无障碍说明
腾讯科技科技 > 要闻 > 互联网 > 正文

圆桌对话:媒体生产变革 人与机器孰优孰劣?

腾讯科技[微博]2014年11月12日18:24

腾讯科技讯 11月12日下午,“2014腾讯网媒体高峰论坛“在北京举行。《极客公园》创始人张鹏、美联社副总裁、执行主编Lou Ferrera、美联社机器新闻合作公司(Automated Insights)VP Adam Smith、Storyful创始人Mark Little以及今日头条创始人张一鸣,围绕“生产方式新变革:人与机器孰优孰劣?”的话题进行了对话。以下为腾讯科技整理的发言要点。

机器与人如何协作?

Storyful创始人Mark Little: 首先,机器与人并不是二选一,非此即彼的关系,我们对文章的质量要求都很高,技术重要,人也很重要,对我们来说,他们都是收集内容的方式。

机器帮助我们找到信息,UGC的力量和智慧帮助我们去核实信息,然后专业的内容生产人员去分析信息,关于这个新闻我们可以做很多的视频,然后提供原材料给媒体公司进行报道。

美联社副总裁、执行主编Lou Ferrera:利用机器提供的信息发现新闻,然后利用UGC去生成新闻,再用团队去寻找和核实。但目前技术还处于非常早期的阶段,我想地理位置方面的服务和内容将来也许会做得更多更好。

机器面前,传统媒体人何去何从?

今日头条创始人张一鸣:机器会越来越理解人怎么样做内容的判断和挑选的,每个人的行为代表什么意思,机器的观察记忆理解人的能力要强。技术越来越替代可重复的简单工作,人会做更有创造性的内容,专业的深度的内容需要资深的记者来完成,包括线索发现、验证也是,所以我觉得是人跟更广大的用户作为人和技术一起造就了现在媒体的变革。

美联社机器新闻合作公司VP Adam Smith:在速度和时间上,当你有一个话题你希望尽快生产出来,如果机器做好的话拿到数据几秒钟就能出来了。我觉得长期来看,机器化、自动化可以帮助我们集合这些数据。像公司的财报或者是个人的健康报告,这样的文章都是可以自动化生成的。

机器会不会让人们的视野变狭窄?

今日头条创始人张一鸣:机器不是要追求偏好,而是要追求更好的信息满足,只提供他偏好的内容不是目标。所以,新颖性和多样性也是一个目标,我们会做算法上的新探索。总之,偏好其实不是服务追求的目标,如果产品导向是这一点的话,这个是可以解决的。

美联社副总裁、执行主编Lou Ferrera:我比较担心这个问题,我们在尝试更科学的方式收集数据,这样我们就可以利用数据知道人们在说的东西,然后再进行文章的编辑,我们希望以此能够带给你没有想到的内容。

联社机器新闻合作公司VP Adam Smith:我们有两个目标,第一我们希望大家对自动化生成的文章感兴趣,那么我们的机器就可以大规模更高效地生产这样的文章,记者就可以更深入地将这些文章传达给我们的读者。第二个目标是希望能够得到个性化数据,能够知道用户的兴趣是什么,这样我们可以应用这样的数据,在报道中使文章与读者产生更独特的关联性,让读者对我们的文章更感兴趣。

Storyful创始人Mark Little:个性化很好,我希望在搜索的时候能够找到一些很意外的信息。这方面社交平台做的比较好,这依赖于算法的优化。如果在微信上面,你要找到那些跟你有分歧的人。如果你喜欢这个的话,你肯定会不喜欢这样的观点,这对媒体来说是一个挑战,也是机遇。我们要找到一些有分歧的论点,只有这样的观点,才会让我们更兴奋、更感兴趣。

以下为论坛实录:

主持人:让我们有请论坛主持人极客公园创始人张鹏先生。

张鹏:大家下午好!在接下来的这个环节里,我们将会一些更有趣的话题。应该说在去年,我也参与到这个论坛里,当时我们谈到的是一些新形态的内容,基于社会化的网络是如何诞生传播的,新形态的内容越来越成为这个时代的主流,在产生巨大的影响。接下来我们探讨的话题可能是对于所有媒体人来讲,更加会触及你的职业生涯,甚至是让你觉得有一点点恐惧的话题,那就是内容的传播形态是在变化,但是内容诞生的原点和诞生的机制可能也在发生变化。

