AI浪潮來襲!85個科技趨勢帶來傳播媒體新變革
合作媒體:雷鋒網/作者:Dude
林詩容/編譯 2017-11-12 10:00

雷鋒網:AI大潮已經來臨,這將會成為媒體、信息、技術的轉折點。  

 

記者的天職是要揭示真相與謊言之間的區別,新聞工作者基於數據、事實調查真相,技術在不斷變革,這些新的技術有些會對新聞從業人員造成衝擊,有些技術則會造成變革性影響。

 

語音介面、對抗性圖像等專用人工智慧等技術都會對新聞行業產生巨大的影響。著名建築師Buckminster Fuller曾經說過「要改變現狀,就要建立新的模式、使現有的模式過期。現在的新聞媒體想要在未來生存下去,就必須使用更多的技術創新,必須要意識到新興的技術對自己有什麼樣的威脅,並且要為新興技術對行業的第二、第三、第四、第五階段的影響做好準備。現在的新聞媒體必須要開發新的報導的傳播方式、確保在未來能夠存活下去。

 

未來學會(Future Today)發表了年度技術趨勢報告,著重分析了新技術對於新聞記者的影響以及對於未來新聞工作者的影響。 全文影響傳媒行業的技術趨勢共有85項,雷鋒網篩選出24個與AI緊密結合技術,進行解讀:

 

 

實時的機器學習 

 

現在機器可以根據持續的信息流實時調整模型,甚至可以實現新聞內容的精準推送。比如,可以根據用戶瀏覽網站的內容,進行精準的新聞推送或是實時修改網站內容。另外,機器學習甚至還可以做到實時欺詐檢測和安全保證,比如根據用戶的打字習慣進行身份的查證。

 

機讀理解(MRC)  

 

對於AI的研究而言,機讀理解成為非常具有挑戰性和不可或缺的一部分。當用戶去查詢問題的時候,希望得到的是一個精準的答案而不是一個URL的列表。在未來一個訓練有素的MRC系統可以遷移到不同的領域,甚至是一些人類沒有創建標籤和標籤分類的領域。MRC是實現人工智慧必經的步驟,從近期來看,MRC可以讓新聞網站變成一個可搜索的信息庫。當未來語音越來越多的時候,MRC這項技術會變得非常有用。 

 

自然語言理解(NLU)

 

在現實的世界中,我們經常被非結構化文本所包圍,包括我們的社交軟體、微博、公司網站、市政廳電子記錄等。NLU讓研究者可以通過提取概念、整理人物關係、分析情緒等多種方式來量化文本,對新聞機構來講,NLU可以讓記者從成堆的資料文件中脫身,更加快速地獲取人們對某一事件的看法。 

 

自然語言生成(NLG)

 

自然語言生成(NLG)算法可以使用自然語言生成將數據轉化為敘述。包括彭博週刊和美聯社在內的數十家新聞媒體都在使用自動化的觀察力,它可以進行數據挖掘,每秒可以寫2000個故事。

 

音頻算法  

 

為了訓練計算機的自動語音識別能力,麻省理工學院的研究人員正在研究兒童是如何學習新詞,人類可以從一兩個例子當中掌握新的概念,對於機器而言,透過一兩個例子掌握語言概念是很難的。與此同時,研究人員正在訓練電腦觀看視頻,並預判物理世界中的相應聲音。比如一個木棒敲響沙發的聲音是怎麼樣的,一堆樹葉所發出的聲響是怎麼樣?這個項目的重點是幫助系統理解,物體如何在物體世界相互作用。在未來,這項技術應用主要是為新聞影片、電影、綜藝等自動配音和添加音頻。

 

圖像修復 

 

如果一個系統有足夠多的圖像,數百萬的圖像存量,它可以修繕圖片中的空缺之處,這些對於新聞工作者而言是最實用的功能。此外,圖像修復對於執法人員和軍事情報人員都要重要的幫助,因為計算機可以幫助他們識別圖像當中的人員和其他的內容。 

 

 

算法交易平台 

 

