算法新闻

出自 MBA智库百科(https://wiki.mbalib.com/)

算法新闻（Algorithmic Journalism）

　　算法新闻又称作机器人新闻﹑自动化新闻、计算新闻，是通过计算机算法工具，进行自动新闻生产﹑推送并实现商业化运营的系统，具体包括算法新闻写作、编辑、算法推荐机制和平台聚合分发机制及营销等业务的自动化新闻生产流程。^[1]

　　算法新闻是运用智能算法工具自动生产新闻并实现商业化运营的过程、方法或系统，它包括信息采集、储存、写作、编辑、展示、数据分析及营销等业务的自动化实现。广义的它指包括生产和分发的中运用算法：在生产环节运用算法工具自动生成新闻内容，在分发环节引入推荐算法，在销售环节实现了传者、受众和消费者的聚合，造就了流程更清晰、作业更高效、销售更精准、目标更明确、成本更低廉的业务链条。^[2]

　　1、算法软件的引领性

　　无论是机器人新闻、数据驱动新闻还是机器生产新闻，背后的关键因素仍是算法。正是不断完善的算法技术才使机器写作能力越来越接近人类常规水平，生产可读性较高的新闻，获得受众认可。

　　2、数据资源的基础性

　　算法新闻高度依赖数据资源环境，特别是高质量的数据资源，如结构特征显著的数据、精准有效的行业数据和客观真实的最新数据等。故而算法新闻能在天气预报、股票市场、体育赛事等领域率先突破。

　　3、智能操作的自主性

　　除前期的程序设计外，现今的算法新闻技术能够在无人干预（或较少人工干预）的条件下自动生产新闻，在采集信息、分析数据、新闻撰写、文章发布及推广等环节均可实现自动化操作。在大数据技术和算法软件的耦合作用下，算法新闻生产运作的高效性优势凸显，在时效性上实现了即时生产、实时发表，在数据分析上实现了准确化运作。在成本上实现了低成本乃至零成本的突破。概言之，在算法新闻的运作系统中，算法程序是核心、数据资源是基础、智能操作是关键。

　　4、对传统产业链的颠覆性

　　算法新闻以算法程序对整个新闻传播产业链进行重塑，构建全新的新闻传播业态。在新闻生产框架中以算法工具取代或部分取代记者及编辑劳动，实现自动化生产；在新闻发行框架中以智能推荐营销工具替代传统的物流分发流程，实现自动化发行与营销。

　　现今算法新闻在全世界范围内应用广泛，逐渐从早期只涉猎体育类、财经类的报道，扩展到了时政新闻﹑市场营销新闻甚至是地震新闻，如《华盛顿邮报》研发的TruthTeller智能算法，可自动抓取、编辑时政新闻;美国两大顶尖算法公司Automatic Insight和l Narrative Science联合开发自动生成市场营销新闻的算法已经被很多美国新闻网站采用。《洛杉矶时报》记者Ken Schwencke研发的智能机器人Quakebot 成为地震报道智能化的开端4。在中国，腾讯公司、今日头条、新华社分别开发出了Dream-writer.快笔小新、Xiaomingbot 等智能机器人写作程序并投入使用。总体来说，算法新闻在世界范围已经成为新闻媒介发展的趋势，并且逐渐走向技术成熟。

　　第一，新闻生产自动化。

　　用于新闻生产、分发的程序一旦由算法工程师完成，并被植入新闻生产环节，则新闻信息采集、分析、文稿撰写、编辑等后续新闻生产行为均可由程序自动完成，主导传统新闻采写活动的人将悄然隐于幕后成为“若隐若现"的存在。如果说智能新闻生产是(工业)自动化在生产性服务业的深化，基于算法的新闻分发是市场细分、商业个性化趋势在新闻业的展开那么以效率为核心所建构起来的现代化生产流水线完美地出现于新闻生产领域，把受众最感兴趣和最需要的新闻元素聚集于一个平台加以结构化极大地提高了新闻数据处理的广度和速度，并解决了传统新闻生产批量化就难以个性化、个性化就难以批量化的矛盾，使新闻生产按照人类预设方向批量化.个性化地生产极大地满足了公众日益多样的信息需求。

　　第二，对用户需求的强大穿透力。

　　在分发环节算法基于用户兴趣、习惯和体验的深度反馈而形成精准、高效的目标投放。大众媒介时代作为解码者的“受众”变成了集编码解码于一体的"用户"——“用代表了其主动性，而‘户'代表了其独特性、差异性。”“算法在新闻分发环节构建了个性化推荐机制：—是传统的排行榜推荐以新闻阅读量、点击量、转发量、评论数或点赞人数等量化数字为依据，将新闻内容分门别类排序后推荐给用户；二是协同过滤推荐，针对拥有相似阅读、购买行为的群体通过识别有用的关联物来分析、预测他们的兴趣爱好并据此向其推荐相关的新闻内容三是内容精准推荐即通过对用户行为、历史记录的数据分析，为其绘制兴趣图谱再将与“用户画像”相适应的新闻内容精准地推送给用户。如果说传统新闻分发是基于媒体对受众的调研和预测而主观认定受众喜欢的新闻具有一定的盲目性，那么智能分发则建立于大数据和智能追踪技术对受众的兴趣画像上，使新闻分发更具准确性和针对性。

