热门标签 | HotTags
当前位置:  开发笔记 > 后端 > 正文

当写稿机器人真有了观点和感情,我们是该高兴还是恐惧?

目前,写稿机器人多是撰写以数据为主的稿件,当它们能够为文章注入观点之时,这些观点真的是其所“想”吗?最近,《南

目前,写稿机器人多是撰写以数据为主的稿件,当它们能够为文章注入观点之时,这些观点真的是其所“想”吗?

最近,《南方都市报》迎来了一位“新人”编辑,时值春运期间,该小编利用1秒的时间就“写”出了一篇300多字的春运稿件。镁客君的手没抖,看官你的眼睛也没花,此小编的确在1秒钟的时间内完成了一篇稿件,而其面纱后的真实身份则是北京大学计算机科学技术研究所研制的写稿机器人“小南”。

当写稿机器人真有了观点和感情,我们是该高兴还是恐惧?

遣词造句,写稿机器人不再新鲜

在新闻传媒领域,随着春节的到来,网站的更新难免会受到一定的影响,有的甚至出现断更现象。此时,为了网站的流量等因素,公司一般会在每天安排几个人进行值班,而人工智能则为此带来了一个很好的解决方案——写稿机器人。

一般情况下,通过对数据的搜集分析和深度学习算法的加成,在1分钟甚至几秒的时间内,机器人就可以合成一篇稿件。鉴于机器人写稿的高效率,不少网站已经“聘用”了写稿机器人,除了文章开头提到的“小南”,还有已经投入使用一段时间的腾讯财经的Dreamwriter、今日头条的张小明等,而国外的写稿机器人更是早早上岗,比如知名的Wordsmith、Blossom机器人,它们已经“写”了两年多的稿件了。

目前,在大数据和自然语言处理等人工智能技术愈发完善的同时,写稿机器人的文化水平和遣词造句的能力也在进行蜕变。通过深度学习算法,在“阅读”大量新闻稿件的基础上,写稿机器人能够大致掌握语言风格,甚至玩一些常见的梗,图文并茂。

看到这里,不少小编都是虎躯一震,生怕机器人抢走自己的工作。不过,在另一角度,当某一天机器人能够在稿件中掺杂一些观点的时候,这些所谓的观点真的是它所“想”出来的吗?

当写稿机器人真有了观点和感情,我们是该高兴还是恐惧?

妙笔生花,写稿机器人表谁所想?

在接受采访的时候,“小南”的技术开发团队负责人、北京大学计算机科学技术研究所的万小军教授表示,除了撰写民生稿和生成摘要,“小南”将来还可以根据不同的稿件写综合报道,也可以对已有的稿件进行改写,甚至试着写有一定情感、观点和立场的报道。

写有一定情感、观点和立场的报道?“小南”机器人真的可以做到这样吗?对此,镁客君有点怀疑,毕竟基于当下的技术,机器人具有“意识”还是一件相当遥远的事,又何谈情感、观点和立场?而如果这些并不是基于“意识”而存在的,那么,机器人所表达的立场又从何而来?

当写稿机器人真有了观点和感情,我们是该高兴还是恐惧?

不具备意识,写稿机器人难有自主观点

在当前的市面上,有不少服务机器人都打着“情感陪护”的宣传旗号,但是,在没有“意识”的这一大前提之下,这些服务机器人真的具备“情感”吗?

其实不然,这些机器人虽然能够陪伴人类,间或逗乐打趣,也有着喜怒哀乐等“情绪”,但这些并不是真正的“情绪”,只是程序员输入的一组代码,让机器人在相关场景能够做出对应的反馈,一切都只是程序员的设定而已。

写稿机器人的原理也与此类似,观点的前提必须是“意识”的存在,所以目前的写稿机器人多只是“写”些以数据为主的稿件,完美回避了“观点”表达的需求。当然,在一些数据稿件中,基于对数据的搜集和分析,写稿机器人也可以生成一些原本没有的内容,但那些多只是基于数据的预测,并不能算真正意义上的“观点”。

当写稿机器人真有了观点和感情,我们是该高兴还是恐惧?

