人工智能发展现状及应用
导读：人工智能（ArtificialIntelligence），英文缩写为AI。人工智能被认为是第四次科技革命的核心驱动力，目前许多领域都在探索AI技术的应用，可谓方兴未艾。那么什么是人工智能，它经历了怎样的发展历程，现阶段发展状况如何，它有哪些应用。本篇文章就为大家做个简单分享。同时也会为大家详细介绍一下百度的AI技术体系。
本文主要内容：
1.人工智能概念
①智能
②人工智能
2.人工智能的发展
①人工智能的发展历程
②AI是中国的机遇
3.AI与百度
①百度AI的发展历程
②百度AI的技术体系
③百度AI的场景化应用
1.人工智能概念
1.1智能
谈到人工智能，需要首先理解“智能”一词的具体含义。智能是指人类才具有的一些技能。人在进行各种活动的过程中，从感觉到记忆再到思维产生了智慧，智慧产生了人类本身的行为和语言，行为和语言统称为能力；智慧和能力结合在一起就是人工智能中的智能一词。
比如，人类的语言表达能力就是一种智能（语言智能）；人类进行复杂数学运算的能力也是一种智能（数字逻辑智能）；人类的交往能力也是一种智能（人际智能），人们对音调、旋律、节奏、音色的感知能力，也是一种智能（音乐智能）。他们都属于智能的范畴。
1.2人工智能
把智能的概念与人的逻辑理解相结合，并应用到机器中，让机器能更好的模拟人的相关职能，这就是人工智能。人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。
人工智能概念，最早可以追溯到上世纪90年代初，这个时候需要提到一位科学家：图灵。
艾伦·麦席森·图灵（英语：AlanMathisonTuring，1912年6月23日—1954年6月7日），英国数学家、逻辑学家，被称为计算机科学之父，人工智能之父。
图灵最早定义了什么是人工智能，怎样去界定一个机器（或一个设备）是否具备智能。他最早提出了图灵测试（即：一个人在不接触对方的情况下，经过某种特殊的方式和对方进行一系列的问答，如果在某些时间之内，他无法根据这些问题判断对方是人还是计算机，那么我们就认为这台机器具备智能化的思维）。直到2000年左右，才真正有计算机通过了图灵测试，才实现了一个突破。在2014年图灵测试大会上，出现了一个通过图灵测试的机器（或者称为智能聊天的机器人）。这两年人工智能的高速发展，也印证了最早的图灵测试，这也让我们反向看到了图灵在人工智能定义方面做出的突出贡献。
现今，在做图灵测试时，判断这个设备是否具备人工智能，更多的还是从模拟人的角度来考量。但在当前科技背景下，人工智能需要涵盖更广的内容，它不仅仅要模拟人本身的职能，还需要具备一些扩展、替代甚至延伸的职能。
举个例子，在医疗领域，需要经常在实验室进行病毒化验，人处这样的实验环境下会比较危险，经常会出现一些事故，如果能够用机器替代人来做这些实验，这些事故就可以避免。此时，这台机器就不仅仅是在模拟人，而是在替代人，机器本身就具备了替代人的能力。
当前，很多人在担忧：人工智能的发展会不会对人类造成威胁。其实，目前人工智能还处于早期的阶段（或者称之为婴幼儿阶段），我们还处于弱人工智能时代。
当然，随着时间的推移，将来我们可能会把弱人工智能时代推进到强人工智能，甚至再往前推进到超人工智能和智能爆炸时代。但至少目前，我们离这样的时代还有非常远的距离，要实现这样的目标，需要非常多的时间积累，可能要通过几代人甚至十几代人的努力。所以大家不要有过多的担心，人工智能现在更多的还是用于服务人类，用来提高人们的工作效率。
上图引自MIT大学一位教授。
针对人工智能所覆盖的领域，这位教授提出一个观点：“我们要尽可能避免做这些容易“进水”的工作，以免被日后所淘汰掉”。
这张图水平面以下的工作，如存储，计算、甚至象棋活动等，已经被海平面淹没。在海平面边缘的工作，如翻译、驾驶、视觉和音频等，很有可能在未来的一段时间，随着技术的进步也会被淹没。再来看图上高海拔地区的工作，如艺术创新、科学研究，文学创作等，让人工智能替代人类去做这些工作，在现阶段是比较困难的。要让人工智能实现像人一样具备主观能动性，还需要比较长的时间。我们在选择工作，或者在做技术探索的时候，应该从更高的层面布局，而把那些可以被人工智能替代的工作交给计算机去做，这样我们就可以从一些重复性、冗余性的工作中抽离出来，去专门从事创造性的工作（比如艺术创作等）。
2.人工智能的发展2.1人工智能的发展历程我们回顾一下人工智能发展的历程。
人工智能并不是特别新鲜的词，在计算机出现后不久，大家就已经开始探索人工智能的发展了。
1943到1956年这段时间，为人工智能的诞生期，期间有很多人尝试用计算机进行智能化的应用，当然此时不能称为人工智能，只是有类似的概念。
人工智能的分水岭是1956年达特茅斯会议，在本次会议上正式提出了AI这个词。
1956到1974年这段时间，是人工智能发展的黄金时代，是人工智能的第1个高速发展期，通常把这段时间称之为人工智能大发现时代。
