狂飆突進的寫稿機器人大軍來襲

文|四月

狂飆突進的寫稿機器人大軍來襲

文|四月

4月7日，今日頭條估值超過120億美元的消息被刷屏。在內(nèi)容市場的紅海里，身價暴漲的今日頭條已成為一條讓BAT望而生畏的“大魚”，寡頭圍剿和壯士突圍間充滿變數(shù)與可能，技術(shù)優(yōu)勢牽一發(fā)而動全身。

一項內(nèi)容市場競爭與人工智能技術(shù)結(jié)合的產(chǎn)物——寫稿機器人，將視線聚焦在百度、阿里巴巴、騰訊、今日頭條的新戰(zhàn)役中，而逐漸起勢的機器寫稿產(chǎn)業(yè)本身也已成為戰(zhàn)役中尤為重要的一環(huán)。

在深入調(diào)查“機器寫稿”產(chǎn)業(yè)的過程中，意料之外的兩大既成事實讓我開始重新審視人工智能和內(nèi)容生產(chǎn)。這兩件事實分別是：

1）在垂直領(lǐng)域的報道中，寫稿機器人已經(jīng)被高頻率采用；

2）騰訊、今日頭條、阿里和百度，是國內(nèi)寫稿機器人技術(shù)應(yīng)用最早和最為成熟的平臺。

了解人工智能技術(shù)在專業(yè)領(lǐng)域的應(yīng)用現(xiàn)狀，能夠更為直觀地感受技術(shù)革命臨近的前奏。更進一步，其在內(nèi)容領(lǐng)域落地的深遠(yuǎn)意義在于，將為互聯(lián)網(wǎng)上游資訊生產(chǎn)流程和數(shù)據(jù)應(yīng)用方式的帶來顛覆式影響。

而在當(dāng)下，這一關(guān)鍵閥門就掌握在BAT三巨頭和估值超120億美元的新勁敵手中。為此，智東西特采訪到騰訊內(nèi)容機器人項目負(fù)責(zé)人、騰訊財經(jīng)副總監(jiān)劉康，阿里巴巴大數(shù)據(jù)價值挖掘?qū)＜?、第一財?jīng)首席數(shù)據(jù)專家湯開智博士，今日頭條相關(guān)專家，行業(yè)資深人士，進一步解構(gòu)這場互聯(lián)網(wǎng)內(nèi)容和數(shù)據(jù)重組的入口之爭，窺探背后更大規(guī)模的文本范式生成市場。

（注：近日有消息稱百度推出了其智能寫作機器人Writing-bots，但據(jù)筆者調(diào)查暫無可查證的實際應(yīng)用案例，故此文中暫不做討論。以“度秘”的賽事解說功能為參考。）

一、 文字背后的機器人

寫稿機器人，并非指實體的機器人本身，而是將機器自動生成文本，產(chǎn)出內(nèi)容的系統(tǒng)抽象化和擬人化。具體而言，寫稿機器人多以特定的信息庫為基礎(chǔ)，通過一定的篩選、分析、運算等信息處理手段，將信息進行重新組合、排列，并套用事先設(shè)置好的寫作模板，最終輸出新聞報道。

“機器寫稿”，背后涉及數(shù)據(jù)挖掘、自然語言處理、機器學(xué)習(xí)、搜索技術(shù)、知識圖譜等多項人工智能技術(shù)。套用一般的人工智能的要素模型，“特定的信息庫”即支持該項技術(shù)的“大數(shù)據(jù)”，“針對文本信息的重組、排列”即為該項產(chǎn)品背后的核心算法。從早期的人工設(shè)定模板，到深度學(xué)習(xí)引入后的機器自我學(xué)習(xí)和模板優(yōu)化，“寫稿機器人”本身正在不斷進化。

機器人介入寫稿最早起始于美國老牌報業(yè)《華盛頓郵報》。早在2012年年末，《華盛頓郵報》就啟動了名為“truth teller（吐真者）”的實時新聞核查項目。它能全程記錄新聞報道中的文字、語音等信息，隨后與“打假”數(shù)據(jù)庫進行對比，一旦發(fā)現(xiàn)異常便會發(fā)出警報。

