7月26日，由中國人工智能學會主辦、新浪新聞聯合浙江大學承辦的2020全球人工智能技術大會(2020GAITC)“AI時代下的新媒體與社交娛樂”專題論壇拉開帷幕，新浪集團首席信息官、新浪AI媒體研究院院長王巍，浙江大學特聘教授、悉尼科技大學教授、百度研究院訪問教授楊易共同擔任論壇主席。

　　美聯社戰略和企業發展高級副總裁Jim Kennedy在本次專題論壇上，與來自業界、學術界的嘉賓們分享了《人工智能如何升級新聞工作流程》。

　　美聯社戰略和企業發展高級副總裁Jim Kennedy

　　Jim Kennedy提到，人工智能是輔助人類新聞的一個強大工具，而不是取代人類的工具。話雖如此，但也不得不承認，人工智能和自動化十分有可能對我們的商業模式和整個新聞行業產生深遠的影響。“事實上，從我的經歷中可以看到，影響已經發生：人工智能可以報道更多新聞而無需增加人類工作量，并且增加我們為用戶提供的真實價值。”

　　他認為，在一個全球互聯的世界里，新聞周期永不止息。毫無疑問，我們需要我們所能獲得的一切幫助。而人工智能技術有望讓我們以更低成本報道更多新聞。

　　以下為Jim Kennedy演講實錄，內容經編輯略有刪減：

　　大家好，我是吉姆·肯尼迪。我是美聯社的戰略和企業發展副總裁。美聯社是一家全球新聞機構，在世界250多個地方設有分社，報道的新聞涵蓋各種媒體格式，有圖文、音頻和視頻等。在此，我首先感謝中國人工智能學會的邀請，讓我有機會在這里與大家交流，分享我對人工智能和自動化在新聞領域的廣泛使用。很遺憾，這一次我無法在現場與大家面對面交流。我之前來過中國多次，給我留下許多美好回憶。我希望不久的將來可以再次來到中國與大家見面。不過，今天，我們只能線上交流溝通了。我為今天的演講準備了一份簡單的PPT，和大家分享人工智能如何用短短的數年時間在新聞行業扎根和發展。

　　2013年，美聯社的一名同事邀請我參加一場會議，討論自動化文本新聞創作的可能性。當時，我對此不是很有興趣。我過去見識過這些技術的“創作水平”，感覺非常一般。我之前看到的那些機器創作的新聞故事讀起來非常不自然，而且內容也很無聊。所以，我不是這方面的愛好者。但是我的同事說服了我，他說如今技術已經有了很大的進步，應該重新去了解一下。那天，我們去了一家創業公司，這家創業公司以報道體育新聞為主。他們將棒球和橄欖球的結構化數據集變成敘述性文字，為體育迷帶來有趣的故事。公司的首席營銷官給我遞上一份他們的新聞報道打印稿，內容和美國職業棒球大聯盟的一個球隊有關。并且，這篇報道完完全全是計算機撰寫的。當時我很驚訝，準確來說，是非常震驚。專業新聞報道該有的要素它都有，報道還對比賽做了詳盡的回顧，選手的介紹也恰到好處，甚至報道的語氣語調也十分貼近該球隊球迷的喜好。從那一刻起，我意識到，機器一定會走進我們的新聞編輯室。

　　我們完全沒有理由去阻止它們或懼怕它們。當時我們沒有意識到——但后來才慢慢明白的一件事是——我們才剛剛踏上人工智能階梯的第一個臺階。日后，我們會使用自然語言生成，這是一種算法，通過將結構化數據集轉換為模板化的敘述性文本報道，從而創作出成千上萬的體育類、商業類等各種技術報道。于是，我們馬上在體育領域展開試驗，為每一個全國橄欖球聯盟里的運動員、為每一場比賽撰寫獨立報道。

　　想象一下，2013年賽季，我們要為每一場比賽、每一個運動員撰寫報道。這意味著每周我們需要撰寫350多篇獨立報道。我將其稱之為一次“嚴峻的考驗”，這是我們在美國用來描述絕對結論性實驗的一種表達方式。因為我們從來沒有要求任何人類記者去完成這樣一項繁重的任務。這項任務，哪怕是一個部隊，也需要花上幾小時才有可能完成，涉及大量人力勞動，繁瑣又費力。但是我們發現，我們的自然語言生成程序僅花了數分鐘就完成了任務。這個試驗讓我們相信，這項技術必將大有作為。所以，接下來，我們把目光投向另一個更加龐大且復雜的任務。

　　自動撰寫美國上市公司的季度收益報道。在美聯社，傳統的季度收益報道僅關注前300家上市公司的每季度財報。但是通過將數據輸入到文本自然語言生成程序里，我們可以將輸出的報道數量提高10倍，幾乎覆蓋股市里所有的上市公司——大概超過4000家上市公司。正如你在幻燈片里看到的，這個過程涉及到創建每家公司季度收益的結構化數據文件，然后將這些數據文件輸入到自然語言生成程序，生成計算機撰寫的敘述性報道，當然報道的模板還是由美聯社的記者設計。

