演算法新聞

出自 MBA智库百科(https://wiki.mbalib.com/)

演算法新聞（Algorithmic Journalism）

　　演算法新聞又稱作機器人新聞﹑自動化新聞、計算新聞，是通過電腦演算法工具，進行自動新聞生產﹑推送並實現商業化運營的系統，具體包括演算法新聞寫作、編輯、演算法推薦機制和平臺聚合分發機制及營銷等業務的自動化新聞生產流程。^[1]

　　演算法新聞是運用智能演算法工具自動生產新聞並實現商業化運營的過程、方法或系統，它包括信息採集、儲存、寫作、編輯、展示、數據分析及營銷等業務的自動化實現。廣義的它指包括生產和分發的中運用演算法：在生產環節運用演算法工具自動生成新聞內容，在分發環節引入推薦演算法，在銷售環節實現了傳者、受眾和消費者的聚合，造就了流程更清晰、作業更高效、銷售更精準、目標更明確、成本更低廉的業務鏈條。^[2]

　　1、演算法軟體的引領性

　　無論是機器人新聞、數據驅動新聞還是機器生產新聞，背後的關鍵因素仍是演算法。正是不斷完善的演算法技術才使機器寫作能力越來越接近人類常規水平，生產可讀性較高的新聞，獲得受眾認可。

　　2、數據資源的基礎性

　　演算法新聞高度依賴數據資源環境，特別是高質量的數據資源，如結構特征顯著的數據、精準有效的行業數據和客觀真實的最新數據等。故而演算法新聞能在天氣預報、股票市場、體育賽事等領域率先突破。

　　3、智能操作的自主性

　　除前期的程式設計外，現今的演算法新聞技術能夠在無人干預（或較少人工干預）的條件下自動生產新聞，在採集信息、分析數據、新聞撰寫、文章發佈及推廣等環節均可實現自動化操作。在大數據技術和演算法軟體的耦合作用下，演算法新聞生產運作的高效性優勢凸顯，在時效性上實現了即時生產、實時發表，在數據分析上實現了準確化運作。在成本上實現了低成本乃至零成本的突破。概言之，在演算法新聞的運作系統中，演算法程式是核心、數據資源是基礎、智能操作是關鍵。

　　4、對傳統產業鏈的顛覆性

　　演算法新聞以演算法程式對整個新聞傳播產業鏈進行重塑，構建全新的新聞傳播業態。在新聞生產框架中以演算法工具取代或部分取代記者及編輯勞動，實現自動化生產；在新聞發行框架中以智能推薦營銷工具替代傳統的物流分發流程，實現自動化發行與營銷。

　　現今演算法新聞在全世界範圍內應用廣泛，逐漸從早期只涉獵體育類、財經類的報道，擴展到了時政新聞﹑市場營銷新聞甚至是地震新聞，如《華盛頓郵報》研發的TruthTeller智能演算法，可自動抓取、編輯時政新聞;美國兩大頂尖演算法公司Automatic Insight和l Narrative Science聯合開發自動生成市場營銷新聞的演算法已經被很多美國新聞網站採用。《洛杉磯時報》記者Ken Schwencke研發的智能機器人Quakebot 成為地震報道智能化的開端4。在中國，騰訊公司、今日頭條、新華社分別開發出了Dream-writer.快筆小新、Xiaomingbot 等智能機器人寫作程式並投入使用。總體來說，演算法新聞在世界範圍已經成為新聞媒介發展的趨勢，並且逐漸走向技術成熟。

　　第一，新聞生產自動化。

　　用於新聞生產、分發的程式一旦由演算法工程師完成，並被植入新聞生產環節，則新聞信息採集、分析、文稿撰寫、編輯等後續新聞生產行為均可由程式自動完成，主導傳統新聞採寫活動的人將悄然隱於幕後成為“若隱若現"的存在。如果說智能新聞生產是(工業)自動化在生產性服務業的深化，基於演算法的新聞分發是市場細分、商業個性化趨勢在新聞業的展開那麼以效率為核心所建構起來的現代化生產流水線完美地出現於新聞生產領域，把受眾最感興趣和最需要的新聞元素聚集於一個平臺加以結構化極大地提高了新聞數據處理的廣度和速度，並解決了傳統新聞生產批量化就難以個性化、個性化就難以批量化的矛盾，使新聞生產按照人類預設方向批量化.個性化地生產極大地滿足了公眾日益多樣的信息需求。

　　第二，對用戶需求的強大穿透力。

　　在分發環節演算法基於用戶興趣、習慣和體驗的深度反饋而形成精準、高效的目標投放。大眾媒介時代作為解碼者的“受眾”變成了集編碼解碼於一體的"用戶"——“用代表了其主動性，而‘戶'代表了其獨特性、差異性。”“演算法在新聞分發環節構建了個性化推薦機制：—是傳統的排行榜推薦以新聞閱讀量、點擊量、轉發量、評論數或點贊人數等量化數字為依據，將新聞內容分門別類排序後推薦給用戶；二是協同過濾推薦，針對擁有相似閱讀、購買行為的群體通過識別有用的關聯物來分析、預測他們的興趣愛好並據此向其推薦相關的新聞內容三是內容精準推薦即通過對用戶行為、歷史記錄的數據分析，為其繪製興趣圖譜再將與“用戶畫像”相適應的新聞內容精準地推送給用戶。如果說傳統新聞分發是基於媒體對受眾的調研和預測而主觀認定受眾喜歡的新聞具有一定的盲目性，那麼智能分發則建立於大數據和智能追蹤技術對受眾的興趣畫像上，使新聞分發更具準確性和針對性。