在今天,我们发现很多内容和信息正在通过机器来诞生,而不是由媒体人来掌控,如果说我们今天做的很多东西还是媒体人用新的形式在传播内容,未来有可能这些内容的诞生化传播跟人都没有关系,人并不在回路之中。接下来我们就用40分钟的时间来探讨一下这个前沿话题,看看内容将会走向何方,将会由什么地方诞生。

有请今天圆桌的几位嘉宾,首先是美联社副总裁、主编Lou Ferrera,Automated Insights VP Adam Berton Smith,还有Storyful创始人Mark Little先生,最后一位是今日头条创始人张一鸣先生。

首先,我想先从美联社这边来探讨,因为我知道在前段时间,你们已经开始了包括跟Automated Insights联合做一些通过机器产生的信息和内容去做传播,这里面你们是怎么样做的,现在的情况是怎样的?

Lou Ferrera:非常感谢!在这个夏天我们开始与Automated Insights一起合作,这个季度已经有收入了。我们当时有数据显示出来我们是有一个芝加哥的研究公司,我们的一种算法就是有了这个数据之后就可以出现一篇文章。这样的自动生成文章的技术,我觉得是在伦敦奥运会2012年之后就开始了,我们开始和几家公司一起谈论合作的意向。

我们在AP涵盖很多的话题,我们就会收集到很多的数据。我之前是负责体育的,其实在体育新闻里我们也是可以用这样的方法。在之后的18个月过程中,我跟我们的CEO一起谈论这个话题,所以我们就需要这样的时间来发掘这些原创的内容,我们需要更多的时间来做这件事情,来做这些原创的内容。所以,先不考虑数据的问题,这就是我们现在的情况。

张鹏:Automated Insights你们最早跟美联社来做这方面的合作,当时他们跟你们提了哪些想法,你们怎么会碰撞出以这样的方式去实验,以新的方式产生内容?你们当时是怎么样的交流过程,这个实验是怎么诞生的?

Adam Berton Smith:在AI里面,我们收集了很多数据发布不同题材的文章,这样就可以创造很多有黏性的客户看我们发布的文章,看这些收益报告的时候,就可以从内容里看到公司的运转情况是怎么样的。这些的报告里很大部分是来自于数据,到底是什么样的形式,过去一年中是怎么样的情况,我们将所有的这些东西整合到一起。之前他们是200,现在我们就做出了3000这样的数字,就可以使我们整个平台告诉大家一个很完整的故事,让他们的主编有能力在这些文章上再进行一些修饰,在这些原创的内容上能够进一步进行修饰。这样的文章可以直接发布,这样的AP团队就可以将所有的这些文章进行大幅度的发表。

Lou Ferrera:之前的讨论中也提到,我们其实看到的不只是整个流程,我们是想看到这样的关系,我们与市场的关系。我们之前也说到了这一点,我们说到这项收入报告,其实很多的公司是花很多的时间才能出这样的报告的。现在我们有了社交媒介,还有媒体的改革,现在这样的收入报告的价值已经减少了,只要有数字出来,我们这个报告就有了。所以,我们现在就是花最少的时间做出这样的报告。

对于我们AP来说,收入报告我其实真正想要做的就是将最有价值的新闻给我们的读者,其实真的想传达的就是那些忠实于我们的读者。其他的媒体公司,他们其实也是有自己的收入报告,当我们看到这样自动化的生成报告,我们其实是看到的每一个流程,整个工作的程序等内容。

张鹏:我补充一个问题,在这个过程中,其实这些信息并没有经过人为的调整筛选,而是完全靠机器去识别产生并且传递出去,是不是这样的一个过程?

