让读者亲身体验算法，这样的新闻理念已经落地执行。最新案例是一个叫做#所写即所是#（What Your Writing Says About You）的项目，这也是《华尔街日报》为提高期刊影响力所主攻的最新领域。
你可以这样理解它：通过这种阅读新闻的方式，用户可在平台界面上输入包括散文、求职信、博客文章以及商业电子邮件等不同题材的关键词后，可轻易获取算法提供的系列相关内容，这些内容不仅数量客观，而且质量也有一定保证。通过设定不同的参数，算法的过滤功能得到了完善，海量信息是在被“精心”筛选、优化后才送给读者。
△ 借助AI技术制作的交互式图表
在智能化生产的新闻过程中，除了新闻事件本身，这个项目提倡记者作为内容提供者，为读者提供更多信息：包括新闻生产背后的具体措施以及素材的来源出处。《华尔街日报》希望通过这种方式，让读者了解机器学习，自然语言处理是如何影响机器人写作新闻的语言风格、涵义、文章基调甚至是具体的词语选用标准。
“这些新技术不仅能帮助记者更好地阐述复杂的新闻报道，同时能让读者深刻认识到AI给新闻生产带来了怎样的影响，这不是记者精心写几篇科普稿就能实现的事情。AI的一个显著特征就是能让用户‘沉浸’其中，这是以往任何一种技术都无法做到的。”---Journal Reports 编辑 Larry Rout
△ 借助AI技术制作的人脸识别软件
华尔街日报之前推出过一个读图项目，名为“面部识别软件的工作机制”，读者只需启用手机或者电脑的摄像头，然后轻摇头部，就能与界面实现互动，看到自己脸部被识别的全过程。另一个叫作“为自己建立智能交易管家”的项目，主要通过提供简易操作的用户界面，吸引参与的鼓励机制，用户可以揭开算法驱动型交易的神秘面纱。
新闻&算法可靠性
可能很多人尚未意识到，人工智能已经渗透到我们生活的方方面面。AI的算法机制甚至决定了个人是否有资格获得贷款，简历能否通过筛选，飞机上的乘客具体坐在哪个座位，哪些广告适合以网络广告的形式推出，具体有哪些网络信息能够推送给用户。算法离不开数据，这些数据是否公开直接影响到用户对算法机制的认知，也会影响企业组织战略任务的制定。
算法审核具有一定的难度。在这样的情况下，新闻从业人员应该担负起更多的责任，需要依靠自身的专业能力，核实自动化生产新闻的真实性，提高其内容准确性。西北大学计算新闻学教授Nicholas Dialopoulos在自己即将出版的新书中就提到“算法问责”的概念，这也提醒我们一个事实：计算机程序已经影响、控制了相当一部分的社会生活。
Dialopoulos解释说，“算法机制一经引入，影响波及广泛的人群，因它引起的争议性问题，不仅涉及公共生活的各个领域，甚至个体的私人生活空间也遭到'算法'入侵。作为应对之策，新闻业界已经兴起各种针对'算法如何影响公众社会生活'的调查研究。研究算法，其实能发现很多具有新闻价值的课题，比如'算法歧视'及其它带来的不公平问题，新闻表达失真，违法违纪等问题。目前，反向编辑是我们能用来抗衡这些问题的一种技术手段。”
AI背后的“暗箱操作”
算法能够帮助人们做决定，但这些决定的“诞生”过程几乎不为人知。这也是为什么说，AI除了拥有“光鲜亮丽”的外表，更有深藏不露的“黑箱”。在用户不知情的情况下，算法已经凭借自身的一套机制规则为人们做了很多决定。“黑箱”是一个很好的隐喻词，它道出了算法不为人知的秘密和人们的“视线盲区”。
“期望通过修正的方式解决算法带来的各种问题治标不治本。信息赤字、有限的访问权、变换的动态目标，这些都会影响算法修正的效果。但是，如果能有专家指点，团队合作，这些难题或许能被克服。”Dialopoulos表达了自己对这一问题的看法。
要想解决问题，最重要的还是两点：弄清算法的机制规则；了解智能系统的具体创建过程。举例来说，前文曾提及利用AI，用户可以分析“所写即所是”背后的规则‘套路’，而AI为何有此效用，是因为人工智能公司Factbase为这款AI产品设定了特定程序。这家公司的人工智能研发做的已经较为成熟，设计出来的算法机制可寻求开源，供同行审阅甚至核查。
