AI领衔的85个科技趋势，即将为传媒行业带来一场变革

雷锋网 (公众号：雷锋网) 按： AI的大潮已经来临，这亦将会成为媒体、信息、技术的转折点。 

记者的天职是要揭示真相与谎言之间的区别。新闻工作者要基于数据、事实调查真相。技术在不断变革，这些新的技术有些会对新闻从业人员造成冲击，有些技术则会造成变革性影响。

语音接口、对抗性图像等专用人工智能等技术都会对新闻行业产生巨大的影响。 著名建筑师巴克明斯特·富勒曾经说过，“要改变现状，就要建立新的模式、使现有的模式过期。”

现在的新闻媒体想要在未来生存下去，就必须使用更多的技术创新。 现在的新闻媒体必须要意识到新兴的技术对自己有什么样的威胁，并且要为新兴技术对行业的第二、第三、第四、第五阶段的影响做好准备。现在的新闻媒体必须要开发新的报道喝传播方式、确保在未来能够存活下去。 

未来学会（Future Today）发表了年度技术趋势报告，着重分析了新技术对于新闻记者的影响以及对于未来新闻工作者的影响。 

全文影响传媒行业的技术趋势共有85项 ，雷锋网筛选出24个与AI紧密结合技术，进行解读：

• 实时的机器学习 

现在机器可以根据持续的信息流实时调整模型，甚至可以实现新闻内容的精准推送。比如，可以根据用户浏览网站的内容，进行精准的新闻推送或是实时修改网站内容。另外，机器学习甚至还可以做到实时欺诈检测和安全保证，比如根据用户的打字习惯进行身份的甄别。

•  机读理解（MRC) 

对于AI的研究而言，机读理解成为了非常具有挑战性和不可或缺的一部分。当用户去查询问题的时候，希望得到的是一个精准的答案而不是一个URL的列表。 在未来一个训练有素的MRC系统可以迁移到不同的领域，甚至是一些人类没有创建标签和标签分类的领域。 MRC是实现人工智能必经的步骤，从近期来看，MRC可以让新闻网站变成一个可搜索的信息库。当未来语音接口越来越多的时候，MRC这项技术会变得非常有用。 

•  自然语言理解（NLU)

 在现实的世界中，我们经常被非结构化文本所包围，包括我们的社交软件、博客、公司网站、市政厅电子记录等。 NLU让研究者可以通过提取概念、梳理人物关系、分析情绪等多种方式来量化文本，对新闻机构来讲，NLU可以让记者从成吨的资料文件中脱身，更加快速地获取人们对某一事件的看法。  

• 自然语言生成（NLG)

 自然语言生成（NLG）算法可以使用自然语言生成将数据转化为叙述。包括彭博周刊和美联社在内的数十家新闻媒体都在使用自动化的观察力，它可以进行数据挖掘，每秒可以写2000个故事。

•  音频算法 

为了训练计算机的自动语音识别能力，MIT（麻省理工学院）的研究人员正在研究儿童是如何学习新词。人类可以从一两个例子当中掌握新的概念。对于机器而言，透过一两个例子掌握语言概念是很难的。与此同时，研究人员正在训练电脑观看视频，并预判物理世界中的相应声音。比如一个木棒敲响沙发的声音是怎么样的，一堆树叶所发出的声响是怎么样？ 这个项目的重点是帮助系统理解物体如何在物体世界相互作用。在未来，这项技术应用主要是为新闻视频、电影、综艺等自动配音和加音频。

•  图像修复 

如果一个系统有足够多的图像，数百万的图像存量，它可以修缮图片中的空缺之处，这些对于新闻工作者而言是最实用的功能。此外，图像修复对于执法人员和军事情报人员都要重要的帮助，因为计算机可以帮助他们识别图像当中的人员和其他的内容。 