1974到1980年这6年的时间里，进入了人工智能发展的第1个低谷，在这个低谷期，出现了非常多的问题，比如计算上的问题、存储上的问题、数据量的问题，这些问题限制了人工智能的发展。
1980到1987年这段时间是人工智能的第2个繁荣期。期间诞生了大量的算法，推动了神经网络的高速发展，同时出现了许多专业的科研人员，发表了许多创造性的论文。
1987到1993年这段时间是人工智能的第2个低谷期，期间有个词叫“AI之冬”。有大量的资本从AI领域撤出，整个AI科研遇到了非常大的财政问题，这是导致”AI之冬”的主要原因。
1993年之后，人工智能又进入到高速发展期，期间出现了许多经典案例，比如1997年IBM公司的深蓝案例，2001年IBM的沃森案例，2016年谷歌AlphaGo案例。这些案例是人工智能在应用层面的体现。
上图概括了人工智能的发展历程。
可以看到，从1956年达特茅斯会议AI这个词诞生，一直发展到现在，人工智能共经历了60多年的跌宕起伏，并不是仅在2016、2017这两年间才出现了人工智能这个概念。
从宏观上看，AI的发展历程经历了三次比较大的起伏。
第1次起伏是从1943年到1956年，首次出现了神经网络这个词，把人工智能推到一个高峰，期间出现了许多大发现。而第1次低谷使人工智能进入到了反思的阶段，人们开始探讨人工智能的应用。
第2次起伏是在上世纪80年代，期间BP算法的出现，神经网络新概念的普及，推动了人工智能又进入第2次高峰和发展。然而从1987年到1993年又进入到了了第2次低谷，这主要因为一些财政原因导致。
第3次起伏从2006年开始，由辛顿提出了深度学习的概念，把神经网络往前推动了一大步，也把人工智能推到了高速发展阶段，尤其是近几年在非结构化领域取得了许多突破（例如在语音与视觉方面），给人工智能进入商业化应用带来许多的基础性技术沉淀。
人工智能为什么会在前面的发展过程里遇到了那么多的坎坷？为什么在最近这几年会进入一个高速发展期？
我们归结了近几年人工智能高速发展的三点原因：
①算力飞跃
人工智能（尤其是深度学习），对底层计算能力的要求非常高。早期的计算受到了极大限制，从CPU发展到了GPU，使得算力几乎能达到几倍甚至十几倍量级的增长。再从GPU到TPU，计算速度能达到15~30倍的增长，使得在算力层面不断取得突破。此外，大量云资源的出现将我们计算的成本压到了最低，我们在处理海量计算的同时，也可以享受比较低的成本。再者，芯片技术的发展，使得端处理能力持续提高，这些都帮助我们在算力层面取得了很大的突破。
②数据井喷
从PC互联网时代到移动互联网时代，再到可穿戴设备的应用，都产生了大量的数据。这两年，每年产生的数据量可以达到50%左右的增长。2017年到2018年，这段时间内基本上每个月产生的数据量可以达到几十个亿的量级，数据量已经非常高。物联网的连接，能帮助我们把更多的数据采集回来，帮助我们在数据层面做更多的积累，这是数据井喷带来的积极影响。
③算法突破
近几年来，从机器学习到深度学习，算法不断取得突破。使得我们可以处理更多的大规模、无监督、多层次等复杂业务。
算法、算力、数据是人工智能的三要素，算力是骨骼，数据是血液和食物，算法就是大脑，三者不断取得突破，才能促进人工智能高速发展。
2.3AI是中国的机遇
人工智能技术的发展也促进了很多产业的发展。中国目前有非常好的历史机遇，不仅仅是在技术上有大量的积累，同时，国家也为人工智能的发展提供了非常好的政策环境。此外，市场空间、资金支持、人才储备，也都为人工智能的发展提供了非常好的条件。
通过上图可以看到，人工智能的研发人才目前还比较短缺。图上数据来源于领英在2017年所做的全球AI人才报告。以2017年的数据来看，全球人工智能专业的人才数量超过190万，在这190万人才中，美国处于第一梯队，有85万+；而中国在人工智能领域的人才积累比较少，从数据上来看，目前国内人工智能方面的专业技术人才可能只有5万+，当然这是2017年的数据，现在可能会有一些增长，但是量级也没有达到我们想象的那么大。
所以从国内目前来看，这约5-10万的AI技术人才，对比AI产业的高速发展需求，两者之间有巨大矛盾。那怎样更好的用这些人才作为突破，把人工智能方面的技术人才储备提高到百万级别。这正是整个百度（包括百度的教育合作与共建，包括百度所有对外输出的体系，包括我们今天所做的课程）所努力的方向，我们期望通过百度的技术赋能，真正的帮助人工智能取得更好的人才积累，真正培养一些在未来对人工智能行业有巨大贡献的专业人才，这是百度现在的定位目标。
AI浪潮已然到来，行业人工智能时代已经到来。目前，人工智能已经大量应用在2c和2b领域，怎么让人工智能跟具体行业有更好的接触，产生更多的积累，是我们正在重点探索的方向。
比如百度的搜索引擎，已经融入了很多AI元素。模糊匹配、拍照识图、深度挖掘检索等都应用到了大量的人工智能技术。
再如推荐系统，他会基于个人的一些喜好和历史阅读习惯来给用户做一些内容的推荐和匹配，这是很典型的结合大数据做的精准应用，实际上也属于人工智能的范畴。