算法是根源,写稿机器人只是人类的传声筒

在机器人的情感研究中,其所有的成果都建立在深度学习算法的基础上,借助于算法,在数据分析和套用模板之后,写稿机器人能够很快的完成一篇稿件。除了那些以数据为主的稿件,在一篇资讯的撰稿过程中,人类记者往往会在其中加入自己的一些观点,以让稿件的整体表达更为丰满。

对于人类而言,表达观点是一件相当容易的事,因为他们自身的经历和阅历都能为其提供思路,而到了没有“意识”和经验阅历的机器人这里,这还真是一件相当有难度的事,往往只能在深度学习的基础上,搜集网上的各路观点,从而整理分析得出一个结论。到了这里,我们又要想了,网上那么多观点,机器人又如何从中进行挑选?

以比特币约谈事件为例,网上有人说比特币的市场将趋于合法化,也有人表示对其未来的不看好,在这两种观点之下,写稿机器人该选择哪一个?对于这类政治介入的事件,机器人并没有那么多的数据可供参考,所依据的只有网上的观点,那么,到底是看好还是不看好?基于程序员写入的代码,最后机器人都会选出一个答案,而掀开表面,不管是哪种答案,其本质上都是人类观点的一个分析整合,或者可以说,最后的结果就是人类观点的一个表达,只是换了一个表达主体罢了。

此外,深度学习算法是研究人员所创,代码是程序员所写的,在某一个程度上,我们是不是也可以说,机器人所谓“观点”的筛选和表达都在某一类人(如程序员/机构/技术团体等)的控制下进行的?

当写稿机器人真有了观点和感情,我们是该高兴还是恐惧?

结语

当下,写稿机器人的高效率恰恰符合了新闻所要求的“时效性”,越来越多的新闻网站已经或正准备引入机器人,让更多的记者脱离某些“束缚”,将目光放在新闻的深度上。

运作上,由于模块式的报道,写稿机器人在撰文上难免会显得有些枯燥和生硬。写稿机器人目前所依据的主要为大数据和深度学习算法,由于“意识”的缺少,其能做的也多只是数据的搜集和分析,并不能产生自己的“观点”,即使存在,也只是对人类观点的一个分析总结。

然而,当某一天写稿机器人真的能够表达“观点”的时候,这真的会是它的“自主观点”吗?是它有了意识,还是只是受到了某些人的控制?


原文发布时间:2017-01-19 19:10
本文作者:韩璐
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。