•  算法交易平台 

大多数新闻机构都不能提供一批有充裕时间来创建、调试和优化算法的开发人员。 因此，开发者社区在新兴的算法市场上提供自己的算法 。Algorithmia 就像亚马逊一样是个算法平台。开发者可以在Algorithmia 上上传自己的算法，当有人购买这些算法时，开发者就会增加收入。DataXu也是提供算法交易的平台，Quantiacs允许开发人员构建算法交易系统，并将其算法与机构投资者的资金相匹配。PrecisionHawk推出了预测农业算法的交易平台。其他的网站平台，比如Nara Logics、MetaMind、Clarifai也提供了开发人员深入学习任何应用程序的工具。预计到2018年，可能会有很多很完善的网站交易平台。 

•  计算机新闻学 

计算机辅助报告(或CAR)的25年基础是一种调查新闻技术。 记者可以借助于机器学习算法和人工智能，清理和挖掘公共记录和文件，找出数据和文件中隐藏的故事。 计算机新闻技术，如多语言索引、自动报告、实体提取、算法可视化、数据集的多维分析、灵活的数据搜集，允许记者将他们在数据中发现的内容结合起来，然后看到事实、关键字和概念之间的联系。通过这种方法，可以揭示出人与组织之间的关系，而这些关系很有可能是之前没有察觉到的。未来将会有越来计算机所挖掘出来的新闻。 

• 算法调查记者

新闻机构需要一种新的特别行动小组:专门调查算法和数据本身的调查记者。 算法、数据集和人工智能系统反映了建筑师和培训师的世界观。这些信息用于帮助决策、预测行为和回答问题。现在越来越多的AI系统应用到了日常生活中，被应用到执法机构、大学、金融机构、政府机构当中 。因此记者必须开始调查数据和算法如何与日常生活相交缠，而且为了防止数据有偏差，记者必须要了解算法、数据集的创建流程。 例如美国的各地警察部门所使用的PredPol预警系统，曾多次建议各部门把监督精力放在黑人和贫穷社区上。问题的关键在于是怎么样收集逮捕数据、以及个别警察部门过去是如何监控当地社区。因此，建立信任和问责制展现工作的关键。

•  计算机摄影 

计算机摄影是计算机视觉、计算机图形学、互联网和摄像相互作用的结果。它不仅仅依靠光学工艺、更多的是倚重数字捕捉和处理技术来捕捉真实生活。 现在任何一个拥有智能手机的人都可以使用计算机摄影的相关工具，在  在iPhone 8和iPhone X中，苹果使用计算摄影来实现浅景深。英伟达和加州大学圣芭芭拉分校的新研究揭示了一种计算变焦技术，允许摄影师实时改变照片的构图。照片被放在一个堆栈中，然后呈现多个视图。这允许摄像师改变角度、和物体大小。这还包括了一些其他的用途，包括无缝移除和把对象添加到特定的场景中，改变阴影和反射等。但是随之而来的还有伦理道德问题，在新闻报道中，多大程度的编辑可以被允许？无论是有意的还是自动生成的，记者是否需要说明照片的编辑情况？ 

• 机器人程序 

在过去一年时间里，机器人已经慢慢变成主流词汇。现在已经可以完成某些特定的任务，比如安排和管理客户的一些基本服务请求。现在Facebook已经有3万多的生产信息机器人，除了Facebook之外，Slack部署了大量的聊天机器人。 当聊天机器人从基于文本的聊天转换到语音界面时，新闻室需要确定如何与新闻消费者互动。 即使新闻室不会部署聊天机器人，现在是学习和制定如何提高观众参与度、提高收入的好时机，语音界面的基础是从我们现有的话语体系中创建的。

•  语音接口

 我们现在进入一个会话界面的时代，我们可以以语音与机器进行交互，这些机器也一直在学习自然语言，来分析我们的意图，处理相关的数据，来揣测我们下一步要做什么。预计到2030年，将有50%北美的居民使用语音和机器进行交互。语音交互也不仅仅局限于生活服务，IBM最近建立了一个原型，他们让不同的用户提问，例如“有暴力倾向的游戏是否会引发现实生活中的暴力行为”，然后得到一份语音分析报告。 在未来，这样的系统会成为新闻编辑室的重要工具，通过语音交互分析，它让记者可以很快地完成报道和分析。 

