AI领衔26个新趋势“来袭” 传媒行业借势华丽转身？

在2018年，新兴技术的进步将趋于一致，在初步测试和应用研究之后，我们将能挖掘出新技术的更多用途。

这是一个值得关注的信号。新闻机构应关注这些可能对其产生冲击的新兴趋势，如区块链、语音接口、自然语言理解、实时机器学习等等。

记者们也需要对人工智能多一些了解，知道这对于未来的新闻业意味着什么。因此对于新闻业来说，对人工智能当下以及未来的趋势做到心里有数，并制定深入战略规划，是非常重要的。

未来学会(Future Today)发表的2018年趋势报告揭示了来年新闻机构的战略机遇和挑战。

在阅读这份趋势报告之时，我们不仅需要思考技术发展对新闻业及业内人士如何产生影响，也要考虑到在技术发展的第二、第三、第四、第五个阶段都将对行业产生什么影响，比如，会否影响到传统商业模式的运转?会否导致成员身份责任的转变?我们的客户、竞争对手会采取什么行动，而我们又该如何应对?

改变现状对于人类来说是困难的。许多企业在面临新兴趋势时倾向于“等等看”、“再观望一下”，但这种犹疑很可能只是导致错过机遇、坐以待毙。

不过，人工智能虽会给新闻从业人员带来挑战，但目前还远远无法替代训练有素的新闻工作者。我们还只位于这个人工智能时代最初的起点。

实时机器学习

最近的技术发展使得我们有可能使用连续的交易数据流并实时调整模型。可能的实例包括当消费者浏览网站时将他们与合适的新闻进行匹配，甚至在网站上重写内容以满足每个用户的需求。此外，它也可以采取一些安全措施，如实时安全检测，如基于用户的打字习惯进行身份验证。

机读理解(MRC)

对于人工智能的研究人员来说，机器阅读理解是一个具有挑战性但却十分重要的目标，比如在网上搜索时，用户希望能得到精确的答案，而非仅仅是一段网址列表。通过机器阅读理解技术，用户不仅可以查找更详细的信息，甚至可以知道信息来源。将来，一个优秀的MRC系统甚至可以在没有标签、分类的陌生领域内工作，它可以阅读、推断并提供答案。通过MRC技术，新闻机构将得以把自己的网站变成可搜索的信息库，让用户在寻找信息时更加方便顺手。一旦语音接口技术更普及，这个用处可能更大。

自然语言理解(NLU)

在现实世界中，我们被非结构化文本所包围——它存在于我们的朋友圈、微博、博客，甚至公司网站和市政厅电子记录等。NLU允许研究人员通过提取概念、梳理人物关系和分析情绪等多种方式来量化和学习所有这些文本。NLU技术将能帮助新闻机构进行大量的文件筛选，节约人工，用这项技术很快就可以得知人们对相关事件的观点，其速度比单独的记者工作快得多。

自然语言生成(NLG)

这种算法可以使用自然语言生成技术将干巴巴的数据转换成生动的叙述。包括彭博社和美联社在内的数十个新闻机构正在使用自动化写作服务，它可以在数据的海洋中进行数据挖掘，并且每秒能够处理超过2000篇文章。它们可以使用自然语言生成关于激烈橄榄球比赛、收入报告等的文章。Narrative Science使用NLG系统从大数据集中挖掘数据并写出报道，可以帮助非专业人员更好地理解专业报道的内容。

音频算法

麻省理工学院的研究人员正在研究儿童如何学习新单词，以便训练计算机的自动语音识别。作为人类，我们只需一两个例子就可以掌握一个新的概念，但对于机器来说这是一个比较困难的任务。与此同时，研究人员正在训练电脑观看视频并预测我们现实世界中相应的声音。例如，木槌敲沙发、敲一堆树叶、敲窗户玻璃的声音分别是什么样的?在未来，这种算法可以用来为新闻视频、电影和电视节目自动生成音效。对此也产生了担忧——当电脑模拟的声音和图像足以以假乱真、蒙蔽我们的时候会发生什么?已经有一些人在这方面成功做到了：2017年，华盛顿大学的研究人员开发了一个模型，令人信服地表明奥巴马总统发表了一次演讲——但事实上这次演讲从未在现实世界发生过。记者将必须对从新闻编辑部以外的渠道获得的音频和视频进行额外审查。

