面對既能寫詩又能策劃文案的AI算法，你的飯碗還能保住么？觀點
正如視頻的出現會是廣播明星逐漸消亡一樣，人工智能的崛起也正使作家、記者和編輯走向末路。大批的詞匯使用者—從五美元網站（Fiverr）上的自由職業者到紐約時報的記者—也許很快就發現他們要失…
正如視頻的出現會是廣播明星逐漸消亡一樣，人工智能的崛起也正使作家、記者和編輯走向末路。大批的詞匯使用者—從五美元網站（Fiverr）上的自由職業者到紐約時報的記者—也許很快就發現他們要失業了。然而，導致他們失去工作的并非是海外的競爭對手，而是算法。
想要了解未來的寫作以及人工智能作家究竟是什么樣，我們首先需要看看已經存在的工作類型。
最難被機器取代的是創意
自動化并未平等地觸及每一份行業，但是在美國自動化技術卻相當普及。相比于舊金山，步行穿過俄亥俄州工業的中心地帶，其高度凝聚的智力資本會給你帶來完全不一樣的畫面。
這是如此的誘惑，這似乎是因為外國的競爭，看起來「工作殺手」并不是外包，而是自動化。最后，美國的制造業做的非常不錯：制造業年增長 2.2%—比所有的美國經濟增長的速度（2016 年增長 1.6%）還要快。
即使工人們的數量沒有增長，但是似乎制造業仍在急速發展。但是為什么工廠的工作這么容易被機器所代替呢？為什么不是舊金山的程序員或者是紐約的作家呢？
牛津大學、麥肯錫和普華永道等不同的組織總結了最容易自動化的工作的幾個重要特征。他們一定有多次重復性的日常工作和高度的可預測性（想象一下大倉庫中的裝配線或者儲存箱）。這樣的崗位非常簡單，很少需要去適應工作或者是橫向思考。
相反，具有高度不可預測性以及需要復雜問題解決能力的工作更不容易被機器所替代。NPR 推出了一個小工具來預測你所從事的專業被自動化的可能性，其預測撰稿人和作家有 3.8 % 的可能未來會被計算機程序所取代。
像傳統智慧的發展一樣，創造力并不容易被機器代理。不是嗎？
逐漸滲透到寫作的 AI 算法
讓一個人工智能寫作者變得高效，其工作必須要通過圖靈測試，在該測試中計算機必須要成功使人類認為它也是人類。
對于創造性算法來說，這非常重要。用戶可不會去購買由機器創作的文章，我們相信機器人無法與人類有效地產生情感方面的共鳴。我們認為創造力沒有固定的公式：人們不可能將'戰爭與和平'這樣的著作簡化為算法和二進制輸入。
但是事實是程序員確實可以制造創造力——而且他們已經做到了。
回溯到 2011 年，杜克大學的一名本科生修改了算法使其將詩歌剖析成更小的部分（韻律、行、短語）進行分析，然后自動創作出自己的詩歌。其中的一首甚至還被杜克大學的文學期刊 The Archive 接收。人工智能作家通過假冒人類創作的作品而有效地通過了圖靈測試。
當然，九行詩和紐約時報的長篇報道（或者擁有更高人氣的 TNW）截然不同。然而，更重要的是意識到這標志著一個重要的里程碑式情況的建立。
長久以來，人們認為機器還不能實現創造?，F在人工智能已經寫出了詩詞、歌曲甚至是拍攝了短篇電影——對創作者來說，這像是一個「不祥之兆」。
既能當詩人，也能當廣告文案
也許難以想象人工智能當作家的一個原因就是，大部分人工智能不能呈現與人類寫作者同等的水準。但最近人工智能作家不僅已經通過了圖靈測試，而且依據深度學習（該算法使人工智能在公認的抽象游戲—圍棋中擊敗人類頂尖選手）等專門算法磨煉其寫作技巧。
此外，人工智能已經能夠無縫處理大量的數據，其工作時無需食物也不需要休息，而這些則是人類工作者所必須的。
舉個例子，盡管最初遭遇了挫折，IBM 的 Watson 可以分析成千上萬份報告并提供見解，甚至幫助醫生優化口頭診斷，并在這個過程中拯救生命。
某種程度上說，這只是機器人作家的一小步。在廣告業中，人工智能文案員是非常靈活的：它們可以起草數千份廣告宣傳，測試并分析每一個不同版本的影響，并依賴深度學習快速成為更加優秀的文案員。最重要的是，人工智能不需要休息，不需要報酬，不需要獎品之類的額外開支。
面對不確定的未來，文字工作者何去何從
為了避免損失，很顯然我們需要一種全新的人工智能與人類合作的方式，而非相互競爭。
事實上，華盛頓郵報已經報道了一種方式，管理人員依靠人工智能作家 Heliograf 擴大其網站的用戶，編輯者將不同事件和結果的關鍵詞和模板輸入 Heliograf，Heliograf 隨后搜索整個互聯網找尋相匹配的數據和關鍵詞；從這中間產生報告然后提醒記者對潛在的獨家新聞再次檢查異常數據。
Heliograf 的事跡僅僅是關于選舉或奧運比賽等事件的簡單報道。然而，這些報道并沒有經過深入分析—也就是說報道的部分沒有經過深思熟慮就做出了決定。
與其使用少數經過深入研究的長篇文章來吸引特定的受眾，不如使用 Heliograf 創造大量的篇幅較短、簡單的故事來吸引綜合瀏覽量。
正如增強智能與人類協同工作一樣，Heliograf 是一種更加積極的人機交互模型。從美國孕產婦的死亡率到私人監獄的秘密調查，人類仍有空間來研究并撰寫這些現象更深的特征。
即使機器學習從使人工智能從海量的數據中學習到了人類寫作和篩選的能力，興趣（和采訪）仍然難以掌握。記者很少進行簡單報道，更多的則是進行更高層面的分析和調查。
然而，煩惱則是不可避免的：報社削減當地記者和體育作家的花費，即使其保留（或者增加）原有的調查人員，Heliograf 的后期版本還是可能會引發大規模的裁員。
制造業也會有相似情況：自動化提升了產出，昂貴的工人將會被辭退，而保留的職位則需要更高的學歷和更多的經驗。用數據來說明就是：人類電焊工人需要 25 美元的時薪（還有福利和假期），而機器人在安裝完畢之后每小時只需要花費 8 美元，包含了維護和運營的成本。
關于寫作的未來，有一件事非常清楚：人工智能作者已經存在了。然而，我們還不能預計，它將帶來多大程度的影響，將會有多少人面臨失業。的確，我們對交互模型的增強智能有所期待，但這并不意味著文字從業人員可以高枕無憂。未來十年或是二十年，作家也許會發現自己面臨和今天工廠的工人一樣的境遇。
【來源：機器之能】
1.TMT觀察網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網的原創文章，請轉載時務必注明文章作者和"來源：TMT觀察網"，不尊重原創的行為TMT觀察網或將追究責任；
3.作者投稿可能會經TMT觀察網編輯修改或補充。
