關于機器人寫稿，被傳聞“哭暈”在廁所的記者們有話要說
機器人記者25秒寫出540字地震消息稿的消息一出，就收到了來自幾位朋友轉來的消息。
顯然，25秒的出稿速度已經嚴重威脅到了星球君的飯碗，當星球君還身處新聞的驚愕中正要打開電腦時，機器人已經跑完了從數據采集、數據加工判斷、自動寫稿的全過程。
難道，星球君的工作就要不保了嗎？！
記者要失業啦！寫稿機器人上線、機器人寫稿傳統記者的末日？、機器人逆襲寫稿記者恐失業、機器人寫稿，記者們‘哭暈’在廁所這是當前媒體們在提到機器人寫稿這類新聞時最常用的幾大標題。
機器人寫新聞真的會讓記者們因害怕失業而感到恐慌嗎？
"知道機器人會代替寫新聞，但不會這么快啊，人工智能目前是輔助人類工作，不能完全替代。
不恐慌，機器人不會講故事。
人有思想和創造力，并不是所有的新聞機器人都能寫。而且機器人也不會采訪啊，一些細膩的東西還是需要人去發現。它能促進記者更好地發展自己，提高工作效率，不必為一些繁瑣的事情浪費時間，我覺得，任何時候，它都是一個行業的輔助器。
風口在下個世紀。
還好吧，能代替的都是重復性的新聞而已。就像文學創作一樣，有些報道，至少目前是沒辦法替代的，比如西龍老師（為求證新聞事實）蹲點派出所。
這是星球君訪問的幾位資深科技媒體記者，沒有人因惶恐失業哭暈在廁所，相反，倒是冷靜得很像實力派。
事實上，機器人寫稿的新聞早就見怪不怪了。StatsMonkey是世界上最早操作新聞的人工智能軟件，它2009年就完成了美國職業棒球大聯盟季后賽第一篇機器人稿件的撰寫。
2015年開始，《紐約時報》Blossom、《華盛頓郵報》TruthTeller、《洛杉磯時報》智能內嵌模版、《衛報》Open001、路透社的OpenCalais、美聯社的Wordsmith六家國際頂級媒體分別有了各自的機器人服務系統。
讓我們來看看這幾大機器人系統的應用成果，以美聯社Wordsmith為例，其AI系統能夠在上市公司公布業績后，僅0.3秒就可以發布一篇盈利報道，而0.3秒的時間，其他新聞媒體的記者恐怕連標題首個單詞都還沒有寫完。
此外，在使用Wordsmith之后，美聯社每季度可以出3000家公司財報，雖然其中仍有120篇需要人力更新或添加獨立的后續報道，但顯然，它替人類編輯承擔了絕大多數的工作量。
《紐約時報》Blossom，它與Wordsmith還不太一樣，主要職責并不是寫文章，而是輔助編輯挑選出當日潛在熱文，往社交網站等平臺進行針對性推送。目前，《紐約時報》通過Blossom能推送300篇文章。而它挑選的文章平均閱讀量是普通文章的38倍，且每天能夠工作24小時不間斷。
在國內，騰訊于2015年8月率先推出了寫作機器人Dreamwriter。這位由騰訊財經開發的自動化新聞寫作機器人，能夠根據算法在第一時間自動生成稿件，瞬時輸出分析和研判，一分鐘內將重要資訊和解讀送達用戶。
以下就是在Dreamwriter寫的一篇2015年8月CPI材料的新聞，摘取一小段：
文中除了列出CPI詳細數值外，還引入了多位分析師的觀點。從抓取資料到成稿發布，前后僅花了一分鐘。
同年11月，新華社也帶來了快筆小新寫稿機器人，主要供職于新華社體育部、經濟信息部和中國證券報，寫體育賽事的中、英文稿件和財經信息稿件為主。
緊跟著，今日頭條xiaomingbot、第一財經DT稿王、百度度秘解說相繼介入人類編輯的日常工作。
其中，張小明（xiaomingbot）機器人在里約奧運會后的13天內，共撰寫了457篇關于羽毛球、乒乓球、網球的消息簡訊和賽事報道，每天30篇以上。不僅囊括了從小組賽到決賽的所有賽事，而且發稿速度之快幾乎與電視直播同步。
從寫作形式和內容豐富度來看，機器人寫出來的新聞在語法上和人類并無區別。甚至，張小明還能模仿人類的語氣，使用如實力不俗、笑到了最后等生動的表達。
DT稿王則是在阿里巴巴戰略入股第一財經后，雙方共同醞釀、聯合推出的一款寫稿系統，主要以股市異動為新聞切入點，報道更新更加頻繁。平均每天需要發布1900篇公告，這是一位資深證劵編輯100個小時才能完成的任務。
百度度秘解說則參與了里約奧運會籃球比賽的文字直播解說。杜蘭特3分出手，空心入網，這球沒法打了。阿聯上籃，被喬治犯規了！斗膽一猜吧，今天男籃的小伙子最多輸40分！打得非常棒！加油！都出自度秘。
或許你已經看出來了，機器人寫稿主要在體育、財經、天氣預報等垂直化領域，因為這類文章普遍文本信息少、數據信息多，更新更頻繁，往往每天需要滾動成千上萬條信息。
因此，江湖傳聞的寫稿機器人并不是說它本身有多高明，KUKA機器人電路板維修，而是在于其新聞生產可以不依賴于現場采訪獲取素材然后寫成稿件，主要是通過對現有數據、資料，快速搜集加工編制而成。
這對大腦有時短路、百忙中難免出錯的人類編輯來說，無異于是種解放。而在這些消息上使用機器人寫作，記者也可以從疲于奔命式的搶新聞中解脫出來，對事件背后的新聞線索進行更多深入的挖掘和思考，投入更多深度報道。
可以這么說，新聞機器人所能做的只是在現有數據庫的支持下，對文章進行詞匯和語句的抓取，然后進行排列組合，就好像在做一個復雜的填字游戲，但其對文章的深度理解能力還遠遠不能和人類相提并論。
有趣的是，在張小明關于奧運會男乒半決賽的一篇報道中，它寫道：絕望之際，失敗女神朝其拋出了橄欖枝。顯然，機器人沒能領會橄欖枝在自然語言中的含義。
人工智能系統在進行新聞創作時需要解決非常多的技術難題，包括自然語言處理中的自動摘要、文本分類等，還有知識庫和知識發現（KDD）等相關技術，工業機器人維修，比如實體定義、關系抽取、問答系統等。
簡單來說，就是機器首先需要理解自然語言，然后通過知識管理弄明白新聞中各個要素（各類知識）之間的關系。當然，隨著機器學習能力的提高，這種低級錯誤也是可以避免的。
在頭條實驗室負責人李磊博士看來，張小明最大的意義在于，面對奧運會這樣同時舉行上百場比賽的綜合賽事，記者很難關注到每一場比賽，而機器人可以任勞任怨的為每一場比賽報道，無論這場比賽多么冷門和不重要。傳統新聞理論并不認為這些冷門比賽或者熱門比賽（比如乒乓球）的前幾輪小組賽有新聞價值，可是通過我們的平臺測試，我們發現對冷門場次的報道任然有可觀的閱讀量。
隨著AI技術在新聞領域的參與程度越來越高，其是否會造成失業問題的爭論也愈演愈烈（當然，星球君比大家更關注這個話題）。
牛津大學此前就發布了一篇報告稱，未來47%的工作崗位將最終被自動化。但是，工作被取代，并不意味著勞動者將失去工作，就好像曾經汽車的出現取代了馬車夫和馬童，但同時也創造了更多修建高速公路和服務加油站的工作。