Lou Ferrera:其实我们这些报告是直接生成、直接传输,只要有了数据,我们的算法以及生成其他的报告就形成了。我们听到很多顾客给我们的回馈,大家已经在这样的自动报告中得到的很多内容。如果你是在田纳西州的编辑,你就希望这个区域的公司和他们的总部在那里的公司,他们希望能够马上有数据让别人来知道他们公司的情况是怎样的,但是我们就不需要花额外的时间来做这样的报告了。所以,报告自动生成之后就直接传输出去了。很多其他的大公司也在试行这样的政策,我们现在对于这样的自动化是很有信心的,现在我们也与三星,其他的公司一起合作进行投资,我们相信自动化肯定会是媒体界的一个重头。

Adam Berton Smith:再说到自动,我们也是大幅度的生产这样的自动化的故事和文章,而且我们也为金融、企业管理、健康、房地产业发布这样的文章。最重要的事情是,我们希望能够尽快速的给我们的读者这样的文章。给予他们这样的数据,他们就能够更好的将这些信息传输给别人,他们就不需要再看大幅度的数据了,而是通过我们的文章将那些最精准的数据马上可以看到。

之前的论坛上也说到有一个人每天都会写很多很多的文章,很多的人都会为此做很多的工作,要找到那些数据,来做研究,才能够写出一篇好的文章,但是我们现在实现了自动化就可以很快的写出文章快速到达客户的手上,让员工更加高效,制造出更加高效的文章。同时,在这样的文章生成的时候,他们就可以将自己的意见加入到文章当中。

张鹏:现在我们并不是把一个完整的故事自动化生成,它可能并不是一个优美的故事,并不是让大家躺着那里去享受的东西,但是它可能是由一些信息构成,这些信息变成了自动化生成和自动化传递的东西。说到这里,我们就想到Storyful的模式就有些不一样,在这个过程中,它其实涵盖了很多人在里面,所以我们想听一听Mark Little讲一讲你们的故事,在里面,机器和人是怎么产生关联的?

Mark Little:我们现在面临的一大挑战就是UGC,今天有两位讲者都说到UGC了,我们将那些有价值的信息放到UGC中,这就是很多的传统媒介和现在的媒体所面临的挑战。

我之前也是作为一个记者已经有25年的时间了,我看到那些写文章的人,他们都是可以上网,可以有社交媒介,用一个照相机就可以了。我看到这是一个很大的商机,如果我们能够利用这样的UGC的能力,同时又将记者的能力融合在一起,这样我们就会有很好的新闻了。我们有时候就是在社交平台上,像中国和西方的社交媒体上往往都能找到最佳的新闻、最佳的文章。

刚才我也说到我们不应该是在人或者是机器中进行二选一,我们如果要看到我们现在想读到的文章的质量有如此高的要求,技术很重要,人也是很重要的,所以对我们来讲,我们先去收集内容,然后把它传到世界各地的新闻室。

第二点,就是我们与社交媒体进行合作,比如Facebook、YouTube,这是我们首选的合作伙伴。我们的机器计算只会到一定的层级,但是不一定说这个对我们是最重要的。现在我们与Facebook、谷歌(微博)、YouTube等等来合作。

最后一点,当我们发现这些人创造的内容是真实的内容,我们觉得这可以建立一个好的商业模式,来利用好这种用户生成的内容。现在我们大概有1.5亿的用户每个月会生成各种各样的内容。

我们就是想了解现在的几个大的变化,第一个变化就是人们的品位是很不一样的,人们就好象是对饮食方面的需求是不一样的,在同样一个城市,你的需求也是不一样的,所以有非常多不同的内容,早些时候我们也听到了一些介绍。

我们要把新闻进行一些界定,现在不仅仅是政治、天气,而是情感、启发等等。这种情感现在越来越重要了,所以我们不可能放弃人的这方面,因为这种是无形的人的技能带来的体验,是用户非常关注的。

张鹏:Adam想补充一下吗?