大多數新聞機構都不能提供一批有充裕時間來創建、調試和優化算法的開發人員,因此,開發者社區在新興的算法市場上提供自己的算法。Algorithmia 就像亞馬遜一樣是個算法平台。開發者可以在Algorithmia上傳自己的算法,當有人購買這些算法時,開發者就會增加收入。DataXu也是提供算法交易的平台,Quantiacs允許開發人員建構算法交易系統,並將其算法與機構投資者的資金相匹配。PrecisionHawk推出了預測農業算法的交易平台,其他的網站平台,比如Nara Logics、MetaMind、Clarifai也提供了開發人員深入學習任何應用程序的工具。預計到2018年,可能會有很多很完善的網站交易平台。 

 

計算機新聞學  

 

計算機輔助報告的25年基礎是一種調查新聞技術,記者可以借助於機器學習算法和人工智慧,清理和挖掘公共記錄和文件,找出數據和文件中隱藏的故事。計算機新聞技術,如多語言索引、自動報告、實體提取、算法可視化、數據集的多維分析、靈活的數據蒐集,允許記者將他們在數據中發現的內容結合起來,然後看到事實、關鍵字和概念之間的聯繫。通過這種方法,可以揭示出人與組織之間的關係,而這些關係很有可能是之前沒有察覺到的。未來將會有越來計算機所挖掘出來的新聞。 

 

算法調查記者

 

新聞機構需要一種新的特別行動小組,專門調查算法和數據本身的調查記者。算法、數據集和人工智慧系統反映了建築師和培訓師的世界觀,這些信息用於幫助決策、預測行為和回答問題。現在越來越多的AI系統應用到了日常生活中,被應用到執法機構、大學、金融機構、政府機構當中,因此記者必須開始調查數據和算法如何與日常生活相交纏,而且為了防止數據有偏差,記者必須要瞭解算法、數據集的創建流程。例如美國的各地警察部門所使用的PredPol預警系統,曾多次建議各部門把監督精力放在黑人和貧窮社區上。問題的關鍵在於怎麼樣收集數據、以及個別警察部門過去是如何監控當地社區,因此,建立信任和問責制度展現工作的關鍵。

 

 

計算機攝影  

 

計算機攝影是計算機視覺、計算機圖形學、互聯網和照相相互作用的結果。它不僅僅依靠光學工藝、更多的是倚重數字捕捉和處理技術來捕捉真實生活,現在任何一個擁有智慧型手機的人都可以使用計算機攝影的相關工具,在iPhone 8和iPhone X中,蘋果使用計算攝影來實現淺景深。NVIDIA和加州大學聖芭芭拉分校的新研究揭示了一種計算變焦技術,允許攝影師隨時改變照片的構圖,照片被放在一個平台中,然後呈現多個視圖。這允許攝像師改變角度、和物體大小,這還包括了一些其他的用途,包括無縫移除和把對象添加到特定的場景中,改變陰影和反射等。但是隨之而來的還有倫理道德問題,在新聞報導中,大多程度的編輯可以被允許?無論是有意的還是自動生成的,記者是否需要說明照片的編輯情況? 

 

機器人程序 

 

在過去一年時間裡,機器人已經慢慢變成主流詞彙,現在已經可以完成某些特定的任務,比如安排和管理客戶的一些基本服務請求。現在Facebook已經有3萬多的生產信息機器人,除了Facebook之外,Slack設定了大量的聊天機器人,當聊天機器人從基於文本的聊天轉換到語音界面時,新聞室需要確定如何與新聞消費者互動,即使新聞室沒有聊天機器人,現在是學習和制定如何提高觀眾參與度、提高收入的好時機,語音界面的基礎是從我們現有的話語體系中所創建的。

 

語音介面

 

我們現在進入一個會話界面的時代,我們可以以語音與機器進行交互,這些機器也一直在學習自然語言,來分析我們的意圖,處理相關的數據,來揣測我們下一步要做什麼。預計到2030年,將有50%北美的居民使用語音和機器進行交換,語音交換也不僅僅侷限於生活服務,IBM最近建立了一個原型,他們讓不同的用戶提問,例如「有暴力傾向的遊戲是否會引發現實生活中的暴力行為」,然後得到一份語音分析報告。在未來,這樣的系統會成為新聞編輯室的重要工具,通過語音交換分析,它讓記者可以很快地完成報導和分析。 

