京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15