•  环境接口 

我们的现代界面正变得越来越像背景音乐——可以用更少的直接行动为我们做更多的事情，但仍然能够吸引你的注意力。如果你现在和谷歌或者亚马逊的Alexa互动，或者你拥有Fitbit或三星的设备，如果你已经用手势打开你的汽车的行李箱，其实这些就是一个环境接口。这些接口可以自动提供信息或者服务，可以处理复杂的事件、和实现任务的自动化。我们现在正在迈向后屏幕时代，现代人平均一天要做2万个决定，其中有226个问题是关于吃什么的。 新兴的技术会根据情况，相应地帮助我们做出一部分决定 。根据梅特卡夫定律（Metcalfe’s Law），一个网络的价值往往和使用者规模成正比，因此当未来有越来越多的人成为环境交互网络中的一部分，我们将会愈发熟悉其使用场景。                   

• 生产力机器人

机器人将帮助记者更好更高效地执行任务，拥有超过500万日常活跃用户的Slack，以及Yammer，HipChat，Ryver，Zoom和Skype等企业信息平台正逐渐成为现代工作场所日益重要的组成部分，因为他们开始取代传统的办公方式。这些平台会嵌入一些人工智能机器人的技术， 这些技术可以帮助记者自动完成简单的任务：包括安排编辑会议室、简化工作流程、跟踪和记录工作。 这些机器人会变得越来越智能，机器人通过每天聊天应用程序中的几十亿聊天数据，不断接受培训，了解我们的习惯，并决定什么时候介入并提供帮助。这是一个不可逆的趋势，机器人将会不断发现和涌现。

• 个性化教育

人工智能将极大地颠覆现行的教育状况，以往一刀切的教育模式将会个性化的教育软件所取代。 在不久的将来，这项技术可以用来帮助培养新闻编辑室的人员。 当人们进入到新闻编辑室的时候，专业发展往往可能会收到约束。这种个性化的教育指导系统将可替代一些面授的新闻培训、领导力培训。

• 新闻接收源

新的技术可以通过编程来推动或是接受来时我们移动设备的信息，也可以将我们的信息连接到一个永远在线的信息网络当中。我们都知道信号发射塔，它们可以被编程成为蓝牙向手机发出或接受信息。当我们在附近的基站上的时候，传感器会收集我们的个人信息。这经常用于市场营销当中，未来也可以用在新闻行业里。

• 预测工具

新兴的预测工具会对用户本身的数据、行为、偏好进行分析，以完成完整的用户画像，并预测推送什么样的新闻才是符合用户兴趣的新闻，这些工具可以用作新闻工作、个性化新闻推送等。

• 注意力经济

在现代的数字化时代当中，注意力本身就可以成为一门经济学问。新 闻工作者必须要想办法抓注用户的注意力。新闻生产商要根据不同用户设备提供不同新闻内容。 在未来，一位记者可能会把一个内容用适配多种设备的方式生产出来，甚至在同一天内，也要在不同时间段给一个用户不同的体验，以更好地获取注意力。

• 数字脆弱化

在过去的几年中，网页阅读量的下滑。由于媒体的重构和整合，很多即使发布在网站上的消息也会被消息，甚至部分网站都关闭了。“数字化脆弱”是个非常常见的现象，现在的数字产品往往都不是永存的，比如在特朗普上任后，美国环境保护机构删除了其网站上与气候变化相关的内容，以响应相关政策。这个现象会极大地影响记者，它也是媒体界都需要思考的问题：如 果现有的媒体生态变得黑暗了，未来社会会怎样?我们是否有保存重要的社会数字资料的义务?我们是否应该更加努力，使数字化文档不丢失?

