为了了解新闻媒体对人工智能的看法，以及新闻界接下来的可能做法，伦敦政经学院的查理·贝克特教授率领团队进行研究并发布了《全球新闻业人工智能应用调查报告》。
报告基于对来自32个不同国家的71个新闻机构在人工智能（AI）和相关技术方面的态度和使用情况的调查，邀请了许多正在使用AI的记者回答以下问题：对AI的理解、在新闻编辑室中如何使用AI、对AI新闻业潜力及风险的看法、对AI伦理的了解。除此以外，研究团队在新闻业相关会议上还进行了采访，与新闻业相关从业者沟通交流，以作为补充。其中大多数受访者都是技术专家，是最早运用数字技术的人，所以他们比随机抽取的记者样本要更了解AI。此次报告选取了116名来自不同部门的记者，并展现他们对AI的观点。
本文共包括七个部分：
1.报告核心摘要
2.人工智能在新闻编辑室中的定义
3.当今新闻业如何使用AI
4.AI策略的制定
5.编辑与道德伦理
6.人工智能和新闻的未来
7.结语：人工智能对新闻业意味着什么？
温馨提示：由于报告篇幅较长，若有需求可直接滑至文中感兴趣部分进行阅读，以提高效率。
报告核心摘要
1. 人工智能（AI）是一系列包括机器学习、自动化和数据处理的技术，目前已成为新闻业的重要组成部分，但应用地域分布不均。
2. 它对未来的影响尚不确定，但人工智能对新闻的产生和消费具有广泛而深远影响。
3. 即使是对AI运用在行业领先的新闻编辑室，也认为AI只是作为新闻业的附加品和催化剂，而非具有变革性影响。
4. 本报告中描述的“力量”和“潜力”清楚地表明，所有新闻编辑室都应该警惕AI的作用。
5. 新闻编辑室将AI定义为与人类或技术相关的事物。
6. 未来应该对AI进行系统定义来帮助制定策略并促进对新闻编辑室中的AI的理解和沟通。
7. 不到一半的受访者表示，他们使用AI进行新闻采访，三分之二的人表示他们将其用于生产，一半以上的人表示他们使用AI进行分发。
8. 受访者普遍希望提高效率腾出资源，以增强编辑室的功能，并提供新的或经改进的内容和服务。
9.使用AI的三个主要动机是：使新闻工作者的工作更有效率（68％）；向用户提供更多相关内容（45％）；提高业务效率（18％）。
10. 三分之一多一点的受访者表示自己有一个积极的人工智能战略。
11.布局AI战略的主要方法有四种：对现有部门的管理；设立独立团队从事AI项目；整合技术和编辑架构；实验小组制——分散或整合。
12. 新闻编辑室大概可以分成两类，一类是已经做好了运用AI的准备，另一类则刚刚开始或仍在计划中。
13. 人们非常担心自己的新闻编辑室落后。对于小型新闻编辑室来说，这是一个特别重要的问题，因为这会导致新闻编辑室之间的不平等日益加剧。
14. 人们发现新闻编辑室的岗位正在发生更多变化：现有工作增加而非替换。现有职位的人员将会有新的任务、工作流程，但很少有针对AI的新岗位。
15.受访者认为运用AI的最大挑战是财政支出（27％）和知识技能（24％）。但是与这些一样重要的是企业文化层面的抗拒（24％），这里面包括害怕AI会导致自己改变工作习惯，以及对新技术的普遍敌视。缺乏对AI的了解（19％）以及缺乏战略管理洞察力（占17％）也是关键要素。他们认为AI的搭建和管理成本通常很高。
16. 从我们的调查中可以明显看出，这些新闻编辑室普遍缺乏战略规划。人工智能战略将始终根据新闻编辑室的性质以及他们所处的阶段而变，但从这项研究中得出了以下需要考虑的关键要素：
评估AI现在的准备阶段和状态；
了解你正在考虑使用的人工智能技术并为其分类；