再如人脸识别技术、语音技术、智慧交通和无人驾驶等，都是AI技术与行业应用的融合，并且这些技术正在不断取得突破。百度现在L4级别的无人驾驶车已经初步实现了一些小规模的量产，未来会有更多的人将真正的体会到无人驾驶给生活带来的便利。
3.AI与百度3.1百度AI的发展历程
上图为百度在人工智能领域的发展轨迹，早在2009年，百度就开始尝试探索人工智能相关技术，直到2019年，百度用了近十年的时间布局人工智能。
2009年尝试性布局人工智能，2013年发布IDL，2014年成立硅谷实验室以及百度研究院，2015年首次发布DuerOS，2016年发布百度大脑1.0版本，同年，百度的自动驾驶技术进入试运营状态，2017年是百度人工智能技术高速发展的一年，不仅成立了深度学习国家实验室，同时也成立了硅谷第二实验室以及西雅图实验室，并且Apollo平台开始运行并对外推广，在2018年到2019年，DuerOS和Apollo平台发展到3.0版本，百度大脑发展到5.0版本。经过近十年的发展和积累，百度的人工智能技术目前处于相对领先的位置。
百度在人工智能领域领域取得的进展有目共睹，比如，百度成立了首个国家级AI实验室；2016年被美国《财富》杂志评选为深度学习领域四大巨头之一；百度的刷脸支付、强化学习、自动驾驶等技术入选MIT2017年全球十大突破性技术；在AI领域，百度的中国专利申请超过2000项。
3.2百度AI的技术体系
百度的技术体系非常全面，覆盖了计算体系、大数据技术体系以及人工智能技术体系等，在机器学习、深度学习、区块链、知识图谱、自然语言处理、量子计算等领域均有雄厚的技术积累。这些技术可以按内容划分成三个板块，第一是A板块（即AI技术板块），第二是B板块（即大数据板块），第三是C板块（即云计算板块）。这就是百度在2016年提出的ABC概念。从一开始的1.0版本，发展到如今的3.0版本，代表着百度在人工智能领域的整体布局。在人工智能领域的布局中，百度的探索不仅停留在最核心的技术上，也同时将核心技术与更多的领域相结合，如边缘计算、物联网（InternetofThings,IoT）和区块链等，得到了如ABC+区块链、ABC+DuerOS、ABC+Apollo等对外输出模式，向各行各业提供解决方案。
在A板块中，将百度大脑分成了不同的层次。最底层是算法层，包含机器学习和深度学习算法，使用百度的PaddlePaddle深度学习框架提供算法层的基础支撑；算法层之上为感知层，感知层可分为对声音的感知和对光的感知，其中，对声音的感知主要是语音技术板块，对光的感知主要是图像技术、视频技术、AR/VR等技术板块；在感知层之上是认知层，认知层更多的是处理人类听到和看到的内容，对其进行深度理解，深度理解需要自然语言处理（NLP/NLU）、知识图谱等技术作为支撑，同时也需要积累大量用户画像数据，这些技术能帮助人们快速的理解和分析人类听到和看到的内容，并对内容进行有效的反馈，这是认知层面的技术；在认知层之上是平台层，平台层将底层的内容进行融合、封装，对外提供开放、完整的AI技术，并引入大量的生态合作伙伴，共同探讨人工智能产业的布局。
百度人工智能整体技术体系，最底层是深度学习框架飞桨PaddlePaddle，作为底层计算框架，飞桨PaddlePaddle支撑着上层场景化能力与平台中的全部板块。在场景化能力与平台中，包含了诸多场景大板块，每个大板块下又细分为多个技术板块，比如语音板块包含了语音合成以及语音唤醒等技术板块；计算机视觉技术中的OCR技术，包括传统通用OCR识别，以及垂直领域OCR的识别，可以对30多个OCR识别领域进行精准识别，比如票据识别、证件识别以及文字识别等；在人脸/人体识别板块，同时也会引入图像审核以及图像识别方面的技术；在视频板块，有视频比对技术，视频分类和标注技术，以及视频审核技术；在自然语言处理板块，有机器翻译技术；知识图谱板块，有AR/VR技术。这些板块构成了人工智能体系的技术蓝图。
近两年来，人工智能技术在各行各业中的应用不断加深，实践证明，单一的技术在落地时会受到诸多限制，所以现在人工智能在落地时可能不仅仅用到某一个单独的技术板块，而是需要先把这些板块进行融合，然后再进行实际应用，比如在拍照翻译的应用场景下，既需要用到OCR技术，同时也用到NLP技术。因此在实际应用中，需要综合各个板块的技术，把不同的技术体系和技术内容有机地融合起来，再去解决行业中面临的痛点。
3.3百度AI的场景化应用
2014年到2015年期间，在计算机视觉领域的部分场景下，计算机视觉识别准确率已经超过了人眼识别。而利用深度学习技术的计算机听觉识别，在2017年左右也已经超过人耳听力极限。
人工智能业务场景化不仅依赖底层的硬件资源，也需要超大规模的标注数据，这是监督学习的特点，所以在人工智能早期研究中，有评论说“有多少人工就有多少智能”，这句话在特定角度来看是具有一定意义的。在监督学习中，训练模型需要庞大的标注数据，再结合GPU强大的数据处理能力去训练特定模型，也就是从算法的层面去做更多的工作，在训练模型的过程中需要发挥人的主观能动性，更好的解决在行业应用中出现的一些痛点，构建出行业专属的模型。
