寫稿機器人對媒體內容生產會帶來哪些改變？還有哪些先進技術改變了傳統媒體或新媒體的內容生產？

01-28

作為混跡媒體和產品技術圈對互聯網略有經驗的老江（you）湖（tiao），有些問題想與大家討論。

關於機器人對媒體內容的影響，知乎上的網友已經給了很多回答，我主要分析一下第二個小問題：還有哪些先進技術改變了傳統媒體或新媒體的內容生產？

已經有知友提到《紐約時報》研究與發展實驗室提出的「Particles」了，那麼，「Particles」到底是什麼？有實際應用了嗎？先從《紐約時報》提出的這套理論說起。

這套理論核心是：給新聞編碼。官方解釋為以「積木式」的編輯模式改變新聞生產、分發全部環節，並最大限度釋放媒體人的生產力。

具體的做法是，把文章編碼，把可能會被重複使用的部分識別出來並加以注釋，這一過程被稱為Particles（顆粒）。也就是說，所有的資訊內容都被轉化為了可供拼裝的「顆粒」，每個部分都被重新編碼，添加標籤，而且是可以被嵌入的。

由於實現「顆粒」編碼的成本太高，《紐約時報》實驗室還在不斷研發中。不過，與《紐約時報》是將文章內容編碼，進行顆粒化的理念不謀而合，國內外已有此類資訊應用上線，並且很可能正在使用它。

在蘋果APP Store上，國外它叫「Particle News」，國內叫「一點資訊」。

Particle News和一點資訊不僅將內容顆粒化，還讓用戶的興趣表達和發現也顆粒化，從而使內容組織和分發顆粒化。能做到這一點，是因為其建立在「興趣引擎」之上，用戶可以按照自己的長尾興趣來搜索、訂閱個性化頻道，同時在用戶興趣表達顆粒化（訂閱個性化頻道）之後，機器再基於用戶的主動表達和各種使用行為來推薦關聯頻道，以拓展用戶的興趣空間，最終實現興趣發現的顆粒化，從而讓用戶快而準確的觸達全網化的優質內容。

具體來說，Particle News（一點資訊）的用戶可以通過訂閱關鍵詞的方式直接精準定位他所需要的「Particle」到底是什麼，不僅如此，還能實現多個關鍵詞同時訂閱，這是與社會人多重身份相符合的。

拿大家最常調侃的廣（ku）大（bi）程序員來說，他可能喜歡動漫，同時又是一個奶爸，或者其他身份，那麼他可以同時訂閱「編程技巧」、「動漫」、「胎教」等頻道，興趣引擎則能滿足他們的這種需求，這就是所謂的的興趣顆粒化的組織與分發。

也就是說，紐約時報的Particles是內容生產的顆粒化，而興趣引擎則同時還聚焦內容組織和分發的顆粒化。

寫稿機器人在國外已經有了比較成熟的運用經驗，比較有名的是《紐約時報》數字部門開發的Blossom，是基於協作工具Slack軟體上的虛擬智能機器人。他的工作原理是對海量文章大數據分析，挑選合適的文章或內容，獨立制定標題、摘要文案、配圖等，除了《紐約時報》，美聯社和雅虎也在使用寫稿機器人。

美聯社的寫稿機器人主要集中在財報文章類，這類文章對數據的準確性和速度要求較高，屬於重複的機械性工作，機器人剛好可以替代人力完成這部分工作。不過，對於深度稿、行業稿等專業和分析性比較強的稿件，機器人還是不具備優勢。

從現在媒體內容生產情況來講，內容為王回歸主流，但標題黨和內容同質化的現象也在困擾著媒體。先進技術改變媒體內容生產，《紐約時報》研究與發展實驗室給出新的方向：Particles，國內媒體譯為文章積木。紐約時報認為，這是媒體業未來的拯救者。

所謂文章積木，就是寫每一篇文章的時候，需要對裡面可能被重複利用的知識進行識別和注釋，這些經過編碼的知識可以被直接捕捉和使用。至於文章積木是怎樣拯救媒體業的，大家可以參考這篇譯文：《紐時》：拯救媒體業要給新聞「編碼」，在這裡就不一一贅述了。

Particle 這種關鍵詞訂閱模式，谷歌10多年前就有了，谷歌把搜索到的內容匯聚成郵件發送。

科技改變生活啊。

鑒於專業人士已經進行了全面解答，我從其他角度講解一下。

先看幾個名詞：大數據、雲計算、搜索引擎、推薦引擎、興趣引擎。

這幾個名詞具體是什麼意思可以參照某度。大數據和雲計算似乎所有行業都可以建立在兩者之上，這次重點在最後按發展順序排列的三大引擎。

或許有人不理解這幾個詞的意思，以下是簡單的定義：

大數據：對大數據的定義，麥肯錫全球研究所是這樣給出的：一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統資料庫軟體工具能力範圍的數據集合，具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特徵。

雲計算：美國國家標準與技術研究院（NIST）這樣定義，雲計算是一種按使用量付費的模式，這種模式提供可用的、便捷的、按需的網路訪問，進入可配置的計算資源共享池（資源包括網路，伺服器，存儲，應用軟體，服務），這些資源能夠被快速提供，只需投入很少的管理工作，或與服務供應商進行很少的交互。

搜索引擎：是指根據一定的策略、運用特定的計算機程序從互聯網上搜集信息，在對信息進行組織和處理後，為用戶提供檢索服務，將用戶檢索相關的信息展示給用戶的系統。搜索引擎包括全文索引、目錄索引、元搜索引擎、垂直搜索引擎、集合式搜索引擎、門戶搜索引擎與免費鏈接列表等。

代表有門戶新聞媒體，例如騰訊、搜狐，內容是依靠龐大的編輯團隊來寫的，可以說是內容的生產方，所有用戶搜索的完全一致。

推薦引擎：是主動發現用戶當前或潛在需求，並主動推送信息給用戶的信息網路。體來說，推薦引擎綜合利用用戶的行為、屬性，對象的屬性、內容、分類，以及用戶之間的社交關係等等，挖掘用戶的喜好和需求，主動向用戶推薦其感興趣或者需要的對象。

今日頭條為代表，結合大數據技術和雲計算技術，依靠用戶閱讀行為分析進行推送，每個人推送的內容有所差異。

興趣引擎：是一點資訊獨創的專利技術，在底層技術架構上把搜索引擎和推薦引擎有機交融，既提取了搜索引擎的數據爬取、文本分析等技術優勢，也結合了推薦引擎利用個人畫像推送內容的形式，可智能分析用戶興趣愛好，從而為用戶精準推薦他們真正感興趣的內容。

代表者從某度對它的定義中就能看出來，一點資訊。用戶可以在一點資訊訂閱頻道，所以用戶在文章選擇中佔據主動權。

請注意，搜索引擎是門戶新聞，生產內容，後兩者只是資訊平台。三者各有所長，至於用戶如何使用全憑個人喜好。

軟硬體兩方面都會有不同的方向，我還是蠻同意一切皆媒體的判斷，不過長久來說，並不容易。前人把低垂的果實都給摘了，後續的人想要摘就沒那麼容易了。

我想要個寫稿機器人，全世界只有我一個人有~~~~~~而且大家都不知道~~~~~

長遠來看，機器人寫稿難以避免，部分常規稿件將被機器人代替。

資料來源wind

各家都推出自己的寫稿機器人，功能大同小異，科技改變生活，科技也改變小編

這個再次證明高質量內容生產率還是太低了，機器人已經看不下去了，人類太low了

人定勝天。