确定AI如何与您的品牌和总体策略相关，它能解决的问题，或它可以满足的需求；
评估机构的哪些领域可能使用AI及其原因；
确定主要障碍：资源、技能、文化、管理等，并计划如何系统地解决它们；
分配角色和职责并建立沟通整个组织的结构，包括所有利益相关者；
建立监测和审查绩效的系统和优先事项；
建立与合作伙伴、客户和广泛的AI资源的外部联系，以调查和整合人工智能创新；
17. 大多数受访者表示他们对AI持有信心，但前提是新闻机构保留其道德准则和编辑立场。
18. 新闻编辑室确定了六个AI可能改变的领域：
经济：AI可能会带来效率的提升及成本的降低，可将节省出的资源用于提高新闻质量；
算法偏见：数据使用不当可能导致编辑错误，例如不准确或失真信息甚至歧视某些社会群体或观点；
错误信息/过滤气泡：人工智能将助长虚假信息泛滥。粗暴地使用个性化分发会导致偏见或冲突。但是管理良好的AI可以帮助应对错误信息并提高公共信息质量；
增强编辑决策和透明度：人工智能可以帮助纠正偏见并增加故事及受众的多元化。它可以帮助提高新闻的透明度；
平衡人类和人工智能：AI新闻业保留了人类的价值，甚至增强了人类的判断力和创造力；
科技公司的作用：有人担忧科技公司的力量可能会成为竞争对手，并担心技术会控制研究和产品开发。但他们还被视为创新、工具和系统的来源。科技公司有必要增加透明度、与新闻业的持续对话、支持。
19. 未来将出现三个层面的思考：
第一：短期内改善和迭代现有的产品和编辑团队；
第二：中期2-5年内对新的应用程序进行创新；
第三：长期的创新和试验可能会使用全新的方法或结构；
20. 当我们问到他们如何面对未来AI的挑战时，回答最多的两个答案与技术并没有直接关系：在新闻编辑室进行培训、教育和扫盲（44%）；招募有新技能的人才（43%）。
21. 受访者的未来AI工具愿望清单中最常提到的三个工具是：更方便的标记/信息提取（新闻收集）；更好的机器生成内容（新闻制作）；更好的个性化/推荐引擎（新闻发布）。
22. 受访者最希望接受培训和教育的六个方面是：
AI素养：在新闻机构中促进理解；
AI技能：基本技能，例如编码和数据培训；
更高级的AI技能：促进创新并作为全体员工职业发展的一部分；
对于管理人员：提高全体意识并了解AI系统和其他AI模型；
道德伦理：了解如何减少算法或数据偏差并提高准确性和可靠性；
对AI的总体了解：对AI及其对用户和社会的影响具有更科学的了解。
23. 尽管存在竞争压力，但人们仍希望提高标准和创新并提倡协作：
新闻机构内的各个部门；
新闻机构之间——既在故事层面也在技术发展层面；
国家内部或跨国合作；
与科技公司合作；
与初创企业和中介组织合作；
与大学/研究人员合作。
24. 人工智能将以渐进的方式重塑新闻业，但具有长期的结构性效应，反映出新闻媒体如何在技术、社会和商业的作用下发生变化。在一个更加网络化的世界里，人工智能将在所有领域变得更加重要。
25. AI将使新闻媒体更加“不平等”和多样化，并改变工作结构、新闻流以及与公众的关系。
26. AI将为新平台和工具提供动力，例如AR、无人机、语音、图片和文字生成以及可穿戴设备。
27. 人工智能将为信息和公众议题的探讨提供动力，尽管通常并不通过新闻媒体发生作用。新闻编辑室必须适应新的编辑权威和信任的形式。
28. 新闻业可以从其他行业中学到很多东西，包括科技公司和初创公司、营销公司和广告主，以及法律、游戏、赌博和音乐行业：他们如何使用技术来改变工作流程、营销习惯，他们与用户的关系以及道德伦理。
人工智能在新闻编辑室中的定义
