论AI新闻写作的逻辑特征——基于Dreamwriter报道与人工报道的对比分析

1956年，人工智能在美国达特茅斯会议上诞生，经探索、产业化逐步发展成熟，成为各行业发展的核心驱动力。2019年上半年，全球人工智能核心产业市场规模超过335.9亿美元，我国人工智能核心产业市场规模超过49.6亿美元。在国内新闻生产领域，自动化新闻、虚拟主播、智能生产平台等均有所应用。

“自动化新闻中常提的‘机器人’实际上是一种稿件的自动生成软件，通过软件应用实现机器取代人力，提高发稿的速度和数量。”2006年，美国汤姆森公司用AI撰写财经新闻。2009年，AI软件“StatsMonkey”在美国职业棒球大联盟季后赛上生成体育报道。随后Narrative Science公司、《洛杉矶时报》、美联社等均涉足该领域。在国内，2015年9月，腾讯推出“Dreamwriter”；同年11月，新华社“快笔小新”正式上线。2016年第一财经“DT稿王”、今日头条“小明”、封面新闻“小封”等AI陆续上岗，应用于体育赛事、财经播报、天气预报、地震信息等多个领域，承担了原属于人类记者的部分工作。

一、文献回顾及问题阐释

截至2020年年底，中国知网中以“机器人”和“记者”为主题的文献共157篇，与本研究相关度较高的有136篇。已有研究在研究思路上可划分为三个路径。一是对某一具体写稿机器人或某类报道的情况进行描述，分析智能写作的优劣势。王悦等“对体育赛事机器新闻写作的作品进行分析，指出在语义理解、数字冲突、非结构化数据等方面面临的现实困境”。二是智能写作的应用对新闻出版业的影响。在生产流程方面，喻国明等提出“机器人加入新闻生产者的阵营，加快了新闻生产速度，增加了新闻生产内容，提高了新闻质量，减少了写作成本”，周政华等提出“机器人替代普通劳动力进入了智力密集的新闻业，新闻的编辑发布权正在从有血有肉的个体逐步让渡给算法”；在新闻伦理方面，杨保军等提出“智能新闻的伦理风险主要表现为失实风险、侵权风险和算法权力滥用的风险”。三是聚焦于技术与人文关系的思考。丁柏铨提出“智媒并非万能之媒，媒体和记者过分依赖和迷信传播技术，将会削弱媒体和新闻作品所应该具有的人文力量”。

总体来看，学者们更多从技术哲学、文化人类学等视角进行理论观照。有学者提出，应对人机关系的技术伦理之争，“秉持折中互济的新闻生态观将是一种可替代性的选择”。基于海德格尔技术哲学观，可以“以‘互构’与‘互驯’为切入点，反思当下‘人技’关系新走向”。基于主体性研究提出应“充分体现‘人是媒介的尺度’这一新闻伦理观念”。赵鑫提出“人工智能新闻是人类创造出来的用以辅佐新闻记者的一种物质文化……应各自发挥其在客位视角和主位视角上的长处”。

问题在于，现有研究存在着两种截然不同的论断。着眼当下，有学者持技术乐观主义，提出“在对时效性和精准性要求非常高的新闻领域，机器人的作用明显超越了人类记者的工作效能”。也有学者提出，AI写作仍处于弱人工智能阶段，“智能化在新闻业领域的应用还相当初级……新闻的专业性，尤其是人类的判断力、价值判断体现出来的力量，机器新闻尚难以企及”。对于未来，有学者认为“未来新闻写作的全面智能化趋势毋庸置疑”，“未来随着技术的发展，机器新闻也会更有温度和质感”。也有学者认为“AI新闻写作无法具备人的情感和创造力……只会充斥着模块化的陈词滥调，失去受众的支持”。这似乎回到了20世纪强效果论、有限效果论研究的循环。这与智能媒体的发展阶段、学者所持立场、研究方法都相关，但论据采纳是重要的影响因素。大量研究缺乏一手数据，直接采信媒体报道或者开发者的陈述。如“美国叙述科学公司的联合创始人克里斯·哈蒙德在接受《连线》杂志采访时预测，到2027年，美国超过90%的新闻将会由机器人来完成”；“麦肯锡全球研究所的报告预测，到2055年，现存的工作中有接近一半将被机器人所取代”。此类论据能够展示愿景，但缺乏从实际出发的准确性和可信度。

