机器人记者25秒写出540字地震消息稿的消息一出，就收到了来自几位朋友转来的消息。

显然，25秒的出稿速度已经严重威胁到了星球君的饭碗，当星球君还身处新闻的惊愕中正要打开电脑时，机器人已经跑完了从数据采集、数据加工判断、自动写稿的全过程。

难道，星球君的工作就要不保了吗？！

“记者要失业啦！写稿机器人上线”、“机器人写稿传统记者的末日？”、“机器人逆袭写稿记者恐失业”、“机器人写稿，记者们‘哭晕’在厕所”……这是当前媒体们在提到机器人写稿这类新闻时最常用的几大标题。

机器人写新闻真的会让记者们因害怕失业而感到恐慌吗？

"知道机器人会代替写新闻，但不会这么快啊，人工智能目前是辅助人类工作，不能完全替代”。

“不恐慌，机器人不会讲故事”。

“人有思想和创造力，并不是所有的新闻机器人都能写。而且机器人也不会采访啊，一些细腻的东西还是需要人去发现。它能促进记者更好地发展自己，提高工作效率，不必为一些繁琐的事情浪费时间，我觉得，任何时候，它都是一个行业的辅助器”。

“风口在下个世纪”。

“还好吧，能代替的都是重复性的新闻而已。就像文学创作一样，有些报道，至少目前是没办法替代的，比如西龙老师（为求证新闻事实）蹲点派出所”。

这是星球君访问的几位资深科技媒体记者，没有人因惶恐失业哭晕在厕所，相反，倒是冷静得很像实力派。

事实上，机器人写稿的新闻早就见怪不怪了。statsmonkey是世界上最早操作新闻的人工智能软件，它2009年就完成了美国职业棒球大联盟季后赛第一篇机器人稿件的撰写。

2015年开始，《纽约时报》blossom、《华盛顿邮报》truth teller、《洛杉矶时报》智能内嵌模版、《卫报》open001、路透社的open calais、美联社的wordsmith六家国际顶级媒体分别有了各自的机器人服务系统。

让我们来看看这几大机器人系统的应用成果，以美联社wordsmith为例，其ai系统能够在上市公司公布业绩后，仅0.3秒就可以发布一篇盈利报道，而0.3秒的时间，其他新闻媒体的记者恐怕连标题首个单词都还没有写完。

此外，在使用wordsmith之后，美联社每季度可以出3000家公司财报，虽然其中仍有120篇需要人力更新或添加独立的后续报道，但显然，它替人类编辑承担了绝大多数的工作量。

《纽约时报》blossom，它与wordsmith还不太一样，主要职责并不是写文章，而是辅助编辑挑选出当日潜在热文，往社交网站等平台进行针对性推送。目前，《纽约时报》通过blossom能推送300篇文章。而它挑选的文章平均阅读量是普通文章的38倍，且每天能够工作24小时不间断。

在国内，腾讯于2015年8月率先推出了写作机器人“dreamwriter”。这位由腾讯财经开发的自动化新闻写作机器人，能够根据算法在第一时间自动生成稿件，瞬时输出分析和研判，一分钟内将重要资讯和解读送达用户。

以下就是在dreamwriter写的一篇2015年8月cpi材料的新闻，摘取一小段：

文中除了列出cpi 详细数值外，还引入了多位分析师的观点。从抓取资料到成稿发布，前后仅花了一分钟。

同年11月，新华社也带来了“快笔小新”写稿机器人，主要供职于新华社体育部、经济信息部和中国证券报，写体育赛事的中、英文稿件和财经信息稿件为主。

紧跟着，今日头条xiaomingbot、第一财经dt稿王、百度度秘解说相继介入人类编辑的日常工作。

其中，张小明（xiaomingbot）机器人在里约奥运会后的13天内，共撰写了457篇关于羽毛球、乒乓球、网球的消息简讯和赛事报道，每天30篇以上。不仅囊括了从小组赛到决赛的所有赛事，而且发稿速度之快几乎与电视直播同步。

从写作形式和内容丰富度来看，机器人写出来的新闻在语法上和人类并无区别。甚至，“张小明”还能模仿人类的语气，使用如“实力不俗”、“笑到了最后”等生动的表达。

“dt稿王”则是在阿里巴巴战略入股第一财经后，双方共同酝酿、联合推出的一款写稿系统，主要以股市异动为新闻切入点，报道更新更加频繁。平均每天需要发布1900篇公告，这是一位资深证劵编辑100个小时才能完成的任务。

百度度秘解说则参与了里约奥运会篮球比赛的文字直播解说。“杜兰特3分出手，空心入网，这球没法打了。”“阿联上篮，被乔治犯规了！”“斗胆一猜吧，今天男篮的小伙子最多输40分！打得非常棒！加油！”都出自度秘。

或许你已经看出来了，机器人写稿主要在体育、财经、天气预报等垂直化领域，因为这类文章普遍文本信息少、数据信息多，更新更频繁，往往每天需要滚动成千上万条信息。

因此，江湖传闻的“写稿机器人”并不是说它本身有多高明，而是在于其新闻生产可以不依赖于现场采访获取素材然后写成稿件，主要是通过对现有数据、资料，快速搜集加工编制而成。

这对大脑有时短路、百忙中难免出错的人类编辑来说，无异于是种解放。而在这些消息上使用机器人写作，记者也可以从疲于奔命式的“抢新闻”中解脱出来，对事件背后的新闻线索进行更多深入的挖掘和思考，投入更多深度报道。

可以这么说，新闻机器人所能做的只是在现有数据库的支持下，对文章进行词汇和语句的抓取，然后进行排列组合，就好像在做一个复杂的填字游戏，但其对文章的深度理解能力还远远不能和人类相提并论。

有趣的是，在张小明关于奥运会男乒半决赛的一篇报道中，它写道：绝望之际，失败女神朝其抛出了橄榄枝。显然，机器人没能领会“橄榄枝”在自然语言中的含义。

人工智能系统在进行新闻创作时需要解决非常多的技术难题，包括自然语言处理中的自动摘要、文本分类等，还有知识库和知识发现（kdd）等相关技术，比如实体定义、关系抽取、问答系统等。

简单来说，就是机器首先需要理解自然语言，然后通过知识管理弄明白新闻中各个要素（各类知识）之间的关系。当然，随着机器学习能力的提高，这种低级错误也是可以避免的。

在头条实验室负责人李磊博士看来，“张小明最大的意义在于，面对奥运会这样同时举行上百场比赛的综合赛事，记者很难关注到每一场比赛，而机器人可以任劳任怨的为每一场比赛报道，无论这场比赛多么冷门和不重要。传统新闻理论并不认为这些冷门比赛或者热门比赛（比如乒乓球）的前几轮小组赛有新闻价值，可是通过我们的平台测试，我们发现对冷门场次的报道任然有可观的阅读量”。

随着ai技术在新闻领域的参与程度越来越高，其是否会造成失业问题的争论也愈演愈烈（当然，星球君比大家更关注这个话题）。

牛津大学此前就发布了一篇报告称，未来47%的工作岗位将最终被自动化。但是，工作被取代，并不意味着劳动者将失去工作，就好像曾经汽车的出现取代了马车夫和马童，但同时也创造了更多修建高速公路和服务加油站的工作。

对媒体来说同样如此。在讲求快速时效的新闻领域，机器人的机敏、不知疲倦以及高速运转无疑是它最大的优势——机器人擅长海量数据的应用和分析，但在需要投入情感、观察、体验甚至创造力的新闻里，人类记者至今甚至很长一段时间里仍无可替代。

以上是网络信息转载，信息真实性自行斟酌。