　　其中的奧秘就是我們利用所謂的“分支協作”設計的模板。報道的方向取決于財報結果是低于市場預期還是高于市場預期。

　　現在，大約六年后的今天，我們繼續一年四次，大量撰寫這些季度收益報道，為我們的讀者提供最高水平的商業新聞。他們可以有充分的把握，不會漏掉任何一家公司的季度收益報道，每一家公司的信息都對讀者十分重要。

　　2014年的公司季度財報項目在整個新聞界轟動一時。而在美聯社內部，我們成功地證明計算機程序可以用來生成文本內容。這樣一來，我們的記者就可以去做更重要的工作，記者們如釋重負。他們再也不用對著財報拼命撰寫看似寫不完的新聞報道。他們可以把更多精力放在更加重要的新聞故事上，然后借助自動化的力量確保每一家公司都不落下。當然我們的每一個讀者也都非常滿意。對新聞供應商來說，我們報道的新聞數量非常重要。為新聞讀者提供更多選擇，滿足他們的多樣化需求也非常重要。當然，每個人都期待重大新聞報道，但每個人也都想看到契合他們個人喜好的新聞故事。

　　這就是公司季度財報項目可以大獲成功的原因。它意味著，哪怕是市場上最小的公司，我們也會給予報道，而不是只關心巨頭企業，如蘋果、谷歌和亞馬遜等。同時，新聞機構憑借其新聞報道的品質而與眾不同。因此，如果說自動化的直接結果是數量，那么同樣重要的副產品就是質量，因為人類記者可以把更多精力放在發現和報道更有價值的新聞故事上。如果沒有機器分擔這份重復性的常規任務，我們的記者可能永遠沒有那么多時間去發掘有價值的新聞。

　　我可以非常自豪地告訴各位，人工智能技術在新聞工作中的應用，最初想法是將數據自動轉化為文本，隨著科技的發展，如今人工智能的應用已經擴展并覆蓋到新聞工作的整個流程，包括從新聞收集到新聞編撰再到新聞發布。到目前為止，受益最多的當屬新聞編撰。一切的起點當然也在新聞編撰這一階段。我們先是嘗試了文本自動化。但是我們美聯社在過去數年中，也向著新聞的整個工作流程中的另外兩個節點發展。

　　比如新聞收集，即實實在在的收集信息(還沒有形成文本、音頻和圖片的那一類信息)。人工智能在新聞收集領域的一個主要發展方向是：第一時間發現潛在的具有新聞價值的事件。在如今的數字時代，可用的信息來源無比豐富，從手機抓拍的用戶生成內容到全球社交網絡上數百萬條基于文本的帖子，這些都可以作為信息來源。我們有大量的豐富而富有啟發的即時可用的原始信息，它們被人工智能吸收消化再輸入應用。這就涉及人工智能階梯或自然語言階梯上的第二個臺階。比如，現在記者可以使用程序即時分析全球社交媒體平臺上的帖子。熱點新聞一旦發生，像什么爆炸、地震、新冠疫情等，可以馬上進行追蹤。我們甚至還使用數據科學，基于過去的趨勢，來預測新聞有多大價值。新聞編輯室也使用檢測和驗證工具來區分事實信息和假新聞。有些工具還可以快速識別出我們所說的深度假新聞，包括不法分子用來欺騙大眾的假照片、假視頻和假音頻。

　　現在我們還可以使用人工智能技術鑒別和篩選哪些社交網絡上的帖子是不法分子和計算機機器人程序發布的，哪些是真實人物發布的。這些創新技術讓新聞機構有能力甄別信息、快速決策并迅速有效地部署人力資源、現場報道全球重大新聞。

　　新聞收集領域的第二個主要發展方向涉及分析大量數據和文檔。我們有各種不同的工具組合來梳理大量的結構化數據和非結構化文本。這些工具可以讓記者們快速從成堆的素材中發現關鍵信息。如果沒有這些工具的話，要做到這些可能需要花幾周乃至幾個月的時間。再利用其他一些工具，比如自動數據可視化工具，你可以馬上看到數據以數據驅動的圖形展現在眼前，直觀地講述故事，從而增強可以通過文本傳達的內容。

　　在這個過程中，美聯社從公司季度報道開始，逐步用自動數據技術性地報道各種類型的新聞，從體育回顧到選舉結果等等。對于基于數據的新聞項目，全國各地的統計數據可以為我們當地的報紙和廣播聽眾制作成千上百個本地化獨立新聞報道。

　　同時，更廣泛的新聞行業也已經在使用自然語言生成來進一步捕捉所謂的超本地新聞，他們使用一系列可用的公共數據，比如公司開業和倒閉、犯罪和安全、房地產交易、甚至待辦事項和周圍可以去的地方。這些項目幾乎不涉及人工，但他們可以成倍地豐富當地新聞報道的數量。