新闻报道中的逻辑深度是评价新闻表达有效性和可靠性的重要因素，也是衡量思维能力、主体性的指标之一。在136篇文献中，有50篇提到AI报道的逻辑层级与人类存在差异，但并未对其逻辑发展阶段进行准确界定，也没有进一步解释逻辑层级的深度和具体差异。因此，本文采用内容分析法，选取相同主题的AI报道和人工报道进行对比分析，分析其逻辑特征。一方面试图定位AI新闻的发展进程，回答现阶段AI的逻辑分析能力与人类记者相比有哪些优势和不足；另一方面，重新审视人类记者如何在实际业务中发挥主体性等问题。

二、研究路径

Dreamwriter是国内首个成功应用于自动化新闻的写稿机器人，早在2015年9月便发布题为《8月CPI同比上涨2.0% 创12个月新高》的财经新闻，评论数远高于同期其他报道。“一年时间，Dreamwriter从1.0发展到5.0。每一版都会加入一项复杂的技术，每一次的技术迭代都会给内容生产带来改变。”“2017腾讯媒体+峰会”上，腾讯副总裁陈菊红发布《2017中国新媒体趋势报告》，Dreamwriter在一秒钟内现场完成摘要提取、自动配图、自动剪辑。“截至2019年，Dreamwriter每年大约写50万篇稿子，总计8 000万字。某月日均产量，仅财经体育类就有两三千篇。”其在天气、交通、房产、车展、4S店保养数据及优惠信息等领域均有涉猎。

1.抽样与样本

笔者以“本文由腾讯机器人Dreamwriter撰写”为关键词在百度中进行检索，利用爬虫软件抓取从2020年1月1日至7月20日发布的全部报道，经人工筛查及数据清洗，去掉重复稿件、汽车报价等非新闻体裁的稿件，得到三类主题的报道。体育类发布于“腾讯体育”，时间集中在2020年1月1日至3月12日；财经类发布于“腾讯财经”，时间在2020年5月14日至7月9日；天气类发布于“看点快报”，时间在2020年5月9日至7月14日。每类报道各抽取30个样本，采取等距抽样法，隔天抽取，选择其中的第一条，得到有效样本共90条。

为与AI新闻形成有效对比，选择与AI报道类型最为相近的人工报道为研究对象，分别为腾讯体育2020年1月1日至3月12日的NBA赛况报道，腾讯新闻2020年5月9日至7月18日的天气预报。由于AI财经报道均为基金净值信息，而2020年除Dreamwriter外尚无此类人工报道，因此在与Dreamwriter报道时间不重合且跨度相同的时间范围内（2020年2月1日至4月30日），检索发布于腾讯财经且含“基金”关键词的全部报道，以此评估净值报道未出现时基金类内容的整体情况。每类报道抽取30个样本，采取等距抽样法，隔天抽取，选择其中的第一条，得到有效样本共90条。

2.类目建构

根据《逻辑学基础教程》，普通逻辑中的构成单位包括概念、判断与推理。概念包含概念内涵与外延，判断分为简单判断、复合判断、必然判断、可能判断。逻辑分为非模态推理及模态推理，非模态推理包括演绎推理、归纳推理以及类比推理。根据胡华涛《新闻推理与论证的语用逻辑研究》，“新闻推理与论证绝不是处于封闭状态下的纯思维形式的推演，而是日常特定新闻语境中的思维表述活动，也包括记者在新闻现场直接感知的人和事等经验信息，构成逻辑认识的起点”。据此，基于对样本的细致观察，本文在基本逻辑元素基础上增设延伸内容、详细叙述两个类目，确立了最终的测量指标。

对报道内容的逻辑层级、延伸情况2个维度共12个变量进行编码与测量。逻辑层级包括文中是否（1/0）含有概念内涵、概念外延、简单判断、复合判断、必然判断、可能判断、演绎推理、归纳推理、类比推理、模态推理等10个二分变量。延伸情况包括是否（1/0）包含详细叙述和延伸内容。

