前言：中文期刊网精心挑选了新闻稿格式模板范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
新闻稿格式模板范文1
关键词：人工智能；智能传媒；美联社；智媒实践
中图分类号：G702文献标志码：A文章编号：1001-862X（2017）03-0134-006
一、人工智能的内涵、技术梯度及其在新闻传播领域中的应用
人工智能（Artificial Intelligence，简称AI），作为计算机学科的一个重要分支，是由McCarthy于1956年在Dartmouth学会上正式提出。学术界认为，人工智能是一门研究运用计算机模拟和延伸人脑功能的综合性科学，其假设电脑系统具有人类的知识和行为，并具有学习、推理判断来解决问题、记忆知识和了解人类自然语言的能力。人工智能的产生过程为：对于人类因问题和事物而引起的刺激和反应，以及因此而引发的推理、解决问题、判断及思考决策等过程，将这些过程分解成一些步骤，再通过程序设计，将这些人类解决问题的过程模拟化或公式化，使电脑能够有一个系统的方法来设计或应付更复杂的问题。[1]
人工智能在新闻生产链条中的运用根据算法的使用程度呈梯度分布：第一梯度是计算智能在新闻生产中的运用，能够辅助记者储存和快速处理海量数据，人工在新闻生产中占据主导地位；第二梯度是感知智能，机器能够代替记者完成“看”和“听”的相关工作，在“采、写、编、评”的新闻生产过程中采用人工与算法相结合的方式；第三梯度是认知智能，机器可以全面辅助或者代替人类，实现几乎完全依据算法进行新闻生产。总体上，人工智能在新闻生产中的应用处于计算智能向感知智能的过渡阶段，部分领域如机器新闻写作已步入认知智能的初级阶段。
1.在新闻和信息来源方面
（1）“传感器”新闻崭露头角。在新闻和信息的来源方面，“人工智能”越来越站在新闻生产的前台。它主要是通过对相关新闻数据库所需数据的自动化采集、处理和分析，经过人工智能算法把数据内容新闻化，即时输出准确、客观的新闻信息产品。目前，尤以“传感器”新闻为引人瞩目。
传感器（sensor）是一种收集特定数据信息的监测装置，能感受到被监测对象的信息，继而转换成为电信号或其他形式予以输出，以完成信息的记录、传输、存储、显示和控制。[2]所谓“传感器”新闻就是通过人工智能算法对上述数据进行统计分析和判别而输出的一种自动化的机器新闻产品。如对于地震台网相关传感器的数据、对于体育比赛相关传感器的数据、对于股市相关传感器的数据等等（未来还可能基于对人体的可穿戴设备传感器的数据等）进行信息加工处理和判别所自动生成的新闻。这种“传感器”新闻的特点就是与事态发生几乎同步，并且客观、准确。目前传感器新闻在传媒业的应用尚在起步阶段，其中有两个问题是人们普遍关注的：一是传感器入侵个人的生活空间，让人在传感器数据收集的环境下对个人隐私的保护产生疑虑；二是传感数据的准确程度在很大程度上依赖传感器的质量、测量指标级算法模型的有效性、可靠性。
（2）语音识别技术极大提高了现场采访与处理资讯的效率。人工智能虽然不能取代记者作为采访者的角色，但在技术方面己经有较先进的人工智能技术可以大大优化和节省记者编采的时间成本。 2015年底科大讯飞股份有限公司研发出语音识别技术，让计算机能够“听懂”人类的语言，提取语音中的文字信息，即时迅捷地将语音信息转化为文字信息，不但误差率极低，而且可以“听懂”各种方言和人的口音。这种语音翻译系统大大地提高了采访资料整理的效率。