比如，将人体分析技术应用到实际行业场景中时，需要结合人脸识别技术和人体识别技术。可以通过基础手势识别，识别一个人在开车时有没有系安全带、是不是在打电话等。
利用人体分析技术，可以做到行为识别，首先设定特定区域，然后对区域内的人员行为进行识别，比如人群过密、区域越界、人员逆行、徘徊以及吸烟等，在特定场景下，行为识别能够帮助用户避免安全隐患。
自然语言处理有很多相关技术，比如说词法分析、词向量表示、语义相似度、短文本相似度、情感相似度分析等。这些技术用在不同的应用场景下。
在公检法系统应用中，为了避免出现非常严重的问题，如同案不同判，具体解决方案是当诉讼呈递给法官时，根据当前诉讼内容在公检法系统中寻找历史上类似的案件，参考历史类似案件的判决，给法官提供判案依据。
在媒体领域应用中，对基础的财经类新闻，可以由机器进行新闻文章的编写，即机器写作。这些技术都是基于NLP在相应领域做的智能化应用，可以让编辑或记者从重复性的工作中解脱出来。
人工智能从广义上来看，也包括大数据及云计算相关技术，这些技术也都涵盖在百度AI技术体系中。在大数据领域，主要包括数据采集、数据存储、数据分析以及数据可视化等，利用这些技术，我们在进行模型训练的时候，对数据进行科学的管理可以帮助我们提高模型训练效率。
百度AI技术体系也提供算力层面的支持，通过GPU服务器以及FPGA服务器提供的算力，更好的解决应用层面的问题。
百度AI就是这样一个从基础层，到感知层、认知层的完整体系，为多行业、多场景提供“一站式解决方案”，力求实现“多行业、多场景全面赋能”。
回顾本篇文章，我们和大家分享了人工智能的相关概念，人工智能的发展历程，从中也可以看出AI是我们的历史机遇。同时本文也为大家详细介绍了百度的AI技术体系，经过10余年的努力，百度AI已经形成从基础层，到感知层、认知层的完整技术体系，为多行业、多场景提供“一站式解决方案”，力求实现“多行业、多场景全面赋能”。
人工智能技术背景下的新闻业变革与坚守
随着智能手表等可穿戴智能设备、无人驾驶、阿尔法狗大胜李世石的人机围棋对战等被人们所熟知，人工智能浪潮已经席卷了公共服务、教育、医疗等多个行业。媒体行业当然也不甘落后，国内外已有不少媒体在人工智能+新闻方面做出了探索。可以说，这是媒体行业发展最好的时代，也是最坏的时代，外部环境瞬息万变，不断影响新闻业，媒体人始终谨小慎微，如履薄冰。人工智能会给新闻业带来多大的变革呢？究竟是颠覆还是辅助？新闻业应该如何应对变化？种种问题都值得新闻行业思索。
本文将溯源人工智能发展历史，介绍国内外在人工智能+新闻方面的进展，通过人工智能在新闻业应用的优劣分析思考人工智能与新闻业的结合对于传媒行业来说究竟是机遇还是挑战，新闻业如何在新技术冲击下实现进化。
一、人工智能概念及应用现状
人工智能（ArtificialIntelligence）的概念早在1956年就已被提出，“人工智能是关于知识的学科―――怎样表示知识以及怎样获得知识并使用知识的科学”，[1张妮、徐文尚、王文文：《人工智能技术发展及应用研究综述》，载《煤矿机械》第30卷第2期]美国斯坦福大学人工智能研究中心尼尔逊教授如此定义。美国麻省理工学院的温斯顿教授则认为“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”[曾雪峰：《论人工智能的研究与发展》，载《现代商贸工业》2009年8月刊]本文将人工智能定义为“通过软硬件结合，用各种手段使其能够达到类人的智能，使机器能够做像人一样的处理事情”。
近半个世纪以来，人工智能技术全方位地向各个领域延伸，在新闻领域，人工智能也与新闻业产生了一系列的化学反应。本文所探讨的“人工智能＋新闻”指的是人工智能技术在新闻写作、采访、编辑等新闻活动中的具体运用，人工智能给新闻业带来的变革我们称为媒体的智媒化。
二、人工智能在新闻生产上的应用与反思
（一）、人工智能在新闻业的应用
1、外媒AI+新闻:全方位、多环节应用
纵观国外人工智能在新闻业的应用，可以发现不少媒体都已经或多或少的涉足了AI界，AI+新闻的探索时间较长，探索结果也较为深入，当前人工智能已经全方位、多环节渗透到新闻领域中，下文将试图按照新闻生产流程来分析国外AI+新闻的相关应用。
（1）、线索收集、信源捕获
人工智能可以在新闻生产的前端为媒体提供信源。《华盛顿邮报》目前应用的聊天机器人Feels，在2016年总统大选期间就向使用用户收集相关线索，以此获取选民在选取前的政治倾向。Buzzfeed与之相似，它目前主要通过Facebook上的关注者借助Messenger为其提供新闻素材。在messenger上接受buzzbot的推送时，他还会告诉用户它在为某地发生的某事手机新闻素材，并询问用户是否关注这一新闻？是否在当地在现场？对这一事件有何态度？是否可以提供现场素材等等？这些问题会给出三个预设答案，用户只需选择进行反馈，最后，用户还可以选择一个表情来表达对这一新闻的态度。
（2）、机器人写作