在我们了解受访者对AI的评价之前，应当首先明确AI的含义。通用人工智能（AGI）在操作上尚不存在，仍然只是一个假设。
机器无法像《2001太空漫游》中Hal计算机那样完全自主思考。“通用”或“强大”的AI距离今天还有数年之遥，或者可能根本无法实现。
如今在新闻和其他行业中使用的AI被定义为“窄”AI或“弱”AI，这种AI受编程限制较多。它们或许比人类更快或更有效，但实际上这只是“机器学习”（ML）或“自然语言处理”（NLP）。
许多被当作AI的技术流程通常都包含更多常规技术。这些是由人类创建或“训练”的系统，它们响应能力强且适应性强，但通常只能执行非常简单的自动化或数据处理任务。
对于此报告，我们借用了一个简单的定义：人工智能是一个与计算机系统执行能力有关的思想和技术的集合，所执行的任务通常需要人类智慧才能完成。
我们将使用“AI”作为总括性术语，并始终认为它指的是相关技术的集合。AI由算法驱动，是“为解决特定问题或完成已定义的步骤而采取的一系列步骤”。这些可以都编程为机器学习或自动化，被当作“机器人”之类的工具。
关键因素是它们在一定程度上具有的自主性和适应性程度。极端情况下，“计算机可以决定一切，自主行动，无视人类”。低端一点，“计算机提供了一套完整的决策/行动方案”供人类参考。
人工智能的运作涉及三个领域，几乎涵盖了新闻生产的所有过程：新闻收集、制作和分发。我们首先询问受访者他们使用哪种“人工智能”的操作定义。这些定义反映了主题的复杂性和方法的多样性。此外，这些定义部分反映了受访者对于AI的理解，也反映了使用该技术的动机。
尽管有些人对AI有客观或科学的定义，但大多数人还是将其定义与技术的用途和目的联系在一起，他们始终认为AI是对新闻业现有的补充——“增强型新闻”。有时，该术语的使用方式十分特殊，例如，它被用来描述用于分析数据集（例如法院记录）以进行调查的工具。此外，该术语还有更系统的使用方法，例如通过受众数据为用户提供持续的个性化内容。
新闻室定义AI的方式通常反映了AI在其组织中的作用。这些定义通常用于与同事、公众或合作伙伴进行沟通。新闻界对AI的理解也需要考虑到这些利益相关者的观点。
技术定义基于算法、自然语言处理、自动化和数据分析的思想。对于约三分之一的受访者而言，“机器学习”是关键术语：
“从技术上讲，AI是机器学习/神经网络驱动的系统，但从新闻编辑室的层面而言，我将其更多地视为自动化系统，而不仅仅是一个非常简单的工具。”
考虑到技术快速发展的特性，受访者意识到他们的定义不可能就是最终定义。当我们询问受访者更具体的想法时，部分人表示需要将其定义与“人工智能”一词的炒作区分开：
“通常而言我们根本不使用这个术语。我们对AI的定义更狭窄，例如“机器学习”，或者当我们谈论某个特定领域时，我们使用的术语是NLP（自然语言处理）或深度学习。‘AI’对我们来说只是个时髦的词。”
更多的人对AI在技术层面上的定义强调了AI的工作方式。例如，通过在管理大量数据中创建模式识别，或使用预测和分类的原理来定义AI。
与人类或任务相关的定义方法将AI视为执行、复制或模仿与人类的认知能力或“人类智能”相关的任务的能力。一般而言，他们不仅与新闻记者有关，而且与受众有关。人们几乎总是将AI定义为增强或扩展人类能力的工具：
“AI可以利用计算能力来解决基于数据的问题，并进行人力无法实现的分析——通过学习/自我完善或通过处理和分析大量数据。”