（3）“新闻人物”的虚拟影像技术取得突破性进展。2016年10月4日《中国日报》通过整合人工智能技术，采访真人而制作虚拟视像面世，[3]这一人工智能所虚拟出来的“新闻人物”的影像可全天改变表达方式。虽然这项技术尚处于起步阶段并有很大的改善空间，但它对新闻来源的使用方式提供了一个具有巨大想象力的空间。
2.在新闻的内容生产方面
（1）C器新闻写作。人工智能在语言文字写作方面的技术具体表现在“机器新闻写作”上，它“是指自动根据算法将目标数据通过自然语言生成的方式输出文章的一种人工智能技术，它的核心在于自然语言生成技术。”[4]在对资料数据进行分析后，人工智能可通过分词法和语义理解来进行基本的情感分析，进而进行新闻角度的选择。
目前的机器新闻写作可以在分析信息数据所得的结果上自行提炼出新闻角度，根据新闻类型套用相应的文章模板，从而生成完整的新闻稿。从当前的发展现状来看，算法不仅可以及时地捕捉数据信息，同时还可以对作家和记者的写作风格进行模拟，实现特定文风的定制。[5]然而，目前新闻写作只能把数据分晰和整合的结果进行结构化处理，重新排列组合，对模块进行内容填充，加上一些简单的语义加工和风格调整。
（2）语音新闻生成。以美联社为例，2016年，他们开发了一个把文字新闻自动传换成广播的程序。虽然美联社目前还没有对此程式进行过实际演练和质量控制试验，但可以肯定的是，这个程式己经可以识别一些篇幅短、语句偏简洁的条目。因此，文字新闻与广播格式新闻的自动无缝转换将是人工智能在新闻产业的发展趋势。
（3）直播过程的自动监播。在技术的发展下，大大小小的直播平台不断衍生，它们比传统传媒更具及时性，成本更低，而且这种类型的全民主播比专业播音员更具亲民性和娱乐性，因此，直播平台将成为传媒界的新机遇。与电视一样，低俗及不雅语言和内容在网络直播中是被明令禁止的，然而，每天成千上万的直播视频以及用户评论，是人工审核难以完成的。随着人工智能的应用，对直播环境的塑造也有着崭新的监控方法：通过人工智能去对文字、语音、图片、视频、直播等进行审查，利用人工智能深度学习在内容审核领域的应用，比如Gootion、网易易盾等，根据多年在安全领域违规词库的沉淀和神经网络学习能力，实现了对目标文本进行精确匹配和快速识别。
3.在新闻策划与推送方面
（1）智能化地抓取热门话题。在2016年8月，Facebook解散了负责“热门话题（Trending）”的团队，改以利用人工智能算法来抓取数据，通过对用户搜索、浏览的分析，对热门搜索词进行排序，抓取热门话题呈现给受众。此外，以报导科技新闻为主的新型媒体Mashable开发了Velocity人工智能数据分析系统，能在30秒内分析3亿个不同的页面链接数据，从而识别网络流行趋势，预测可能成为热点的内容，并能监测全球社交平台的实时热点。Velocity还能发现新闻传播的“饱和点”，预测新闻热度消退的时间。这种利用人工智能技术以数据为基础来抓取热点新闻，可以覆盖更多话题，大大降低了时间成本，且避免了出现人工编辑团队可能受公司立场和员工的个人偏见影响筛选内容的情况。然而，热门话题演算法在很大程度上依赖话题的相关文章的点击和分享率，但高点击和分享率并不与新闻质量挂钩，因此这种以人工智能演算法得出的热门话题较容易让假新闻登上版面，致使新闻失去“把关人”的把关。