Adam Berton Smith:我觉得刚才你讲的饮食蛋糕也可能是小猫,可能是天气,可能是体育,可能是任何东西,比如像昨天是光棍节等等,可能有浪漫的视频。

有了自动化,我觉得你可以做的一点就是去讲一些故事,能够用新的方面让人们参与进来,让这个内容进行个性化设置,让用户感觉到能够很相关。我们讲到过微信,微信他提供了很多的服务,你想一想,像腾讯这样的公司有很多用户的数据,你可以通过这些数据来了解一个人的信息,这个是只对这个人有用,比如说他的健康、他的饮食,他与朋友的交流活动等等,你可以收集这样的数据,然后去和其他人进行一个基准的对比。比如说和他的朋友进行比较,以及和他的历史进行比较,从而了解这个人的信息,可能这个人自己还不知道,这种内容我认为是自动化可以促成的,自动化不仅仅可以让现在的报告数量更多,而且还可以带来一些独特的个性化的用户体验,这种故事写的方式等等是非常独特的,他写一些故事让这些用户可以更好的了解自己,而且可以鼓励用户参加,所以说也许只写一个故事,但是这个故事让上百万人感到是相关的,这就好了,不用去写上百万个故事,但是你只写一个故事也许是让上百万人都觉得相关的。

张鹏:我觉得刚才谈到了很重要的一点,Mark谈到了机器和人之间并不存在很大冲突,包括机器是非常有效的。其实这里谈到一点,Storyful的模式在里面是并不多的人,我想问Storyful现在的员工有多少?

Mark Little:总共75个人,是在香港、纽约、爱尔兰的都柏林,我们有40—42个编辑,技术让我们能够做得更大。我们不是要涵盖所有的人,我们是想去将各个国家的新闻这种智慧联系在一起。我觉得这是比较重要的,所以我们通过一些技术来观察一些关键词。像原来韩国、中国、欧洲、美国等等的故事,都可以去关注,我们的编辑可以收集到所有的信息来关注当中的焦点。

张鹏:如何去筛选提炼出现在的动态新闻,再完成你们确认的过程,最后出来文章,有没有具像的例子?

Mark Little:是的,比如说最近在乌克兰,我们知道俄罗斯的军队进入到乌克兰的克里米亚,我们就发现所有的莫斯科、乌克兰的观察人士在谈这样一个新闻。我们知道总体的位置,也就是说划了一个圈,就认为这是一个重要的领域,然后在所有平台来搜索这个圈里的信息,我们会找到各种各样的内容,这些内容显示确实有一辆坦克车在进入这个区域。然后我们会通过实时的方式分享信息,然后找到这个坦克车的位置,并且核实它的位置。

实际上我们是通过一个交通的报告找到了这么一个信息,所以说机器帮助我们定点找到这个位置,群众的力量和智慧帮助我们去核实这些信息,然后我们就可以去进行内容的分析,我们一个月做了1500多个视频,就是关于这个新闻,我们可以做很多的视频,也就是说我们是提供一些原材料给那些专业的媒体公司进行报道。

我们之后也对马航失事的事情做过调查,这是一种开放的调查,通过各种各样的社交渠道寻找一些线索,帮助我们去确定这个事实,就是人和机器的结合产生的结果。

张鹏:在他们的源头,信息是被自动化的改变,被一些数据所改变了。回到Lou Ferrera这边也可以谈,从美联社现在提供的东西就是一些数据和信息,未来是不是这些信息业能够跟更多新形态的媒体,比如说类似Storyful这样的东西,把人涵盖进去,进一步产生更多更好的东西,从信息到好的内容还可以再进一步演进,会不会有这样的趋势?

Lou Ferrera:是的,我觉得很多的新闻媒体,尤其在美国,当然在其他的国家也正在进行这样一个事情。我们美联社就像Mark Little所提到的,非常关注用户生成内容,我们看到很多的新闻事件,他们是使用自己的信息,提供AP提供的信息等等,我认为确实有这样一个趋势,感觉现在有很多的工具来促成任何人去生成内容。团队去寻找和核实,普通的群众怎么核实呢?技术化还是非常早期的阶段,尤其是我们在自动化方面,我们AP才刚刚开始,我们计划明年会做得更多,让我们的内容能够更好,我想地理位置方面的这些服务和内容将来也会做得更多更好。

Mark Little:然后就是怎么样获得这些信息,我们现在也在想到开发一些软件让其他人可以使用,不仅仅是帮助其他人,像Lou Ferrera讲的那样去扩大他们的内容,我们实际上每个人都有自己的工作流程,但是如果我们能生产出一些软件帮助别人就更好了。

张鹏:所以大家在一个方向上用不同的路径去推进。说到这一点,我们回到今日头条张一鸣这边,你们在过去几年快速成长,有了1.7亿的用户,同时你们是一个基于没有编辑的团队,全都是通过机器来做筛选和分发,进而到每个人的兴趣点,让大家觉得这个文章非常有价值。

其实前端内容的变革最终还是要通过一些方式到达到人的,所以我也想听你讲讲,一个是你听完他们说的东西有什么感想跟大家分享吗?

