機器人25秒寫出地震報導，什麼樣的記者會最先失業？

「快筆小新」發稿系統研發團隊成員、技術局高級工程師熊立波在接受媒體採訪時說：「機器人寫稿流程分為數據採集、數據加工、自動寫稿、編輯簽發四個環節。」

技術上通過根據各業務板塊的需求定制發稿模板、數據自動抓取和稿件生成、各業務部門建稿編審簽發「三步走」來實現。

新華社機器人發稿系統後台有500到600個模版，可以根據不同的要求，呈現不同的稿件。

目前新華社機器人發稿系統運營維護僅需4到5人，平均一天稿件簽發量在100條左右。

總而言之，一條機器人新聞的順利誕生，首先需要清晰、準確、結構化的數據，當數據質量較差時，新聞的報導質量也會受到影響；其次，機器人新聞的報導領域局限於題材重複的新聞故事；最後，機器人現階段依舊離不開人類干預。

目前需要人類干預的環節包括：制定算法、提前撰寫新聞模版（語句、段落或是整篇報導）、最終核實環節，等等。

這也意味著，一旦脫離了人類的干預和核實，機器人新聞的準確性可能面臨巨大的挑戰。

當地震或是其他自然災害發生的時候，附近地區的讀者最希望能夠快速、準確地知曉諸如破壞程度、波及地域、時長等信息，以便及時逃生或是做好避難準備。而一旦地震報導失實，則可能造成不可估計的嚴重後果。

即便是地震機器人新聞的鼻祖Quakebot，仍然多次誤報地震信息。

2015年3月，南加州的地震儀檢測到了日本、阿拉斯加主要的地震信號，美國地質調查局錯誤地將其報告為發生在加州的、震級範圍從4.8到5.5的地震。但地震並沒有發生，更沒有人感知到地震。儘管如此，Quakebot仍然發布了這三個假地震的報導。

「機器＋人類」的聯姻模式，或將成為新聞界的未來？

除了準確性，目前機器人新聞還面臨著「可讀性」的問題。西方多個學術研究的結果顯示，機器人新聞的可讀性不如人類記者撰寫的新聞。

2014年，瑞士卡爾斯塔德大學的克里斯特•克勒瓦在受訪者不知道文章來源的情況下，觀察和分析人們對新聞報導的質量評估。

研究結果顯示：自動化新聞在可信度方面的排名比人類寫得高，但在可讀性方面明顯低於人類。