（2）海量资讯简洁化的个性推送。面对网络上的海量新闻，大众要获得有用信息可谓大海捞针；通过人工算法实现个性化推送，根据用户的阅读习惯、阅读时长等各种数据分析受众喜好，自动分类出推送内容。随着人工智能技术的发展，出现了以对话形态获取新闻内容的阅读模式，通过人工智能把分析得出的相关新闻进行汇总，并运用自然语言处理技术，提取信息的核心内容，方便用户更快捷地获取具有针对性的信息。如“百度”推出的“聊新闻”通过对新闻信息进行分类及结构分析、信息特征学习等，自动为用户提供最核心的信息[6]，以深入聊天的方式呈现用户所想要了解的新闻内容要素。这种以人工智能来进行个性化推送的模式可以为用户节省搜索时间，方便用户进行简洁化的阅读。
二、美联社的实践：一个智能传媒的先行探索
通讯社与报社、广电机构等传媒形态有明显不同，扮演着位于新闻生产链前端的批发商或“龙头”的角色，这种组织形态是一种适应市场经济条件与大规模生产的组织形式和运行模式。为了与这种规模化生产相适应，美联社正在尝试利用机器学习将新闻生产过程实现自动化转换，并借此缓解记者的压力，提高新闻报道量，拓展报道范围与业务领域。 2015美联社制定了一个5年（2015―2020）战略规划，2017年美联社将有可能实施7个项目，其中包含新闻的智能化生产。美联社战略及企业发展部高级副总裁Jim Kennedy希望美联社在2020年之前，80%的新闻内容生产都能实现自动化。
1.新闻内容采集
（1）数据资源采集方式的转变。美联社的机器新闻生产利用了Automated Insight公司开发的Wordsmith 平台，该平台以自动化技术为基础，能接受任何格式的数据，通过算法运算生成图文并茂的报道，最后通过云服务进行多渠道实时。数据资源的获取与处理是Wordsmith基础工作的，可以对来源与客户的各种形式或格式的数据进行规模化和快速化处理。Wordsmith 智能化数据采集具有以下特点：
――数据来源的多样化： Wordsmith可以对客户的各种形式或格式的数据进行收集和处理，这些数据包含如Google Analytics等第三方提供的相关客户的运营、业绩、报道、批评、引述等相关数据；大数据技术也使得新闻数据源从传统记者转变为个体用户，涉及用户生成内容时，美联社与其投资的社交媒体内容管理系统SAMDesk合作创建了一个工具，将美联社的渠道策略和SAMDesk的用户生成内容源相结合。
――数据获取的规模化。Wordsmith 超强的数据采集、分析与处理能力能够大幅度提高效率，使新闻报道实现规模化生产。美联社的季度财报稿件的数量从 300 篇增长到 4400 篇，这种高效率、规模化的新闻生产方式是过去任何时代所无法企及的。[7]
――数据处理的高效性。Wordsmith 采用制式化新闻撰写方式，只需要将采集的数据输入已有的程序，便可立刻生产出新闻稿件，即时通过 Twitter、E-mail 等渠道，加快传播速度。例如，美联社在最短时间内苹果公司的财报新闻，其时效性远超其他媒体。时效性凸显新闻价值，使美联社在此类报道中脱颖而出。
（2）图像素材采集方式的转变。在图像素材的采集方面，美联社正通过智能硬件的辅助来实现新闻素材获取的规模化及高度时效性。摄影师们在里约奥运会上开始广泛使用的一种智能辅助拍摄设备，美联社除了调动了61位摄影师进行赛场拍摄，还提前在现场安装了八部机械人和数十部遥控相机，这种远程遥控相机可以自动变换角度以及镜头变焦。此外，远程控制的水下机器人可在最佳时机自动捕捉到最佳画面，能够动态实时地捕捉游泳运动员在水下的位置，然后将拍摄到的画面实时回传到摄影师的电脑上。这种水下相机不需要摄影师把握拍摄时机，摄影记者只需要更准确地调整基座和相机位置，进行拍摄。此外，美联社还使用智能手臂辅助摄影记者拍摄，这些实践都涵盖了人工智能技术的运用。
2.新闻内容制作