從2015年開始，中外媒體的“寫稿機器人”走進版面，開始自立名號?！都~約時報》Blossom、《華盛頓郵報》Truth Teller、《洛杉磯時報》智能內(nèi)嵌模版、《衛(wèi)報》Open001、路透社的Open Calais、美聯(lián)社的Wordsmith六家國際頂級媒體設(shè)立各自的機器人服務(wù)系統(tǒng)。

在國內(nèi)，騰訊于2015年8月率先推出Dreamwriter寫稿機器人。隨后的一年，今日頭條xiaomingbot、第一財經(jīng)DT稿王、百度度秘解說相繼浮出水面。騰訊、阿里巴巴、百度、今日頭條，四方割據(jù)的局面正式形成。

在信息流市場，第一財經(jīng)能夠代表阿里巴巴的戰(zhàn)略布局。在于2015年阿里的12億元購入第一財經(jīng)集團30%股權(quán)，隨后也將旗下的大數(shù)據(jù)價值挖掘?qū)＜覝_智博士調(diào)任至第一財經(jīng)，任其首席數(shù)據(jù)科學(xué)家，為其自動/輔助寫稿產(chǎn)品提供技術(shù)支持。

二、四大平臺的機器人賽稿

為呈現(xiàn)一個更加具象的寫稿機器人市場，筆者集中體驗了騰訊、今日頭條、百度、第一財經(jīng)四家產(chǎn)品在用戶界面、內(nèi)容呈現(xiàn)和出稿數(shù)量、效率等方面的表現(xiàn)，并對比分析各家在產(chǎn)品布局和應(yīng)用領(lǐng)域的思路與特點。

1）產(chǎn)品特點與應(yīng)用狀況

從上述圖表分析中可以看出，上述四家的“寫稿機器人”產(chǎn)品主要還處在自研自用階段，主要用于自家媒體平臺的內(nèi)容產(chǎn)出和分發(fā)。此外，第一財經(jīng)首席數(shù)據(jù)科學(xué)家湯開智向智東西表示，旗下的DT稿王產(chǎn)品現(xiàn)還應(yīng)用到電商平臺“千?！钡馁Y訊版塊。

覆蓋領(lǐng)域以體育賽事、和財經(jīng)類新聞為主，多以短、平、快的處理方式產(chǎn)出賽事戰(zhàn)報、快訊等。其中騰訊在新聞內(nèi)容覆蓋面上最廣，其產(chǎn)品的對接平臺包括騰訊財經(jīng)、騰訊科技、騰訊體育等。第一財經(jīng)集團因其更強的媒體屬性和廣泛的產(chǎn)品渠道，內(nèi)容分發(fā)領(lǐng)域更更廣，包括媒體產(chǎn)品端、微信內(nèi)容推送、電視新聞等。

在報道形式上，賽事報道更傾向于圖文結(jié)合的方式，圖片采用自動匹配的模式。當(dāng)然在面向不同終端和產(chǎn)品時，報道風(fēng)格可能有所調(diào)整，比如在騰訊體育移動端中，賽事報道就是以純文字方式呈現(xiàn)；而在騰訊新聞客戶端，則保留了完整的圖文內(nèi)容。

在產(chǎn)稿量方面，各家并沒有給出具體數(shù)值，筆者結(jié)合頁面呈現(xiàn)數(shù)量和參考值進行統(tǒng)計。騰訊因其覆蓋領(lǐng)域最廣，在有效產(chǎn)稿量上占據(jù)一定優(yōu)勢?！皺C器寫稿的機制是大規(guī)模地寫，最后用不用由人工編輯、CMS（Content Management System、內(nèi)容管理系統(tǒng)）進行判斷”，騰訊內(nèi)容機器人項目負(fù)責(zé)人、騰訊財經(jīng)副總監(jiān)劉康介紹。

