用人工智能直接撰写新闻早已不再是新鲜的事，美联社在 2014 年就开始了尝试。但 AI 描述的新闻大都篇幅较短，罗列太多数据导致没有太多可读性。在新闻报道上，人工智能还能帮助记者做更多的事情吗？

7 月 6日，Google 向英国国家通讯社的新闻协会（Press Association）和数据分析媒体 Urbs Media 投资了 80 万美元，来源于 Google 旗下的“数字新闻行动（DNI）”基金的这笔拨款会用于研究人工智能如何更好地辅助记者报道英国当地的新闻。

在这之前，新闻协会已经和 Urbs Media 开展了记者和机器人合写稿件的（Reporters And Data And Robots）Radar 计划。

新闻记者会给当地新闻，类似犯罪、健康、就业信息等热门话题撰写好详细的报道模板，而由 Urbs Media 开发的 Radar 工具则会自动从英国的公开数据库里采集到不同地区的信息，并填写到这些模板中空白的地方，然后再由编辑进行润色，帮助实现每篇文章的本地化。

稿子里面的数据，是来自政府和咨询机构公开的城市公共数据。Urbs Media 在2015年 5 月就创建了一个用数据分析来报道伦敦新闻的概念网站 Urbs.Londo。

在 AI 的帮助下，Urbs Media 每月可以产生 3 万篇当地新闻。受制于人力和财力，很多媒体不会对较小地区和城镇进行报道，用 AI 采编的新闻能很好地覆盖到那些报道并不及时的三四线城市，节省报社媒体大量的人力开支成本。

所以具体写的怎样？下面是一段例子：

剑桥加冕为英国自行车被窃数量最多的城市
数据显示，英国自行车失窃之都在剑桥地区。在过去的一年里，有 2000 多人在离开自行车后被盗。
由于很多人不知道自己失窃自行车的型号和生产序号，导致警方的追查工作很难进行。
除了突出的剑桥之外，失窃率最高的地区还有米尔顿地区（Milton Keynes），有 72 辆自行车在火车站外面被盗。

这是一篇发布在 itv 上利用 Radar 工具创作的英国本地新闻，相比于之前纯粹用 AI 创作的数字化新闻，它可能更有故事性，语言也更加自然友好一点。这是因为一部分的内容和角度是人类记者先规划好的，然后人工智能帮忙整理数据和例子。

但人工智能依然无法取代记者本身的工作。这只是帮助记者摆脱了单调、重复性极高的数据类新闻，可以更加专注于深度新闻报道的工具。

而且一旦数据源头出现错误，AI 编写的文章会加剧错误数据的传播。6月 29 日，美国洛杉矶日报的自动发稿程序就误发了一条 6.5 级大地震的警报。原因是新闻的数据源头——美国地质局发布了一篇对于 1925 年发生的地震研究，其中提到 6 月 29 日 在加州发生了大地震。