（1）自踊生成：机器写作及智能播报。Wordsmith让美联社实现了从以数据获取为中心的数据新闻到以规模化数据和人工智能算法为中心的机器新闻的演变，机器新闻写作超越了数据新闻写作“数据处理”的工作范畴，可以代替新闻工作者生成知识、见解和建议，按照Automated Insights公司的观点，这是一种“从大数据到高见”的跨越。从其关键技术领域而言，这应该是整合了数据库知识发现（KDD）以及自然语言处理（NLP）两个领域，属于人工智能范畴。
Wordsmith对信息价值的挖掘，包含分析数据与提炼观点两个部分。在新闻内容的呈现方面，主要是针对内容的结构和格式。Wordsmith 平台需要用其自然语言生成功能对此前的分析和提炼得到的观点进行故事化叙述，并按照需要生成适应的篇幅长短的新闻、推文，以及标题导语、可视化图表为主的内容等形式的文本。
在与风险投资基金Matter Ventures的合作过程中，5名美联社员工组成的团队尝试利用人工智能技术进行智能播报，将篇幅短、语句简洁、数据详实的新闻文字自动转换为广播版本。这个项目并不是简单的将新闻从文字到语音的形式转换，而是制造一个基于算法的模型，将用于识别文字中需要转化成广播格式的元素。这项试验是美联社将自动化应用于新闻领域的重要尝试。目前，这个项目还处于初级阶段，新闻广播版本后期依旧需要经过记者的人工审核与校准，以确保写出规范和准确的新闻。项目的最终目标是在智能技术的协助下，让文字到广播的自动转化达到不需要人工编辑和审校即可的水准。
（2）可视化呈现：数据新闻。数据与图表之间的智能转换是美联社在可视化呈现层面的重要尝试。目前，Wordsmith平台可以将文字处理图表转换为数据，可以对APIs、XML、CSCs以及各种文字处理图表等形式的数据进行“消化”，为下一步的数据分析与信息价值挖掘提供更为丰富的数据来源。Wordsmith还可以将数据自动转换成图表，运用自然语言生成技术对此前的分析和提炼得到的观点进行故事化叙述，新闻内容能够依据需求通过可视化图表的形式呈现。
（3）沉浸式体验：虚拟现实报道。美联社拓展人工智能版图另一个动作是在VR设备终端、360度全景式视频手机端等智能硬件上进行虚拟现实报道。美联社目前与密苏里大学唐纳德・W・雷诺兹新闻学院的研究者、AMD芯片制造商建立合作关系，推动虚拟现实技术在新闻报道领域的应用。从2016年7月份的法国尼斯恐怖袭击到里约奥运会，美联社已经制作了20个虚拟现实和360度全景式视频。美联社还推出了观赏性的奢华生活体验虚拟现实视频，但大多是针对特定内容进行虚拟现实报道，如地震、难民等，可以在关塔那摩监狱体验囚徒、在难民营体会难民生活等。虚拟现实新闻报道的新技术也将带来新的一场新闻革命，美联社的虚拟现实报道目前还停留在用户体验阶段，虽然只是低成本的制作虚拟现实报道，交互依旧是个难点。美联社还拓展直播版块，目前直播领域主要有AP Direct和AP Live Choice两大业务，全天候向用户提供重大突发新闻和地区性重大活动的直播视频，其中AP Live Choice能够通过3个频道同时直播三个事件。
3.新闻内容投送
人工智能驱动下的信息通路趋向于窄众化的内容生产与投送，美联社新闻内容的传播路径从过去的“面―点―面”模式转变为如今的“点―面―点”模式。借助于人工智能技术的支持，美联社通过对碎片化内容的聚合重组，利用标签聚类和差异化语言风格进行个性化的投送。当前美联社的新闻内容投送存在以下特征：