第一財經(jīng)則主要以股市異動為新聞切入點，報道更頻繁?！遍L報道的使用頻率相對低一些，最多一天一篇，或者一個月一篇”。

需要說明的是，將只是用于“賽事解說”的百度度秘平臺納入到分析對象中，主要原因在于度秘的“實時圖文內(nèi)容呈現(xiàn)+音頻播報”的產(chǎn)業(yè)化程度已經(jīng)達到機器寫稿的程度，其背后的技術(shù)原理也十分相似?；蛟S是百度平臺本身缺少媒體屬性，抑或是作為內(nèi)容分發(fā)平臺不適合自產(chǎn)出內(nèi)容，百度并沒有在前端用新聞的形式呈現(xiàn)。

2）用戶界面特點分析

以上分別是調(diào)用第一財經(jīng)“7*24小時看板”、度秘APP“度秘直播籃球賽”、今日頭條“Xiaomingbot”頭條號作者專欄、騰訊新聞搜索“Dreamwriter”呈現(xiàn)的不同界面，統(tǒng)一以移動用戶端進行比較。

從報道形式和內(nèi)容豐富程度來看，機器寫稿與人類已經(jīng)無異。在標(biāo)題處理上，“擊敗雄鹿”、“創(chuàng)新高”、“奇才”、“遺憾”等用詞已經(jīng)脫離機械式的比分呈現(xiàn)，帶有個性化的媒體報道屬性。滾動式的股票類財經(jīng)快訊則更強調(diào)時效性和數(shù)據(jù)準(zhǔn)確性，在這個維度上，機器勝過人類。

3）內(nèi)容呈現(xiàn)特點分析

在報道形式與風(fēng)格上，各家根據(jù)用戶特點進行了不同的呈現(xiàn)。騰訊Dreamwriter、今日頭條Xiaomingbot采用圖文結(jié)合得形式進行報道，Xiaomingbot在圖片與現(xiàn)場感呈現(xiàn)上更為豐富，Dreamwriter則更強調(diào)比分和細(xì)節(jié)。在文章框架上，兩者都對賽事亮點和整體局勢進行了提煉，而不是簡單的陳述數(shù)據(jù)。

百度度秘的解說以對話框的形式呈現(xiàn)，能夠為用戶提供實時的賽事戰(zhàn)況直播，并且配以部分動圖和音頻，表情和語氣詞的也很到位，更加擬人化和形象化。

第一財經(jīng)，作為一個更加專業(yè)和垂直領(lǐng)域的媒體平臺。除去中文內(nèi)容呈現(xiàn)，同時進行了英化處理，“中文財經(jīng)模板很大一部分被翻譯成英文模板，省去了內(nèi)容翻譯的成本，在一財全球使用”，湯開智博士介紹。

總體而言，在寫稿機器人這塊新業(yè)務(wù)上，BAT三家與今日頭條的技術(shù)和產(chǎn)品差距并不大。比較遺憾的是，百度并沒有將其背后的技術(shù)整合出完整的媒體產(chǎn)品，提到度秘的“賽事直播”功能很多人并不知曉。

究其背后的原因，可能還是百度本身缺少媒體平臺基因，聚焦在用戶的被動搜索與廣告業(yè)務(wù)。不過，另一面，今日頭條的百度化卻比想象中快。

三、外行看熱鬧 內(nèi)行看門道

對于一個曾經(jīng)視“人工智能威脅論”為笑話的人，突然間發(fā)現(xiàn)，機器人已經(jīng)侵入到自己所擅長的領(lǐng)域，內(nèi)心多少有些驚訝和恐慌。不過，人工智能的更大價值還在于了解之后為人類所用?！拔覀€人偏向中性的認(rèn)知，機器寫稿的確能夠取代一部分人力，但只是冗余的、低技術(shù)門檻的人力”，騰訊財經(jīng)副總監(jiān)劉康認(rèn)為。

在與第一財經(jīng)湯開智博士的交流中，他認(rèn)為機器寫作的研究主要圍繞三種典型模式，“邏輯由淺入深，從精確到模糊”：

1）第一類是基于數(shù)字進行事實陳述，并進行簡單邏輯分析的文章，比如二級市場的監(jiān)控、體育賽事的簡訊；

2）第二類是根據(jù)每類稿件的信息要點，對信息源進行針對性的信息提取，把非結(jié)構(gòu)化的文本轉(zhuǎn)為結(jié)構(gòu)化及半結(jié)構(gòu)化的數(shù)據(jù)，再根據(jù)不同的規(guī)則把信息要點組合寫成單點內(nèi)容；

