就像机器人已经改变了制造业经济的方方面面一样，人工智能和自动化正在改变信息工作，让人类将认知劳动转移到计算机上。例如，在新闻业中，数据挖掘系统提醒记者潜在的新闻报道，而新闻机器人则为受众提供探索信息的新方式。自动书写系统生成金融、体育和选举报道。
随着这些智能技术渗透到各个行业，一个常见的问题工作和劳动力将受到怎样的影响。在这种情况下，谁——或者什么——将在这个人工智能增强和自动化的世界中从事新闻工作，他们将如何做？
我在新书《自动化新事物：算法如何重写媒体》中收集的证据表明，人工智能新闻业的未来仍然会有很多人在身边。然而，这些人的工作、角色和任务将会发生变化，并且看起来会有所不同。人类工作将与算法混合在一起，以适应人工智能的能力并适应其局限性。
增强而非替代
一些估计表明，目前的人工智能技术水平只能使记者工作的 15% 和编辑工作的 9% 实现自动化。在对新闻业至关重要的几个关键领域，人类仍然比非好莱坞人工智能具有优势，包括复杂的沟通、专家思维、适应性和创造力。
报道、倾听、回应和反驳、与消息来源谈判，然后发挥创造力将其组合起来——人工智能无法完成这些不可或缺的新闻任务。不过，它通常可以增强人类的工作，帮助人们更快地工作或提高质量。它可以为深化新闻报道创造新的机会，并使新闻报道对于个人读者或观众来说更加个性化。
新闻编辑室的工作总是适应新技术的浪潮，包括摄影、电话、计算机——甚至只是复印机。记者也将适应与人工智能一起工作。作为一项技术，它已经并将继续改变新闻工作，通常补充但很少取代训练有素的记者。
新作品
我发现，人工智能技术似乎常常在新闻业中创造新的工作类型。
以美联社为例，该公司在 2017 年引入了计算机视觉人工智能技术来为其每天处理的数千张新闻照片添加标签。该系统可以用有关图像中的内容或人物、其摄影风格以及图像是否描绘暴力的信息来标记照片。
该系统让照片编辑者有更多的时间来思考他们应该发布什么，并使他们不必花费大量时间来标记他们拥有的内容。但开发它需要大量的编辑和技术工作：编辑必须弄清楚要标记什么以及算法是否能够胜任任务，然后开发新的测试数据集来评估性能。当所有这些完成后，他们仍然必须监督系统，手动批准每个图像的建议标签以确保高精度。
负责监督该项目的美联社高管斯图尔特·迈尔斯 (Stuart Myles) 告诉我，这个项目花费了大约 36 个人月的时间，历时数年，并动用了十几名编辑、技术和行政人员。他告诉我，大约三分之一的工作涉及新闻专业知识和判断力，而这些知识和判断尤其难以自动化。虽然未来可能会减少一些人类监督，但他认为随着系统的发展和扩展，人们仍然需要进行持续的编辑工作。
半自动化内容制作
在英国， RADAR项目每月半自动生成约 8,000 篇本地化新闻文章。该系统依赖于由六名记者组成的稳定团队，他们查找按地理区域列出的政府数据集，识别有趣且有新闻价值的角度，然后将这些想法开发成数据驱动的模板。模板编码如何根据数据中标识的地理位置自动定制文本位。例如，一个故事可以谈论英国各地的人口老龄化，并向卢顿的读者展示他们的社区正在如何变化，以及布里斯托尔的不同本地统计数据。然后，这些故事通过有线服务发送给当地媒体，由当地媒体选择发布哪些故事。
该方法将记者和自动化结合成一个有效且富有成效的过程。记者利用他们的专业知识和沟通技巧为数据可能遵循的故事情节提供选项。他们还与消息人士交谈以收集国家背景并编写模板。然后，自动化充当生产助手，根据不同的地点调整文本。
RADAR 记者使用一种名为 Arria Studio 的工具，它可以让您了解编写自动化内容的实际情况。它实际上只是一个更复杂的文字处理界面。作者编写了由数据驱动的 if-then-else 规则控制的文本片段。例如，在地震报告中，您可能需要使用不同的形容词来描述 8 级地震，而不是 3 级地震。因此，您将有一条规则，如 IF 震级 > 7 THEN 文本 =“强地震”， ELSE IF 震级 < 4 THEN 文本 =“小地震”。 Arria 等工具还包含自动共轭动词或拒绝名词的语言功能，从而更轻松地处理需要根据数据进行更改的文本位。
Nicholas Diakopoulos Arria Studio 的屏幕截图， CC BY-ND
像 Arria 这样的创作界面让人们可以做他们擅长的事情：逻辑地构建引人入胜的故事情节，并制作富有创意的、非重复的文本。但他们也需要一些新的写作思维方式。例如，模板编写者需要在理解可用数据可以表达什么的情况下处理故事 - 想象数据如何产生不同的角度和故事，并描绘驱动这些变化的逻辑。
监督、管理或记者所谓的自动化内容系统的“编辑”也越来越多地占据新闻编辑室的工作岗位。保持质量和准确性是新闻业最关心的问题。
RADAR 开发了一个三阶段的质量保证流程。首先，记者将阅读所有文章的样本。然后另一名记者将故事中的说法追溯到他们的原始数据源。作为第三次检查，编辑将检查模板的逻辑，以尝试发现任何错误或遗漏。这几乎就像软件工程师团队在调试脚本时可能要做的工作一样——这也是人类必须做的所有工作，以确保自动化准确地完成其工作。
开发人力资源
美联社和 RADAR 等机构的举措表明，人工智能和自动化远未摧毁新闻业的就业机会。他们正在创造新的工作，同时也在改变现有的工作。明天的记者需要接受设计、更新、调整、验证、纠正、监督和总体维护这些系统的培训。许多人可能需要处理数据的技能和正式的逻辑思维来对数据采取行动。流利地掌握计算机编程的基础知识也不会有什么坏处。
随着这些新工作的发展，确保它们是好工作非常重要——人们不会只是成为更大机器流程中的齿轮。这种新型混合劳动力的管理者和设计者需要考虑人类对自主性、有效性和可用性的关注。但我乐观地认为，关注这些系统中的人类体验将使记者蓬勃发展，社会将获得人工智能和自动化带来的速度、报道广度和更高质量的回报。
Nicholas Diakopoulos 西北大学传播学助理教授
本文是根据知识共享许可The Conversation阅读原文。