（1）碎片化聚合，个性化投送。目前美联社通过与智能平台“强强联合”，完成对碎片化文本进行结构性处理，实现精准个性化的内容投送。Wordsmith平台可以根据组织和个体的碎片化数据，如员工的表现评估、企业绩效分析报告、行业分析、行业竞争态势分析等，在数据聚合的基础上分析其情况与需求并实现定向内容投送，为用户提供精准个性化内容。美联社Wordsmith系统尤其擅长进行客户的财务情况和客户运动、健身情况的分析，实时收集动态数据，并能够将所生成的文章，通过多种方式，实时到客户指定的平台上。对听众制定个性化的内容，是美联社拓展新闻产智能化板块的另一个举措。美联社体育编辑尝试利用人工智能技术为赛事双方的支持者分别提供不同的新闻；记者们也考虑用不同的方式向国内外的听众分别提供广播。
（2）标签聚类、智能匹配。包括美联社在内的2000 家媒体加入了聚合类新闻 App ――News Republic，达成了新闻内容版权的合作 。News Republic可以对每一条信息来源做出单一信息来源或多重信息来源的判断，为新闻生成智能化标签并聚类，与不同受众群体相匹配。目前News Republic利用自己的语义分析系统分析每篇文章的意义，证实文章的原创性并将文章分类，在用户挑选的分类中生成头条新闻，为用户提供快速即时的阅读体验。
（3）机器新闻语言的风格化差异化。随着受众群体的不断细分，不同人群的语言风格差异愈发明显。美联社正尝试利用人工智能技术完成对各种语料库语言风格的智能学习，为不同群体传送不同风格的新闻报道。通过语言风格的差异化处理，同一条新闻报道可以同时适应高端人群、中层阶级、低收入群体等不同用户群体的阅读习惯及语言风格，大大提高了新闻生产的实用性和可读性。基于语言风格的智能化学习，美联社能精准匹配用户的语言风格，进行个性化的新闻表达，形成不同版本新闻的规模化生产。
三、人工智能范式驱动下传媒业的“洗心革面”
1.传播内容：从单一传播到全息传播
美联社的智媒实践表明，人工智能技术逻辑下的内容生产方式事实上改变了以往利用单一途径进行新闻生产的模式，通过多种人工智能技术的融合最大限度地形成了对某一新闻事件的全息传播：基于海量数据的支撑和算法的精准制导，美联社在获取数据后分析、提炼观点，并结合固有的结构和模式进行故事化叙事。与此同时，快速生成的文本还可以配合智能播报技术提供语音信息，配合可视化图表完成可视化新闻的转变，配合VR及AR技术实现读者的沉浸式体验。
@种融合机器新闻写作、智能播报、新闻可视化和VR技术的全方位新闻生产模式能够充分还原社会实践发生发展的过程，表达新闻事件的全息原貌，有效地规避了过去新闻受制于媒介传播的弊端与局限。基于数据和算法的准信息采集、加工的全面智能化，在互动传播、互动体验高度发达的助力下，能够达到全息传播的境界。而人工智能支撑下的VR（虚拟现实）、AR（增强现实）、MR（混合现实）技术将彻底颠覆大众传播时代的选择性传播，实现社会信息原汁原味的全息传播。
2.传播方式：由同质化到分众化、精准化
互联网技术的发展使得新闻资讯的获取更为便捷化、免费化，传统媒体和新兴媒体在竞争中也推动了传媒行业的融合变革，海量信息的生产带来的是同质化新闻的严重超载。单一、同质的新闻资讯已经难以满足不同受众人群的需求，有效采集“长尾资讯资源”的分众化、个性化的新闻成为了众多资讯用户的迫切需求。
