原標題：用AI追熱點(diǎn)，自動(dòng)化編輯新聞，路透社已經(jīng)這么做了（附論文）
編者按： 本文來(lái)自量子位（公眾號：QbitAI） ，李杉 編譯自 MIT技術(shù)評論，36氪經(jīng)授權發(fā)布。
“互聯(lián)網(wǎng)的出現和隨后的信息爆炸導致記者越來(lái)越難以準確、迅速地獲取新聞?！甭吠干绲难邪l(fā)團隊本周在arXiv的一篇論文的開(kāi)場(chǎng)白中如此寫(xiě)道。
對于路透社來(lái)說(shuō)，假新聞的出現導致這個(gè)問(wèn)題變得更加尖銳，因為這些假新聞扭曲了人們對事件的感知。
然而，美聯(lián)社等新聞機構已經(jīng)開(kāi)始使用自動(dòng)化的新聞寫(xiě)作服務(wù)。他們會(huì )采用標準的模式，例如，在報道財經(jīng)新聞和體育比賽結果時(shí)，直接將數據粘貼到預先編寫(xiě)的模板中：“X公司第三季度實(shí)現利潤Y萬(wàn)美元，超出華爾街預期……”
因此，其他新聞機構也面臨壓力，必須啟用自動(dòng)化新聞制作技術(shù)。今天，路透社闡述了它是如何在時(shí)間發(fā)生后先進(jìn)時(shí)間完全通過(guò)自動(dòng)化技術(shù)識別突發(fā)新聞的。
劉小沫（XIaomo Liu，音譯）他的在路透社研發(fā)部門(mén)及阿里巴巴的同事表示，這套新系統運行良好。事實(shí)上，它有可能徹底改變新聞行業(yè)。但這也引發(fā)了人們的擔憂(yōu)，他們擔心這樣一套系統可能被心懷惡意的人控制。
這個(gè)新系統被稱(chēng)為路透社追蹤器（Reuters Tracer）。它使用Twitter作為一種全球傳感器，記錄新聞事件的發(fā)生。系統之后使用各種類(lèi)型的數據挖掘和機器學(xué)習來(lái)挑選出最相關(guān)的事件，確定它們的主題，排列它們的優(yōu)先級，寫(xiě)出標題和摘要。之后，這些新聞就會(huì )發(fā)布在該公司的全球新聞專(zhuān)線(xiàn)上。
流程的先進(jìn)步是吸收Twitter的數據流。追蹤器每天查看大約1200萬(wàn)條推文，占總數的2%。其中一半是隨機抽樣，另外一半來(lái)自路透社記者的Twitter帳號列表，包括其他新聞機構的帳號、重要的公司、有影響力的個(gè)人等。
下一步是確定新聞事件發(fā)生的時(shí)間。追蹤器這樣做的前提假設是：如果幾個(gè)人同時(shí)開(kāi)始談?wù)撨@件事，這個(gè)事件就已經(jīng)發(fā)生。因此它使用聚類(lèi)算法來(lái)尋找這些對話(huà)。
當然，這些聚類(lèi)包括垃圾信息、廣告、普通聊天等。只有一部分涉及有新聞價(jià)值的事件。所以下一個(gè)步是對事件進(jìn)行分類(lèi)和排序。追蹤器使用許多算法來(lái)完成這項工作。
先進(jìn)個(gè)算法負責確定對話(huà)主題。之后將此與路透社團隊從31個(gè)官方新聞帳號收集的推文進(jìn)行對比，包括@CNN、@BBCBreaking和@nytimes，以及@BreakingNews等新聞聚合器。
在這個(gè)階段，這套算法還會(huì )使用一個(gè)包含城市和地理位置的關(guān)鍵詞數據庫來(lái)判斷事件發(fā)生的地點(diǎn)。
一旦一段談話(huà)或謠言被認為可能是新聞，關(guān)鍵就是要確認它的真實(shí)性。為了確定這一點(diǎn)，追蹤器需要找出對話(huà)中提到的最早的推文和它所指向的網(wǎng)站，以此來(lái)尋找來(lái)源。然后，它會(huì )查詢(xún)了一個(gè)數據庫，其中列出了已知的虛假新聞制作者，如《National Report》，或者諷刺新聞網(wǎng)站《The Onion》
最后，該系統會(huì )寫(xiě)出標題和摘要，并在整個(gè)路透社中分發(fā)新聞。
路透社的團隊表示，在試驗過(guò)程中，該系統運行良好。他們說(shuō)：“追蹤器能夠在新聞探測和傳播上實(shí)現有競爭力的準確度和時(shí)效性?！?/p>
他們有統計數據來(lái)支持這一點(diǎn)。該系統每天處理1200萬(wàn)條推文，大約80%的都是噪音。剩下的大約會(huì )歸入6000個(gè)聚類(lèi)，系統將其視作不同類(lèi)型的新聞事件。這都是由13個(gè)運行10個(gè)不同算法的服務(wù)器完成的。
相比之下，路透社在世界各地雇傭了大約2500名新聞?dòng)浾?，他們每天都使用包括Twitter在內的各種來(lái)源制作大約3000條新聞提示。其中大約有250條是新聞故事。
路透社將追蹤器識別的新聞與BBC和CNN等機構新聞的信息流中出現的新聞進(jìn)行對比。劉小沫和他的同事說(shuō)：“結果顯示，追蹤器可以用2%的Twitter數據覆蓋70%的新聞報道?！?/p>
這套系統的運行速度很快。該團隊舉了一個(gè)例子：2017年10月，拉斯維加斯槍擊案導致58人死亡。有目擊者在凌晨1點(diǎn)22分報告了這一事件，觸發(fā)了一個(gè)追蹤器聚類(lèi)。
然而，這個(gè)聚類(lèi)不符合系統給事件制定的標準，因而直到凌晨1點(diǎn)39分才被包含到信息流中?！奥吠干缭诹璩?點(diǎn)49分報道了此事?！眲⑿∧退耐抡f(shuō)。
這是一項有趣的工作，但也引發(fā)了許多問(wèn)題，特別是關(guān)于系統的易用性。不難想象，心懷不軌的人會(huì )設計專(zhuān)門(mén)的Twitter消息來(lái)欺騙追蹤器。
不過(guò)，這套系統是否比現有的系統更容易欺騙，恐怕還很難判斷。畢竟，人類(lèi)記者也經(jīng)常被各種假消息欺騙。
此外，人類(lèi)在新聞行業(yè)仍要扮演自己的角色。未來(lái)的新聞肯定會(huì )越來(lái)越自動(dòng)化，人類(lèi)如何融入其中仍然無(wú)法確定。
論文地址： 