　　传统的新闻分发像超市，媒体根据受众市场准备若干新闻供受众选用。由于媒体难以同时满足所有受众的信息需求，媒体和受众之间呈一次性消费关系媒体和用户的粘黏度不高。而算法推送能够持续不断地为目标用户推送其感兴趣和需要的信息，由于能够敏锐捕捉服务对象细微的信息需求变化，媒体推送内容也随之调整使信息服务转变为追踪式全程服务，极大地增加了媒体和用户的粘黏度。

　　第三，依赖大数据资源提高新闻报道的预测性。

　　基于大数据的算法拥有模拟数据时代无可比拟的预测功能，它通过全样本的相关性分析在不知晓因果性的情况下就可以做出精准的预测和有力的推论。大数据“这个系统依赖的是相互关系而不是因果关系。它告诉你的是会发生什么而不是为什么发生。”相比于传统新闻小数据时代，大数据更强调用户数据的完整性和混杂性这种数据不仅能帮助我们接近事实真相而且能准确地推测受众所喜欢的新闻。

　　传统新闻生产具有一定的滞后性，新闻事件发生后媒体才启动新闻生产程序，新闻作品发表后往往已经变成街头巷尾议论的旧闻，加之自媒体时代人人是记者，传统媒体生产新闻流程的劣势被放大以至于第一时间缺席很多重要的新闻事件报道。大数据预测使新闻报道不再建立于人的经验判断上，媒体通过大数据预先掌握感兴趣受众群分布及其价值取向。继而展开选题策划及采写，极大地提高新闻报道的针对性和有效性。以范某某逃税案为例根据既往经验媒体很容易认为受众对逃税案的态度应该是反对逃税并要求严惩然而大数据显示;公众的意见是分裂的部分公众已经了解到《刑法》相关条款做过修改，首次逃税被查只要补缴税款将免于刑事处分。媒体基于公众关于逃税处分意见分裂的现状策划和组织该案报道，比单一视角和判断标准的报道更容易获得成功。

　　算法新闻的出现展示出了新闻生产颠覆性的模式改变，对未来新闻传播领域的发展意义深远，从新闻生产的角度看，算法的介入在一定程度上替代了传统新闻传播业部分信息采集环节，高效处理大量的信息内容，降低了劳动成本，提高了生产力。

　　从新闻分发的角度看，算法通过对于用广户信息的智能收集和归类，能够更为精确地进行内容推送，为用户“量身定制”个性化信息成为常态从新闻覆盖角度看，借用麦克卢汉“媒介是人的延伸”的观点，算法作为一种人的新“延伸”，介入到信息产销的整个环节中，通过计算机程序在海量的信息中完成话题抓取，突破并且延伸了人类所能触及的视野，带来了更大范围和更多维度的报道。

　　算法在整个新闻生产中粉演着信息枢纽的角色，将海量信息和用户紧密地链接在一起，新闻内容生产环节和分发环节的边界逐渐消融，形成了高效同步的闭环，搭建出智能化的新闻生产模式。

　　1、对传统新闻生产及运营模式的替代

　　算法新闻在生产效率、准确性和盈利能力上有显著优势，且能够极大降低成本，可以替代或补充新闻生产及运营的某些环节，如报道、撰写、编辑和发布文章等，它具有人们无法想象的高效率，能迅速处理大容量信息、自动完成定制文章撰写、实现精准推荐等能力。但在一些数据积累偏少或需高度创造性写作的领域，算法新闻尚无法实现。

　　2、对记者职业的替代

　　对于算法新闻是否会替代记者职业，目前有两种不同取向。

　　第一种是可替代论，认为记者职业是可被替代的，传统媒体运营面临成本高昂的困境，它们期待通过算法新闻降低劳动力成本，机器记者具有无酬（或低酬）劳动的优势，记者失业将不可避免。

　　第二种是折中论或互补论，机写新闻与人写新闻各有所长，机器记者的优势在于精准性、客观性、简洁性和迅捷性，人类记者的优势在于分析技巧、个性、创造力，以及撰写复杂句子与精品新闻的技能。当日常工作可以自动化时，记者将有更多时间进行深度报道，进而实现人机协作或和谐共生。至于记者所依托的传统媒体的发展趋势，有研究认为，未来媒体的生态场景是混合的、多面的，只要报纸积极参与变革，将算法新闻策略融入传统媒体发展战略，这类媒体还会持久存在。

　　3、传统新闻的价值理念、理论规范和法律法规带来新的挑战

　　算法新闻排除了人为情感、价值判断等主观因素干预，这是否意味着机器新闻“更真实”？算法新闻着眼于满足受众信息需求，那么，如何凸显媒体的社会责任及舆论引导功能？在算法新闻时代，由机器操控新闻的生产与运营，如何保障新闻自由？此外，如何确保算法新闻的透明度？随着机器新闻写作质量的不断提升，机写新闻与人写新闻的差异正在缩小，但一些媒体机构可能利用这种技术进展，混淆两者的界限，使用机器人冒充人类记者，进而欺骗读者。