当下，国外媒体中机器人写作已经成为相当广泛的现象，机器人写作的不少新闻已经让人难以分辨究竟是记者还是AI的大作了。美联社就利用算法自动撰写关于棒球比赛的相关报道，这一技术也在电子商务、房地产以及金融服务等领域得到应用。美联社采用的用来撰写新闻的机器人叫Wordsmith，早在2014年7月美联社就和科技公司AutomatedInsights合作，利用AI技术来报道商业领域的企业财报相关新闻。操作原理是将公司盈利状况相关的数据导入机器人平台，经过wordsmith为美联社量身定制的算法处理，wordsmith将这些数据信息与他信息比对参照，在几毫秒的时间里就可以写出一篇标准的带有美联社风格的的新闻稿件。记者在涉及大量数据信息的报道中差错率一般会有所提高，机器人新闻
就不需要担心这个问题。准确性的提升是一大改进，另一方面，从一季度300份到一季度3000份的生产能力也大大地提高了美联社的财报数量。
除此之外，美联社还宣布将在美国职棒小联盟的赛事报道中应用人工智能技术，他们专门聘请了一批自动化领域的专家来开发、管理和整合美国职棒小联盟的报道。美国职棒小联盟的官方统计数据服务商MLBAdvancedMedia和AutomatedInsights能够在数分钟之内为他们提供比赛数据，wordsmith则通过查看并分析海量结构化的数据，从中发掘出新闻点，例如，某队选手的赛场表现不如预期等，然后人工智能会自动生成可读性的内容。
机器人写新闻在财经、体育这种模式化的报道领域可以说是具有得天独厚的优势，此外，强调时效性的新闻方面机器人记者也大有用武之地。2014年美国加州曾发生一次4.4级的小地震，《洛杉矶时报》凭借机器人记者撰写的新闻稿成为最快报道该新闻的媒体。这要归功于《洛杉矶时报》的地震新闻自动生成系统，美国地质勘探局在勘测出地震消息的同时会给系统发送地震信息，随后机器人记者会自动将这些数据套入相应模板生成新闻报道，这一系统是由该报的记者兼程序员KenSchwenck开发的。
国外的不少媒体，机器人记者已经成为其新闻编辑室中的重要一员，不过目前机器人写作主要集中在对信息的收集整理而非内容创作上。机器对程式化的新闻资讯（例如灾害、体育、财经等动态信息）可以做到准确、及时地生成和发布，用时短且错误率低，这是机器处理得天独厚的优势。而且，此类报道一般不需要进行深入细致的调查，也不存在错综复杂的关系，因此，现阶段在各大媒体中应用的人工智能使得人类记者无需在简单、机械性的工作中耗费时间，得以将更多精力投入到更有创造力的内容创作上。
（3）、辅助编辑
新闻编辑工作上人工智能近年来也有所涉猎，2015年7月，纽约时报R＆D实验室就设计了可以自动标记文章的机器人，在编辑工作中，它可以识别内容并分析，从而提供推荐使用的关键词、标签等，这使得新闻编辑室可以更加便捷地收集内容。
美国知名的互联网新闻博客Mashable则将关注点放在了科技公司与社交媒
体的相关新闻上。2016年2月，Mashable的执行董事BenMaher曾表示Mashable已经尝试利用人工智能技术发现新闻，他认为网站主页将不再有活力，现代用户需要媒体主动吸引。[3刺猬公社《在人工智能和新闻的结合上，国外媒体已经飞起来了？》]为此，Mashable启动了数据分析工具Velocity，它可以分析判断新闻的传播趋势和可能的传播爆点，此外，Velocity还可以帮助编辑们发现传播过程中的“饱和点”，当一则新闻的分享率达到95%时编辑将不再予以关注，否则编辑们则会考虑如何让新闻继续发酵，到达更多的用户。
（4）、资讯分发
内容生产上人工智能可以帮助媒体收集素材，获取信息，写作新闻，有了内容后更重要的则是传播出去，而如何找到用户的好奇点，将内容分发给适配用户实现精准传播则是人工智能带来的另一突破。
目前，《纽约时报》就采用了Blossomblot作为机器人编辑，它主要辅助编辑选择潜在的热文。纽约时报内部统计数据显示Blossom筛选出的文章点击量是普通文章的38倍。Blossom的主要原理就是通过分析Twitter等社交媒体上的文章数据，从而判断哪些新闻更具有传播潜力。随后将这些信息反馈给人工编辑。未来，Blossom还可以通过机器学习完成独立取标题、写摘要等工作。
来自美联社的战略经理FrancescoMarconi认为，人工智能赋予新闻机构创造无限内容的可能，并且可以根据读者的个性、心情、社会经济地位以及地理位置，向每位读者推荐适合他们的故事，让用户真正享受到“私人定制”资讯。[4腾讯网《人工智能会成为记者的好伙伴吗？》http://news.qq.com/a/20161111/032007.htm]在Marconi看来，人工智能将从根本上提高“个性化分发”的效率，而该领域的巨头Google、Facebook、Twitter早已深谙此道。从2013年以来，不少新闻机构就在人工智能方面投入了很多精力，比如借助Facebook的通讯软件messenger，华尔街日报等使用机器人bot进行新闻资讯的推送，实现了一定程度的自动化。
（5）、交互反馈
