北大计算机所万小军：写稿机器人偷了谁的才华？ | CCF-GAIR 2017

雷锋网按：由中国计算机学会（CCF）主办、雷锋网与香港中文大学（深圳）全程承办的 AI 盛会「全球人工智能与机器人峰会」（CCF-GAIR），将于 7.7-7.9 日在深圳召开。

CCF-GAIR 为国内外学术、业界专家提供了一个广阔的交流平台，既在宏观上把握全球人工智能趋势脉搏，也深入探讨人工智能在每一个垂直领域的应用实践细节。延续上一次大会的议题，本次 CCF-GAIR 2017 将会迎来更多人工智能和机器人行业的议题与讨论。

说到机器人，就不得不说近两年在媒体行业火起来的写稿机器人。从 2015 年开始，腾讯、百度、今日头条，以及传统媒体南方都市报先后加入写稿机器人的大军，特别是今日头条和和南方都市报的背后，离不开北京大学计算机科学技术研究所（以下简称北大计算机所）的支持。

2016 年 8 月，北大计算机所与今日头条实验室联合研发推出新一代 AI 写稿机器人——奥运AI小记者Xiaomingbot，这是国内第一款综合利用大数据分析、自然语言处理与机器学习技术的人工智能写稿机器人。

随后，2017 年 1 月，南方都市报的写稿机器人“小南”正式上岗。同时，南方都市报社与北大计算机所和凯迪网络三方签署战略合作协议，联合成立“智媒体实验室”，小南正是他们的第一个成果。

不管是互联网公司，还是传统媒体，纷纷与北大计算机所建立合作，那么，该研究所是一种怎样的存在？

根据其官方网介绍，该研究所是北京大学的二级科研教学机构，研究方向主要包括图形图像处理技术与数字出版应用、数字内容计算与知识服务技术研究、网络视音频处理与检索技术、数字文档处理技术、信息安全技术。过去，北大计算机所围绕计算机技术在印刷、新闻出版领域的核心应用做了不少创新性的研发工作。

其中，负责上述两次写稿机器人研发工作的便是语言计算与互联网挖掘研究室。该研究室成立于 2008 年 7月，负责人为万小军，他们主要以自然语言处理技术、数据挖掘技术与机器学习技术为基础，对互联网上多源异质的文本大数据进行智能分析与深度挖掘，为互联网搜索、舆情与情报分析、写稿与对话机器人等系统提供关键技术支撑，并从事计算机科学与人文社会科学的交叉科学研究。

目前，研究室的研究内容包括以下几个方面：

• 研制全新的语义分析系统实现对人类语言（尤其是汉语）的深层语义理解；

• 综合利用自动文摘、文本生成、文本推荐等技术让机器写出高质量的各类稿件；

• 针对多语言互联网文本实现高精度情感、立场与幽默分析；

• 其他探索性研究，包括特定情境下的人机对话技术。

语言计算与互联网挖掘研究室负责人万小军

万小军本人的研究领域包括自然语言处理、文本挖掘和人工智能，在 2015 年获得 IBM 全球杰出学者奖（IBM Faculty Award），同时他的一篇关于采用特征工程抽取句子的论文《Towards Constructing Sports News from Live Text Commentary》在 ACL2016 （ACL，国际计算语言学协会，是世界上影响力最大的国际学术组织）引起了广泛关注。

从现有的写稿机器人来看，多数专注于财经、体育等领域，由于这两个领域有一定的规则和数据可寻，实现起来也较为容易。但，是不是其他领域就无法使用写稿机器人了呢？北大计算机所与南方都市报合作的“小南”便打消了这个疑问。小南推出的时间在 2017 年春运期间，专注于民生领域的报道，首篇报道共 300 余字，数据自动抓取完成后，报道生成只用了不到一秒的时间。万小军曾向媒体表示，教小南写稿过程中，难点是可供学习的样本不够丰富，尽管民生关注度高，但不像体育和财经报道有相对固定的模式，训练资料较为缺乏。

另外，小南的另一项本领是生成报告摘要。万小军介绍，小南采用了先进的自动文摘技术，该技术可以根据多种文本特征，如关键词、段落位置等，判断不同信息的重要性，最终在摘要里保留核心部分。

实际上，除了写稿，写稿机器人未来还有很多潜力可开发，如对已有的稿件进行改写，根据不同的稿件写综合报道等等。不过，机器人毕竟是机器人，还是有很多事情是无法取代人工的，现在倒是有不少媒体人直呼，什么时候这些写稿机器人可以开放给所有媒体人使用。

雷锋网编辑有些迫不及待地想要这样的一个帮手了。在7月7-9日的CCF-GAIR大会上，万小军将到现场为大家分享关于写稿机器人背后的技术，同时雷锋网也安排了 AI+ 为主题的专场，探讨人工智能的现状与未来，如果想了解这一领域的最新见解与洞察，欢迎购票参加。