推荐阅读
  • 背景应用安全领域,各类攻击长久以来都危害着互联网上的应用,在web应用安全风险中,各类注入、跨站等攻击仍然占据着较前的位置。WAF(Web应用防火墙)正是为防御和阻断这类攻击而存在 ... [详细]
  • 3年半巨亏242亿!商汤高估了深度学习,下错了棋?
    转自:新智元三年半研发开支近70亿,累计亏损242亿。AI这门生意好像越来越不好做了。近日,商汤科技已向港交所递交IPO申请。招股书显示& ... [详细]
  • 生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]
  • 人工智能推理能力与假设检验
    最近Google的Deepmind开始研究如何让AI做数学题。这个问题的提出非常有启发,逻辑推理,发现新知识的能力应该是强人工智能出现自我意识之前最需要发展的能力。深度学习目前可以 ... [详细]
  • 2017亚马逊人工智能奖公布:他们的AI有什么不同?
    事实上,在我们周围,“人工智能”让一切都变得更“智能”极具讽刺意味。随着人类与机器智能之间的界限变得模糊,我们的世界正在变成一个机器 ... [详细]
  • 干货 | 携程AI推理性能的自动化优化实践
    作者简介携程度假AI研发团队致力于为携程旅游事业部提供丰富的AI技术产品,其中性能优化组为AI模型提供全方位的优化方案,提升推理性能降低成本࿰ ... [详细]
  • 「爆干7天7夜」入门AI人工智能学习路线一条龙,真的不能再透彻了
    前言应广大粉丝要求,今天迪迦来和大家讲解一下如何去入门人工智能,也算是迪迦对自己学习人工智能这么多年的一个总结吧,本条学习路线并不会那么 ... [详细]
  • 阿里Treebased Deep Match(TDM) 学习笔记及技术发展回顾
    本文介绍了阿里Treebased Deep Match(TDM)的学习笔记,同时回顾了工业界技术发展的几代演进。从基于统计的启发式规则方法到基于内积模型的向量检索方法,再到引入复杂深度学习模型的下一代匹配技术。文章详细解释了基于统计的启发式规则方法和基于内积模型的向量检索方法的原理和应用,并介绍了TDM的背景和优势。最后,文章提到了向量距离和基于向量聚类的索引结构对于加速匹配效率的作用。本文对于理解TDM的学习过程和了解匹配技术的发展具有重要意义。 ... [详细]
  • 如何使用计算机控制遥控车的步骤和电路制作方法
    本文介绍了使用计算机控制遥控车的步骤和电路制作方法。首先,需要检查发送器的连接器和跳线,以确定命令的传递方式。然后,通过连接跳线和地面,将发送器与电池的负极连接,以实现遥控车的前进。接下来,制作一个简单的电路,使用Arduino命令将连接到跳线的电线接地,从而实现将Arduino命令转化为发送器命令。最后,通过焊接晶体管和电阻,完成电路制作。详细的步骤和材料使用方法将在正文中介绍。 ... [详细]
  • 浏览器中的异常检测算法及其在深度学习中的应用
    本文介绍了在浏览器中进行异常检测的算法,包括统计学方法和机器学习方法,并探讨了异常检测在深度学习中的应用。异常检测在金融领域的信用卡欺诈、企业安全领域的非法入侵、IT运维中的设备维护时间点预测等方面具有广泛的应用。通过使用TensorFlow.js进行异常检测,可以实现对单变量和多变量异常的检测。统计学方法通过估计数据的分布概率来计算数据点的异常概率,而机器学习方法则通过训练数据来建立异常检测模型。 ... [详细]
  • Learning to Paint with Model-based Deep Reinforcement Learning
    本文介绍了一种基于模型的深度强化学习方法,通过结合神经渲染器,教机器像人类画家一样进行绘画。该方法能够生成笔画的坐标点、半径、透明度、颜色值等,以生成类似于给定目标图像的绘画。文章还讨论了该方法面临的挑战,包括绘制纹理丰富的图像等。通过对比实验的结果,作者证明了基于模型的深度强化学习方法相对于基于模型的DDPG和模型无关的DDPG方法的优势。该研究对于深度强化学习在绘画领域的应用具有重要意义。 ... [详细]
  • 面试经验分享:华为面试四轮电话面试、一轮笔试、一轮主管视频面试、一轮hr视频面试
    最近有朋友去华为面试,面试经历包括四轮电话面试、一轮笔试、一轮主管视频面试、一轮hr视频面试。80%的人都在第一轮电话面试中失败,因为缺乏基础知识。面试问题涉及 ... [详细]
  • 数据结构与算法的重要性及基本概念、存储结构和算法分析
    数据结构与算法在编程领域中的重要性不可忽视,无论从事何种岗位,都需要掌握数据结构和算法。本文介绍了数据结构与算法的基本概念、存储结构和算法分析。其中包括线性结构、树结构、图结构、栈、队列、串、查找、排序等内容。此外,还介绍了图论算法、贪婪算法、分治算法、动态规划、随机化算法和回溯算法等高级数据结构和算法。掌握这些知识对于提高编程能力、解决问题具有重要意义。 ... [详细]
  • 【论文】ICLR 2020 九篇满分论文!!!
    点击上方,选择星标或置顶,每天给你送干货!阅读大概需要11分钟跟随小博主,每天进步一丢丢来自:深度学习技术前沿 ... [详细]
  • Two Sigma人均22万英镑~
    近期原创文章: ... [详细]
author-avatar
Effy
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有