技术的变革使得传统新闻业中读者的身份变为用户，这极大地突出了用户的主动性，人工智能目前也在这一方面发力，通过人机对话等实现双向传播，增强
用户粘性。
数字商业新闻网站Quartz在2016年也在客户端里加入了人机对话推送资讯的功能。Quartz界面是一个对话窗口，会以聊天式的方式向不同读者推送新闻。读者如果想深入了解，可以在窗口下的选项继续追问获取更多细节。Quartz推送的内容人工编辑会进行选择编辑，但用户与Quartz的互动则由机器算法完成。
（6）、资讯服务
从机器人记者写作新闻、为媒体收集素材到从事辅助编辑工作再到交互反馈，可以说，人工智能基本上全方位、多环节地渗透到了国外媒体的新闻实践。除直接参与新闻生产流程外，人工智能还是新闻业的好帮手。2012年，《华盛顿邮报》就使用“TruthTeller”核实新闻的准确性；“truthteller”主要功能是核实新闻的准确性，它通过记录新闻报道的内容，即时与数据库比对，一旦发现问题就会发出警报，以此来保证新闻信息的真实性。
目前，不少科技公司在人工智能领域方面已取得不少进展，谷歌就将其人工智能技术应用在了新闻领域。2014年谷歌推出了一款基于大数据的预测系统─GoogleAlert。输入需要检测的关键词，这一系统会全天候检测出现这些关键词的网站，并将信息发送给用户。此外，他还可以将正在发生的事件结合背景与相关情况智能分析，预测事件可能带来的影响。也就是说。GoogleAlert在帮助记者收集新闻之外还可以判断新闻的发展趋势、后续价值等。
2、国内AI+新闻:试水与起步
国外AI+新闻发展已经如火如荼，相比之下国内人工智能与新闻业的结合相对还处于起步阶段，目前人工智能与新闻业的结合主要体现在机器人写作与智能化推荐方面。
（1）、写作机器人
与国外类似，机器人记者也是国内新闻业相对走在前面的应用。腾讯在2015年就在其财经频道的新闻写作中使用了人工智能，它的机器人记者名为Dreamwriter，当年8月份机器人记者就发布了一篇关于CPI的稿件，题名为《8月CPI同比上涨2.0%创12月新高》。稿件包括数据信息本身和相关行业人士的数据解读两部分。文章与普通记者写出来的并无太大差别，只是在最后注明了是由
Dreamwriter撰稿。此后，dreamwriter不断写作相关新闻，根据《中国新媒体趋势报告2016》数据显示，2016年三季度，腾讯财经机器人记者发布的新闻数量已经达到了4万篇。
新华社也于2016年11月18日推出了写稿机器人“快笔小新”。其操作十分简单，输入一个股票代码再点击一下鼠标即可生成一篇财报分析新闻。“快笔小新”只是一个电脑里的程序，尽管其写作的内容并不完善，但快速的出稿速度是极大的优势。目前，新华社的体育部门和《中国证券报》也采用了“快笔小新”。一直自诩是科技公司而非媒体的今日头条则在里约奥运会之际，推出了写作机器人“xiaomingbot”，这款机器人可以在数据库更新的两秒之内生成相应的新闻并发布；同时，它的系统内内置了较多可供选择的样式，这使其能够根据赛前预测与实际结果的差异选择相应的语气生成新闻。
目前，国内的人工智能相对停留在较为初级的阶段，已有的写作机器人主要参与体育新闻、财经新闻等报道，新闻题材上也主要是快讯、财报等。不过，虽然其写作的新闻在质量上没有显著改进，但机器人在新闻写作上的应用极大地提高了新闻数量，给了用户更大的选择空间，头条实验室的负责人李磊这样评价小明，“张晓明最大的意义在于，面对奥运会同时举行的上百场比赛的综合赛事，可以观察到每一场比赛报道，无论这场比赛多么冷门和不重要。在传统新闻理论中，某些冷门比赛乒乓球的小组赛的报道价值不大，但实际上依然有可观的阅读量。”[5刺猬公社金凯娜：《在人工智能和新闻的结合上，国内媒体到底做得怎么样了》]这恰恰符合了长尾理论，以前因劳动力不足或者缺乏关注度等原因被忽视的新闻资讯借助机器人记者得以被生产，属于小众的需求得以满足。
（2）、智能化推荐
有了更加丰富的内容，接下来更重要的就是让更多的人、更关心这一新闻的人知道。现在越来越多的新闻应用都采用了个性化推荐，这一领域最初得到大家广泛关注是因为今日头条的崛起，“你关心的，才是头条”这句广告语表明今日头条所侧重的是根据用户的个性需求为其私人订制新闻。其内在逻辑在于当用户长时间使用app浏览新闻后，后台会不断收集用户的阅读数据，如浏览栏目、停
留时间等等，从而为用户精准画像。同时，随着用户数量的增多，后台可以根据相似性为用户分群，进一步实现智能化推荐。
（3）、智能互动
如今，人工智能的应用使得一些内容提供者得以用聊新闻的方式为读者去繁就简，它使得同类新闻可以汇聚起来，通过自然语言处理技术对内容进行结构分析，然后通过信息特征学习等方法，将事件核心信息整理成一百字左右的聊天内容，高效满足读者基本的信息需要，随后读者可以根据其自身需要提出疑问从而获取深度解读等信息。
“聊”新闻主要在百度新闻app上有所应用，进入界面后，可以通过对话体形式读新闻，阅读更加直接。系统可以准确回答关于新闻内容的提问。在这个过程中，聊新闻可以略去媒体报道中80％的内容，其目的在于满足读者对信息基本的需求，互动环节则可以充分发挥读者主动性，引导读者进行“深阅读”。