表1 AI写作逻辑分析的研究类目指标体系

对180个样本进行内容分析，得出各项变量在30个样本中的比例数据，通过三类AI新闻间的纵向比对、与人工新闻的横向比对，得出AI报道的优劣特征以及人工写作的独特价值。

三、AI写作的特征分析

整体数据表明，AI写作有两个特点。

一是逻辑程式固定。AI报道各类目的百分比呈0和100%两极化分布，说明同类报道语言模板的相似度极高，所包含的逻辑元素具有一致性，不同报道之间的差别在于概念和数据的替换。

表2 Dreamwriter报道与人工报道对比

（续表）

内容结构相同是逻辑程式一致的前提。体育类样本均为NBA赛况报道，内容由比赛结果、球员技术统计、比赛回顾、双方阵容四部分构成。多以简单判断为主，如“热火内线优势巨大，本节共抢下16个篮板，包括7个前场篮板，其中阿德巴约一人就贡献5个篮板球，凭借篮下优势取得3分领先优势”。多个“篮板球”判断形成归纳推理，得出“优势巨大”的判断，并按照新闻的倒金字塔结构将其前置。诸如此类的归纳类词语在文中频繁出现，如表3所示。

表3 Dreamwriter撰写的体育报道中归纳类词语词频统计

其余两类报道同样由固定的写作模板生成。天气预报的30个样本均由时间、地点、天气、穿衣建议、温馨提示五部分构成，天气为阴晴、多云、风力的简单判断，据此归纳穿衣建议和体感舒适度。财经报道为基金净值、涨跌趋势、基金介绍，不存在推理。

二是逻辑元素有限，每类报道中判断和推理的种类较少。推理是由已知判断推出的新判断，具有扩充知识、鉴别信息、理性论证的作用。体育类AI报道仅有概念外延（双方阵容）、简单判断、复合判断、归纳推理等4种，而人工报道含有9种；财经类AI报道仅有概念内涵、简单判断2种，而人工报道含有10种；天气类AI报道含概念内涵、归纳推理等5种，而人工报道含有10种。这与“机器人擅长撰写涉及大量数据、连接逻辑简单、数据准确度很高的结构化稿件”有关，模板种类贫乏造成逻辑元素较少。

从上述两个特征出发，AI报道有以下优势。

一是基础数据详实，阻断逻辑谬误的源头。概念是符号的定义，主要用于消除歧义。概念的模糊性和不确定性是引起报道逻辑谬误的源头，常源于记者对概念内涵及外延的错误认知。如2020年3月1日湖人对战灰熊的人工报道中提到“詹姆斯拿到皮球后，面对布鲁克斯的防守，像坦克一样推着布鲁克斯到篮下”，“篮球”被误写为“皮球”。而对于AI新闻来说，数据库保障了概念的正确性。“从15—16赛季开始，腾讯买断了五年NBA在中国大陆市场新媒体的独播权，同时采购了NBA的全套数据。”Dreamwriter负责人刘康表示，“官方数据默认是权威的。他们在使用时会有一个权重评级，如果总是不权威，他们会下调权重评级……与自己的备用库数据比对核实”。在海量的资讯素材中，只要机器学习和程序逻辑正确，通过规格化、模式化处理，便可精准无误地调取概念，较少出现数据的遗漏、误用等问题。本文样本中，每篇体育类报道的文末都附有成员构成信息，每篇财经报道都附有公司介绍及业绩报告，在概念准确的前提下实现了信息详实。

二是逻辑推理严谨高效。正确的推理过程是得出可靠性结论的坚实基础，AI的推理过程是在程序的支配下完成的，“首先购买或自己创建数据库；然后让Dreamwriter学习数据库内的各项数据，并生成相对应的写作手法”。写作全程受算法控制，摒弃冗余信息，甄选相关信息，在固定模板中完成报道。模板的规定性决定了推理的可控性。而人类报道则受记者的知识背景、价值判断、主观情感等个人因素影响，且谬误具有迷惑性，极易以一种看似正确的论证过程出现，较难保证逻辑推理的正确。以股市报道为例，其多为简讯，但却耗费人力，难窥全貌，“需要即时监控沪市和深市2 400多家上市公司的异动情况……人均监控股票通常在100只左右，对深沪股市的全面监控需要20多人的团队来综合处理”，AI则可将人类记者从繁复的基础工作中解放出来。仅2020年7月9日，Dreamwriter发布于腾讯财经的基金净值报道就有380条。“对于规格化新闻资讯……的生成和发布，时间一般不超过30秒，且差错率远低于人工写作。”