　　新聞行業對人工智能和自動化的應用早已不止這些相對簡單的任務。

　　人工智能應用可以做的其他高級的事情包括總結和改編技術報道，在錄音的同時實時轉錄音頻，識別和描述視頻中的動作以便人類編輯進行快速編輯，將攝影棚內的攝像機移動到適當的位置，管理舞臺上(體育賽場上)的多個攝像頭角度，以及根據技術故事直接自動生成音頻和視頻。

　　正如我們踏上的第一個臺階——自動化企業季度財報報道，人工智能階梯上的后面幾個臺階可以極大地提高生產過程中的效率，釋放最寶貴的人力資源，即我們的記者和編輯，他們現在可以把重點放在提高新聞報道的質量上。

　　人工智能和新聞相結合的最后一個領域是新聞發布，不僅是及時發布新聞，還有面向合適的人群發布新聞，在適當的時候滿足用戶的特殊需求。

　　在這方面的一個最大突破是個性化定制。必須要承認的是，全球電商巨頭們早已在這方面領先我們新聞機構太多。但是，智能推薦引擎在新聞業務中的用途，卻一點也不比銷售其他商品和服務來得少。在數字出版業務中，搭配適當的商業模式(如廣告投放、訂閱或一次性內容付費等)，它可以幫助新聞媒體了解讀者的個人喜好，以便向他們提供最想要或最需要了解的內容。

　　美聯社正打算提供一個類似的平臺訪問服務，這樣我們的用戶——使用美聯社內容的用戶，可以產出他們自己的新聞內容，可以準確地找到他們需要的內容，或者一旦內容可用時，自動將美聯社內容用于新聞撰寫。

　　值得注意的是，從業務角度來看，這讓所謂的“向上銷售”成為可能，或者說購買你需要的東西，而這些東西在以前沒簽合同時是無法購買的。這對所有新聞制作者而言，也是長期促進收入增加的一個關鍵因素。

　　其他可以實現更快更好的內容發布的技術包括使用各種圖像識別應用程序來快速分類照片和視頻，并給這些數字文件添加描述性元數據，以便更輕松地對其進行分類和搜索。通過讓用戶發現更多相關內容，這也可以增加收入。

　　我們對此有一個說法，它描述了我們需要克服的銷售障礙。我們說，要是他們找不到這個內容，他們也就沒辦法購買這個內容。但是有了智能內容后，即帶有描述性元數據的內容，這個問題基本上可以得到解決。

　　最后，在該領域，我們最近又將注意力轉向使用人工智能技術來為各種機器驅動的案例準備新聞素材。即把新聞本身作為數據給機器使用，而非展示給讀者。各行各業的專業人員近來發現，他們可以從歷史新聞檔案中提取有用的信息。這涉及挖掘大量非結構化新聞，以探索可能重復發生的模式和歷史趨勢，從而在科學、金融等其他領域解鎖重大突破。

　　當我們順著人工智能的階梯一步步向上攀爬的時候，新聞供應商尤其需要堅守從一開始就用來規范這些技術使用的原則和政策。我們對新聞業有嚴格的標準，這些標準不應被忽視。哪怕在價值鏈上，這些技術也提供了捷徑。

　　事實上，美聯社已經拓展了我們的卓越標準，其中包括“正確使用人工智能的特定檢查列表”，它可以應用到任何一個新的案例中。檢查項有：底層數據的準確性如何?我們是否有權使用這些數據?數據或處理數據的算法中是否存在固有偏見?我們是否充分披露了技術使用的方式和其他等等。我們在每種情況下都會有這一系列問題。最終，我們的人類記者一如既往地重要，甚至更加重要。

　　正因為如此，我們的記者需要接受適當的培訓，以掌握和完善使用這些技術和日常管理這些技術所需的技能。

　　所有這些都要求新聞編輯室采取新的監管和管理。在美聯社，我們成立了一個人工智能工作小組，由新聞、業務和技術部門的主要領導者組成。這個工作小組的任務是管理我們在發現、測試和應用過程中采取的每一項人工智能技術。

　　我在此能夠給出一個十分肯定的預測：人工智能在新聞行業的應用只會越來越多，并且發展速度比過去幾年更快。大概十年前，這個趨勢剛剛浮現的時候，我們并不知道當記者們看到機器加入新聞編輯室成為他們工作的伙伴時，他們會作何感想。但出乎意料的是，當時的一些顧慮并沒有持續發酵擴大。因為機器的使用從來不是為了淘汰人類記者。

　　在新聞行業，事實證明，人工智能是輔助人類新聞的一個強大工具，而不是取代人類的工具。話雖如此，我也不得不承認，人工智能和自動化十分有可能對我們的商業模式和整個新聞行業產生深遠的影響。事實上，從我的經歷中可以看到，影響已經發生：人工智能可以報道更多新聞而無需增加人類工作量，并且增加我們為用戶提供的真實價值。

　　在一個全球互聯的世界里，新聞周期永不止息。毫無疑問，我們需要我們所能獲得的一切幫助。而人工智能技術有望讓我們以更低成本報道更多新聞。

　　再次感謝主辦方的邀請，感謝各位的關注。今天我在大會上發言，是我莫大的榮幸。最后也祝各位工作順利。再見。