　　傳統的新聞分發像超市，媒體根據受眾市場準備若幹新聞供受眾選用。由於媒體難以同時滿足所有受眾的信息需求，媒體和受眾之間呈一次性消費關係媒體和用戶的粘黏度不高。而演算法推送能夠持續不斷地為目標用戶推送其感興趣和需要的信息，由於能夠敏銳捕捉服務對象細微的信息需求變化，媒體推送內容也隨之調整使信息服務轉變為追蹤式全程服務，極大地增加了媒體和用戶的粘黏度。

　　第三，依賴大數據資源提高新聞報道的預測性。

　　基於大數據的演算法擁有模擬數據時代無可比擬的預測功能，它通過全樣本的相關性分析在不知曉因果性的情況下就可以做出精準的預測和有力的推論。大數據“這個系統依賴的是相互關係而不是因果關係。它告訴你的是會發生什麼而不是為什麼發生。”相比於傳統新聞小數據時代，大數據更強調用戶數據的完整性和混雜性這種數據不僅能幫助我們接近事實真相而且能準確地推測受眾所喜歡的新聞。

　　傳統新聞生產具有一定的滯後性，新聞事件發生後媒體才啟動新聞生產程式，新聞作品發表後往往已經變成街頭巷尾議論的舊聞，加之自媒體時代人人是記者，傳統媒體生產新聞流程的劣勢被放大以至於第一時間缺席很多重要的新聞事件報道。大數據預測使新聞報道不再建立於人的經驗判斷上，媒體通過大數據預先掌握感興趣受眾群分佈及其價值取向。繼而展開選題策劃及採寫，極大地提高新聞報道的針對性和有效性。以範某某逃稅案為例根據既往經驗媒體很容易認為受眾對逃稅案的態度應該是反對逃稅並要求嚴懲然而大數據顯示;公眾的意見是分裂的部分公眾已經瞭解到《刑法》相關條款做過修改，首次逃稅被查只要補繳稅款將免於刑事處分。媒體基於公眾關於逃稅處分意見分裂的現狀策劃和組織該案報道，比單一視角和判斷標準的報道更容易獲得成功。

　　演算法新聞的出現展示出了新聞生產顛覆性的模式改變，對未來新聞傳播領域的發展意義深遠，從新聞生產的角度看，演算法的介入在一定程度上替代了傳統新聞傳播業部分信息採集環節，高效處理大量的信息內容，降低了勞動成本，提高了生產力。

　　從新聞分發的角度看，演算法通過對於用廣戶信息的智能收集和歸類，能夠更為精確地進行內容推送，為用戶“量身定製”個性化信息成為常態從新聞覆蓋角度看，借用麥克盧漢“媒介是人的延伸”的觀點，演算法作為一種人的新“延伸”，介入到信息產銷的整個環節中，通過電腦程式在海量的信息中完成話題抓取，突破並且延伸了人類所能觸及的視野，帶來了更大範圍和更多維度的報道。

　　演算法在整個新聞生產中粉演著信息樞紐的角色，將海量信息和用戶緊密地鏈接在一起，新聞內容生產環節和分發環節的邊界逐漸消融，形成了高效同步的閉環，搭建出智能化的新聞生產模式。

　　1、對傳統新聞生產及運營模式的替代

　　演算法新聞在生產效率、準確性和盈利能力上有顯著優勢，且能夠極大降低成本，可以替代或補充新聞生產及運營的某些環節，如報道、撰寫、編輯和發佈文章等，它具有人們無法想象的高效率，能迅速處理大容量信息、自動完成定製文章撰寫、實現精準推薦等能力。但在一些數據積累偏少或需高度創造性寫作的領域，演算法新聞尚無法實現。

　　2、對記者職業的替代

　　對於演算法新聞是否會替代記者職業，目前有兩種不同取向。

　　第一種是可替代論，認為記者職業是可被替代的，傳統媒體運營面臨成本高昂的困境，它們期待通過演算法新聞降低勞動力成本，機器記者具有無酬（或低酬）勞動的優勢，記者失業將不可避免。

　　第二種是折中論或互補論，機寫新聞與人寫新聞各有所長，機器記者的優勢在於精準性、客觀性、簡潔性和迅捷性，人類記者的優勢在於分析技巧、個性、創造力，以及撰寫複雜句子與精品新聞的技能。當日常工作可以自動化時，記者將有更多時間進行深度報道，進而實現人機協作或和諧共生。至於記者所依托的傳統媒體的發展趨勢，有研究認為，未來媒體的生態場景是混合的、多面的，只要報紙積极參与變革，將演算法新聞策略融入傳統媒體發展戰略，這類媒體還會持久存在。

　　3、傳統新聞的價值理念、理論規範和法律法規帶來新的挑戰

　　演算法新聞排除了人為情感、價值判斷等主觀因素干預，這是否意味著機器新聞“更真實”？演算法新聞著眼於滿足受眾信息需求，那麼，如何凸顯媒體的社會責任及輿論引導功能？在演算法新聞時代，由機器操控新聞的生產與運營，如何保障新聞自由？此外，如何確保演算法新聞的透明度？隨著機器新聞寫作質量的不斷提升，機寫新聞與人寫新聞的差異正在縮小，但一些媒體機構可能利用這種技術進展，混淆兩者的界限，使用機器人冒充人類記者，進而欺騙讀者。