下根本就不赚钱甚至赔钱,所以在这里也提醒大家做任何事都要谨慎而行。