图像修复

如果一个计算机系统可以访问足够的(数以千计的)图片，它就能够修补和填充图片中的空缺。这在新闻工作中有许多实际应用——如果图片角度不完美，计算机可以通过相似图片进行修复。但是，这也有道德上的考虑：应该在多大程度上允许图像的修改?如何分辨现实和P过的图片?鉴于我们已经知道在机器学习算法和数据集中存在偏见，在未来的几年里，图像修复技术可能会成为公众的热点。

算法交易平台

大多数新闻机构不能去雇一批专门负责创建、测试和优化算法的计算机开发人员。开发者可以在新兴的算法交易平台上提供他们的算法。算法交易平台就像亚马逊，但对于算法，开发人员可以将开发的工具上传到云端，并要求他人下载付费。DataXu为其专有算法提供了一个交易平台;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进行匹配;PrecisionHawk推出了预测农业算法的平台;许多其他网站，例如Nara Logics，MetaMind和Clarifai等，都为开发人员提供了深入学习的工具。到2018年，相似的交易平台可能会更多。

计算机新闻学

计算机新闻学是一项调查性新闻技术，是基于计算机辅助报告(或称CAR)经过了25年发展而来的。记者发现、清理并检索公共记录和文件，从中收集数据并发现隐藏的故事。

检索并挖掘公共数据是一回事，分析并将看似无关的关键点串联起来是另一回事。 诸如多语言索引、自动报告、实体提取、算法可视化、数据集多维分析、灵活的数据挖掘等计算机新闻技术，使记者能够将他们在数据中找到的内容结合起来，然后发现事实关键词和概念之间的联系。通过这种前所未见的方式，他们可以揭示出人与人、与企业之间暗藏的关系。

算法调查记者

新闻机构需要专门成立一个新小组：专门研究算法和数据本身的调查记者。

算法，数据集和AI系统反映了他们的开发者和培训者的世界观。计算机所产生的这些信息将被用于帮助做出决定、预测行为，并提供问题的答案。现在更多的这些系统被广泛采用，如执法机构、大学、金融机构和政府机构。记者需要调查数据和算法如何与日常生活互相渗透。而且，为了防止报告偏差，记者必须更清楚地了解谁创建了算法和数据集，他们的流程是什么。例如，美国各地警察部门使用的PredPol预测性警务系统曾多次建议各部门将精力集中在赤贫的黑人街区。问题的关键在于如何收集数据、如何监控当地社区。该模型没有对初始数据集中的隐含偏见进行严格检查。

在将来，我们可能不再能够判断一个数据集是有意还是无意被篡改的。因此需要建立信任和问责制度，新闻机构也会希望将某些数据和报告方法保密。

计算机摄影

计算机摄影是计算机视觉、计算机图形学、互联网和摄影的融合。它不仅仅有关于光学工艺，也使用数字捕捉和处理技术来捕捉真实的生活图像。拥有智能手机的每个人现在都可以使用计算机摄影工具。在iPhone 8和iPhone X中，苹果使用计算摄影来实现浅景深。

来自Nvidia和加州大学圣巴巴拉分校的新研究揭示了一种计算机缩放技术，它允许摄影师实时改变照片的构图。照片被堆叠，然后用多个视图呈现。这将允许摄影师在照相后改变角度、改变照片内对象的相对大小。计算机摄影的其他应用例子包括无缝移除或添加对象到场景，改变阴影和反射等等。同时，麻省理工学院的CSAIL和Google开发了一项技术，可以自动润色和提亮我们用手机拍摄的照片。很明显，这项技术有一定的道德影响——应该在多大程度上、在什么情况下允许图片的剪辑?同样，记者也应该试图表明在照片上进行了多少剪辑(有意或无意)，然后再将其用于报道。