三是适应人类逻辑习惯。在语句方面，体现在AI对复合判断的应用上。复合判断通常由支判断和逻辑连接词组成，如“虽然……但是……”“如果……那么……”“不仅……而且……”等，代表复合判断的逻辑性质，表明支判断间的逻辑关系，是人类日常表达中较常出现的习惯用语。与简单判断相比，复杂判断的逻辑层级更为深入，除事实信息外，更能体现关系信息。数据表明，体育类中含复合判断的AI报道有76.67%，人工报道有96.67%，二者数量差并不悬殊，表明AI报道的语法结构与人类逻辑习惯具有一定匹配度，并不存在不可打破的技术壁垒。在语料方面，“通过拟人的口语化表述做词组和段落之间的联系……这样就可以由不同的比赛、不同的分数形成不同的表述”。AI报道中出现“三分如雨”28次，“疯狂进攻”21次，“筑起铜墙铁壁”14次，“掉进失误陷阱”13次，此类表达还原了运动员的行为轨迹和评委的话语习惯。2020年1月17日爵士对阵鹈鹕的AI报道中提到，“费沃斯此节得到7分，还在最后时刻封盖了爵士试图扭转局面的上篮，对老东家进行了‘完美复仇’”。“完美复仇”是对特定意义词语的使用，体现了人格化的逻辑延伸。

AI报道的劣势在于其与其他事件建立联系的能力较弱。首先，这体现在类比推理上，类比推理是将过去的经验作用于对未来的判断中，常用于得出日常推论。运用生动的表述创造鲜活的画面，辅助受众理解陌生文本，并将报道倾向寓于类比对象中，AI写作在这一方面有所欠缺。人工报道中，40%的体育类和16.67%的财经类报道含类比推理，如将球员及动作比作“机器人”“坦克”“灵蛇出洞”“过清晨无人的马路”等，将某公司及境况类比为“雷曼兄弟”“患感冒”等。而与之对应的AI报道均不含类比推理。

表4 人工报道中的类比文本

（续表）

但不可否认的是，类比不具备逻辑必然性，前提并非确定地作用于结论，且人工报道中也存在类比误用的情况。2020年1月9日独行侠对战掘金的报道中有这样的表述——“小库里替补上场过后，微波炉一般，连续2次投篮得分”。微波炉与多次投篮并无相同属性和相似特点，在此构成联系是错误的比喻，在后续的报道实践中应有所规避。

其次体现为演绎推理和延伸情况的缺失。演绎推理是在一般性知识的大前提下，得出个别性知识。演绎结论是否有效，取决于前提是否可证明。在内容生成过程中，其意味着调用除主体信息外的其他信息，包括背景材料。如“国际油价史无前例暴跌，油气基金的净值也创出历史新低记录”“湖人和雄鹿的对决，被看作是总决赛预演，也被看作是詹姆斯和字母哥两个人的MVP之争”“河南迎来大范围强降雨，河南大部都被大雨所覆盖，其中在河南中部还分布着范围不小的暴雨天气”等。60%的财经类人工报道含演绎推理，而AI报道不含。体育、财经、天气类分别有56.67%、63.33%、43.33%的人工报道含延伸情况，而AI报道仅有1篇。与AI新闻频繁使用的简单判断相比，演绎推理和延伸资料暗含因果，有助于读者把握报道主题，提升新闻可信度，而AI在这一方面的不足导致其报道缺乏纵深。

AI报道的劣势还体现为研判和预测的能力较弱。微观层面体现为可能判断、必然判断极少。在人工报道中，含必然判断的样本，体育类有16.67%，财经类有10%，天气类有13.33%；含可能判断的样本，体育类有6.67%，财经类有50%，天气类有30%。而AI报道方面，仅天气预报中有1篇含必然判断，其余均为0。