3）第三類是單點內(nèi)容的關(guān)聯(lián)生成，此類稿件能彌補單點內(nèi)容信息量單一的缺點，并為受眾尤其是投資者，及時關(guān)聯(lián)專家對基本數(shù)據(jù)的解讀及評論，生成更有深度、更立體、更綜合的稿件。

在寫稿機器人產(chǎn)品中，背后技術(shù)支持最為明確和清晰的是今日頭條的“Xiaomingbot”，它是由頭條實驗室與北京大學(xué)計算所（萬小軍團隊）聯(lián)合研發(fā)而成。今年2月今日頭條還挖走了前微軟亞洲研究院副院長馬維英，擔(dān)任其負(fù)責(zé)人。

在抽取式文本生成研究領(lǐng)域，北大萬小軍老師于關(guān)于采用特征工程抽取句子的論文《Towards Constructing Sports News from Live Text Commentary》在ACL2016引起了廣泛關(guān)注。今年初，萬小軍老師還以技術(shù)開發(fā)團隊負(fù)責(zé)人的身份，幫助南方都市報完成了寫稿機器人“小南”的研發(fā)。

從產(chǎn)品演進路徑來看，一代寫稿機器人語言偏向生硬，句式較為單一。在優(yōu)化后的產(chǎn)品中，具備更高的語言表達和邏輯思維能力，以及圖文信息處理能力。以下是寫稿機器人的簡化版工作流程：

“現(xiàn)在大家都還處于技術(shù)過渡的過程”，業(yè)內(nèi)人士表述。前期產(chǎn)品以簡單的結(jié)構(gòu)化自動生成為主，將一些數(shù)據(jù)嵌入進去，利用人工模板。因為機器學(xué)習(xí)和數(shù)據(jù)庫的完善，大家希望能夠借助機器的自主學(xué)習(xí)功能，“比如，跑一百萬篇文章，機器可以自建模板”。

但在現(xiàn)實應(yīng)用中，因為垂直、專業(yè)領(lǐng)域的文章具備鮮明特點。自然語言理解技術(shù)有局限，目前機器讀取數(shù)據(jù)填充格式化模板是最成熟但也是最沒有技術(shù)水平的方案，寫稿機器人產(chǎn)品仍主要用于體育和財經(jīng)類資訊 。

體育和財經(jīng)文本信息較少，數(shù)據(jù)信息多，“每周幾十場NBA、足球賽、棒球賽等，以及每天全球主要市場上萬家上市公司的各種披露信息和股票漲跌”，從這個角度上說，人群結(jié)構(gòu)化程度較高，垂直化需求強烈。

四、商業(yè)價值所在：以一當(dāng)十五

技術(shù)落地的最終訴求來自產(chǎn)業(yè)所向和商業(yè)價值。“多、快、好、省”，是騰訊財經(jīng)總監(jiān)劉康對于機器寫稿紅利的提煉。

他并未給出寫稿機器人準(zhǔn)確的產(chǎn)出效益比?！耙话銇碚f，機器產(chǎn)出的稿件30-50%，會各個頻道的采用，最終呈現(xiàn)在頁面端”。實際上，寫稿機器人的成效容易量化，基于其產(chǎn)出的稿件量或者字?jǐn)?shù)，以量化成普通人力的規(guī)模。其核心的“快”，包含兩個層面，一是響應(yīng)速度，寫稿機器人平均可達到1分鐘甚至更快產(chǎn)出快訊；二是分發(fā)速度快，與后臺無縫銜接，縮短至各平臺中間流程。

作為技術(shù)輸出的第三方，面向B端的服務(wù)集成是另一種可循的商業(yè)模式。面向媒體企業(yè)收費，“例如某科技媒體平臺一年人工費用為900萬，采用自動寫作或者輔助寫作的產(chǎn)品，可以提高員工績效和產(chǎn)出，減少其人力成本”，從業(yè)人士介紹，寫稿機器人可以24小時在線，而人工還需要輪班和調(diào)休

