几周前，Twitter发布了最新财报。公告发布后，公司股价上涨，似乎正朝着盈利迈进。“Twitter第三季度亏损2110万美元，但剔除一次性费用和收益后，利润好于预期”，一位评论人士写道。“周四开盘前，Twitter Inc.股价飙升近9%。”
事实上，这段文字的作者是一个名为WordSmith的人工智能（AI）程序。它能将结构化数据转化为引人入胜的文本，与人类作者撰写的文字难以区分。
人工智能在新闻业取得的进展，只是这项技术即将迎来快速突破的一部分。人工智能在各种任务上的能力不断提升，其中包括许多过去被认为属于人类的领域，如下方信息图所示。预计2015至2025年间，人工智能产业的复合年增长率（CAGR）将达到50%，到2025年产业规模有望达到1270亿美元。“未来十年，人工智能将成为技术支出增长的最大驱动力，”美国银行美林董事总经理Sarbjit Nahal表示。
随着这一产业发展，许多创意产业的部分环节将实现自动化，因为它们的价值链运作方式相似。每个产业都从内容创作或收集开始，接着进行处理和编辑，最后完成分发。一旦人工智能掌握了某种创意流程的运作机制，就能迅速应用于其他流程。
新闻业是创意经济中已将人工智能应用于内容创作流程的一个领域，也为这项技术在其他创意活动中的发展提供了范例。在这条价值链中，人工智能正通过三种方式改变新闻实践。
1. 自动化常规报道：人工智能在新闻业的应用帮助媒体迅速扩大报道范围；美联社利用人工智能生成企业收益报告，将报道的公司数量从300家增加到4000家。一项斯坦福大学的研究发现了证据，表明新增报道的公司交易活动和市场流动性均有所提升，从而增强了市场。
在业内其他地方，NarrativeScience联合创始人预测，15年内多达90%的文章将由人工智能撰写。类似技术还可将长篇文章摘要成适合社交媒体传播的短小内容。这项技术能为记者节省时间，让他们腾出精力采访真实的人。
“叙事不过是数据可视化的另一种形式。想想一位年轻的体育记者；他会说自己并不害怕。他可以让人工智能撰写高中棒球报道，这样就能出去做更有意思的事，”BuzzMachine创始人Jeff Jarvis说。
2. 更快提供洞见：人工智能能够即时响应实时数据，并据此勾勒出报道框架。大型共同基金发布的季度报告，例如业绩报告和归因报告，过去需要一小组投资组合经理耗费数周起草。如今，人工智能只需几秒钟就能准备好这些报告。
作为最大的新闻服务提供商之一，路透社已与Graphiq合作。Graphiq是一项利用人工智能创建和更新数据可视化内容的服务。该工具能让人们更快获取数据；这些可视化内容嵌入新闻报道后，还会实时更新。
3. 降低进入门槛：最后，人工智能可以减少内容创作流程中的人为参与——事实上，如今人工智能已被用于让记者在几秒钟内根据文本制作短视频，或收集来自一线的信息。然而，这并不意味着记者不再必要。妥善运用人工智能，可以帮助地方和区域新闻机构创作引人入胜的内容，与大型编辑部竞争。如果新闻报道的质量较少取决于某一位记者的技能或经验，如今最大的新闻公司可能会失去部分受众，让位给一些善用人工智能、充满活力的新兴机构。
“市场上的内容供过于求，竞争的唯一方式就是同时提供更多、更好的内容。出版商可以通过自动化提升产量，通过增强技术提高质量，从而让内容有别于其他提供者，”美联社人工智能项目联合负责人Francesco Marconi表示。
创意领域人工智能面临的7项挑战
随着人工智能开始更深入地进入新闻业及其他创意活动，我们确定了7项亟待解决的关键挑战：
技术挑战
1. 数据可用性：机器学习在数据充足时效果最佳，因为系统可以从中发现规律、加以学习，并据此优化。人类只需几次类似经历，就能类比经验并直觉判断最佳应对方式；而人工智能需要大量数据，才能判断正确的应对方式。缺少可用数据会限制人工智能的能力。乐天首席数据战略官Takuya Kitagawa表示：“要让深度学习有效运行，可能需要数百万个数据点。”
2. 理解非结构化数据：人工智能也难以处理非结构化数据。体育比赛结果或收益数据等表格信息，可以借助标准化模板轻松转化为文章；但如果人工智能要在创意经济中得到更广泛应用，就需要能够利用并综合非结构化数据，而如今大多数可用数据都属于这一类。