记者呈现新闻是一个结构化组合与观念提炼的过程，其中包括对事件趋势进行预测。财经报道中的可能和必然判断可提高新闻价值。“对于想购买该新基金的投资者，接下来大半天时间里，必须要以‘比例配售’的思维认购”“这些基金可能又在进一步加仓”等研判话语具有指导意义，但“更多需要细节描述、理性判断、归因说明的新闻报道……往往难以设计普适的写作模块，写稿机器人无能为力”，只能依靠人类辅助完成。

中观层面，AI报道无法进行详略取舍。在天气预报中，40%的人工报道对节气特征、气流运动等进行详细叙述，而AI报道均无此类内容。以2020年7月16日的两则报道为例，Dreamwriter撰写的全文如下：

天津西青07月16日天气预报

时间：07月16日

地点：天津西青

天气：阴，最低气温24℃，最高气温34℃，西南风3级

穿衣建议：天气炎热，建议着短衫、短裙、短裤、薄型T恤衫等清凉夏季服装

温馨提示：白天天气以多云到阴为主，日照虽然不强，但仍会使您感到有些热，不很舒适

而人工报道中含有此类表述：

今天开始入伏了，俗话说“热在三伏，冷在三九”，三伏天通常出现在小暑与处暑之间。三伏是初伏、中伏和末伏的统称，是一年中最热的时节，其气候特点是气温高、气压低、湿度大、风速小。三伏为什么热？因为光照时间长，地面辐射累积多……

人类记者具备人文素养，可结合社会经验对重要性进行判断，有选择地对某些内容展开叙述。AI新闻在此方面不做调整则会千篇一律，缺乏温度。

宏观层面，AI的选题过程并非完全自动化。许向东认为，“判定新闻价值，提炼报道选题……人工智能会提出一些建设性的创作意见……这一过程中可能需要人工的协助”。因此，尽管AI新闻有阻断逻辑谬误、逻辑推理严谨、适应人类逻辑习惯等优势，但类比、演绎、延伸、预测、研判的能力较弱，逻辑元素均以散点状分布于报道中，作用于得分、气温等细节上，而并未通过连贯的逻辑链条层层深入、生成观点、提炼主题进而应用于整体报道中。

四、AI写作逻辑受限的归因分析

在逻辑推演方面，AI受算法和程序支配，而人类则靠意识完成，这是二者信息生成机制的根本差别。AI的逻辑层级能否向人类靠近，主要取决于智能系统的开发程度。目前，国内外的AI多以模板写稿和自动摘要为主，自主生成模式尚未普及。模板写稿是在固定结构中填充数据的稿件生成模式。首先根据题材、篇幅确定叙事框架及表达方式，由此定制多种模板；其次根据数据类别进行模板检索及判断，选定目标模板；最后导入新闻现场或数据库中的数据，生成新闻文本。该模式多用于数据库完整、格式可复制的消息类报道，如地震、球赛、财经简讯等。美联社的Quakebot，《华盛顿邮报》的Heliograf，国内的Dreamwriter、快笔小新、DT稿王等，均采用该生成机制。

自动摘要是在给定文本的基础上提取关键信息。百度的自动摘要的形成过程是：首先将搜索所得的全部文本进行分词、分句处理，得到词、句集合；其次通过算法对各句的重要性进行排序，提取关键信息，计算相似度，筛除冗余信息，并通过惩罚因子评估句子的新颖程度；最后按照相关性顺序将句子组合起来，形成摘要。“截至2018年，微软小冰已自动生成沪深两市26类上市企业的公告摘要，中国金融机构的交易员已经有90%在使用小冰生成的摘要。”

自主生成是通过深度学习，“让人工智能程序全方位地学习和模仿人进行写作。从新闻采集、信息加工、数据分析到最终的文本写作都由人工智能程序来完成”，但目前尚未广泛应用。目前所采用的深度学习技术多为Seq2Seq模型结合Attention策略。Seq2Seq包括编码和解码两个阶段，分别由两个递归神经网络（RNN）构成。“编码是将输入序列压缩成一个固定长度的语义向量，解码阶段的RNN神经网络会一个一个字符地解码……将前一步解码的输出作为下一步解码的输入。”Attention机制用于保障语义的准确度，锁定关键词，避免过拟合。Seq2Seq+Attention的本质是机器翻译，是基于已有文本生成新文本，并非原创。