我们的受访者都是在新闻编辑室中工作或与新闻编辑室合作，而不是进行纯粹的研究。因此，几乎所有人对AI的定义都具有功能性这一点也就不足为奇了。尼克·迪亚科普洛斯曾提到关于混合AI新闻的想法：“我们将AI视为可以获取、理解信息并得出结论，然后从其决策中学习的技术。”
四分之一的受访者表示，他们的组织没有对AI的正式定义，或者正在进行讨论：
“我们没有一个对AI的正式定义。我们正在讨论这件事呢。”
英国广播公司（BBC）是个有趣的例外。也许由于其规模和操作的多样性，它对AI下了多个定义：
“英国广播公司（BBC）对人工智能没有一个特定的定义。本来不同的人会对AI从不同的角度有不同的定义，并且通常用于指代前沿先进技术。但在BBC里人们所说的“人工智能”一词指的是一些常见的事物：（1）基于任何形式的机器学习技术（尤其是神经网络）；（2）表示智能代理（例如语音代理，聊天机器人）；（3）使以前需要人们完成的任务自动化进行的技术（例如，使用NLG （自然语言生成）撰写文章，自动翻译或转录等）。“人工智能”产品常常同时属于这三类。”
这个定义很重要，因为它反映了新闻编辑部可能会如何考虑其AI策略。对AI定义是为了有助于思考它与其他技术的不同之处。它反映了组织中AI素养水平以及与同事、与外界进行交流的能力。新闻编辑室采用任何新技术的核心压力之一是技术专家与其他部门之间的文化冲突。新闻机构如何定义AI可能有助于解决该问题。
随着技术的进步，新闻编辑室将拥有越来越多具有执行系统和自治功能的AI。了解什么是人工智能对于实现其潜力以及所涉及的机遇和风险至关重要。但是，新闻编辑室具有多样性，人工智能也是如此。技术及其用途不断发展，因此其定义也会改变。定义的灵活性反映了该技术及其应用的复杂现实。
第1章：当今的新闻业如何使用AI01
新闻编辑室使用AI做什么及其原因
我们问新闻编辑室他们在使用什么AI，为什么使用它以及有什么成效。答复大致分为三个方面：
新闻收集：信息的来源，故事创意的产生，确定趋势，调查，跟踪事件，提取信息或内容。
新闻制作：内容生成，编辑，用于不同形式和平台的包装，文本、图像和视频生成，为不同受众重新提供内容。
新闻分发：个性化分发，营销，寻找受众，了解用户行为，订阅。
不到一半的受访者表示他们使用AI进行新闻收集，三分之二用于生产，一半以上用于分发。但是，在当代的“网络化” 或“混合” 新闻业的背景下，投入与产出是一个高度相关的过程。
人工智能和新闻学的关键联系之一是，人工智能可以使整个新闻业变得更加完整，并在生产和传播过程的不同部分之间形成反馈循环。例如，AI可以将用户评论的审核视为收集、生成或编辑该内容，以及增加受众参与度的一种方式。这是一个几乎所有新闻编辑室都会进行的操作：
“推荐相关文章、机器人新闻（例如体育赛事报道）、个性化新闻源、预测性分析可优化新闻策划、语音转文字服务可提高编辑人员的工作效率、流失预测和订阅倾向预测、标签/实体识别、纠错检查。”
我们通常可以将新闻编辑室使用的AI更具体地描述为机器学习、自动化和数据处理等形式。“ AI”标签下的某些流程可能存在不同程度的限制，不可避免地会有一些灰色地带。新闻业继续经历着彻底的改革和创新过程，但我们并不是很清楚某种技术将在何处产生影响。
支撑所有AI流程的是数据：有关受众的数据，例如受众行为；有关报道主题的数据，例如官方文献；有关新闻的数据，例如情感和语言。无论使用哪种分类，我们都可以明显看出人工智能的使用正在渗透新闻业。这使得识别和评估人工智能的作用变得更加困难，但同时也反映了该技术的适应性及其与新闻业的紧密结合。