（二）、反思人工智能在新闻业的应用：机遇与问题
1、机遇：人工智能解放并辅助新闻业
人工智能在新闻业的应用为其带来了发展新机遇，极大地解放了新闻人，正如《纽约》杂志撰稿人凯文・罗斯所言，机器人写作处理的是人类新闻从业者不愿耗时去做的、与大量数据相关的“体力活”，让新闻从业者从大量低附加值的重复性劳动中解脱出来，以更多的时间和精力去从事创造性更强的新闻工作。[张海霞：《机器人写作时代新闻从业者的应对》，载《新闻战线》2016年11月上，第111页]具体来说，人工智能的应用在以下几方面为新闻业提供了很好的辅助作用。
（1）、高效处理大数据
人工智能对数据具有更高的敏感度，它可以从海量数据中观察到人类不宜洞察的内在关联，从而生产处具有新闻价值的报道，自动挖掘具有传播潜力的新闻内容将有效扩展人类的观察视野。此外，冗杂的数据往往会牵扯记者大量的时间精力，而且对于体育新闻、财报等动态信息的写作通常有章可循，机器人记者几秒钟时间就可以写出一篇与人工作品无差的新闻，这将记者从大量繁杂重复性的工作中解放出来，将人力资源用在更有创造力的内容生产上。
（2）、新闻精准化、智能化、个性化
新闻业通过与人工智能的结合，媒体可以实现对用户的清晰画像，从而更加精准的分析用户，实现内容生产与份分发的定制化、个性化、对象化。以往千人一面、一点对多点的生产模式和传播模式都发生了巨大转变，“你看手机的同时手机也在看你”，人工智能技术使得个性化新闻时代到来，除此之外，人工智能还可以为用户进行场景化匹配，罗伯特・斯考伯、谢尔・伊斯雷尔在《即将到来的场景时代》写道：“移动互联网时代，场景（情境）的意义被极大地强化，移动传播是基于场景（情境）的服务，即对环境的感知及信息（服务）适配。”[罗伯特・斯考博、谢尔・伊斯雷尔.即将到来的场景时代[M].北京：北京联合出版社,2014.
]根据用户不同的时间段、不用的地理位置等人工智能可以判断用户阅读需求，如用户运动时，可穿戴设备可以为用户提供短小精悍的突发新闻新闻简讯等消息，等待时则可以阅读趣味性的内容等等。
（3）、角度客观且成本低廉
人工智能在生产新闻、收集素材、辅助编辑时只会依照算法程序等进行，除
非刻意的人工干预，否则其提供的内容都将是一种将结构化的数据进行文本形式的可视化表现，具有极强的客观性。而人工生产难免会受各种各样的限制从而影响其客观性。除此之外，人工智能作为一种软硬件结合的产物，如本质上是一套算法程序的机器人记者，可以不知疲倦、永不停歇的工作，使用成本较低。
2、问题：人工智能应用的局限
不过，目前人工智能在新闻业的应用已经出现了一些问题，以智能分发上为例，单纯依靠算法点击推荐阅读可能会带来阅读浅薄化甚至低俗化的后果，用户容易陷入信息茧房的处境，真是可能导致假新闻肆虐。综合来看，目前人工只能与新闻业的结合面临以下几个问题：
（1）、写作模式单调
就目前国内外人工智能在新闻写作方面的应用――机器人记者来看，我们可以发现其主要应用于体育、金融等数据繁多的新闻报道中，这些新闻只需对数据进行简单的分析加工形成模式化的报道，内容枯燥，模式单一，缺乏可读性。机器人记者只是在系统内设的模板上填充处理数据信息生成新闻报道，尽管客观公
正，但千篇一面的报道很难对读者有吸引力。他们的报道难以满足读者的高层次需求，只能提供基本的事实信息。
（2）、应用领域有限
当下写作机器人所涉猎的报道题材局限于快讯、财报等只需要简单的数据收集、信息整理的内容。它们无法完成新闻评论、现场报道、深度调查报道等题材的新闻写作。事件性新闻一般有较强的现场感，在基本的人物、时间、地点、事件等基本要素外，很多细节信息也是重要的内容，而这些机器人记者无法捕获。新闻业有这样的说法：七分采三分写。这表明了优秀的新闻报道不是“写”出来的，而是“采”出来的。机器人记者在这一领域恐怕难以施展身手。此外，深度报道这类需要深入挖掘信息，厘清事件来龙去脉、前因后果与错综复杂人物关系的报道也需要脑力完成。这些都建立在一定的社会经验与感情认知的基础上，机器人记者显然难以做到。新闻评论也是机器人记者的一大难点，评论所体现的是作者的立场、观点与价值取向，具有鲜明的主观性，而机器人作为一种辅助工具，其智能程度难以达到可以发挥主观能动性的地步。以上这些都表明人工智能在新闻写作领域应用受限较大，且突破难度大。最后，基于各个领域的差异性与专业性，机器人记者只能在少数专业领域报道中有用武之地，大部分的行业报道它难以胜任。
（3）、缺乏主动性
归根结底，人工智能在新闻行业的应用都是基于人类的设定，它缺乏主动性，新闻写作方面机器人记者不具备新闻敏感性，无法主动发现新闻，只能根据预设模板对特定内容报道。收集素材、辅助编辑等方面也是基于一定的指令，无法脱离人的指令独立运作，这表明人工智能目前尚处于一种依附状态。
（4）、新闻特殊性质需要人类把关
虽然人工智能与新闻业的结合已经为不少媒体节省了大量人力物力，记者编
