人工智能增强的新闻学会瞥见了知识经济的未来
随着机器人转变了整个制造经济的整整条件，人工智能和自动化现在正在改变信息工作，让人类将认知劳动到计算机卸载。例如，在新闻中，数据挖掘系统的记者向潜在的新闻故事，次要求提议受众的新方法来探索信息。自动化写作系统生成金融，体育越来越覆盖。
Acommon Rispectionas这些智能技术渗透各种行业的工作和劳动力将受到影响。在这种情况下，谁 - 或者在这个AI增强和自动化世界中做的新闻，以及他们将如何做到？
我在我的新书中组装的证据“自动化新：如何重写媒体的算法“表明AI启用的新闻的未来仍将有很多人。但是，这些人的工作，角色和任务将进化并看起来有点不同。人类的工作将与算法混合 - 共混 - 以适应AI的能力并适应其限制。
增强，不替代
一些估计目前的AI技术水平只能自动化记者工作的约15％，占编辑工作的9％。人类仍然在几个关键领域拥有非好莱坞AI的优势，包括新闻，包括复杂的沟通，专家思维，适应性和创造力。
报告，聆听，响应和推迟，与来源谈判，然后使创造力将其放在一起 -AI可以不做这些不可或缺的新闻任务。但是，它通常可以增加人类的工作，以帮助人们更快或改善质量。它可以为深化新闻报道创造新的机会，并使其更适合欣赏读者或观众。
新闻室工作始终适用于新技术的波浪，包括摄影，电话，电脑 - 甚至只是复制机器。记者也将适应AI的工作。作为一种技术，它已经并将继续改变新闻工作，通常补充，但很少替代训练有素的记者。
新工作
我发现更频繁的是，AI技术似乎实际上是在新闻中创造新的工作。
例如，在2017年，在2017年使用计算机Vision AI Techniquesto标记了每天处理的数千个新闻照片。系统可以标记有关图像中的信息，其摄影风格以及图像是否描绘图形暴力的信息。
该系统给予照片编辑更多的时间思考他们应该发布的东西，并将它们释放到花费大量的时间只是标记它们所拥有的东西。但是，开发它需要一定的工作，两者都是编辑和技术：编辑不得不要P出来标记和算法是否达到任务，然后开发新的测试数据集以评估性能。完成所有已完成的情况下，他们仍然必须监督系统，手动批准每个图像的建议标签，以确保高精度。
监督该项目的AP行政斯图尔特迈尔斯告诉我，花了大约36人的工作，蔓延了几年，超过了十几个编辑，技术和行政人员。他告诉我，大约三分之一的工作，涉及新闻专业知识和判断，特别难以自动化。虽然未来可能减少了一些人类监督，但他认为，随着系统的发展和扩展，人们仍然需要进行持续的编辑工作。
半自动内容生产
在英国，TheradarProjectsemi-自动抽出每月8,000个本地化新闻文章。该系统依赖于发现由地理区域制订的政府数据集的稳定六位记者，确定有趣和新闻价值的角度，然后将这些想法发展成数据驱动的模板。模板编码如何将文本的自动定制到数据中标识的地理位置。例如，一个故事可以谈论英国的老龄化人口，并展示卢顿的读者他们的社区如何变化，有不同的本地化统计数据的布里斯托尔。然后，故事通过电线服务向选择发布的本地媒体。
该方法将记者与自动化融入有效和生产过程中。记者使用他们的专业知识和沟通技巧来为故事情节铺设故事的选择，这些数据可能会遵循数据。他们还与来源进行谈话以收集国家背景，并编写模板。然后，自动化作为生产助手，适应不同位置的文本。
雷达记者使用一个名为Arria Studio的工具，它可以一瞥自动化内容在实践中的样子。它真的只是一个更复杂的文字处理界面。作者将文本的碎片写入由数据驱动的if-well-else规则控制的文本。例如，在地震报告中，您可能需要一个不同的形容词谈论幅度8的级别，而不是一个幅度3。所以你有一个规则，如果幅度> 7那么文本=“强烈的地震”，否则幅度<4然后文本=“次要地震”。像Arria这样的工具还包含语言功能，以自动共轭动词或下降名词，使得可以更轻松地使用需要根据数据更改的文本。
像Arria这样的创作界面允许人们在逻辑上做出他们擅长的事情：逻辑上结构构建了引人注目的故事情节和制作创意，非素质文本。但他们还需要一些新的写作方式。例如，模板编写者需要了解一个故事，了解可用的数据可以说的 - 以想象数据如何产生不同的角度和故事，并描绘逻辑以驱动这些变化。
监督，管理或记者可能呼叫自动内容系统的“编辑”也越来越多地占据新闻室中的人。保持质量和准确性是新闻中最重要的。
雷达开发了三级质量保证过程。首先，记者将阅读所有制作的文章的样本。然后另一个记者追踪在故事中索赔回其原始数据源。作为第三个检查，编辑器将通过模板的逻辑来尝试发现任何错误或遗漏。它几乎就像这项工作，软件工程师团队可能会在调试脚本方面做 - 这一切都是人类必须做的，以确保自动化正在准确地完成工作。
发展人力资源
像相关印刷机和雷达的那些倡议表明，AI和自动化远远不断摧毁新闻中的工作。他们正在创造新的工作 - 以及改变现有的工作。明天记者需要接受设计，更新，调整，验证，正确，监督和通常维护这些系统的培训。许多人可能需要与数据合作的技能和正式的逻辑思维来对该数据进行行事。使用计算机编程的基础知识也不会伤害。
随着这些新工作的发展，确保他们是一个很好的工作将是很重要的 - 人们在更大的机器流程中不仅仅成为齿轮。这种新的混合劳动力的经理和设计师需要考虑人类对自治，有效性和可用性的关切。但是，我乐观的是，关注这些系统的人类经验将使记者蓬勃发展，社会获得速度，覆盖范围的奖励，并提高AI和自动化可以提供的质量。