受访者对AI如何改善工作这个问题提出了“竞争力”、“效率”和“节省时间”几个答案。但是主要回答还是“AI能够更好地将创作的内容与受众有效地联系起来，从而使受众更加忠诚，能够为新闻业付出更多的精力或金钱”。还有一些回答包括处理错误信息和事实核查。总体而言人们普遍希望使用AI来节省成本以强化新闻编辑室的功能以及提供新的内容和服务。受访者还认为使用AI需要跟上技术和市场变化的步伐。总的来说，人们感觉到AI正在发挥重要作用。
02
新闻收集
与AI相关的新闻收集是数据驱动生产的一部分。人工智能可以帮助收集资料，也可以帮助评估用户的兴趣所在：
“相对于我们的产品，我们将更多的精力放在支持我们编辑团队的决策上，而不用重新建立决策流程。我们关注的一个主要方面是信息的分析处理：我们每天都会摄取大量视频内容。我们希望AI帮助记者处理大量信息，以确定哪些信息与受众相关。”
AI可以帮助你筛选来自官方的内容，也可以筛选来自公共和社交媒体的内容，例如自动过滤UGC（用户生产内容）。人工智能程序可以按不同目的对信息或材料进行大规模分类。
为了使AI正常工作，材料就必须转换成数据，这意味着标记数据或“元数据”的过程至关重要。人工智能可以在某种程度上实现自动化。虽然这实施起来很困难，但是却为其他一切奠定了基础：
“我们为CMS（内容管理系统）内置了文章自动标记器（该标记器使用主题/关键字标记文章，以前这是由编辑完成的）。”
“我们有一个内部工具，结合了数据分析和语言生成系统，可以编写全部或部分故事，并提醒记者注意数据中存在的机会。”
“我们需要建立一个新闻档案库，去收集墨西哥尽可能多的出版物，这样我们就可以跟踪全国的每日报道。在墨西哥各地收集的大量本地和国家新闻报道的Google News就非常合适。这项工作要求我们确定正式记录的凶杀案数量与Google新闻上这些杀人事件的新闻报道数量的差别。这要求机器学习算法能够识别一个报道的故事，然后查明事件发生的地点。有了这些信息，我们就能将媒体报道的事件与墨西哥2400多个城市的凶杀案政府报道联系起来。”
03
新闻制作
“我们的编辑和记者目前使用采用人工智能来协助检查英语文章的语法和拼写。”
”我们已开始将AI用于一般文章，我们尝试将AI Writer和Deepl.com一起用于翻译。”
“我们使用信息提取工具来分离不同类型的信息，并在文章生成过程中将其呈现给记者。这样可以提高我们使用的标签的质量。我们还将其用于内部新闻跟踪。当我们从世界各地抽取数十万篇文章时，我们必须丰富每篇文章的元数据并将其分类。”
“我们使用机器学习来帮助我们将事实陈述与其他句子分开。这有助于事实检查人员确定每天要检查的内容。机器检查会自动根据信息数据库检查事实陈述。我们使用国家统计局的数据实时检查事实陈述。例如，如果有人说“自2016年以来，就业人数下降了10％”，我们的系统就会找到正确的数字并实时生成图表、给出答案。”
“我们的档案馆使用AI通过自动提取关键字、主题、诸如人物和地点之类的实体来自动标记内容。它们通过使用面部识别算法标记新闻视频中的面部表情来构建自己的训练数据集，目的是给没有经过训练的面部识别软件识别不出来的政客建立数据集。档案馆还使用语音转文本算法来创建字幕。由于方言识别是一个难题，档案馆通过训练方言数据算法来启动方言识别项目。”
“我们使用的算法可以在Facebook和推文上撰写帖子。它可以处理文本、在预定时间发布推文、发送电子邮件等等。”
“Voitto机器人新闻记者每周制作数百篇内容（文字内容和插图）。Voitto可以为新闻应用程序以及各种新闻通讯和多个Twitter帐户量身定制内容。”
