人工智能在新闻采写中的应用与挑战

　　杨毅

　　【摘 要】随着信息技术的发展，如今各行业之中逐步开始普及人工智能，这不仅能够减少各行业的工作强度，同时也可以提升效率和质量，实现行业的发展。新闻采写也是如此，在新闻采写行业之中，借助人工智能技术，可以有效提升采写的效率和质量，而且人工智能通过不断的学习，可以帮助采写人员应对更多的新闻情况，减少新闻采写之中的难题，实现新闻采写的长远发展。所以本文主要对人工智能在新闻采写中的应用与挑战进行分析，希望对相关的从业人员有一定参考。

　　【关键词】人工智能；新闻采写；数据分析

　　引言

　　人工智能，顾名思义就是能够让人一样思考的程序。在当前的新闻采写行业之中，人工智能能够发挥非常大的作用，有效提升新闻采写的质量和效率，实现新闻行业的有效发展。这得益于人工智能本身的自然语言处理以及机器学习功能。新闻采写是一个较为漫长的过程，其中需要资料搜集、资料筛选以及编撰等多个环节，这些环节中有很多的工作都是对原本的资料进行机械处理的环节，这个环节需要花费大量的时间和精力，因此采用人工智能，能够有效改善采写环节中的形式，帮助新闻采写人员更好的实现新闻的采写工作，实现新闻的编撰。

　　一、人工智能在新闻写作中的应用

　　（一）实现稿件自主生成

　　在当前的人工智能辅助新闻采写中，实现稿件的自动生成是一个常见的功能。在自动化新闻写作中，首先会利用自然语言处理技术承担多项关键任务。在数据预处理阶段，通过分词技术将输入的文本数据分割成一个个独立的词汇单元，以便计算机进行后续分析；词性标注则为每个词汇标注其词性，如名词、动词、形容词等，帮助计算机理解词汇在句子中的语法功能；句法分析进一步解析句子的结构，确定词汇之间的语法关系，构建句子的语法树，从而使计算机能够把握句子的整体架构[1]。这些基础处理为后续的语义理解和文本生成奠定了坚实基础。随后，机器学习算法可以从历史新闻数据中学习新闻的结构、语言风格、叙事逻辑等特征，然后将这些学到的知识应用到新的新闻生成任务中。以监督学习算法为例，在训练过程中，会将大量已标注好的新闻数据作为训练样本，让算法学习数据中的特征与对应的新闻文本之间的映射关系。当面对新的数据时，算法能够依据学习到的映射关系生成相应的新闻内容。

　　接下来是关键信息提取阶段，利用自然语言处理和机器学习技术从预处理后的数据中提取关键信息。例如，通过命名实体识别技术识别出新闻中的人物、组织、地点等实体；通过关键词提取算法找出新闻的核心关键词，这些关键词能够概括新闻的主要内容；利用情感分析技术判断数据中所蕴含的情感倾向，是正面、负面还是中性，以便在新闻写作中准确传达情感态度。最后是新闻生成环节，系统根据提取到的关键信息，结合预设的新闻模板和语言生成模型，生成完整的新闻稿件[2]。新闻模板定义了新闻的结构和格式，如导语、正文、结尾等部分的组织方式；语言生成模型则负责根据关键信息和模板，生成符合语法规则、逻辑连贯且语言通顺的新闻文本。在生成过程中，还会运用语言润色和优化技术，提升新闻的可读性和表达效果。

　　（二）利用数据分析采写要点

　　在信息爆炸的时代，如何从纷繁复杂的信息中快速准确地捕捉有价值的新闻线索和热门话题，成为新闻采写中至关重要的一环。新闻媒体正面临着海量信息的洪流。在舆情监测和热点捕捉方面，人工智能凭借其强大的数据处理和分析能力，扮演着举足轻重的角色。

　　新闻线索主要通过社会媒体及网络论坛的实时监控来获取。微博、微信、抖音等社交媒体平台每天都有大量的用户产生的内容，比如知乎、天涯等，这些包含着新闻线索的丰富和社会热点信息的社交媒体平台，每天都有很多用户产生的内容。借助网络爬虫技术，人工智能系统可以从包括用户发布的帖子、评论、转发等在内的这些平台上对大量的文本数据进行实时抓取。然后，利用自然语言处理技术，包括分词、词性标注、句法分析、语义理解等，对所抓取的数据进行深度分析，从而对文字所表达的含义、情感倾向等进行理解[3]。

　　人工智能可以通过情绪分析来判断用户对某一事件或话题的态度是正面的，是负面的还是中性的。人工智能系统能够及时捕捉到这一信号，将其标记为潜在的热点话题，当某个话题在社交媒体上引起大量用户的关注和讨论，且情感倾向更加强烈时，人工智能系统能够及时捕捉到这一信号，将其标记为潜在的热点话题。例如，如果某一地区发生天灾，大量讨论灾区情况、救援进展的内容会出现，用户情绪多为关心和忧虑。系统可以通过情绪分析，迅速将这一热点事件识别出来，提供给新闻采编作为新闻线索。

