曾經，機械人(15.850, 0.63, 4.14%)的出現改變了整個製造業經濟領域。如今，人工智慧和自動化以同樣的方式顛覆著資訊工作，人類開始逐漸將認知勞動交付給計算機。
當這些智慧型技術滲透到各行各業中時，人們通常會好奇傳統工種和勞動力將受到怎樣的衝擊。本期全媒派帶來獨家編譯，看看在人工智慧加入的新聞業中，做新聞的會是誰？他，或者說它們，又會怎麼做新聞？
強化而非替代
西北大學助理教授及計算機新聞實驗室總監nicholas diakopoulos在其最新著作《自動新世界(7.190, 0.11, 1.55%)：演算法如何改寫**》中通過一系列論證表明，即使在人工智慧主導的未來，仍然會存在很多人類新聞工作者。但是，這些人的工作，角色以及工作內容都會有所改變。人力將與演算法結合，以釋放人工智慧的能力，同時適應其侷限性。
據估計，以目前的人工智慧技術水平，記者的工作中只有約15％可以實現自動化，編輯則只有區區9％。
在好萊塢大片以外的真實世界中，人類仍然在幾個新聞業關鍵領域對人工智慧保持優勢，包括複雜溝通，專業思考，適應性，以及創造力。
新增鏈結描述
報道，傾聽，回應和推拉，平衡信源，最後將這些環節打通，用創造力輸出內容，記者工作的每一步都不可或缺，而人工智慧甚至無法完成其中任何乙個。
但是，人工智慧可以強化人類的工作成果，以幫助提高工作效率或質量。它能為深化新聞報道帶來新機，讓報道變得更加個性化。
新聞編輯部的工作總是在適應新技術的浪潮，攝影、**、電腦，甚至是小小的影印機。記者也必將適應與人工智慧的協同作業。作為一種技術，人工智慧已經並將持續改變新聞工作，但它非但不會取代乙個訓練有素的新聞人，反而會讓他變得更強。
新工種的出現
nicholas diakopoulos發現，人工智慧技術似乎正在為新聞界創造新的工作型別。
新增鏈結描述
以美聯社為例，該社在2023年推出了計算機視覺人工智慧技術，用以標記每天處理的數千張新聞**。系統可以在標註中指明這張**包含了什麼內容或者哪些人，攝影風格如何，有無暴力畫面等資訊。
但無論在研發端還是編輯端，對這一系統的開發都需要大量的工作：編輯必須弄清要標記的內容以及演算法對這一任務的匹配度，然後開發新的測試資料集來評估效果。完成所有操作後，他們仍然需要監控系統，手動批准每張**的建議標籤來確保高準確度。
負責該項目的美聯社高管stuart myles告訴nicholas diakopoulos，這項工作耗時數年，十多名編輯、技術和行政人員參與其中。大約三分之一的工作涉及新聞專業知識以及一些特別難以實現自動化的判准。雖然在將來人力監督有望削減，但隨著技術系統的發展和擴大，編輯的工作仍將不可或缺。
模板通過編碼，將每條文本和資料歸屬的地理位置一一對應。例如，一篇報道可以討論英國的人口老齡化問題，並通過布里斯托不同的本地化統計資料，向盧頓市的讀者展示他們所屬社群的變遷情況。這些報道會由通訊社傳送到當地**，並由他們決定是否發布和如何發布。
在這一方法中，記者和自動化高效結合：記者利用他們的專業知識和溝通技巧，為資料預設一些可能的「故事線」。他們也會與不同信源討論來獲取某個問題的全國普適視角，從而編寫報道模板。在這個過程中，自動化充當了新聞生產小助手的角色，使同一文字能夠適應不同的當地環境。
radar記者使用一種名為arria studio的工具，它可以讓內容生產者一睹自動化內容在實踐中呈現的樣子——它看起來就像乙個複雜版的word。
新增鏈結描述
作者寫出各種碎片式的文字，而這些文字則由if- then- else（如果－那麼－否則）的**規則驅動。例如，在**報告中，我們可能需要不同的形容詞來描述8級**和3級**。因此，我們可以這樣設計**：如果**強度》7，那麼輸出文字「強烈**」。否則，如果**強度<3，輸出文字「小型**「。
像arria 這樣的工具還包含強大的語言功能，例如自動共軛動詞或拒絕使用名詞，從而更輕鬆地處理需要根據資料進行更改的文字。
arria的創作介面使得記者可以專注於自己擅長的事——從邏輯上構建引人入勝的報道情節並製作富有創意的非重複性文字。