以上三种写稿模式的核心原理均为自然语言处理，分为自然语言理解和自然语言生成。AI写作之所以无法达到人类的逻辑深度，一是因为机器学习能力有限。模板写稿只需要机器理解数据及写作模板，而自主生成则是对字符进行处理。二是因为写作模板有限。判断、推理的种类与模板样式一一对应，AI报道能够实现归纳推理，是因为其技术逻辑正是以点信息为起点来生成判断的。Dreamwriter负责人刘康表示：“报道奥运会的跳水比赛……每一个运动员都有一套专业得分，包含了走板、空中姿态、入水水花效果等。在Dreamwriter学习过程中，它把每一步的得分都打散了，在数据库里随意组合抓取，同时综合赛事本身的规则，最终把这些分数还原成一套表述。”学者对自动写作方法的创新也基于“归纳”的思路。“针对NBA赛事，首先根据两支球队的比分差,构建比分差函数，并提出基于比分差函数性质的数据分片算法和数据合成算法。”根据合并数据的特征撰写不同结论，生成模板。演绎、类比、模态推理等则需要研发者不断丰富算法来实现，但“开发针对性的机器人写作很难找到足够多的模型”。三是深度学习的应用领域有限。微软小冰已具备生成比喻句的能力，微软小冰首席科学家宋睿华表示，比喻句的通用原则是通过本体、喻体、解释三个要素构建的。“本体一般是抽象的，比如说爱情，而喻体是具体的。这两个概念之间的联系用Word Embedding来表达，将其变成一个向量，经过降维之后，投影在这个二维的空间上。通过自然语言形态的连接词将其结合起来，组成一个比喻。”但目前比喻技能尚未应用在新闻写作中。此外，人类的语言表达常暗含因果，将模态推理或常识性内容隐去。微软小冰团队开发AI的联想性能，试图让其拥有捕捉文本以外信息的能力，但止步于跨模态理解，根据文字调动画面实现场景模拟，并未在新闻写作中实现同模态的背景信息调取、演绎推理、类比推理等。

五、再议人类在新闻生产中的主体性

曾有学者提出：“人工智能机器人存在‘不是物’的立法需求，该类机器人不是普通物，它具有思维性，是拥有部分主体性的特殊主体。”“主体的本质属性是具有独立意识。”基于AI写作的特征分析及归因分析可知，现阶段AI逻辑能力的开发仍存在技术局限，较难实现高度类人的思维性。在目前的新闻生产中，人类应在人机协同中凭借其独有价值充分发挥主体性。

“主体性是在‘主体—客体’关系中的主体属性，即作为认识活动与实践活动的主体所具有的本质属性，主要体现为自主性。”从口语传播时代至今，人类在新闻生产中的主体性地位未曾改变，变化的是媒介交互形式及主体角色构成。AI写作中，人类也并未将创作权让渡给机器，从机器学习到信息生成，AI始终体现为物的属性，其承担的“类主体”角色实为被人驯化的物的角色，“是利用数字计算机或数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境，获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统”，暂不具备主体性或主体间性。

人机协同过程中，人类应在思维运用中保持主体性。首先是逻辑结构在新闻生产中的灵活归化。AI报道的本质是重复，用统一模板加工同一主题的信息，语言形式呆板僵化，以致新闻产品化。而“新闻推理最明显的特征是不拘一格的形式……本质上是实践的推理，它就没有必要受到逻辑语言形式的桎梏”。人类的主体性体现于新闻产品的差异化程度，记者在规范中开拓新意，避免机械复制，根据内容特性增减推理类型，运用省略、置换等进行逻辑程式的创新。