　　人工智能还可以在对所监测到的资料进行主题归类、关键词提取的基础上，运用主题模型和关键词提取技术。通过对大量文本数据的分析，人工智能发现不同话题之间的关联与走向，从而将其中隐藏的新闻线索挖掘出来。当一段时间内社会媒体上频繁出现关于“新能源汽车续航里程”“电池技术突破”等关键词的时候，人工智能系统可以通过对这些关键词之间的关联进行分析，从而对新能源汽车领域可能有新的技术进展或行业动态进行判断，这就为新闻媒体在新闻选题方面提供了一个潜在的方向，同时也为新闻行业提供了一个新的方向，为新闻产业的发展提供了新的动力[4]。

　　此外，人工智能还能够将实时数据与历史资料相比较，从而对热点话题的发展趋势做出预测。通过对以往的热点课题发展轨迹的学习与分析，可以建立相应的预测模型，从而预测当前所捕捉的热点话题今后的发展状况。

　　二、人工智能在新闻采写中的挑战

　　（一）技术层面问题

　　人工智能在新闻采写中的应用对数据的依赖程度非常高，而新闻的精确性和公正性直接关系到数据质量的优劣。可能存在训练数据质量不佳的问题，这给新闻采访造成了不小的负面影响。在体育新闻自动化写作中，基于这些数据生成的新闻稿件必然会出现事实错误，如果用于训练的数据有错误的比赛分数、球员资料或赛事时间记录，这种错误不仅会对读者产生误导，使读者获得不正确的信息，对新闻媒体的公信力也是一种严重的损害[5]。一旦读者在新闻中发现错误，就会质疑媒体的专业程度和可信度，进而降低对这一媒体的信任度。

　　（二）新闻真实性问题

　　人工智能很难准确判断事实，保持客观立场，就像人类记者在新闻写作中一样。能够通过对不同利益相关方的深入调查和采访，对新闻事件进行全面深入的了解，从而在长期的新闻实践中，人类新闻记者积累了丰富的经验和敏锐的洞察力，从而对事实真相做出了准确的判断。但人工智能主要依靠预设算法和大量数据来产生新闻，它和人类一样缺乏深入调查和思考，对现实世界缺乏感性认识和深刻认识。人类记者在报道一起政治事件时，可以通过与各方政治人物、专家学者以及普通民众的交流，了解事件的来龙去脉、当事人的立场和诉求，从而在保持客观公正立场的报道中，将事件的始末和当事人的看法准确地呈现出来。而人工智能可能只是根据有限的数据和预设的算法从网络上获取而生成新闻，很容易受到数据偏差和算法局限的影响，很难将事件的真实情况全面准确地反映出来，片面的、不准确的甚至错误的报道都有可能发生。

　　（三）传统采写行业对人工智能的适应性问题

　　人工智能的发展为新闻业带来了新的商业模式，但这些新的商业模式在内容生产、传播、盈利等方面与传统新闻业存在着诸多矛盾，而这些新的商业模式与传统新闻业存在着传统新闻界在内容制作上，强调记者实地采访、深度考察、个性化写作，注重人文关怀，对新闻进行深度阐释。而人工智能参与的内容生产，更多的是以追求效率和规模化的数据驱动和自动化生产为核心。这种差异导致人工智能产生的内容在一些新闻报道中缺乏深度和情感，对于高质量新闻的受众需求很难得到满足。在沟通上，智能推荐系统根据用户的兴趣爱好、行为数据进行个性化的推送，让用户对自己感兴趣的内容有更多的接触，形成“资讯茧房”。这与传统新闻业追求信息传播全面、客观、多元的理念相抵触，可能造成不同观点、不同信息的公众视野狭窄、难以理解。

　　传统的新闻业在盈利模式上，收入主要是靠广告、订阅等手段获得的。而一些新的盈利模式，比如数据交易、精准广告投放，在人工智能时代逐渐兴起了。记者在利用人工智能技术进行资料搜集分析、进行精准广告投放时，就有可能面临诸如用户隐私保护、资料安全等诸多方面的问题，而记者在运用人工智能技术进行数据采集分析的时候，记者就会在面对这些问题的同时，也会产生一些难以避免的法律风险。一些科技巨头凭借强大的技术实力和数据优势，在新闻市场上占据重要地位，挤压传统新闻机构的生存空间，加剧行业竞争失衡，新商业模式下的竞争格局也发生了变化。

　　三、人工智能在新闻采写中遇到挑战的对策

　　（一）做好技术优化

　　提升数据质量是解决人工智能在新闻采写中面临问题的关键环节，可通过多源数据采集、人工标注审核、数据清洗等多种方法实现。例如，多源数据采集能够有效拓宽数据来源，确保数据的全面性和多样性。在体育新闻采写中，为获取更丰富的赛事数据，除了从官方体育赛事数据库获取比赛比分、球员基本信息等常规数据外，还应从社交媒体平台收集球迷的实时评论和反应，从体育论坛获取专业球迷和评论员的深度分析，从运动员的个人社交媒体账号获取其训练日常、比赛感受等一手资料。这些多元化的数据来源可以相互补充，避免单一数据源可能带来的局限性和片面性，为人工智能提供更全面、真实的新闻素材，从而使生成的新闻内容更具丰富性和客观性。