3. 缺乏自我认知：人工智能无法解释自己的输出：它为什么这样写，或者如何得出这样的结果。要理解数据如何转化为特定报道，就必须审慎考虑如何设计人工智能，使其对用户负责。一种实现方式——特别是在人工智能具有天然优势的数据密集型内容领域——是允许用户调整算法参数，观察结果如何变化。将人工智能用于新闻时，还应考虑是否需要制定新的新闻标准，让用户知道报道是由机器还是人类撰写的。
4. 核实真实性：人工智能无法判断收到的输入准确与否。这会带来真实性方面的问题：如果人工智能收到可疑输入，相应输出就可能是虚假的。解决办法是开发并实施相关机制，确保在线分享的文章真实可信。这些机制可以包括事实和来源的元数据及引用回链。
治理挑战
5. 重新界定版权与合理使用：新技术经常对创意产业的版权法构成挑战。机器学习可能引发新的冲突，因为人工智能会从人类创作的“表达性”作品中学习——例如文章、绘画或音乐等通常拥有权利人的数据集——并生成自己的输出。这很可能会考验对“合理使用”的法律解释：即未经许可或支付版税，使用受版权保护的材料创作新的、具有“转化性”的内容。
6. 确保企业问责：由于人工智能无法承担法律责任，内容价值链的所有阶段都需要落实人的问责。Facebook、Google和Twitter等内容分发者拥有无与伦比的力量，可以影响并塑造公众舆论，因为人工智能算法会决定呈现在用户面前的内容相对价值。因此，作为生产资料所有者的平台有责任防止其开发的算法传播和推广有害信息。虽然需要采取更有效的措施，从源头遏制故意误导性内容，但人们或许也会问：虚假新闻和虚假信息之所以持续存在，是否因为提高用户参与度的商业诱因实在太难抵挡？
7. 加剧权力不对称：最大的新闻编辑部正在开发自己的人工智能，但规模较小的媒体可能缺乏资金或专业技术，因此不得不为专有内容取得许可。令人担忧的是，选择“购买”而非“自建”会助长一场“人工智能军备竞赛”，使权力集中在少数几家公司手中。随着人工智能在创意经济中日益普及，其他领域也可能出现类似局面——正如广告业越来越依赖科技巨头来推动收入增长，其他创意产业的运营基础设施也可能由硅谷设计。
尽管面临这些挑战，世界经济论坛对这项技术的发展持乐观态度。然而，持悲观态度的人有理由质疑，我们是否应完全信任行业自行监管。OpenAI等组织指出：“业界正向人工智能研究投入巨额资金，商业实体和私人机构即将创造出首批强大的人工智能系统，而这些实体并没有内置机制来确保每个人都能从技术进步中受益。”
信息与娱乐未来系统倡议将在即将开展的研究中继续探讨人工智能在其他创意产业中的作用。研究成果将在未来几个月发布于我们的掌握新现实项目主页。目前，这篇文章由一位凡人执笔。
本文是相关文章系列的一部分，该系列探讨了若干技术（虚拟现实/增强现实、人工智能和区块链）对创意经济的颠覆性影响。
除文中引用的专家外，作者还要感谢以下人士为本文提供意见和评论：Automated Insights的Robbie Allen；雅虎日本的Kazuto Ataka；伦敦政治经济学院的Charlie Beckett；Hello Vera的Liangliang Cao；Sparrho的Vivian Chan； 加州大学伯克利分校的Trevor Darrell； 英国互动媒体协会的Luba Elliot；Digital Reasoning的Tim Estes；Hello Vera的James Fan；牛津互联网研究院的Luciano Floridi；Narrative Science的Stuart Frankel；Factmata的Dhruv Ghulati；纽约市媒体实验室的Justin Hendrix；乐天的Takuya Kitagawa；Zeroth的Tak Lo；Klustera的Pablo Martinez Flores； 美国银行美林的Sarbjit Nahal；Jukedeck的Ed Newton-Rex；卡内基梅隆大学的Illah Nourbakhsh；牛津互联网研究院的Vyacheslav Polonski；《纽约时报》的Nick Rockwell；加州大学伯克利分校的Stuart Russell； Cortico的Russell Stevens。