 

環境介面

 

我們的現代界面正變得越來越像背景音樂,可以用更少的直接行動做更多的事情,但仍然能夠吸引你的注意力。如果你現在和Google或者Amazon的Alexa互動,或者你擁有Fitbit或Samsung的設備,如果你已經用手勢打開你的汽車的行李箱,其實這些就是一個環境平台。這些平台可以自動提供信息或者服務,可以處理複雜的事件、和實現任務的自動化。我們正在邁向後螢幕時代,現代人平均一天要做2萬個決定,其中有226個問題是關於吃什麼?新興的技術會根據情況,相應地幫助我們做出一部分決定。根據梅特卡夫定律(Metcalfe’s Law),一個網路的價值往往和使用者規模成正比,因此當未來有越來越多的人成為環境交換網路中的一部分,我們將會越來越熟悉其使用場景。                    

 

生產力機器人

 

機器人將幫助記者更好更高效地執行任務,擁有超過500萬日常活躍用戶的Slack,以及Yammer,HipChat,Ryver,Zoom和Skype等企業信息平台,正逐漸成為現代工作場所日益重要的組成部分,因為他們開始取代傳統的辦公方式。這些平台會嵌入一些人工智慧機器人的技術,這些技術可以幫助記者自動完成簡單的任務,包括安排編輯會議室、簡化工作流程、跟蹤和記錄工作。這些機器人會變得越來越智慧,機器人通過每天聊天應用程序中的幾十億聊天數據,不斷接受培訓,了解我們的習慣,並決定什麼時候介入並提供幫助。這是一個不可逆的趨勢,機器人將會不斷發現和湧現。

 

個性化教育

 

人工智慧將極大地顛覆現行的教育狀況,以往直接的教育模式將會個性化的教育軟體所取代。在不久的將來,這項技術可以用來幫助培養新聞編輯室的人員,當人們進入到新聞編輯室的時候,專業發展往往可能會收到約束,這種個性化的教育指導系統將可替代一些新聞培訓、領導力培訓。

 

新聞接收來源

 

新的技術可以通過編程來推動或是接受我們移動設備的資訊,也可以將我們的資訊連接到一個永遠在線的資訊網路當中。我們都知道信號發射,它們可以被編程成為藍芽向手機發出或接受資訊。當我們在附近的基台上的時候,感測器會收集我們的個人資訊。這經常用於市場營銷當中,未來也可以用在新聞行業裡。

 

預測工具

 

新興的預測工具會對用戶本身的數據、行為、偏好進行分析,以完成完整的用戶畫像,並預測推送什麼樣的新聞才是符合用戶興趣的新聞,這些工具可以用作新聞工作、個性化新聞推送等。

 

注意力經濟

 

在現代的數字化時代當中,注意力本身就可以成為一門經濟學問。新聞工作者必須要想辦法抓注用戶的注意力,新聞生產商要根據不同用戶設備提供不同新聞內容。在未來,一位記者可能會把一個內容用多種設備的方式生產出來,甚至在同一天內,也要在不同時間段給一個用戶不同的體驗,以更好地獲取注意力。

 

數字脆弱化

 

在過去的幾年中,網頁閲讀量的下滑。由於媒體的重構和整合,很多即使發佈在網站上的消息也會被消息,甚至部分網站都關閉了。「數字化脆弱」是非常常見的現象,現在的數字產品往往都不是永存的,比如在川普上任後,美國環境保護機構刪除了其網站與氣候變化相關的內容,以響應相關政策。這個現象極大地影響記者,也是媒體界都需要思考的問題,如果現有的媒體生態變得黑暗了,未來社會會怎樣?我們是否有保存重要的社會數字資料的義務?我們是否應該更努力,使數字化文檔不丟失?