• 实时查证新闻

新的技术手段可以帮助我们实时发布新闻，但是很少人去做前期的工作，比如核查新闻源是否真实。

2016年下半年的Google增加了一项事实核查的标签以检验是否为假新闻。未来，AI可以在数字和数据方面的引用，实现事实核查的自动化，甚至AI系统会进行更复杂的事实核查：精确阐述这段信息的来源，信息内容是否有被夸大或者缩减。 数据分析表明，未来的新闻媒体可以利用人工智能建立自己的文章数据库，引起实时事实核查的功能。 这样做既有利于公众利益也有利于建立品牌的价值。

• 离线也是另一种在线

在美国，消费者平均每天消耗在移动设备上的时间是五个小时。

谷歌、Smartnews和苹果在内的许多新闻聚合公司都希望利用消费者在屏幕上的时间，即使是在WiFi信号差的时候。华盛顿邮报的APP将移动页面的加载时间从4秒缩短到80毫秒，用户可以在没有数据或WiFi连接的情况下阅读新闻报道。 离线服务是一种刚需，如果新闻机构能在用户没网的时候也提供离线阅读的服务，那么它将收获一群高黏性的用户。

• 音频搜索引擎

随着新闻机构进军播客领域，新的搜索工具允许新闻用户和新闻消费者在音频内容中找到他们想要的信息。消费者现在可以使用语音助理搜索自己想要的内容，初创公司Audioburs就是利用人工智能来做音频的搜索。Audioburst不是利用关键词搜索的技术，而是使用自然语言处理来自动发现传达的意思并表达正确的内容。 随着语音交互的不断发展，音频搜索在未来几年中会成为一个重要的技术发展趋势。

• 广告拦截软件

广告拦截软件是一种自动从网页上移除广告的软件。通常，它们是浏览器(Chrome，Firefox)扩展。出版商现在正在部署他们自己的广告拦截工具。广告的加载会减慢网站的速度，也会影响到一些年纪小的受众。互联网研究人员发现，读者也很少去白名单的网站，这意味着读者并不是绝对地抗拒广告，只是抗拒市场营销人员追踪自己的行为，并且反感一些不合时宜的广告。

根据追踪服务供应商Alexa的数据，德国媒体巨头Axel Springer旗下的德国图片报(Bild)，其网页跳出率(bounce rate)从2%攀升到了40%，用户的网页停留时间下降了6%。

在2018年，新闻出版机构可能需要好好思考一下广告拦截的策略了。到底是让读者感受到广告的诱惑，还是让他们自己选择出现什么样的广告。这同时也要求出版商与广告供应商紧密合作，确保网页上展示合适的广告。

• 新闻区块链

区块链是每个参与比特币数字系统的人共享的交易数据库，同时也是交易的公共账簿。

区块链是一种分布式共识系统，没有人可以控制所有数据源。有人说，区块链预示着一种新的互联网。区块链不仅可以在金融领域上领用，事实上区块链在新闻行业中也有应用的潜力，比如说可以用来编码和核实内容的真实性。 在未来，很可能会出现一个新闻的公众账本，可以交换可信的新闻、筛选出假新闻。

• 其他

无人机群、迷你无人机这些硬件设备将可以帮助记者从业人员更好地获取新闻素材，比如在一些自然灾区、战争冲突区等难以捕捉到图片素材的地方，无人机群和迷你无人机将起到重要作用。

随着法律法规的完善，未来版权将会成为一个重要的议题，新闻机构的版权将有可能成为重要的收入。

随着技术的进步，未来新闻的形式将会得到更大的拓展，比如在不远的将来，VR技术将会为新闻带来极大的潜力。又比如5G网络的诞生，会给新闻媒体在视频分发和内容投资上带来新的思考。

结语：

新的技术会给媒体从业人员带来新的冲击和启发，媒体也需要拥抱变化，精进内容，才能走得更加久远。记者是探索者也是创作家、是明灯人也是犀利侠，需要不断挖掘事实和真相、新的技术会帮助媒体从业人员、更好地探索真相，走向更远的未来。

关注雷锋网（leiphonesz），回复Future Today，获取详细报道

。