机器人

在过去的一年里，机器人已经进入了我们的视线。现在有3万多的Facebook Messenger这样的聊天机器人。

这些机器人能对我们的问题做出回答。今天，新闻编辑室现在提供了基本相同的系统：对最近的新闻事件给出合理的回答。许多新闻编辑室都在使用chatbots进行实验，包括BuzzFeed，TexasTribune，Quartz，Mic，Los Angeles Times和其他地方。

当我们从基于文本的聊天机器人转换到语音界面时，新闻编辑室需要确定如何与他们的用户互动。一些最有趣的实验来自拥有数以亿计用户的中国——他们的数据正在帮助完善和重新校准机器学习系统。即使新闻室不准备部署聊天机器人，现在也是学习受众互动、制定盈利策略的好时机。这也是发展语音接口的基础。

语音接口

我们正在进入一个会话界面的时代。在可见的未来我们将能与机器人聊天。这些系统使用语义和自然语言处理来分析我们的数据，以预测我们下一步需要做什么。

如果你曾经使用过Siri，Google Now，亚马逊的Alexa，甚至是Comcast遥控器上的麦克风按钮，你就会熟悉这种语音接口。

会话界面可以模拟当记者和编辑在讨论一个故事时可能进行的对话。IBM Watson的各种API，包括Visual Recognition，Alchemy Language，Conversation和Tone Analyzer都可以用来帮助记者工作。

像这样的系统将会对新闻行业非常有价值，总有一天会成为一个用途多多的新闻编辑工具，让记者在某些问题上可以与智能机器进行充分讨论与分析。

环境接口

如果您曾与Google或亚马逊的Alexa进行互动，或者如果您拥有Fitbit或三星Gear，或者您已经用手势打开过汽车后备箱，这些就是环境接口。它们能自动提供信息或服务，可用于复杂事件处理、过程管理、信息和任务自动化。

现在一般成年人每天平均需要做出2万多个决定——其中226个是关于吃什么的。 新兴技术可以帮助我们做出决定，甚至根据情况自行回答。Metcalfe定律解释了环境界面的能力，其网络的价值是使用它的总人数的平方。随着越来越多的人成为环境信息网络的一部分，未来我们会看到更多的应用实例。

生产力机器人

生产力机器人将帮助记者更高效地完成任务。

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越来越重要的组成部分，因为他们开始取代传统的生产力渠道。 有一半的Slack用户提到他们的电子邮件数量下降，四分之一的用户也说个人会议也有类似的减少。这些平台中使用了人工智能，可以帮助他们自动完成简单任务：安排编辑会议，产品工作流程，跟踪和记录工作进度。

随着开发进展，这些生产力机器人将越来越聪明，效率越来越高。

个性化教育

人工智能的发展将颠覆教育行业。“一刀切”的教育模式将很快被个性化教育自学软件所取代。这项技术可以用来帮助新闻机构培训他们员工的专业技能。

优秀的教师将会接受学生的反馈来调整自己的教学方式。随着软件开始在教学互动模式中发挥越来越大的作用，这些教学软件正在接受相同的培训。为软件提供动力的机器学习技术需要大量的数据，这意味着它们需要很多很多学生。在线学习平台，如可汗学院，EdX，Udemy和Coursera都采用个性学习的元素。同样，像皮尔森，麦格劳·希尔，Cengage等传统出版商都在开发在线学习平台，其中将包含不同的个性化元素。像Acrobatiq，Cerego和CogBooks这样的教育创业公司都依靠这种自学系统为每个学生创造个性化的体验。

当新闻编辑部面临盈利上的困难时，针对员工的专业技能培训往往会被忽视。个性化学习系统将成为新闻编辑培训、发展领导力和开展研讨会的有利选择。随着越来越多的机构开发出了各种各样的在线课程，并且随着越来越多的学生涌入教育平台，系统将越来越精确，并有助于确定学生何时学习最有效等个性化问题，这将推动创业公司和传统出版商的创新。然而，证明教育工具的有效性往往需要几年时间。在广泛采用之前，需要权衡在线个性化教育系统的优劣，以利用优势(易于使用、节约成本、个性化等)，减少潜在负面影响(与教师互动减少、只重视结果而非过程等)。

