机器人写新闻,能否突破这三个技术点
早在2009年,《卫报》的老牌记者西蒙·罗杰斯就开设了“Guardian Datablog”,提供新闻背后的原始数据、统计和可视化数据。这在当时是很超前的做法,可以说《卫报》和罗杰斯早就意识到了新闻需要新的形态。
提到这个陈年往事,是因为看到了鞭牛士关停PC网站和凤凰网试图极力转型而裁员这两件不大但却反映出很深的行业现象的事件。这两家新闻网站都是将战略重心从PC转移到移动端,除了顺势,另一个原因是两家也都看到了新闻形态正以一种无形的状态在演变。
![](http://image.imrobotic.com/news/public/upload/new/image/20151012/20151012093627_15035.jpg)
当《华尔街日报》决定创立数字新闻部门,设立移动、交互图形、数据等方面岗位的时候。新闻形态就已经注定了围绕“新闻生产模式”、“可视化呈现方式”、“智能交互”进行演变的命运。但往往一些媒体很想去操纵命运,但却无力改变命运,因为他们不具备强大的技术支撑。
当大数据运算、人工智能、机器学习等技术发展至今,我们看到了机器人写新闻、图像展示数据、个性化推荐等许多变化。同样,随着技术革命的力量逐渐深入媒体行业,我们也畅想或预见了新闻未来的形态发展。下面我们就以三个技术层次来一探“新闻命运”的究竟。
第一层:算法生成文本
最近,腾讯用机器人Dreamwriter写新闻一事吸引了众人围观,但更多的是引发了人们对技术改变新闻的无限遐想。机器人写稿的核心根本就是对大数据的分析,通过对开放的相关数据分析进而生成的内容,但是当前机器人写稿都是处于较为低级的阶段,仅仅只是收集经济方面的相关数据并且糅合而成,所以数据中间所需要的上下前后的连接逻辑也比较简单,并且数据源也比较单一居中,这对机器来说也更好处理。
目前人工智能在做的就是利用大数据找到关联,用户通过搜索关键词后将关键信息交给用户,所以机器的工作就是整合信息,机器是能够粗略理解人类语言的。
而如果机器写稿能够从单一的维度局限跳出来,寻找多维数据的隐性关联,然后写出的文章,这样的技术将具备更大颠覆性。比如最近A明星正在和B明星闹绯闻,用户非常关心都在搜索,而此时机器就可以通过历史数据挖掘进行更高层次的撰写工作,将AB明星各自曾经的绯闻对象都列出来,然后根据历次绯闻时间以及真相、明星性格等等再做出理智推算此次绯闻的真实性有多高,这将会是非常有趣的,也比娱乐记者能够更为高效的生产出一线新闻。
目前,这种新的新闻生产模式对很多媒体来说显得尤为迫切,尤其是处在转型瘦身阶段的媒体。这可以大大的缩减人力和财力成本,公司内部资源就可以得到充分合理的分配。如果以这种生产模式在未来能够输出更加感性更加丰富的新闻内容,那么将改变的不仅仅是新闻形态,而将会改变媒体业态。
其次是私人定制新闻,也就是说机器通过为用户建模写出一切用户关心并且与用户有关的新闻,比如某用户要去A地度假,但是A地正在发生流感用户并不知道,此时机器就可以主动为其撰写出咨询,告诉用户该信息。而这种围绕式私人定制将会大幅度帮助用户自己去索引相关新闻的时间,将会大幅度减少用户搜索时间。
第二层:程序生成图像
《华尔街日报》总编辑Gerard Baker在公开备忘录中提到,在当前环境下媒体机构要想取得成功必须完成的一件事是,全面改造自身,优化数据新闻操作。从新闻形态的角度来看,优化数据新闻操作实际上就是强化新闻的可视化。
通过大数据生成图像,对于新闻行业来说,新闻可视化是能够比文字更为直接反映出直观信息,而用户也更为喜欢图片的呈现方式,这种方式更为吸引用户也更容易传播。而数据新闻的图表制作则是一门非常复杂与精细的工作,在美国有一个Data Journalism Awards的数据新闻奖,专门用来奖励每年那些杰出的数据新闻可视化作品。