张一鸣:我觉得今天这个Automated Insights、美联社是非常好的机器和人结合的例子,因为我们以前经常听到你们用机器和技术把这两个对立起来,我一直觉得它们没有对立起来,现在媒体的变革相反反而是人和技术一起促成的。

从两个方面,第一个比如说内容的创作上,我们可以看到这种自动产生内容,把世界上发生的事件做成一篇篇报道,现在容易转换的信息已经不需要人来转换了,可以通过技术来转换。另外一个是在线索的发现上,像Storyful这种线索的发现上,还有一类就是信息的分发上。

在内容的创作上,我们也看到让越来越的用户产生内容,尤其互联网让人产生内容,我觉得在未来很可能80%、90%的内容由认知盈余的人产生。

张鹏:就是说传统的媒体人越来越堪忧是吧?

张一鸣:不是这个观点,就是技术越来越替代可重复的简单工作,比如说以前我们的网编也会经常根据内容点击率、评论、转发数把这个排在第一还是第五,这些工作可以越来越多的由机器来做,就像这种简单信息的转化。人应该越来越多做更有创造性的,专业的深度的内容不是一个简单信息的翻译就需要资深的记者来完成,包括线索发现、验证也是,所以我觉得是人跟更广大的用户作为人和技术一起造就了现在媒体的变革。

张鹏:其实你也可以跟大家分享一下,今日头条在分发过程中,也是机器去理解人、捕捉人的需求,相当于也是机器和人之间要共生,辅助这样一种关系,你们在技术上怎么样让它更准确,跟人的需求更紧密的贴合呢?

张一鸣:如果要做到越来越好的话,最核心的一点就是机器越来越理解人,理解人是怎么样做内容的判断和挑选的,每个人的行为代表什么意思,机器的观察记忆理解人的能力要强。比如说如果是一个财经新闻,我们应该识别出哪些用户对财经具有判断力,他的行为具有更高的作用,这个其实让用户的行为替代了以前一个财经的编辑完成的工作。

张鹏:你是用用户的行为轨迹替代了人们编辑的经验来做判断。

张一鸣:对。

张鹏:你刚才谈到这一点是非常有意思的一点,我相信也是现在在媒体圈里大家会认真讨论的。我们反过来花一点时间回顾一下,作为一个经典的媒体,当我们刚进媒体的时候,作为一个实习记者,我们对商业世界没有任何感知,我们甚至不知道新闻从哪里来,我们经过很长时间才能积累自己的新闻源,有方法论才能创造好的文章。但是现在很多的信息源头已经不需要我们孵化和积累,而是自动的产生,这可能也回到刚才美联社包括Storyful也好,他们都在做这样的事。

我们回到另一个角度,从媒体商业的角度来看,这些内容、信息、新闻源的诞生,带来一系列的东西,最大的好处之一是不是也是成本比较低?我们从这个角度是不是可以做一些分析?比如说从美联社来看,这样一种自动化的内容信息,它的自动化生成是不是比原来要运营一个很大的团队去做这件事的成本要低很多?

Lou Ferrera:是的,当然我们一个季度有那么多的新闻,也许明年我们会一万多财报,现在是三千多,这是花很多钱的。刚才讲到用户生成内容,还有社交内容来源等等,讲了很多点。我们认为,这个是涉及了很多方面的融合,对于AP来讲,有一部分我们会使用自动化,我们会有一些内容是来自于用户,来自于社交媒体的,然后还有一些要考虑的就是为什么用户要使用我们的服务,使用我们的信息,为什么说他们在别的地方无法获得这些新闻和图片等等。

说到底就是一些基本的事情是我们要做的,我觉得我们之所以要进行这样的探讨,或者做这样的一些实验,就是现在市民他们可以去讲述故事,可以进行传播,但是,记者还是要做严肃的新闻工作。其实,我们的记者很少抱怨自动化,他们去做他们本来进入这个行业要做的是就是做好记者。