新闻接收源

通过适当的编程，新技术可以被用来推送或接收信息(从我们的移动设备或身体)，将我们连接到一个始终在线的无处不在的信息网络。

如今的技术可以通过信号基站识别人们所身处的地理位置，因此该技术可以被用于向用户推送附近的新闻。当用户身处于一个封闭空间时，如会议中心、体育场馆或机场，新闻机构将得以识别他们的用户并定制专属推送内容。

个性化识别及分析

新兴的预测分析工具会对用户的数据、行为和偏好进行分析，并预测用户在任何情况下可能做出的反应。这些工具可以用于新闻工作，进行个性化的客户互动，甚至个性化新闻本身。约会网站、学校应用平台等都开始尝试个性化识别软件。IBM的技术可以扫描个人的社交媒体数据并分析他们的个性以预测对电子邮件或广告的回应。总部位于纳什维尔的创业公司Crystal拣选了数千个公共数据来源，帮助用户在致电或发送电子邮件之前了解某人的个性。它甚至提供了一种情绪拼写检查，可以自动修正短语并提出建议(“把你的信息长度保持在200字以下，否则这个收件人可能会忽略它”)，使信息能更好地与预期收件人产生共鸣。

这些工具可以用来为新闻消费者提供更好的客户互动：内容可以被个性化并且针对特定的个人。个性识别也可以和自然语言生成算法一起使用，以个性化故事的部分内容，使其更贴近某个读者的个性。

注意力经济

在这个数字时代，热度就等于财富。随着技术的发展，新闻机构已经改变了他们现有的内容，以适应不断变化的设备屏幕。然而，多项研究表明，我们的注意力在现实世界和网络世界间不断切换，随着二者越来越紧密交织，想抓住人们的注意力变得越来越困难。

仅仅确保新闻内容以正确的格式出现在用户的设备屏幕上是不够的。为了引起用户的注意力，新闻机构还得关注另外一些变量：用户目前身在何处?用户打算去做什么?自己可以满足用户的什么需要?

注意力对于媒体和广告商来说是一个越来越重要的指标，所以新闻机构转移用户注意力的战略是存在经济上的动机的。很快，记者们将与算法一起工作，根据用户的个人需求将不同的版本连接到不同的设备上，而这些需求在整个一天中都会不停改变。

数字脆弱化

在过去的几年中，由于媒体整合或网站停止维护，我们已经看到部分新闻报道被从网络上抹去的现象。数字化脆弱意即现在的数字产品往往不是永存的，很容易就会被破坏。

也许不是所有的社交媒体内容都值得保存，但我们未来还需要回顾现在，反思我们的语言、沟通方式、所使用的社交媒体——这一切，是如何塑造了我们。

有关于政府和公共事业的数字化信息往往是脆弱的。在特朗普上台后，美国环境保护署删除了其在网站上发布的气候变化信息。这是为了支持特朗普政府的想法和政策。

这个现象对全世界各地的记者都会产生影响。虽然有些内容可以通过互联网存档获取，但只能拍摄其内容的快照。图书馆对印刷材料进行了归档，但我们现在生产的所有数字内容都没有中央存储库。如果我们未来的媒体环境变得黑暗了，我们是否有义务保存这些塑造了社会、塑造了时代的数字化信息?我们是否应该更努力地确保数字档案不会丢失?

实时新闻查证

数字工具可以方便地报告实时事件并实时发布，但核查事实的声明通常会在晚些时候才发布。

在2016年晚些时候，Google为其Google新闻服务引入了事实核查标签。正如我们现在几乎每天都看到的那样，不准确表述、故意歪曲事实、谣言等现象很快就在社交媒体上纷纷涌现。至少在引用数字和数据时，人工智能很快帮助新闻机构实现事实核查过程的自动化。几年之后，人工智能系统将能够进行更加复杂的事实核查：解释信息是不是脱离了上下文，是不是被夸大或淡化了。我们的分析表明，新闻机构在未来将有很多机会，将AI与社交媒体数据和他们自己的文章数据库一起使用，以作为事实核查的工具，建立品牌声誉。