AI可以增强事件相关的用户信息收集，例如在《Sky News》最近的皇家婚礼现场直播中，该报道用面部识别技术来识别在婚礼现场的名人。
“2015年，我们与Syllabs合作自动生成报道内容。法国的选举地图由大约36000个城市组成，我们无法报道每个城市，但机器人可以。我们从法国内政部获得了有关数据，Syllabs的机器对这些数据进行了分析和管理，并在36000个页面上展示出大约36000个报道，我们在这些报道中列出了数据库里的信息，例如人口、位置、先前的选举结果、财富、就业率等。”
另一位受访者指出，“自动生成和发布”不仅可以用于“足球比赛评论”，还包括“交通事故和天气预报”。自动化新闻还可以撰写新闻标题和摘要。
AI也可以辅助新闻工作者，针对特定受众量身定制海量数据集。新闻协会的“ RADAR”（记者，数据和机器人）新闻服务结合了人与机器，以“犯罪率、住院时间和学生缺课”为主题，大规模地进行了本地报道。
“机器人系统能帮助记者根据特定的数据集建立简单的模型。ReporterMate于2019年1月发表的第一篇关于政治捐赠的文章就是基于澳大利亚选举委员会的数据的。”
“我们还在尝试新的新闻形式。通过自动化系统进行的实验使我们能够结合各种基于数据的叙事方法。基于AI的实验使我们能够创建身临其境的内容体验，用户可以在其中直接定制内容。”
“我们使用AI分析了大量的房屋和城市发展的图片，以识别各种住宅区的问题（例如霉菌、烟雾探测器缺失等）的集中度。如果没有大量数据集的话这是不可能的。”
“我们正在使用AI来解决报道中的某些特定问题。例如，我们使用深度学习模型（ResNet）在成千上万的图像上搜索非法采矿的地方。我们还使用深度学习（基于ULMFit的模型）进行自然语言处理（NLP），从而从数百万条新闻中搜索需要的内容。我们还可以机器学习来创建不同主题的地图。我们还在其他两个项目中使用了机器学习，并从社交网络中获取数据，例如对Twitter消息进行的情感分析。”
“我们已经与四个主要新闻机构就目前正在进行的项目进行了合作，预计将在未来几周内发布。”
“我们用机器学习使新闻工作者披露竞选信息时更加方便。我们将继续与斯坦福大学的计算机科学家合作，并在有竞选新闻出现时，使记者更容易通过电子邮件警报获得通知。”
“在骑士基金会的一项试点拨款下，我们正在积极帮助我们的记者和其他新闻机构的记者。例如，我们使用机器学习技术编写了有关Lyft首次公开发行股票的新闻，其中包含了Lyft风险因素的分析。我们拿到了警用直升机的飞行数据，这些可以让本地新闻编辑室实时了解他们所不知道的重大事件。”
04
新闻发布
“三年前我们创建了一个工具，它允许管理员创建一个评论监视列表，任何风险性评论都会提醒我们的管理员。后来，开发人员在现有基础上使用了机器学习技术，建立模型将评论分为好和坏，并进行自动审核，准确性很高。”
用户对内容的处理方式（包括参与度、共享、评论、综合浏览量和页面停留时间）可以帮助制定内容策略。《伦敦时报》花了三个月的时间使用机器学习将10个用户指标与16个不同的内容元数据（例如标题和文章格式）相关联，以了解最适合读者的内容。
“我们所有的网站都包含某种形式的个性化推荐。我们最大的网站的首页大约有50％的推送是个性化的。该个性化系统使用实时数据，根据各种因素向用户推荐商品。它使用一些机器学习算法，例如协同过滤、文章评分。但是，系统也有一些简单的规则。例如，一篇文章用户看的次数越多，它的得分就越低（因此显示在页面的下方）。我们使用这项技术来推荐内容，以及进行个性化的广告分发（购买订阅），并决定何时向用户进行内容营销。在不久的将来，我们将开始个性化和自动化推送的新时代。”