其次是逻辑元素与现实环境的交互拟合。“新闻推理最为本质的特征是在特定的新闻情境中推理。”推理过程较难预知，结论在不断变动的思考中形成，因此需要储备多种逻辑元素。目前，受制于技术条件，AI的逻辑元素较为有限。“程序”的底层逻辑为“预设”，“推理”为已知的模式化过程，与新闻推理的本质相悖。而人类记者与其他事件建立联系的能力较强，可运用多种逻辑元素完成推演，如调度与报道对象关联度高的信息以进行类比推理，调度背景信息以进行说明及演绎等，且能够将多个推理串联为连贯的逻辑链条，对新闻事实的掌控力较强，凸显主体性。

人类把控主体性的深层含义在于调动读者“思维的具身性”。新闻的意义不仅是告知、对话，更是“社会知觉”，“是一种意识和安全感，可以建构人们知觉任何重大、有趣之事的信心”。新闻的逻辑结构促使受众在阅读中层层深入，与新闻情境融合，在逻辑的同频共振中解构话语，在参与中实现社会建构，同时也促成大众逻辑思维能力的提升。“新闻逻辑方法生成于记者的日常思维，通过反思经验进而抽象、概括出具有普遍意义的非日常思维结构，继而又以此内化于广大受众的日常思维之中。”此般新闻意义的回归，是依赖程序框架的AI写作所不能实现的。

随着AI的发展，“人机博弈”一词被频繁提及，逐渐出现了AI将拟合人类思维、独立完成写作的声音，甚至引发了对于“AI是否会取代人类记者”问题的探讨。根据研究结果及业内现状来看，AI的新闻生产能力在一定程度上被夸大了。李国杰在《人工智能的三大悖论》中提出，“计算机的运行可以归结为已有符号的形式变换，结论已经蕴涵在前提中，本质上不产生新知识，不会增进人类对客观世界的认识”。现阶段，AI的作用为辅助人类劳动、简化工序，起决定性作用的是工程师和新闻从业者。此外，虽然AI在情感、联想、预测等方面均有涉猎，但或技术稚嫩，或专域专用，尚未成为不同场景中的通用技术。面对AI浪潮，人类需对自身的主体性保持理性与清晰的认知。

注释

① 2019年度“人工智能时代媒体变革与发展”研究报告[R/OL].[2020-07-20].http://www.xinhuanet.com/politics/download/2019ndrgznsdmtbgyfzyjbgqwjwjdcjg.pdf.

②㉖㉜ 许向东,郭萌萌.智媒时代的新闻生产:自动化新闻的实践与思考[J].国际新闻界,2017(5):29-41.

③ 王悦,支庭荣.机器人写作对未来新闻生产的深远影响——兼评新华社的“快笔小新”[J].新闻与写作,2016(2):12-14.

④ 喻国明,兰美娜,李玮.智能化:未来传播模式创新的核心逻辑——兼论“人工智能+媒体”的基本运作范式[J].新闻与写作,2017(3):41-45.

⑤ 周政华,练紫嫣.人工智能时代新闻业的谢幕与重生[J].新闻研究导刊,2017(11):1-4.

⑥⑮ 杨保军,杜辉.智能新闻:伦理风险·伦理主体·伦理原则[J].西北师大学报(社会科学版),2019(1):27-36.

⑦ 丁柏铨.智媒时代的新闻生产和新闻传播——对技术与人文关系的思考[J].编辑之友,2019(5):6-12.

⑧ 许加彪,韦文娟,高艳阳.技术哲学视角下A I新闻生产的伦理审视[J].当代传播,2019(1):89-91+99.

⑨ 蒋晓丽,贾瑞琪.论人工智能时代技术与人的互构与互驯——基于海德格尔技术哲学观的考察[J].西南民族大学学报(人文社科版),2018(4):130-135.

⑩㊷ 薛宝琴.人是媒介的尺度:智能时代的新闻伦理主体性研究[J].现代传播(中国传媒大学学报),2020(3):66-70.

⑪ 赵鑫,赵盼超.文化人类学视野下人工智能新闻内容生产再思考[J].中国出版,2017(9):46-49.

⑫ 沈正赋.智媒时代信息传播领域技术赋能与人文精神传承的关系建构[J].编辑之友,2019(5):20-26.

⑬ 陈昌凤.价值引领,让AI新闻业有能更有智[J].新闻与写作,2017(11):1.