但他們也需要一些新的方法來構思報道。例如，模板的編寫者在做乙個報道前，得了解資料能做到什麼。他們需要想象資料能如何豐富角度或使敘事變得多樣，同時能勾畫出驅動這些變化的內在邏輯。監督，管理或編輯自動化內容的工作人員也越來越多地出現在新聞編輯室中。
質量和準確性是新聞業界最關注的問題。為此，radar開發了乙個三階段質檢流程：首先，記者將閱讀所有的自動化內容；然後，另一位記者將報道中給出的所有結論回溯到原始資料源；最後，編輯會再一次檢查報道模板中的邏輯來排除錯漏。
這幾乎就像乙個軟體工程師團隊在除錯指令碼時所做的工作，而這也是人類為了讓自動化正常運轉而不得不做的事。
終結付費牆？
內容生產並不是人工智慧大施拳腳的唯一賽道。通過機器學習的演算法，新聞**還可能發展出新的訂閱模式，實現對每一位使用者內容消費的量身定製。
通過調整訂閱策略以及付費牆設定，新聞**一直在試圖平衡自由瀏覽量和使用者閱讀許可權——也就是在尋找廣告收入和訂閱收入之間的最佳平衡點。
當然，這個神奇的平衡點並不存在。有的人可能在一次瀏覽後就會訂閱，有的人則需要更長時間才能做出付費轉化的決定，而有些人根本就不會訂閱。這些使用者維度的個人差異基於大量指標而變化，例如地理位置、內容消費習慣、訪問行為、主題、裝置等。
美國公司piano用了大約一年時間來改進和測試使用者可能性模型。他們的機器學習系統可以篩選出所有瀏覽器級別的可用資料，從而能夠**並驅動使用者行為。
新增鏈結描述
piano的第乙個可能性模型就致力於**使用者訂閱的可能性。
以下是它的工作原理：通過與全球各地傳媒公司的關聯，piano已經能夠分析數百個訂閱**和數十億的每月使用者互動。這一獨特的優勢使piano工作人員對營銷訂閱的因素有了一些深入認知。更重要的是，它為我們觀測影響訂閱可能性因素提供了確切的資料。
動態付費牆規則是一種新興業務，它的背後冉冉公升起的是乙個定價和業務規則完全動態並為每個使用者定製的世界。雖然「訂閱經濟」已經取得了很大成就，但我們認為這種轉變比從一次性支付轉向經常性支付更重大。
這將是乙個全新的世界，企業生產的所有內容都可以實時響應每乙個使用者、每乙份商機。
深耕人力資源
如前文所述，人工智慧和自動化非但沒有減少新聞業的崗位，反而正在創造新工作，並改變現有的工作。今後，記者需要接受培訓，以設計、更新、調整、檢驗、糾正、監督以及維護這些技術系統。許多人可能需要學會和資料一起工作，用邏輯思維來處理資料，多熟練掌握一些計算機程式設計基礎知識也是不會錯的。
隨著這些新技術的發展，確保它們是優質的工作非常重要——人們不能只是在更大的生產機器中成為齒輪，這種新型混合勞動的管理者和設計者需要考量人類對自主性、有效性和可用性的關注。
nicholas diakopoulos樂觀地認為，在這些技術中聚焦人類經驗，將使內容工作者成長，讓社會蓬勃發展，讓人工智慧和自動化交出更好的答卷。
人工智慧如何改變邊緣計算的未來
隨著物聯網裝置 例如手機，虛擬助手，膝上型電腦，平板電腦，建築物感測器，無人機，安全攝像機和可穿戴式健康感測器 的數量有望在2025年超過700億，邊緣計算應用也將增加。物聯網裝置在零售，醫療保健，工業，航空航天，國防，運輸，設施維護，能源，製造業，鏈物流和智慧型城市等廣泛領域中具有廣泛多樣的應用。...
如何學習人工智慧
從基礎的資料分析 線性代數及矩陣等等入門，只有打好了基礎，後面才好學，不能沒有邏輯的看一塊學一塊。python具有豐富和強大的庫，能夠把用其他語言製作的各種模組 尤其是c c 很輕鬆地聯結在一起。比如3d遊戲中的圖形渲染模組，效能要求特別高，就可以用c c 重寫，而後封裝為python可以呼叫的擴充...
如何學習人工智慧？
1.人工智慧，涉及的範圍廣。當我們在網上搜尋資料學習時很容易走彎路，陷入漩渦迷失自己。所以第一步要確立學習路徑。2.認真學習。勤加練習，多做筆記，與人分享學習成果和心得。學習的道路是枯燥和漫長的，若不給自己找點樂子，又怎麼堅持的下去呢？3.和小夥伴溝通，一起做出一些案例，和專案。網上有些付費的課程其...