早在2009年,《衛(wèi)報》的老牌記者西蒙·羅杰斯就開設了“Guardian Datablog”，提供新聞背后的原始數據、統(tǒng)計和可視化數據。這在當時是很超前的做法，可以說《衛(wèi)報》和羅杰斯早就意識到了新聞需要新的形態(tài)。
提到這個陳年往事，是因為看到了鞭牛士關停PC網站和鳳凰網試圖極力轉型而裁員這兩件不大但卻反映出很深的行業(yè)現象的事件。這兩家新聞網站都是將戰(zhàn)略重心從PC轉移到移動端，除了順勢，另一個原因是兩家也都看到了新聞形態(tài)正以一種無形的狀態(tài)在演變。
當《華爾街日報》決定創(chuàng)立數字新聞部門，設立移動、交互圖形、數據等方面崗位的時候。新聞形態(tài)就已經注定了圍繞“新聞生產模式”、“可視化呈現方式”、“智能交互”進行演變的命運。但往往一些媒體很想去操縱命運，但卻無力改變命運，因為他們不具備強大的技術支撐。
當大數據運算、人工智能、機器學習等技術發(fā)展至今，我們看到了機器人寫新聞、圖像展示數據、個性化推薦等許多變化。同樣，隨著技術革命的力量逐漸深入媒體行業(yè)，我們也暢想或預見了新聞未來的形態(tài)發(fā)展。下面我們就以三個技術層次來一探“新聞命運”的究竟。
第一層：算法生成文本
最近，騰訊用機器人Dreamwriter寫新聞一事吸引了眾人圍觀，但更多的是引發(fā)了人們對技術改變新聞的無限遐想。機器人寫稿的核心根本就是對大數據的分析，通過對開放的相關數據分析進而生成的內容，但是當前機器人寫稿都是處于較為低級的階段，僅僅只是收集經濟方面的相關數據并且糅合而成，所以數據中間所需要的上下前后的連接邏輯也比較簡單，并且數據源也比較單一居中，這對機器來說也更好處理。
目前人工智能在做的就是利用大數據找到關聯，用戶通過搜索關鍵詞后將關鍵信息交給用戶，所以機器的工作就是整合信息，機器是能夠粗略理解人類語言的。
而如果機器寫稿能夠從單一的維度局限跳出來，尋找多維數據的隱性關聯，然后寫出的文章，這樣的技術將具備更大顛覆性。比如最近A明星正在和B明星鬧緋聞，用戶非常關心都在搜索，而此時機器就可以通過歷史數據挖掘進行更高層次的撰寫工作，將AB明星各自曾經的緋聞對象都列出來，然后根據歷次緋聞時間以及真相、明星性格等等再做出理智推算此次緋聞的真實性有多高，這將會是非常有趣的，也比娛樂記者能夠更為高效的生產出一線新聞。
目前，這種新的新聞生產模式對很多媒體來說顯得尤為迫切，尤其是處在轉型瘦身階段的媒體。這可以大大的縮減人力和財力成本，公司內部資源就可以得到充分合理的分配。如果以這種生產模式在未來能夠輸出更加感性更加豐富的新聞內容，那么將改變的不僅僅是新聞形態(tài)，而將會改變媒體業(yè)態(tài)。
其次是私人定制新聞，也就是說機器通過為用戶建模寫出一切用戶關心并且與用戶有關的新聞，比如某用戶要去A地度假，但是A地正在發(fā)生流感用戶并不知道，此時機器就可以主動為其撰寫出咨詢，告訴用戶該信息。而這種圍繞式私人定制將會大幅度幫助用戶自己去索引相關新聞的時間，將會大幅度減少用戶搜索時間。
第二層：程序生成圖像
《華爾街日報》總編輯Gerard Baker在公開備忘錄中提到，在當前環(huán)境下媒體機構要想取得成功必須完成的一件事是，全面改造自身，優(yōu)化數據新聞操作。從新聞形態(tài)的角度來看，優(yōu)化數據新聞操作實際上就是強化新聞的可視化。
通過大數據生成圖像，對于新聞行業(yè)來說，新聞可視化是能夠比文字更為直接反映出直觀信息，而用戶也更為喜歡圖片的呈現方式，這種方式更為吸引用戶也更容易傳播。而數據新聞的圖表制作則是一門非常復雜與精細的工作，在美國有一個Data Journalism Awards的數據新聞獎，專門用來獎勵每年那些杰出的數據新聞可視化作品。
所以從數據到圖像制作，從算法來講相當簡單，而如何呈現如何突出重點才是最關鍵的，在一篇數據報道中能找到各種各樣好玩的東西，而選擇怎樣的角度才能夠更加直觀的展現出新聞的主要觀點，這才是要解決的。
比如“五一”或者“十一”這樣的長假，一定會有很多有價值的數據，此時人工智能則可以根據用戶感興趣的話題諸如堵車、各城市游客流量，各地門票價格、往年歷史數據等等方面出發(fā)，通過挖掘大數據，找到用戶所關心的領域，然后進行各種數據對比，自動生成對應用戶想要看的圖片，這將會帶來巨大的傳播空間。
也許說不定未來的Data Journalism Awards數據新聞獎會是人工智能。
第三層：技術實現交互
無論是現在還是未來，智能交互都應該是最核心的趨勢，因為無論是用戶體驗還是想象空間它都是具有巨大價值的。目前，類似百度新聞和今日頭條的個性化推薦就是智能交互的初級階段。
無論何時，價值至上一定是新聞的主旋律，這里面的價值體現是用戶是否能夠精準快速的獲得自己想要的信息。
如果再深究技術層面，基于大數據的運算和建模所呈現的用戶畫像和內容結構模型，是智能交互的核心?；谶@種“全行為”數據建立起來的用戶畫像，顯然要比那些只基于閱讀習慣的數據模型更具準確性。
機器已經開始代替人類寫稿，說明機器已經開始正式踏入媒體的源頭領域。越來越多的可視化新聞誕生，說明數據、技術與新聞已經無法割裂。用戶正在不斷與新聞客戶端進行不同的交互，說明技術正逐漸挖掘新聞背后的價值。
雖然看上去機器、技術、數據充斥了新聞的未來，但這并不說明新聞被機器所主宰，反而是新聞的一種升華，人們借助技術的力量將會開拓新聞與媒體的另一番天地。