所以从数据到图像制作,从算法来讲相当简单,而如何呈现如何突出重点才是最关键的,在一篇数据报道中能找到各种各样好玩的东西,而选择怎样的角度才能够更加直观的展现出新闻的主要观点,这才是要解决的。
比如“五一”或者“十一”这样的长假,一定会有很多有价值的数据,此时人工智能则可以根据用户感兴趣的话题诸如堵车、各城市游客流量,各地门票价格、往年历史数据等等方面出发,通过挖掘大数据,找到用户所关心的领域,然后进行各种数据对比,自动生成对应用户想要看的图片,这将会带来巨大的传播空间。
也许说不定未来的Data Journalism Awards数据新闻奖会是人工智能。
第三层:技术实现交互
无论是现在还是未来,智能交互都应该是最核心的趋势,因为无论是用户体验还是想象空间它都是具有巨大价值的。目前,类似百度新闻和今日头条的个性化推荐就是智能交互的初级阶段。
无论何时,价值至上一定是新闻的主旋律,这里面的价值体现是用户是否能够精准快速的获得自己想要的信息。
如果再深究技术层面,基于大数据的运算和建模所呈现的用户画像和内容结构模型,是智能交互的核心。基于这种“全行为”数据建立起来的用户画像,显然要比那些只基于阅读习惯的数据模型更具准确性。
机器已经开始代替人类写稿,说明机器已经开始正式踏入媒体的源头领域。越来越多的可视化新闻诞生,说明数据、技术与新闻已经无法割裂。用户正在不断与新闻客户端进行不同的交互,说明技术正逐渐挖掘新闻背后的价值。
虽然看上去机器、技术、数据充斥了新闻的未来,但这并不说明新闻被机器所主宰,反而是新闻的一种升华,人们借助技术的力量将会开拓新闻与媒体的另一番天地。
好的文章,需要您的鼓励
19
- 最新资讯
- 最新问答
-
轮式机器人的发展及其趋势
关键字: 轮式机器人 发展 趋势 2024-07-03 -
具身智能的定义和作用
关键字: 具身智能 2024-06-28 -
什么是agv小车?特点有哪些?
关键字: agv小车 特点 2024-06-27 -
机器视觉应用的分类?范围有哪些?
关键字: 机器视觉 应用分类 范围 2024-06-25 -
机器人打磨抛光设备有哪些?特点是什么?
关键字: 机器人打磨 抛光 特点 2024-06-20
-
机器人焊接焊机报TC异常怎么解决
标签: 焊接机器人,焊机,TC异常 提问:TC 2024-06-28 16:05:01 -
机器人运动轨迹的控制方式有哪两种
标签: 机器人,运动轨迹,控制方式 提问:张默 2024-06-25 10:10:02 -
具身智能什么意思
标签: 具身智能,什么意思 提问:MESSE 2024-06-19 10:37:04 -
3D视觉无序抓取系统配置要点?
标签: 3D视觉,无序抓取,系统配置 提问:QUTE 2024-06-17 13:17:05 -
3d相机机器视觉检测原理
标签: 3D相机,视觉检测 提问:木木 2024-06-17 13:03:03
- 2021-06-10 10:45:45
- 2021-06-11 13:34:28
- 2020-05-29 10:03:22
- 2019-09-24 11:19:01
- 2020-01-16 13:27:13
- 2019-10-08 09:43:45
- 2022-11-16 03:17:04
- 2023-01-01 10:03:04
- 2022-12-22 07:17:04
- 2022-11-04 18:05:08
- 2022-11-14 16:16:05
- 2022-08-03 10:20:40
- 2024-06-28
- 2024-06-27
- 2024-06-25
- 2024-06-20
- 2024-06-19
- 2024-06-17
- 2024-06-13
- 2024-06-11
- 2024-06-06
- 2024-06-04