　　（二）制定伦理规范

　　制定智能新闻伦理全面具体的标准是必不可少的，这一标准要涉及新闻界若干个方面的重点内容。在真实性方面，准则要求对人工智能所产生的新闻，必须以真实可靠的资料为基础，以事实为依据，有条理地加以规定。在利用人工智能进行新闻采写时，新闻机构应建立确保数据来源合法、准确的严密资料核实机制。对涉及重要事件的资料，要多源核实，避免因单一资料源或偏差造成的新闻失实。在报道重大政治事件时，要对各方提供的资料进行交叉核对，确保新闻内容的真实性得到准确反映。

　　客观性要求人工智能新闻避免主观上的偏见，把事件的各方面呈现出来，做到面面俱到，公平公正。在训练人工智能模型的时候，要保证训练资料的多样性和均衡性，避免由于资料上的偏差而导致报道片面性的产生。人工智能生成的新闻在报道社会争议事件时，不能偏袒任何一方，使受众对事件全貌有一个全面的了解，并作出自己的判断，应该客观地呈现出争议双方的观点和诉求。

　　公关强调的是新闻不因其身份、地位、财富等因素而对一切有关方面的公平对待而不同。在选题、报道角度、内容呈现上，人工智能新闻要保证公平、公正。无论是大型知名企业还是小型初创企业，在报道企业相关新闻的时候，都要给予平等的关注和客观的报道，不能因为企业的大小、影响力而有所区别对待，不能因企业的发展阶段而不同对待企业的相关新闻。

　　隐私权保护是人工智能伦理准则的一个重要内容，它是关于个人资料保护的一种重要的组成部分。在搜集使用使用者资料的时候，记者必须按照对个人资料的搜集、使用及贮存时限的严格把关来搜集使用者的资料。要对使用者个人资料进行严密加密加工，杜绝资料外泄的发生。为防止资料外泄，在利用人工智能对用户资料进行分析以生成个性化消息的过程中，必须确保用户资料的安全性。数据在使用和分析时，需严格保障使用者的隐私安全，尤其在数据库关键词摘要、应用产品及软件程序的应用中。

　　（三）做好人机行业协同

　　发挥人工智能优势的关键是在新闻机构内部构建有效的人机协同模式。人工智能与记者的任务应根据新闻报道的不同类型进行合理分配。在体育新闻报道中，可以由人工智能快速生成初稿，由记者负责审核、润色稿件，添加个性化分析和评论，使新闻更具深度和人文关怀，如对比赛结果、球员数据等实时性强、资料量大的内容进行分析[6]。在社会民生新闻报道中，记者获取一手信息，而人工智能辅助记者整理信息、分析数据，为新闻报道提供更全面的视角和数据支持，依靠的是其采访能力之深，对社会现象的敏锐洞察力。

　　为了达到有效的人机配合，新闻组织对新闻记者的相关技术方面需要做相应的训练，使记者在与人工智力方面提高配合的能力，从而达到与人工智力方面的有效沟通的目的。培训的内容应包括基本原理、人工智能技术的基础应用情景以及怎样与人工智能系统开展交互协同工作等几个方面的内容。记者通过对培训的了解，可以较好地了解人工智能所产生的内容，并能很好地对其加以优化和完善的方法以及新闻生产的效率和质量的提高等内容加以把握。

　　结语

　　虽然在当前时代中，人工智能依旧难以像人类记者一样准确判断事实和保持客观立场，且存在引发虚假新闻和误导性报道的风险；隐私与版权问题也不容忽视，数据收集和使用过程中可能侵犯用户隐私，人工智能生成新闻的版权归属存在争议等。但随着信息技术的发展，这些问题能够得到有效解决。因此，当前新闻采写必须重视人工智能改革，这样才能在未来人工智能进一步发展后做好对接，实现自身发展。

　　参考文献：

　　[1] 贺莉.基于智媒体的融媒体新闻采写课程实践教学探索[J].新闻研究导刊,2024,15(24):149-153.

　　[2] 高菲菲.新媒体时代新闻采写转型策略分析[J].中国报业,2024(22):94-95.

　　[3] 罗天.探究人工智能技术对新媒体新闻采写的影响[J].新闻文化建设,2024(21):52-54.

　　[4] 李燕京.生成式人工智能给新闻从业人员带来的新挑战[J].中国传媒科技,2024(07):29-32.

　　[5] 汪成龙.智媒技术介入下新闻采写的变化[J].新闻前哨,2023(12):13-15.

　　[6] 李亚辉.基于人工智能算法的大数据网络防御系统研究[J].信息与电脑(理论版),2024,36(06):92-94.