离线是另一种在线

随着消费者纷纷偏爱于使用移动设备，开发人员正在确保他们的应用程序能够脱机工作。

在美国，消费者现在每天在移动设备上平均花费五个小时。当消费者在碎片时间里走动——比如通勤、在办公室走走、或者出席少年棒球比赛，他们处于离线状态。包括Google，Smartnews和Apple在内的许多新闻机构都希望利用消费者注视屏幕的碎片时间，即使WiFi信号较弱。华盛顿邮报的渐进式网页应用将手机页面加载时间从4秒缩短到80毫秒，并允许消费者阅读新闻，而无需使用数据或WiFi连接。

在新闻机构的用户能够获得无处不在的便宜、快速的数据之前，离线阅读将是必要的。能够提供无缝线下体验的新闻机构的用户黏性将会更大。

音频搜索引擎

随着新闻机构开始发布播客，新的搜索工具允许新闻编辑室以及用户在纯音频内容中准确找到他们正在寻找的信息。

虽然开发人员已经学会了如何快速索引和显示网页内容，但数字音频始终是一个未解决的挑战。现在，比起搜索某个主题然后得到一堆连接并一个个点开听，用户更喜欢收到一系列相关的短音频片段。

用户也可以将他们的搜索发送给语音助理，播放他们试图记住的播客，重播他们在车内听到的新闻报道，或者获得一系列与主题相关的他们感兴趣的剪辑。初创公司Audioburst使用人工智能来索引音频广播，使消费者更容易找到。Audioburst并没有搜索关键词，而是使用自然语言处理来理解用户传达的意思。例如，如果消费者希望了解美国与北韩的冲突有多近，那么她可以询问一个激活了语音服务的应用程序(如亚马逊的Alexa，Google Home)，该应用程序将筛选音频信息并提供一组剪辑。

随着融资增加、语音接口技术的发展，音频搜索将迅速成为未来几年最重要的技术趋势之一。

广告拦截软件

广告拦截软件一般是浏览器的扩展程序。出版商正在开发自己的广告拦截软件。广告减慢了网页的加载时间，有时候也不适宜让孩子看到。研究人员发现，用户并不是讨厌广告，而是不喜欢不适当的广告，或感觉被营销人员监视。发布商需要花时间在2018年制定不同的广告拦截策略，无论是允许读者展示广告，还是允许他们选择展示哪种类型的广告。这也意味着发布商需要与广告服务公司和在线广告商密切合作，以确保显示合适的广告类型。

新闻区块链

区块链是参与比特币数字系统的每个人共享的交易数据库，也是交易的公共账本。

区块链是一种分布式共识系统，没有一个人控制所有的数据。有人说区块链很快就会预示着一种新型互联网的出现。Blockstream的加密团队最近推出了第一个原型“sidechain”，它是独立的，并拥有自己的代码。sidechains允许更简单的身份验证，隐私功能增强了，并添加合同和保密交易等功能。Blockstream和后续的侧链项目将把区块链变成一个通用的平台，可用于需要签名或认证的任何事物。

虽然一般人们所听说的区块链技术都是用于货币或金融方面的，但这项技术也有潜在的新闻用途。 区块链的一个可能用途是验证和加密，以使新闻编辑部更容易从举报者那里询问和接收敏感信息。 它也可以用来保证图像和视频来源的真实性。 未来，可能会有一个新闻类的公共账簿——某个网络系统，在上面可以彼此交换真实的新闻并辨认出假消息。

无人机

目前的无人机技术可以帮助新闻记者到达他们去不了的地方，比如战场、水下、危险山区、自然灾害区等等。这项技术是由军方开发的，最终可以广泛应用于商业和新闻。

新闻机构可以采用各种尺寸、形状的无人机，这些无人机由人工智能控制，利用传感技术能自动躲避障碍。比如，在Lady Gaga的超级碗半场表演中新闻机构就利用了无人机传输现场图像。

5G技术

在联邦通信委员会和欧盟的支持下，5G试验正在世界各地进行。

5G是第五代无线技术。5G将显著提高我们连接的速度，这对新闻机构来说是一个福音，有利于他们发布音频、视频内容。

在未来几年内，每个目前正在发布视频或计划投资视频内容的媒体机构都应密切关注5G的出现。