Adam Berton Smith:同时还有速度和时间,当你有一个话题你希望尽快生产出来,如果机器做好的话,拿到数据几秒钟就能出来了。我觉得长期来看,机器化、自动化可以帮助我们集合这些数据。像美国就有雅虎,有很多的人他们每周都玩一种体育游戏,发出报告让他们所在游戏里每个人知道自己的成绩是怎么样的,应该如何进步。自动化就可以帮助我们,但如果你只是报告出这些相似的东西的话,如果你每个星期、每个月都做这样重复的事情,能够将这些数据融合在一起发出报告,就可以让很多人愿意阅读你的报告。像公司的财报或者是个人的健康报告,这样的文章都是可以自动化生成的。

Mark Little:你要想想2003年伊战的时候,我们知道很多的专家来帮助我们做出伊拉克战争的报道,但即使是那样,我还没有得出像今天这样如此真实、如此原始的图片,就是对于我们报告新闻的一种新的变革。

我们现在已经不存在垄断的可能性了,因为现在已经有如此多的信息,其实对于我们的驻外记者来说,是把我们的工作简单化了,我们有如此多的新闻,然后将这些新闻进行分析,做出更多更好的文章。正是有了这些技术,让记者自由化了,帮助他们把工作做得更好,让信息更有可信度,让大家在面对很多新闻的时候,能够找到这些最好的文章。其实是技术让我们的新闻变得更好,更高质量了。

Lou Ferrera:其实有很多的公司跟我们回馈说我们应该如何将数据更快的输入到机器内,然后尽快的得到报告呢?我们现在想的就是如果我们真的这么做的话,可能会让整个行业都受到影响。因为我们现在生成报告的速度是更快了,几乎成为了一种制度。

张鹏:如果有更理解我的新闻时,它可能对原来的编辑提供的东西要求越来越高,甚至不满意。从你们的角度来看,你们不仅仅是成本的节约,因为你们没有编辑部,你们过去这么快的成长不是因为省了编辑部的成分,而是因为你们释放了一些东西,你们对此怎么看?

张一鸣:从技术带来的收益来说,最重要的不是成本,而是增量,我想今天在座几位嘉宾的案例也是如此。这个释放出来的东西,第一个就是内容大幅度增加了,刚刚也提到了,如果原来的记者创造的内容越来越被机器产生,或者被UGC产生,或者被UGC产生之后通过机器组合产生,那么大家的期望值就越来越高了,这就是我刚才说的。

张鹏:就是记者的意义越来越高了,不是普通写东西的记者。

张一鸣:对,可能机器完成不了的,更复杂的,比如说多条主线的报道,或者要连接多个当事人,他其实更像一个导演。因为所谓的报道就是把人、机构、活动串联起来,所以,我就越来越觉得这是一个更高级的创作。

第二个,在分发信息的过程中,越来越把他的经验智慧贡献出来,这也是极大的释放了人力和潜力。因为我们都知道,以前你很难为一个中长尾的兴趣找到一个好编辑,比如说时尚的,比如说高尔夫的,如果能有这种判断能力的人,他们其实是很贵的,这其实也是一种盈余,就是说他在阅读过程中,为判断做了贡献。我们刚才说UGC其实是用户直接为内容创作做了贡献,用户的阅读行为为筛选内容又做了贡献。当然,筛选过程中我们还需要像Storyful这种能从众多的社交线索中获取,目前的人工算法只能做到复杂度相对低的,无论是创造还是筛选信息。

张鹏:所以,我们在谈机器和人之间,我们既看到了有像美联社这样去通过自动的方式产生信息,我们也看到像Storyful这样的通过信息加入人进而诞生更优质快速的东西,也看到像今日头条其实是用人们共同的行为去形成机器的判断和智慧,从而更好的运算,完成这样的任务,他们在这个链条里都在发生变化。

张一鸣:我觉得最终的结果其实是非常好的,为什么呢?第一个是让世界越来越多的信息被转化成内容,让这个世界越来越透明。其次让产生的信息和内容越来越高效的到达需要的人手里,让分发越来越有效率,所以我觉得这个是刚刚开始的变革,未来这个幅度和影响会更大。