“坦白说，我只看到了推荐应用程序，它们并不能激起我的兴趣的。它非常注重互动，但不像是在给用户提供服务。”
“我们的用户对个性化新闻产品的接受程度还很低。他们要么看不到个性化的价值，要么就不想个性化他们的新闻体验。但是在测试中，个性化内容的参与度超过了人工分发。”
“我们的算法可针对音频内容，根据用户行动并结合数据（从听故事到整个过程：跳过，在社交上分享等等）为用户量身定制音频内容。我们一直致力于优化数字平台上的人均收听时间，用户在数字平台上的平均收听时间远远超出了传统广播电台。”
“内容主题自动管理索引/主题页面；预测好内容的相对潜力；允许新闻编辑室做出相关的促销政策；兴趣内容跟踪等。”
尽管我们的受访者认同AI新闻业，而算法可能也是有效的，但人工判断对于计划、执行和管理这些过程仍然至关重要。
未来已至，我们的受访者赞赏的一系列AI应用程序：
《华尔街日报》的动态付费专区：机器学习治下的订阅策略“显示了不同的访问者不同的订阅可能性，以及对网站的访问级别不同”。
《华盛顿邮报》的Heliograf：例如，在报道2016年夏季奥运会和选举日的国会竞选时，成功运用了自动写作等功能。
新闻协会的RADAR：由新闻协会和Urbs Media建立的自动化新闻服务，“以人工无法实现的频率和精度来撰写当地新闻报道”。
《伦敦时报》的JAMES：JAMES是“Journey Automated Messaging for higher Engagement through Self-Learning”的首字母缩写，译为“通过自动学习实现自动参与的自动消息传递”，它“使用数据来了解读者的习惯、兴趣和偏好。”
彭博的Cyborg：一个自动化系统，使用AI提取来识别数千家公司的收益报告中的关键数据点，并在几秒钟内生成标题和文章。
DeepL：该公司建立了以深度学习为动力的工具来理解和自动翻译文本。
《纽约时报》的Project Feels：“了解并预测《纽约时报》文章的情感影响”，然后相应地投放个性化广告。
Texty的 Leprosy of the Land:：通过“机器学习模型”可以进行调查性新闻报道，发现了乌克兰非法开采琥珀的线索。
Yle的Voitto：一款智能新闻助手，通过在锁屏上提供智能新闻推荐通知，“确保您不会错过要阅读的新闻”。
05
新闻编辑室为何使用AI
我们可以看到新闻编辑室正广泛运用AI，但原因是什么？我们的受访者给出了三个核心原因：
“我们的目的是为了增加用户、记者和新闻编辑室，并创建反馈循环。我们旨在提供更直接、有意义和引人入胜的内容体验。我们旨在增强新闻记者的新闻报道和故事叙述能力。我们希望创新方法和工具，以更好地了解自己和我们周围的世界。”
AI的复杂性给人们在实践和心理上都造成了阻碍，还有一个阻碍是新闻编辑室的开发工作过多。我们的受访者通常是早期技术采用者，因此总体基调还是积极的。他们的核心目标是改进现有产品，这意味着要支持新闻记者：
“我们认为，在资源日益紧张的社会中，我们需要通过减少新闻工作者需要做的艰苦工作和改善新闻事业来为其提供支持，让他们专注于真正重要和最擅长的事情。”
“通过查看大数据集来提高调查能力。”
“为了更快地查找新闻。”
“加强事实核查/消除虚假信息。”
“媒体行业正处于危机之中，必须采取一切可能的措施增强竞争优势。”
“没有技术的新闻将无法在数字时代生存。”