在與阿里巴巴駐第一財經(jīng)首席科學(xué)家湯開智的交流中，他更為系統(tǒng)地介紹了寫稿機器人所產(chǎn)生的效益提升，主要包含以下三個方面：

1）機器稿件產(chǎn)量的提升。“從去年8月25日開始記錄到現(xiàn)在，”一財全球“總共產(chǎn)生19604篇稿件?？紤]到機器寫稿的簡短性，平均每篇稿子64.5字，總字?jǐn)?shù)為1,264,458字, 平均每篇稿件約64.5個單詞。這相當(dāng)于同時期一個15人編輯團隊人工監(jiān)控股市寫稿的總產(chǎn)量。

綜合分析，考慮到目前機器稿件的單調(diào)與重復(fù)等因素，稿王機器稿件的加入，相當(dāng)于為一財全球增加了一個3個人的編輯團隊。

2）成本下降和資訊反應(yīng)速度的提升?；跍?040家公司、深市1420家公司的即時監(jiān)控和異動報道工作，至少需要15名以上的編輯進行即時監(jiān)控，每人要同時監(jiān)控100多只股票，1名翻譯即時翻譯。并且，股票的異動分成多種情況，人反應(yīng)和分析的時間將帶來5~10分鐘的延遲。

因為寫稿機器人的使用，這些稿件在沒有人工參與的情況下快速生成，延時也降低到1分鐘。此外，寫稿機器人還能針對大盤、板塊進行著監(jiān)控和稿件生成。

3）流量的貢獻。根據(jù)Google Analytics匯總報告中顯示最近1個星期， 3月20日到3月29日之間機器稿件流量占到一財全球全部流量的25%，相對于之前有顯著提升。

五、新聞之外 更大的文本范式“蛋糕”

利用寫稿機器人的工作思路：文本分類，文本中的信息提取，文本總結(jié)，基于邏輯的自動寫作方法在“文本范式”的領(lǐng)域，均具備可遷移的想象空間，如法律、合同、電商數(shù)據(jù)等領(lǐng)域。

“電商模式是來錢比較快的”，業(yè)內(nèi)資深人士分析，并提供值得借鑒的方向思路。電商數(shù)據(jù)多而龐雜，對于當(dāng)下盛行的電商導(dǎo)購返利網(wǎng)站而言，UGC（用戶原創(chuàng)內(nèi)容）需要大量的人工審核，雖然編輯自己寫的少，但是仍然需要花大量人力在審查上。

機器審查又會過濾掉一些很有價值的商品推薦。所以建立一個機器寫作的導(dǎo)購網(wǎng)站，UGC或者機器只要去發(fā)現(xiàn)一些有價值的線索就好，“具體的內(nèi)容我們交給機器去寫，賺流量的同時也賺眼球”。

綜合以上分析，四大平臺下的寫稿機器人最具商業(yè)化前景和可能性?！捌淦脚_不僅具備完善的財經(jīng)數(shù)據(jù)，同時得到了阿里巴巴的電商數(shù)據(jù)支持”，前文提及的“千?！彪娚唐脚_資訊服務(wù)也得益于此。

此外，據(jù)湯開智博士介紹，DT稿王產(chǎn)品的下一側(cè)重方向在于，“為專業(yè)的內(nèi)容生產(chǎn)方提供技術(shù)輸出，建立一套輔助寫作系統(tǒng)，能夠和編輯互動”。

“語言生成是一個非?；A(chǔ)的問題，我們?nèi)绻梢园堰@個問題解決好，自然語音的理解方面可能還會有更大的突破，我們很多方法可以把難問題變簡單，如果能夠設(shè)計成模型自動的做這一步，最后得到的效果會更好”，今日頭條科學(xué)家、實驗室總監(jiān)李磊表示，可以想象圍繞寫稿機器人衍生的系列“文本范式”算法，將成為今日頭條后續(xù)的信息流源頭之一。

騰訊方面，則朝著產(chǎn)品化的路徑進一步完善?！敖?，我們會有一個更具體的產(chǎn)品發(fā)布。類似一個服務(wù)系統(tǒng)，可以用于前端展示”，騰訊財經(jīng)副總監(jiān)劉康向智東西。