辑也得以从繁杂无意义的初级工作中解放出来，但在新闻生产的最终环节，大多数情况下仍需要专业新闻人进行把关。新闻活动作为一种社会性工作，涉及政策、法律法规、伦理等多方面的问题，人工智能终究无法取代人脑，涉及价值判断等方面的把控还是需要人类把关。
三、人工智能技术背景下新闻业应对探索
加拿大传播巨擘麦克卢汉“媒介即讯息”的论断指出媒介技术给社会发展带来的影响，他认为任何一种新的媒介技术被广泛应用后，会给社会发展带来新的尺度，社会各个方面也将会适应这一尺度有所变化。也就是说，真正有价值的讯息不是传播内容，而是所使用的传播工具带来的变革。人工智能的应用更是印证了这一观点，作为一种新的媒介技术，人工智能将对社会变革产生极大的推动作用，新闻业的变化也是不可阻挡的。
人工智能给新闻业带来的新变局引发了众多媒体人的思考：记者的饭碗还能保得住么？人工智能究竟是新闻业的敌人还是伙伴呢？回答这一系列问题需要理性分析人工智能给新闻业带来的变化，厘清优劣，认清媒体人核心价值所在，实现人机共生。
（一）、厘清人机关系
人工智能在新闻业的应用曾多次引发业界人士的恐慌，不少人担心职业新闻人的饭碗将会被人工智能取代，这样的科技性恐慌似乎伴随着每一次重大技术的变革，早在上世纪60年代，一些公司开始使用计算机和机器人时就有一阵恐慌弥漫，但事实上，每一次关于技术的恐慌过后，技术的进步为社会创造的新的就业机会要远远多于它所替代掉的岗位。
人工智能与新闻业之间彼此纷繁复杂的关系可以用Neuberger和Nuernbergk所提出的“竞争、辅助和融合”三个维度来看待。职业新闻人应该认识到人工智能在新闻业的渗透都属于补充范畴，为新闻业提供更加多样丰富的可能性。因此，人工智能的出现不应该使新闻人妄自菲薄，而是应分清人类与人工智能的主客体关系，人工智能在新闻业的任何应用都是人为创造的产物，人机始终是附属关系，人工智能对新闻业是辅助作用而绝非取代新闻人。
（二）、新闻业态重塑
人工智能在新闻生产各个环节的应用极大地改变了新闻业态，这使得媒体的智能化进程不断加速，并将重构媒体的生产模式与呈现方式，推动了新闻人的转
型。新闻业对从业者的数量和质量要求将会产生较大变化，低层次的新闻记者需求将大量减少，职业新闻人将需要更专业的新闻技能。这些都要求新闻从业者重新认识自己的核心价值，充分提高自身的新闻专业素养和数据技术相关能力，努力在深度分析与价值判断等方面发挥优势，将职业发展方向转移到调研报道、深度新闻等方面，提供更优质的内容，实现自身转型。
（三）、新闻人更专注人
人工智能在新闻业的应用上一大突破在于写，但与新闻人相比，其局限也在于写。前文弊端方面已分析过机器人记者的稿件通常标准化、模板化，这使得读者感到重复生硬，缺乏“人味”。这恰恰是新闻人需要发挥其价值所在的领域，新闻记者要充分发挥人的主观能动性，在新闻写作中结合理性与感性思考，将关注点集中在人身上。新闻人应该在体察人情冷暖、发掘背后的故事方面付出更多努力，生产有人情味、有温度、有深度的新闻内容。在西方新闻业有第四权力的说法，新闻业是重要的社会公器，“铁肩担道义，妙手著文章”，要想写出富有感染力的新闻，记者必须要有人文主义情怀，深刻领悟人性与人情，关注大众命运。
（四）、新闻人技能提升
人工智能可以起到辅助编辑的作用，但媒体机构的编辑流程常常是相通的，校对文本、润色文字、内容把关、稿件编排等无法由人工智能统一完成，机器人写作的内容往往也需要经过人工编辑的审核才能发布，编辑的把关人地位越加重要。此外，自动化生产的新闻稿件所需要的编辑与传统编辑也有着不同的职能需要。传统编辑主要负责信息、语言把关调整，而机器人记者生产的新闻一般没有基础语法、信息错误等，编辑无需在校对上发挥太多精力，更重要的是润色内容，丰富语言，减少读者的刻板印象。因此，机器人记者的应用也对编辑的能力提出了更高的要求。
人工智能多为快速模板化写作，深度报道，新闻评论，调查报道等需要多方信息来源。涉及大量素材收集分析的题材更需要新闻人的智慧与专业能力。人工
智能在新闻写作方面的应用使得记者有更多的时间投入到现场报道、深度报道、
评论、软新闻等方面的写作中。记者要注重培养自己的综合素质，开阔知识视野，丰富知识结构，写出优质的新闻作品。
四、结论
人工智能已经在国外的媒体行业大显身手，国内的AI+新闻进程也渐渐起步，人工智能在新闻业的应用使新闻生产更加高效便捷，用户画像更加清楚，新闻传播效果更加优化，它对新闻业的内容生产、传播方式、反馈互动等带来了革命性的影响。不过，人工智能的应用也存在一些问题与不足之处，关于两者的结合，新闻业应认识到AI与新闻的关系，主动拥抱新变化。
其实，人工智能与记者恰如机器与人类的联姻。理想的合作状态应该是因为使用了这些技术和机器的帮助，人可以把他的工作做的更好，人可以成为更好的人。“好的婚姻不是1+1=2，而是0.5+0.5=1”。单独来看，人与机器都有各自的局限与劣势，但当两者共生协同发展时，就成了“1”，这个“1”，可以是一篇新稿件、可以是一个新客户端、可以是一个新编辑部，也可以是一个新的时代。
(责编：尹峥、赵光霞)分享让更多人看到