“机器学习算法的进步为银行、零售商、金融公司、执法机构、社交媒体公司等提供了强大的支持。尽管我们可以（并且应该）讨论一下这些行业是如何使用AI的，但这些方法为他们的从业人员提供的好处毋庸置疑。现在，积极进取的新闻工作者也可以使用机器学习方法，从而利用这种能力来报道原本很难报道甚至不可能的新闻。这就是下一代数字新闻。”
正如我们将在第二章和第三章中看到的那样，这主要是关于现有产品和过程的新增或替代，但逐渐地，这将成为新闻工作者的结构性问题。
06
什么是有效的，
什么是无效的
“大多数应用程序仍处于新生阶段，其成功或失败仍不确定。对于基于语音和聊天环境的智能产品而言尤其如此。”
“我们在AI使用上经历了多次失败。大多数成功的创新应用程序并非基于AI。”
“当前可用于新闻行业的NLP （自然语言处理）系统并不适合新闻编辑室的需求。第三方NLP协议无法提供符合编辑标准的信号。新闻行业迫切需要开发一种通用的NLP方法，将其作为用于个性化和内容推荐的工具。”
对象提取/自动标记；
自动事实核查；
内容（预）审核；
语音转文字；
广告定位工具；
兴趣模型；
机器生成的内容。
“我们认为重要的是继续进行测试并继续努力，为我们的个性化工作方式建立透明性，让用户可以实现个性化。”
“在AI方面，我们会采用MVP（最小可行性产品）思路。从本质上讲，这意味着启动早期版本，从用户那里获得反馈，然后推出新的功能，然后不断地对反馈进行迭代。虽然AI可能无法解决所有问题或挑战，但我们坚信创新AI驱动可以有效地促进我们的内容生成、广告和营销工作。”
“尝试做太多事情通常会导致什么也做不成。”
正如我们将在第二章中看到的那样，部分问题在于如何定义“成功”。起作用的不一定是需要的。对于那些指责新闻媒体缺乏创新欲望的人，我们的受访者表示：
“这取决于您如何定义成功。我们从尝试过的每一件事中都学到了很多东西。”
第2章：AI策略的制定01
策略需求
一般而言，新闻编辑室没有时间或资源来随意尝试。实际上，如果要将新的想法大规模转化为可持续增值的资本，即使是由风险投资资助的初创企业也需要制定战略。当涉及可能对新闻编辑室发展产生结构性影响的创新时，组织的总体长期战略就显得尤为重要，需要对诸如KPI之类的标准进行衡量以确定影响。
目前新闻编辑室尚未大规模、有效地应用AI。新闻编辑室必须掌握相关知识和技能，任何AI策略都必须反映出使用AI的必要条件。它必须能诊断当前状况，了解新闻编辑室要达到的目标以及达到目标所要采取的一致行动。
调查显示，为了实现此目标，我们需要做到从制定总体计划到更详细的操作时间表和评估程序不等。为了适应过去二十年来的技术和市场发展，大多数新闻机构已经制定了业务和生产策略。对于习惯了商业模式和技术模式的新闻组织来说，这种发展“战略”的思想是一个新颖的事物，而这些商业模型和技术模式在过去的半个世纪中一直没有变化。上网、数字化和基于订阅、付费专区或会员资格建立新的业务模型都是结构性战略调整。所有这些都对工作流程和受众关系产生重大影响。总体策略包含针对特定细节的子策略，例如平台、电子商务或内容制作。新闻编辑室如何制定AI战略？
挑战：您要解决哪些挑战？
流程：您如何将这一挑战转化为工作的实际步骤？
数据：您是否拥有解决问题的正确数据？
研究：数据来自何处以及如何进行审查？
陷阱：算法可能会出现什么错误？如何加强监督？
02
新闻机构的AI策略
超过三分之一的受访者声称已有灵活的AI策略，三分之二的受访者则表示没有。这似乎与先前答案中涉及AI的新闻事业成功或失败的结果相一致。