张鹏:说到这一点,其实我们想多问一句,我们刚才也探讨在这个过程中会有一些疑虑,我们看到在座的几位其实都是在推动这个进程之中的非常乐观的人。但是我相信在这个圈子里也有很多的疑虑,比如其中的一个,就从今日头条来说,他们会认为你天天在分析我的阅读习惯,看我历史的记录,会不会未来我永远只能在我喜欢的圈子里转,我们会形成一个很独特的状况,就是我们没有那些幸福的意外了,我们看不到那些其实应该是我喜欢,但是我还没有接触到的世界,而永远在一个自己原来有的被历史决定的未来,这个其实是很可怕的。在机器与人的关联之间,这其实是人们最担心的一点。

张一鸣:腾讯陈总编前面讲到,机器不是要追求偏好,我觉得信息分发的工具,我们提供的服务要追求更好的信息满足,只提供他偏好的内容不是目标。所以,在推荐系统而言,新颖性和多样性也是一个目标,比如说利用社交关系创造偶然,虽然不是历史上的阅读偏好,但是可能是你朋友喜欢的,也可以推荐给你,我们会做算法上的新探索,信息探索也是非常重要的事情。我们会统计用户的信息分布,在同样的情况下,覆盖最多信息分布的才是最好的结果。总之,偏好其实不是服务追求的目标,如果产品导向是这一点的话,这个是可以解决的。

张鹏:您有什么补充的话题?

Lou Ferrera:我觉得其实我自己也是挺担心的,历史上的数据,我们其实是用更科学的方式来利用我们收集的数据,我们想知道现在到底发生了什么,现在我们就可以利用这样的数据知道人们在说的东西,然后再进行文章的编辑,我们希望能够写出文章,能够引导或者是颠覆整个媒体行业,我们希望能够带给你的是你没有想到的内容。

扎克伯格在演讲的问答中说到,他说希望能够生成个性化的报纸,也就是涉及到你刚才说的,当你在写文章的时候,写报纸的时候,你想知道那些读者的历史习惯,其实看视频的时候也是这样的,如果你不知道这样的历史习惯的话,其实还是一个问题。

Adam Berton Smith:我们的目标是两个,第一个我们跟AP一起合作的时候,我们希望自动化生成的文章是大家感兴趣的,那么我们的机器就可以大规模更高效地生产这样的文章,我们的记者就可以更深入地将这些文章传达给我们的读者。

第二个目标就是希望能够得到这样的个性化数据,希望能够知道这些用户的兴趣是什么样的,这样我们可以应用这样的数据,在我们的故事中、在我们的文章中,这样就可以使这样的文章与读者有更独特的关联性,具有这样的数据,让读者对我们的文章更感兴趣。

Mark Little:我觉得个性化是非常好的,我不喜欢大家说所有的人都是一样的,但是我希望在我们搜索的时候能够找到一些很意外的信息,其实我觉得社交平台已经做得比较好了,这全部都是有赖于让大家知道这样的算法是怎样的。如果你是在微信上面,你要找到那些跟你有分歧的人。如果你喜欢这个的话,你肯定会不喜欢这样的观点,这对媒体来说是一个挑战,也是机遇。我们要找到一些有分歧的论点,只有这样的观点,才会让我们更兴奋、更感兴趣。

张鹏:谈到这里,我们已经意犹未尽,但是时间到了,包括后面我们看到点击最高的问题,智能化为传媒将会带来什么样的改变,我们一直在谈这样的问题。我可以替大家来说结论,智能化或者说机器跟人的关系不是对立的关系,我们在他身上看到更多的不应该是恐惧,而是希望,甚至对传统媒体行业带来更多的不是替代和冲击,而是解放。当我们正确的把这个技术运动到我们这个里面,这时候你发现作为一个媒体人身上的情怀、那些能力、那些责任感等等东西才能够得到更加的释放。

所以,今天我们就用这样一个充满着阳光和对未来期待的尾声去收尾,感谢各位嘉宾的参与,谢谢各位!

[责任编辑:sonicluo]
您认为这篇文章与"新一网(08008.HK)"相关度高吗?

阅读更多

相关专题:

  • ·腾讯开放平台大会订阅