图片来源:Geber86
在传统新闻业日渐萎缩的数字时代，记者们的工作量越来越少。地方新闻机构在没有足够读者群和资金支撑的情况下纷纷倒闭;全国性出版物正在裁员。为了适应这些变化，记者的工作量不断增加，但一个人能做的也就这么多了。
人工智能应运而生。南加州大学(University of Southern California)信息科学研究所(Information Sciences Institute)的研究生亚历山大•斯潘格尔(Alexander Spangher)开始着手一个四方面的项目，将新闻工作中许多较为繁琐的方面自动化，以减轻这种手工负担。
的前数据科学家《纽约时报》Spangher看到了一个机会，可以利用他的计算机科学技能来帮助那些淹没在大量信息中的记者，同时他们也面临着做出正确选择的压力。简而言之:什么是有新闻价值的，人工智能能参与进来吗?
Spangher解释说:“我们试图做的是把工作中真正无聊、平凡的部分变得更简单，这样记者就可以追逐更多的故事，找到更多的来源，使用更复杂的资源，在更多的平台上推广他们的工作，并覆盖更多相关的主题。”
斯潘格的灵感来自新闻业在支持民主方面的重要作用，以及维护民主的必要性。
“如果没有记者告诉我们我们的世界，我们就不会了解我们的社区，也不知道如何参与其中。我们将无法在知情的情况下投票。”“记者为我们发现了许多至关重要的信息。我一直被这些记者在自由民主中所扮演的角色所震撼。例如，一项研究发现，新闻机构每花费1美元，社会就能受益1000美元。另一项研究发现，地方新闻是促进良好政府的最大因素。”
他设想的解决方案的第一个方面是训练一个模型来确定一条信息的新闻价值，使用报纸。该模型试图预测一段文字是会成为头版新闻，还是最终会出现在中间或后面。
“这种‘头版vs非头版’的模式只涵盖了新闻价值范围的一小部分——还有很多其他层面，比如根本没有被报道的故事。所以，我们不确定它是否有用。但是，我们将其应用于记者在报道中一直使用的材料——比如洛杉矶市议会会议的记录——并发现我们正在呈现非常有趣的线索!比如，一篇关于洛杉矶市议会强制男女足球队薪酬平等的文章，我们的算法认为这篇文章应该在头版的顶部，但还没有被报道。”Spangher解释道。“有这么多重要的故事，记者们只是没有时间去发现和报道。”
Spangher的顾问，南加州大学计算机科学研究副教授Jonathan May说，当地新闻受到技术革命的打击最严重，尽管现在对它有很大的需求。
梅指出:“当地新闻业的一个大问题是，即使在最好的时期，也很难维持下去。”有些地区是“新闻沙漠”，得不到以前那样的报道，但有了这样的工具，“当地新闻记者有限的带宽可以放大。”
例如，关于洛杉矶市议会的会议记录，梅补充说，目标是“试图将这些公共记录上升到会议的首要方面，看起来它们值得跟进。”
Spangher强调，该项目的第二部分重点是在一个故事创意形成后，通过配备一个模型来“帮助记者找到他们从未考虑过的消息来源，也许是更多样化的仍能满足他们信息需求的消息来源”。
对于记者来说，最耗时的任务之一就是在社交媒体平台上发布和推广他们的报道。Spangher工作的第三部分的目标是开发一个系统，可以调整记者的文章，以便在Facebook、LinkedIn或Twitter等各种平台上进行推广。人工智能助手可以制定不同版本的文章，以达到最好的效果，并获得尽可能广泛的影响。
“最后的问题是，根据平台的动态、运行方式以及人们关注的内容，在不同的平台上，什么是可行的。这三种主要都是算法。”Spangher解释道。“所以，一种算法应该能够满足另一种算法的要求是有道理的。”
斯潘格的最后一件作品就是观察故事是如何发展的——或者不会——自从它们发表以来。他收集了大量的各种文章及其版本的数据集，目的是“追踪一个故事随时间的发展”。他强调，确定趋势并追踪“哪些故事将继续发展，哪些故事将停止发展，这是重要的问题。”他在NAACL 2022上获得了杰出论文奖．
Spangher坚信，尽管这些新工具具有非凡的意义，但他认为人工智能永远不会取代记者。“从根本上说，新闻的核心是一个人性化的过程，”他说。
然而，Spangher指出，这项工作最具挑战性的方面之一是，“如何思考我们认为会有帮助的工具，同时又不会吓到记者，或者让他们觉得机器学习正在抢走他们的工作。”
这项研究仍处于早期阶段，但Spangher的最终目标是让这些工具以某种形式提供给各地的新闻机构和记者。
这位博士生说:“也许在五到十年的时间里，我希望探索创建一家类似于服务平台的初创公司的可能性，将所有这些工具真正结合起来，并在整个故事生产过程中帮助记者。”
发布于2022年11月28日
最后更新于2022年11月28日