 

 

實時查證新聞

 

新的技術手段可以幫助我們實時發佈新聞,但是很少人去做前期的工作,比如核查新聞源是否真實。2016年下半年的Google增加了一項事實核查的標籤以檢驗是否為假新聞。未來,AI可以在數字和數據方面的引用,實現事實核查的自動化,甚至AI系統進行更複雜的事實核查,精確闡述這段訊息的來源,訊息內容是否有被誇大或者縮減。數據分析表明,未來的新聞媒體可以利用人工智慧建立自己的文章數據庫,引起隨時事實核查的功能。這樣做既有利於公眾利益,也有利於建立品牌的價值。

 

離線也是另一種在線

 

在美國,消費者平均每天消耗在移動設備上的時間是五個小時。Google、Smartnews和蘋果在內的許多新聞公司都希望利用消費者在營幕上的時間,即使是在WiFi信號差的時候。華盛頓郵報的APP將移動頁面的加載時間從4秒縮短到80毫秒,用戶可以在沒有數據或WiFi連接的情況下閲讀新聞報導。離線服務是一種必需,如果新聞機構能在用戶沒網路的時候,也提供離線閲讀的服務,那麼它將收穫一群高黏著性的用戶。

 

音頻搜索引擎

 

隨著新聞機構進軍播放領域,新的搜索工具允許新聞用戶和新聞消費者在音頻內容中找到他們想要的信息。消費者現在可以使用語音搜索自己想要的內容,初創公司Audioburs就是利用人工智慧來做音頻的搜索。Audioburst不是利用關鍵詞搜索的技術,而是使用自然語言處理,來自動發現傳達的意思並表達正確的內容,隨著語音交換的不断發展,音頻搜索在未來幾年中會成為一個重要的技術發展趨勢。

 

廣告攔截軟體

 

廣告攔截軟體是一種自動從網頁上移除廣告的軟件。通常,它們是瀏覽器(Chrome,Firefox)擴展。出版商現在正在部署他們自己的廣告攔截工具。廣告的加載會減慢網站的速度,也會影響到一些年紀小的受眾。根據追蹤服務供應商Alexa的數據,德國媒體巨頭Axel Springer旗下的德國圖片報Bild,其網頁跳出率從2%攀升到了40%,用戶的網頁停留時間下降了6%。在2018年,新聞出版機構可能需要好好思考一下廣告攔截的策略。到底是讓讀者感受到廣告的誘惑,還是讓他們自己選擇出現什麼樣的廣告。同時也要求出版商與廣告供應商緊密合作,確保網頁上展示合適的廣告。

 

新聞區塊鏈

 

區塊鏈是每個參與比特幣數字系統的人共享的交易數據庫,同時也是交易的公共賬簿。區塊鏈是一種分佈式共識系統,沒有人可以控制所有數據源,有人說,區塊鏈預示著一種新的互聯網。區塊鏈不僅可以在金融領域上領用,事實上區塊鏈在新聞行業中也有應用的潛力,比如說可以用來編碼和核實內容的真實性。在未來,很可能會出現一個新聞的公眾賬本,可以交換可信的新聞、篩選出假新聞。

 

其他

 

無人機群、迷你無人機這些硬體設備將可以幫助記者從業人員更好地獲取新聞素材,比如在一些自然災區、戰爭衝突區等難以捕捉到圖片素材的地方,無人機群和迷你無人機將起到重要作用。隨著法律法規的完善,未來版權將會成為一個重要的議題,新聞機構的版權將有可能成為重要的收入。技術的進步,未來新聞的形式將會得到更大的拓展,比如在不遠的將來,VR技術將會為新聞帶來極大的潛力,又比如5G網路的誕生,會給新聞媒體在視頻分發和內容投資上帶來新的思考。

 

結語:

 

新的技術會給媒體從業人員帶來新的衝擊和啟發,媒體也需要擁抱變化,精進內容,才能走得更加久遠。記者是探索者也是創作家、是明燈人也是犀利俠,需要不斷挖掘事實和真相、新的技術會幫助媒體從業人員、更好地探索真相,走向更遠的未來。

 

 

圖文授權自 雷鋒網