六、大數(shù)據(jù)時代下 高質(zhì)量數(shù)據(jù)源卻“一票難求”

在本月初的IT領(lǐng)袖峰會上，馬化騰曾提到，就算是騰訊這樣規(guī)模的平臺，在數(shù)據(jù)應(yīng)用上仍面臨難題?！坝脩糁苯赢a(chǎn)生的數(shù)據(jù)還需要脫敏（保留隱私性）、清理（保留有效數(shù)據(jù)）、加標(biāo)簽（分類）等前序工作后才能產(chǎn)生出有價值的數(shù)據(jù)”。

機器寫作需要從大量的文字資料中或許稿源信息和文本數(shù)據(jù)，然而實際上互聯(lián)網(wǎng)上的中文信息本來質(zhì)量就不高，清洗難度很大。

此外，稿源信息清洗后需要格式化，然后通過數(shù)據(jù)調(diào)用載入模板的形式生成自動化稿件，這里面模板越精細(xì)化，效果就越好。然而實際上沒有足夠好的信息源來配合模板，同時，編寫模板代碼的工作量，事實上不小。

以技術(shù)基礎(chǔ)和數(shù)據(jù)庫為導(dǎo)向。類似NBA、奧運會等大型賽事，大型媒體平臺本身需要對接到一個信息數(shù)據(jù)庫，詳細(xì)的圖文數(shù)據(jù)?！斑@個數(shù)據(jù)庫是非常高質(zhì)量的，包含有很多細(xì)節(jié)的”。但在賽事數(shù)據(jù)和股市數(shù)據(jù)之外，很難再找到這樣結(jié)構(gòu)化、高質(zhì)量的數(shù)據(jù)庫。

此外，因為純粹一個平面化的機器寫作很難去做，一般還是要垂直行業(yè)能夠做精細(xì)化，比方說棒球幾只安打怎么報，每個投手或者擊球手什么特點。對應(yīng)到法律行業(yè)就是要了解司法體系，以及不同法律條文之間的關(guān)系，這遠(yuǎn)不是一個普通創(chuàng)業(yè)公司能做的事情。

七、結(jié)語：下一個“今日頭條”

在你一次不經(jīng)意的推送點擊和頁面瀏覽間，得到的信息很有可能就不再出自人類編輯之手，而是機敏、不知疲倦的寫稿機器人產(chǎn)物。如果不是這次深度調(diào)查和數(shù)據(jù)搜集，我也不會意識到寫稿機器人產(chǎn)業(yè)的發(fā)展與落地速度會如此之快。這一切，正在悄無聲息地發(fā)生在你我身邊。

當(dāng)機器人和人工智能不再依附于具象的實體，而是以一種虛擬手段侵入人類生活時，將變得更加莫測和不可控。同時，也是人類以一種更加理智和客觀的態(tài)度地審視技術(shù)革命的契機。

當(dāng)新聞編輯室的資源越來越少，重復(fù)無創(chuàng)造性勞動力的越來越多，不難想象，在未來的新聞報道中，人工智能將取代更多的“媒體工作者”。

回到技術(shù)應(yīng)用前景。通過為信息流前端引入算法機制，今日頭條坐享內(nèi)容市場的技術(shù)紅利。如果將這一思路引入上層級的信息流源頭呢？在生產(chǎn)模式上進行勞動力改造和個性化匹配，勢必將產(chǎn)生更加劇烈的化學(xué)反應(yīng)。

可以預(yù)見，人工智能所引發(fā)的信息流生產(chǎn)方式顛覆，將成為BAT與今日頭條的下一個重要戰(zhàn)場。一項由技術(shù)驅(qū)動的、更為核心的業(yè)務(wù)比拼。與此同時，龐大的新興市場需求還將催生出一批可期待的技術(shù)領(lǐng)域創(chuàng)業(yè)新秀。

但需要警惕的是，當(dāng)人工智能大戰(zhàn)晉升到寡頭層面，其核心仍是一場數(shù)據(jù)大戰(zhàn)！