⑭ 周思.智能新闻写作前景初探——论AI量化时代对新闻冗余的筛选与整合[J].出版广角,2019(19):75-77.

⑯ 王雨妍,陈丹.人工智能时代记者如何融入“智能化生产”[J].传媒,2020(3):39-41.

⑰ 李政.人工智能时代新闻记者的价值定位[J].出版广角,2019(10):61-63.

⑱ 牟怡,夏凯,NOVOZHILOVA E,许坤.人工智能创作内容的信息加工与态度认知——基于信息双重加工理论的实验研究[J].新闻大学,2019(8):30-43+121-122.

⑲㉔㉕ 陈钟昊,崔灿,王睿路,张研.腾讯Dreamwriter：自动化新闻发展之路媒体调研报告之六[R/OL].[2020-07-20].https://mp.weixin.qq.com/s/fF9v9YRkJsPzgA2HtlnSfQ.

⑳ 刘康.人工智能如何助力媒体生产和运营[J].新闻记者,2019(03):8-9.

㉑ 南开大学哲学系逻辑学教研室.逻辑学基础教程（第二版）[M].天津:南开大学出版社,2008:33-58.

㉒㊺㊻㊽ 胡华涛.新闻推理与论证的语用逻辑研究[J].国际新闻界,2012(2):58-63.

㉓ 解学芳,张佳琪.AI赋能:人工智能与媒体产业链重构[J].出版广角,2020(11):26-29.

㉗㉛ 何芳明.写稿机器人对新闻生产的影响及应用前景[J].青年记者,2018(33):77-79.

㉘ 喻国明.人工智能的发展与传媒格局变化的逻辑[J].新闻与写作,2016(2):1.

㉙ 刘康.未来AI可以提供个人定制[J].新闻论坛,2017(4):22-23.

㉚ 曾庆香,陆佳怡.新媒体语境下的新闻生产:主体网络与主体间性[J].新闻记者,2018(4):75-85.

㉝㊱ 申屠晓明,甘恬.机器人写稿的技术原理及实现方法[J].传媒评论,2017(9):15-19.

㉞ 靳松.史上最大规模全面升级微软小冰第六代在华发布[EB/OL].(2018-07-28)[2020-07-23].http://news.cri.cn/20180728/cb8049ca-1b9b-bdb0-3bb3-82e4938ef7d3.html.

㉟ 郭琪.“AI+记者”：智媒时代人机协同写作模式的局限性与可能性[J].出版广角,2019(24):67-69.

㊲ 陈钟昊,崔灿,王睿路,张研.腾讯Dreamwriter：自动化新闻发展之路媒体调研报告之六[R/OL].[2020-07-20].https://mp.weixin.qq.com/s/fF9v9YRkJsPzgA2HtlnSfQ.

㊳ 陈玉敬,吕学强,周建设,李宁.NBA赛事新闻的自动写作研究[J].北京大学学报(自然科学版),2017(2):211-218.

㊴ 欧阳宏宇.腾讯网A I项目总监刘康:机器人写作倒逼媒体从业准入门槛提高[EB/OL].(2018-05-05)[2020-07-23].https://baijiahao.baidu.com/s?id=1599605471852132642&wfr=spider&for=pc.

㊵ IT之家.微软小冰的星辰大海：会对话，唱歌，比喻，还有想象[EB/OL].(2019-11-24)[2020-07-24].https://tech.ifeng.com/c/7rsDIaYIQ2a.

㊶ 葛许越.写作机器人“作者”主体地位辨析[J].探索与争鸣,2019(8):192-196+200.

㊸ 崔自铎.主体性与主体性原则的科学涵义[J].人文杂志,1993(1):19-20.

㊹ 中国电子技术标准化研究院.人工智能标准化白皮书（2018）[R/O L].[2020-12-17].http://www.cesi.cn/images/editor/20180124/20180124135528742.pdf.

㊼ 斯蒂芬斯.新闻的历史[M].陈继静,译.北京:北京大学出版社,2014:10-11.

㊾ 李国杰.人工智能的三大悖论[J/OL].中国计算机学会通讯,2017(11).