机器新闻写作能通过对不同语料库语言风格的智能化学习，可以自动生成适应不同人群语言习俗的表达方式。美联社与News Public的合作增强了新闻资讯在传播渠道投放的精准性。人工智能驱动下的传媒产业正在通过对不同语言风格的智能学习，将聚类、标签化的新闻资讯精准投送给不同的受众群体。当前人工智能技术驱动下的传媒业正往分众化、精准化的趋势快速发展。当然，事实上，目前用户洞察数据的“聪明算法”还远不够聪明，容易造成 “信息茧房”的负面效应。但如果我们看到：算法本身是可以进一步优化的，尤其是以目前的行为数据匹配上用户间社会关系的属性数据；再辅之以通过“人机对话”聊新闻的方式、通过资讯类别的组团化、标签化处理，在可预见的未来，“聪明算法”对于人们真实需求的逼近是可能的和必然的。
3.传播主体：由受众到人机协调
在人工智能全面渗透到信息传播的全环节全要素之后，人的价值何在？控制论的创始人诺伯特・维纳（Norbert Wiener）深刻地指出：“人有人的用处！”
机器学习是人工智能的第一项普及化技术。一些简单重复、数量庞杂的工作可以用人工智能中的机器学习的方式来替代，减轻人信息加工的负担。根据现阶段技术发展的逻辑，我们有理由预计，2017年用于数据处理的人工智能技术将会有一些重大突破。现在对基于用户洞察和基于数据找寻信息传播的路径这一块的要求越来越高，这是传播绩效最基本的要求。而要开发非共性的“利基市场”、开发分众化的“长尾市场”，一定要有相关的数据作为路径导引和技术支撑。因此明年在这一领域会有比较大的提升。用户洞察、数据路径辅之以机器学习，会成为传媒业普遍使用的人工智能的一种方式。
在人际交互方面，人工智能也能帮助人去采集必要的相关资讯。《环球时报》的总编胡锡进就某一争议性话题撰写社论前，他通常会从其专家库中挑选左右各派的几位专家，在听取他们的意见后才下笔撰稿。这种传统工业化流程的社论撰稿模式其实是可以借助人工智能来完成的。人工智能能判断出众多专家的立场和政治标签，通过综合各派专家观点，如此一来在撰写评论时，话语空间和结构性把握相对来说会更加到位、更有把握。这就是人C如何互动的具体应用。
其实有些东西对人来说是困难的，但对机器来说是简单的。只要符合一定的规则，进行重复性的检索和采集对机器来说是再简单不过了。相反，如果我们要从跨界的角度来（下转第150页）（上接第138页）找到两者的关联，机器却很难做出一些超越其界限的评判，因为机器是在人制定的规则范围内运行的。李世石和Alpha Go在围棋对决中赢了一局恰恰是因为李世石下了一招很陌生的棋，但这步棋却超出了Alpha Go的认知范围，从而导致Alpha Go在后面的应对中显得很业余。现在机器对于规范性的文本可以进行很高效的处理，但一旦规则变了，机器就跟不上，这时候就需要人的帮助。因此人是跨界的实现者和设计者，人知道如何实现不同资源的调度和“混搭”，而机器却很难实现这种“混搭”。这其实是未来一段时间内人和机器之间最大的不同。人有天生的直觉和跨界的通感能力，现阶段的机器还没有这类跨界与通感能力。我们可以通过直觉和顿悟去把握一个人、一种事态的感觉，但机器却无法理解和模仿这种行为。
事实上，人工智能对传媒行业的重构离不开新闻工作者的专业支持。未来自动化、智能化技术搭配新闻从业者的专业经验和智能的指导能极大地解放新闻生产力，推动传媒行业的发展与创新。
参考文献：
[1]廉师友.人工智能技术导论[M].西安：西安电子科技大学出版社.2002.
[2]许向东. 数据新闻中传感器的应用[J]. 新闻与写作， 2015，（12）：70-72.
[3]中国日报实现世界首例人工智能视频采访[N].中国日报，2016-10-04.
[4]龚隽鹏，任文，张鹏洲.机器写作在新闻领域应用的思考.中国传媒科技，2016，（5），58-50
[5]申云.“机器人新闻写作”对新闻采编的机遇和挑战[J].今传媒，2016，（11）：115-116.
