我知道現(xiàn)在說機器人搶飯碗的聲音太多，這篇文章就不必從這個角度去宣揚了。
無論如何，科技總是不斷發(fā)展，代替人做大量重復性“套路”強的工作，每個人做重要的是不斷學習，做機器做不到的事。8月22日，“聞學社沙龍”以《人工智能將如何重塑新聞業(yè)》為主題，邀請了來自中山大學、清華大學、路透社等機構的專家學者，探討新技術影響下的傳媒生態(tài)。
沙龍上，路透社市場開發(fā)經理王海明分享了路透如何利用人工智能來分析新聞源的，我發(fā)現(xiàn)，在某些場景下，機器已經可以核實新聞真實性、甚至根據(jù)新聞自行下單做交易。以下是來自王海明的分享。
路透有專門面對機構客戶的信息終端，提供實時的股票、固定收益、大宗商品、外匯等金融市場的實時行情。據(jù)王海明介紹，路透社提供新聞的有以下幾種主要類型。除了自己撰寫新聞以外，他表示路透全球還有400多個實時數(shù)據(jù)源，6000多個接近實時的數(shù)據(jù)源一起提供給客戶。
機器自行判斷消息的可信度
在檢測社交媒體這塊，路透推出了一個產品叫Reutres News Tracer，實際上是一個監(jiān)控社交媒體的工具。這最早是路透內部用，提供給記者和編輯監(jiān)控社交媒體的新聞源，嘗試從上面發(fā)現(xiàn)新聞線索。王海明表示，后來隨著算法的深入，他們發(fā)現(xiàn)用機器學習可以做很多東西，比如對于社交媒體上發(fā)出的信息，可以通過算法區(qū)別哪些是新聞，哪些是一般性對話。這個項目在內部已經應用的情況下，經過三四年的不斷優(yōu)化，現(xiàn)在正逐步測試開放給外部用戶使用。
Tracer會對Twitter上搜集起來的所有可能視為新聞的做分析，一是能找出最先發(fā)出來的；二是誰先轉發(fā)的；三是可信度，我們知道，社交媒體上消息并不是所有都可靠，機器人會通過交叉比對，標明真實的可能性有多大，根據(jù)驗證結果有從0%到100%的可信度標注。
王海明分享了前段時間這個工具的典型作用：讓你看到一條謠言是如何煉成的。
他回憶，當時傳出了關于某上市公司的假消息，他用這個工具監(jiān)測，新聞出來他看到新聞源就知道是假的，一開始慢慢增長到800多個點擊量，然后有大V或其它媒體轉載，馬上就會爆發(fā)，當被網站轉載以后它就變成真新聞發(fā)酵了，但不到24小時又被澄清了。“我見證了整個過程，因為我收到第一新聞源特別早，整個假消息傳播鏈條是一開始局限在小范圍內，隨著新聞網站的轉發(fā)和大V轉發(fā)而爆發(fā)的。”
他總結，目前Tracer有以下幾個作用：
一、自動驗證新聞真假，根據(jù)介紹，它還會用算法去問記者平時可能會問的問題，去驗證新聞的真實性。
二、通過算法和機器學習去除廣告、垃圾、謠言、一般性談話，摘出要點，根據(jù)不同的數(shù)據(jù)源確定它的真實程度有多高，同時它能夠去除噪音，而且會把相同類別的疊在一塊兒，作為一個數(shù)據(jù)組，同時顯示未來的更新。
三、這個工具是實時監(jiān)測的，來驗證Twitter和社交媒體上的新聞。
四、后臺有大數(shù)據(jù)庫，可以根據(jù)你的需求來搜相關新聞。
王海明表示，由于Tracer是通過社交媒體網站直接抓的第一時間見證者發(fā)布的信息，如果判斷是真實的就直接發(fā)布。因此有一些新聞，比如日本地震，比第一個發(fā)布的媒體還要早4分鐘，因為有親歷者發(fā)布，它開始交叉驗證，驗證為真，因此就發(fā)布出來，同時會自帶一條這條新聞可信度為多少，70%或50%，而且會把數(shù)據(jù)來源發(fā)布出來讓你辨別。
“傳統(tǒng)上說到的AI應用都是在分發(fā)那一端，我們是從新聞來源那一端做了大數(shù)據(jù)、人工智能、機器學習的應用。”
機器自動讀新聞并下單
它分享的第二份案例是機器讀新聞并自動下單的產品。
這個產品的邏輯，簡而言之是讓機器自行檢測并讀新聞，提供實時數(shù)據(jù)和分析，判斷完事件為正面還是負面之后，機器能辨別買賣信號，直接下單。
他舉了一個例子：“這是TDK RIC公司的股票代碼，這里發(fā)生的事件是并購，如果并購的新聞一發(fā)布，機器瞬間就會根據(jù)新聞自動下單，在人反應之前已經完成交易。這類機讀新聞主要是為機構提供的。
機器分析的其中三點可能是這樣：
機器會與歷史數(shù)據(jù)庫比較，涉及到具體某個公司，某個消息的利好程度有多大，可以根據(jù)這個來分析新聞對商品、股價的影響。
機器也能根據(jù)新聞分析出市場情緒，比如大宗商品和黃金，根據(jù)目前這段時間新聞的報道，大家的情緒普通是高還是低，有一個指數(shù)指標跟蹤，市場現(xiàn)在對資產類別或股票的情緒變化。
最后比較簡單的是利用經濟指標，是股票市場、外匯市場，現(xiàn)在股票、外匯、大宗商品市場很多交易都來自于這種指標的直接下單。
利用語義分析做供應鏈圖譜
他最后分享的案例是，利用機器分析公司的供應鏈和人之間的關系網絡。
路透利用內部語義分析引擎，發(fā)現(xiàn)某些公司新聞里面提到的相關公司是它的客戶、競爭對手、母公司、消費者還是子公司，機器分辨出來后，然后做一條跳關聯(lián)關系。
以下是蘋果公司的供應鏈數(shù)據(jù)，他表示這全部都是機器分析出來的，圖中都是跟它有關系的公司，蘋果在中間，供應商在左邊，客戶在右邊，技術公司有一百多家，列出細分子行業(yè)。
這里會用到路透原有積累的產品或數(shù)據(jù)，全球99%的上市公司在路透的數(shù)據(jù)庫里有ID，這樣有助于他們找到這些公司的資料。另外還有兩個關鍵數(shù)據(jù)庫，一個是組織機構數(shù)據(jù)庫，另一個是人的數(shù)據(jù)庫，一個是做公司關聯(lián)，第二是做上市公司高管之間的關聯(lián)，打出標簽以后可以整理出上下游和關聯(lián)關系。
總體而來，供應鏈和價值鏈分析，主要是通過路透語義分析引擎對新聞全文進行分析，結合數(shù)據(jù)處理，智能標簽，PermID（組織機構在湯森路透內部唯一標識），以及知識圖譜等技術等技術來做的。第三方用戶如果想做數(shù)據(jù)處理，也可以將原材料放上云端，讓機器自行分析和梳理關聯(lián)關系。
