隨著機器人轉變了整個制造經濟的整整條件，人工智能和自動化現在正在改變信息工作，讓人類將認知勞動到計算機卸載。例如，在新聞中，數據挖掘系統的記者向潛在的新聞故事，次要求提議受眾的新方法來探索信息。自動化寫作系統生成金融，體育越來越覆蓋。

Acommon Rispectionas這些智能技術滲透各種行業的工作和勞動力將受到影響。在這種情況下，誰 - 或者在這個AI增強和自動化世界中做的新聞，以及他們將如何做到？

我在我的新書中組裝的證據“自動化新：如何重寫媒體的算法“表明AI啟用的新聞的未來仍將有很多人。但是，這些人的工作，角色和任務將進化并看起來有點不同。人類的工作將與算法混合 - 共混 - 以適應AI的能力并適應其限制。

增強，不替代

一些估計目前的AI技術水平只能自動化記者工作的約15％，占編輯工作的9％。人類仍然在幾個關鍵領域擁有非好萊塢AI的優勢，包括新聞，包括復雜的溝通，專家思維，適應性和創造力。

報告，聆聽，響應和推遲，與來源談判，然后使創造力將其放在一起 - AI可以不做這些不可或缺的新聞任務。但是，它通?？梢栽黾尤祟惖墓ぷ鳎詭椭藗兏旎蚋纳瀑|量。它可以為深化新聞報道創造新的機會，并使其更適合欣賞讀者或觀眾。

新聞室工作始終適用于新技術的波浪，包括攝影，電話，電腦 - 甚至只是復制機器。記者也將適應AI的工作。作為一種技術，它已經并將繼續改變新聞工作，通常補充，但很少替代訓練有素的記者。

新工作

我發現更頻繁的是，AI技術似乎實際上是在新聞中創造新的工作。

例如，在2017年，在2017年使用計算機Vision AI Techniquesto標記了每天處理的數千個新聞照片。系統可以標記有關圖像中的信息，其攝影風格以及圖像是否描繪圖形暴力的信息。

該系統給予照片編輯更多的時間思考他們應該發布的東西，并將它們釋放到花費大量的時間只是標記它們所擁有的東西。但是，開發它需要一定的工作，兩者都是編輯和技術：編輯不得不要P出來標記和算法是否達到任務，然后開發新的測試數據集以評估性能。完成所有已完成的情況下，他們仍然必須監督系統，手動批準每個圖像的建議標簽，以確保高精度。

監督該項目的AP行政斯圖爾特邁爾斯告訴我，花了大約36人的工作，蔓延了幾年，超過了十幾個編輯，技術和行政人員。他告訴我，大約三分之一的工作，涉及新聞專業知識和判斷，特別難以自動化。雖然未來可能減少了一些人類監督，但他認為，隨著系統的發展和擴展，人們仍然需要進行持續的編輯工作。

半自動內容生產

在英國，TheradarProjectsemi-自動抽出每月8,000個本地化新聞文章。該系統依賴于發現由地理區域制訂的政府數據集的穩定六位記者，確定有趣和新聞價值的角度，然后將這些想法發展成數據驅動的模板。模板編碼如何將文本的自動定制到數據中標識的地理位置。例如，一個故事可以談論英國的老齡化人口，并展示盧頓的讀者他們的社區如何變化，有不同的本地化統計數據的布里斯托爾。然后，故事通過電線服務向選擇發布的本地媒體。

該方法將記者與自動化融入有效和生產過程中。記者使用他們的專業知識和溝通技巧來為故事情節鋪設故事的選擇，這些數據可能會遵循數據。他們還與來源進行談話以收集國家背景，并編寫模板。然后，自動化作為生產助手，適應不同位置的文本。

雷達記者使用一個名為Arria Studio的工具，它可以一瞥自動化內容在實踐中的樣子。它真的只是一個更復雜的文字處理界面。作者將文本的碎片寫入由數據驅動的if-well-else規則控制的文本。例如，在地震報告中，您可能需要一個不同的形容詞談論幅度8的級別，而不是一個幅度3。所以你有一個規則，如果幅度> 7那么文本=“強烈的地震”，否則幅度<4然后文本=“次要地震”。像Arria這樣的工具還包含語言功能，以自動共軛動詞或下降名詞，使得可以更輕松地使用需要根據數據更改的文本。

像Arria這樣的創作界面允許人們在邏輯上做出他們擅長的事情：邏輯上結構構建了引人注目的故事情節和制作創意，非素質文本。但他們還需要一些新的寫作方式。例如，模板編寫者需要了解一個故事，了解可用的數據可以說的 - 以想象數據如何產生不同的角度和故事，并描繪邏輯以驅動這些變化。

監督，管理或記者可能呼叫自動內容系統的“編輯”也越來越多地占據新聞室中的人。保持質量和準確性是新聞中最重要的。

雷達開發了三級質量保證過程。首先，記者將閱讀所有制作的文章的樣本。然后另一個記者追蹤在故事中索賠回其原始數據源。作為第三個檢查，編輯器將通過模板的邏輯來嘗試發現任何錯誤或遺漏。它幾乎就像這項工作，軟件工程師團隊可能會在調試腳本方面做 - 這一切都是人類必須做的，以確保自動化正在準確地完成工作。

發展人力資源

像相關印刷機和雷達的那些倡議表明，AI和自動化遠遠不斷摧毀新聞中的工作。他們正在創造新的工作 - 以及改變現有的工作。明天記者需要接受設計，更新，調整，驗證，正確，監督和通常維護這些系統的培訓。許多人可能需要與數據合作的技能和正式的邏輯思維來對該數據進行行事。使用計算機編程的基礎知識也不會傷害。