
人工智能创造新闻新玩法:为你写 让你看 陪你聊
层出不穷的新概念能否让新闻重焕光芒?人工智能又能给新闻这门“手工业”带来怎样的前景?
想看新闻,聊天吧
“聊”新闻的功能出现在近日推出的“百度新闻”手机APP中。进入“聊新闻”界面后,新闻是以对话体的形式出现的。通过聊天的方式,系统可以较为精准地回答关于新闻要素的提问。例如,记者输入“聂树斌案怎么样了”,系统随即推送出聂树斌被判无罪的消息。然后,通过“快帮我分析一下”“这个我关心”等提问,系统又介绍了聂树斌案的背景和意义。几个回合的“快问快答”下来,新闻的来龙去脉基本呈现了出来。
在信息爆炸的今天,围绕同一新闻事件,往往有海量的新闻报道。由于立场和角度不同,读者往往难以“窥一斑而知全豹”,时常有“乱花渐欲迷人眼”之感。如今,通过人工智能,把相关新闻汇聚,运用自然语言处理技术,把核心信息整理成百字左右的“聊天内容”,可以满足各类读者的需求。
聊新闻背后的“黑科技”是什么?据介绍,百度通过对新闻信息分类并进行结构分析,然后通过信息特征学习等方法,自动为用户提供最核心的信息。
据介绍,“聊”新闻功能砍掉了传统媒体报道中80%的内容。百度新闻与内容生态部总监陈磊说,当下的新闻应用仍然没有解决读者对信息深层次的、精准的需求。当基本事实不能满足需求时,读者可以继续提问,人工智能会继续回答。
“希望通过这样的引导推荐,让读者沿着多个相关事件的重要信息,无限地阅读下去,从而提升他们的阅读深度。”百度自然语言处理部总监徐倩说。
新闻“骨感”,也美也不美
事实上,聊新闻并不是件新鲜事儿。今年2月,数据商业新闻网站Quartz就推出了一款类似的新闻应用。在“聊天”过程中,系统会将新闻的梗概推送给读者,读者可以根据兴趣选择是否深入了解。此后,美国传统媒体《华尔街日报》、美国有线电视新闻网(CNN)以及新闻聚合网站Buzz Feed都推出了类似的聊新闻产品。
聊新闻的优势显而易见。由于人工智能已经完成了信息的挑选、加工工作,用户只需沉浸于内容本身,更精准更高效的获取新闻的核心内容。与人工编辑的推荐模式相比,对话形态的阅读模式更为直接。对只想了解新闻事实的读者来说,一百多字的回答已经可以满足信息获取的需要;而对于有更多需求的读者而言,也可以继续“聊”出新闻背后的故事,实现所谓的“深阅读”。
不过,聊新闻模式虽然看上去很美,但仍存在人工智能的“痼疾”。一方面,一问一答的背后,仍是类似于微博的“碎片化阅读”。记者发现,聊新闻系统在更深层次地回答新闻事件发生的原因、背景时,还不能反映新闻全貌,也很难呈现多元观点。这对于读者全面了解信息并采取行动帮助有限。
另一方面,尽管聊新闻对传统媒体报道进行了“强力瘦身”,但也造成聊天的内容“干巴巴”。“骨感”的新闻固然简单直接,但新闻报道内容的丰富与故事的“丰满”,绝非几百字所能概括。怎样聊新闻才能聊得精彩,这是人工智能未来要继续解决的问题。
竞争合作,人工智能还靠人工
在新闻行业,人工智能正在大展拳脚。基于算法的个性化推荐已成标配,机器人写作也渐成气候。从国外的美联社、路透社,到腾讯的梦幻写手(Dream Writer)、新华社的“快笔小新”,机器人记者越来越多地出现在新闻当中。除了文字,语音、视频等领域也均有相关技术出现,让新闻更好读、更好听、更好看。
清华大学新闻与传播学教授彭兰认为,人工智能的出现,使媒体进入“智媒时代”,其三大特征是:万物皆媒、人机合一、自我进化。
彭兰认为,在智媒时代,人工智能将使媒体生态在新闻生产系统、新闻分发平台、用户平台、信息终端四个维度发生变化,每个维度的变化都意味着机器的进入。例如在新闻分发平台,某些平台开始提供基于基础性智能算法模型,为不同的用户呈现他们所感兴趣的内容,这些新出现的新闻分发平台都不是传统媒体所控制的。
目前,人工智能在新闻编辑、数据分析、线索收集等方面已有不小的进展。不过,仍存在一些问题,比如信息核查的不准确、算法识别不力导致的假新闻、按兴趣推送带来的观点极化等。与此同时,机器人写作也面临着只有速度缺乏温度的问题,在语言和分析上的功力难比人类记者。
人工智能的出现,能够将新闻从业者从简单、重复性的工作中解放出来。不过,目前的人工智能仍处于探索状态,需要数据的积累和模型的优化。事实上,无论是技术的进步还是人工智能的操作,其背后都需要人类的研发、操作和协助。这种交互式的“竞合关系”,将继续存在于新闻行业当中。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15