要尽可能搞懂算法得出某种结论的背后，到底是哪些参数在起指导作用，这点很重要。FactBase的创始人Bill Frischling说，“算法涉及哪些参数，如何分析这些参数，这不仅与算法的自身设计有关，同时也为公众更好弄清算法如何做决定，做了哪些决定提供了视角。”
除了公众，从事人工智能开发研究的技术人员也十分关心以上这些问题。因为他们不仅需要向公众解释算法的机制规则，保证它的公开透明性，他们自己更要弄明白这些问题，因为这是进行下一步工作的前提和基础。同时，这也是算法学习必然的结果，算法的运行并不完全遵从人为的命令要求，更多的是基于“自我认同”。
新闻实验室间的合作
算法及其机制本身就是一个复杂的命题。
新闻业界想要将其研究透彻还有一定难度，技术难题仅是第一个层面。但此题仍有解，如果数据科学家、新媒体记者以及技术专家之间能够深入合作，破解算法难题是能够实现的。
在当前讲究跨领域合作的社会环境中，团队的工作氛围以及企业文化价值的重要性愈发不言而喻。媒体行业对分工合作的要求更高，这点可从各大新闻实验室的最新发展动向中得到佐证。新闻实验室的维持及壮大，离不开整个团队的而后作，而合作意味着多元化的视角，这是应对技术更迭，时代发展的重要资本。
△ 《华尔街日报》在纽约的实验室
“我十分感谢华尔街日报提供的新闻实验室平台，能够让各行业的专家汇聚于此，交流各自领域的心得。我也很荣幸成为其中一员。成立新闻实验室，最开始是由‘Journal Reports’团队的编辑们提出的，当时他们主要负责‘所写即所是’项目，我们交互组主要负责编写代码，改善用户界面和图形可视化。隐私权方面的法律专家、数据专家、负责线上和线下平台的同事们以及移动端的编辑，他们的主要任务就是保证用户使用体验的最优化。”--《华尔街日报》新闻编辑 Demetria Gallegos
如果新闻机构内部有一个宽容的工作环境，激励记者勇于试验创新的工作机制，那么团队的合作以及个人的积极性都能得到调动。其实，创新是一个不断试错的过程，犯错误并不可怕，关键是要从失败中汲取经验，获得新的视角，这样才能为下一次的尝试减少不确定性，积攒成功的可能性。无论大小，知名与否，所有的新闻实验室都应该落实这些理念。
“创新新闻阅读方式，打造新的用户体验，这是我们目前正在做的事情。但不能忽视的是，用户已经形成了自己的阅读习惯，要想做出改变首先要看他们是否有此需求，以及他们在多大程度上愿意做出改变。团队在讨论创新新闻话语故事化表达方式时，曾根据不同标准，检验了多种技术手段的适用性。之后，我们排除了那些耗时耗力的工具。除此之外，作为内容提供者，我们必须掌握用户的心理----他们有着怎样的信息需求。通过交互式的新闻故事，我们能吸引更多用户的关注，使他们产生阅读的兴趣，愿意接受问卷调查，乐意接受测试。如果用户能在社交平台上分享自己的使用心得，那就意味着我们成功了。”---《华尔街日报》新闻编辑 Cristina Lourosa。
新闻标准&技术演进
计算机为我们提供的结果或结论，并不总是正确。人工智能的程序是由人来编程的，这也就意味着有出错的可能。而AI带来的道德伦理问题，发人深思。
哥伦比亚新闻学院的计算新闻记者Kourosh Houshmand指出：“了解信息的来源--人或者算法抓取的数据，对新闻行业具有重大意义。”
“即使当下算法‘大行其道’，职业记者永远不能忘了自己的本职：用批判的视角看待这个世界，为人们提供不偏不倚的真实真相。”---《华尔街日报》图表记者Nigel Chiwaya
算法并不神秘。对于公众来说，理解这项技术首先要保持开放的心态，亲身体验它，才能明白它背后的规则玩法，以及这些规则给自己的生活带来的影响。
作者：Francesco Marconi
来源：wsj.com
编辑：阿勺（实习生）
编辑：罗布君
Via：新京报传媒研究（xjbcmyj）
