論AI新聞寫作的邏輯特征
——基于Dreamwriter報道與人工報道的對比分析

1956年，人工智能在美國達特茅斯會議上誕生，經探索、產業化逐步發展成熟，成為各行業發展的核心驅動力。2019年上半年，全球人工智能核心產業市場規模超過335.9億美元，我國人工智能核心產業市場規模超過49.6億美元。在國內新聞生產領域，自動化新聞、虛擬主播、智能生產平臺等均有所應用。

“自動化新聞中常提的‘機器人’實際上是一種稿件的自動生成軟件，通過軟件應用實現機器取代人力，提高發稿的速度和數量。”2006年，美國湯姆森公司用AI撰寫財經新聞。2009年，AI軟件“StatsMonkey”在美國職業棒球大聯盟季后賽上生成體育報道。隨后Narrative?Science公司、《洛杉磯時報》、美聯社等均涉足該領域。在國內，2015年9月，騰訊推出“Dreamwriter”；同年11月，新華社“快筆小新”正式上線。2016年第一財經“DT稿王”、今日頭條“小明”、封面新聞“小封”等AI陸續上崗，應用于體育賽事、財經播報、天氣預報、地震信息等多個領域，承擔了原屬于人類記者的部分工作。

一、文獻回顧及問題闡釋

截至2020年年底，中國知網中以“機器人”和“記者”為主題的文獻共157篇，與本研究相關度較高的有136篇。已有研究在研究思路上可劃分為三個路徑。一是對某一具體寫稿機器人或某類報道的情況進行描述，分析智能寫作的優劣勢。王悅等“對體育賽事機器新聞寫作的作品進行分析，指出在語義理解、數字沖突、非結構化數據等方面面臨的現實困境”。二是智能寫作的應用對新聞出版業的影響。在生產流程方面，喻國明等提出“機器人加入新聞生產者的陣營，加快了新聞生產速度，增加了新聞生產內容，提高了新聞質量，減少了寫作成本”，周政華等提出“機器人替代普通勞動力進入了智力密集的新聞業，新聞的編輯發布權正在從有血有肉的個體逐步讓渡給算法”；在新聞倫理方面，楊保軍等提出“智能新聞的倫理風險主要表現為失實風險、侵權風險和算法權力濫用的風險”。三是聚焦于技術與人文關系的思考。丁柏銓提出“智媒并非萬能之媒，媒體和記者過分依賴和迷信傳播技術，將會削弱媒體和新聞作品所應該具有的人文力量”。

總體來看，學者們更多從技術哲學、文化人類學等視角進行理論觀照。有學者提出，應對人機關系的技術倫理之爭，“秉持折中互濟的新聞生態觀將是一種可替代性的選擇”。基于海德格爾技術哲學觀，可以“以‘互構’與‘互馴’為切入點，反思當下‘人技’關系新走向”。基于主體性研究提出應“充分體現‘人是媒介的尺度’這一新聞倫理觀念”。趙鑫提出“人工智能新聞是人類創造出來的用以輔佐新聞記者的一種物質文化……應各自發揮其在客位視角和主位視角上的長處”。

問題在于，現有研究存在著兩種截然不同的論斷。著眼當下，有學者持技術樂觀主義，提出“在對時效性和精準性要求非常高的新聞領域，機器人的作用明顯超越了人類記者的工作效能”。也有學者提出，AI寫作仍處于弱人工智能階段，“智能化在新聞業領域的應用還相當初級……新聞的專業性，尤其是人類的判斷力、價值判斷體現出來的力量，機器新聞尚難以企及”。對于未來，有學者認為“未來新聞寫作的全面智能化趨勢毋庸置疑”，“未來隨著技術的發展，機器新聞也會更有溫度和質感”。也有學者認為“AI新聞寫作無法具備人的情感和創造力……只會充斥著模塊化的陳詞濫調，失去受眾的支持”。這似乎回到了20世紀強效果論、有限效果論研究的循環。這與智能媒體的發展階段、學者所持立場、研究方法都相關，但論據采納是重要的影響因素。大量研究缺乏一手數據，直接采信媒體報道或者開發者的陳述。如“美國敘述科學公司的聯合創始人克里斯·哈蒙德在接受《連線》雜志采訪時預測，到2027年，美國超過90%的新聞將會由機器人來完成”；“麥肯錫全球研究所的報告預測，到2055年，現存的工作中有接近一半將被機器人所取代”。此類論據能夠展示愿景，但缺乏從實際出發的準確性和可信度。

新聞報道中的邏輯深度是評價新聞表達有效性和可靠性的重要因素，也是衡量思維能力、主體性的指標之一。在136篇文獻中，有50篇提到AI報道的邏輯層級與人類存在差異，但并未對其邏輯發展階段進行準確界定，也沒有進一步解釋邏輯層級的深度和具體差異。因此，本文采用內容分析法，選取相同主題的AI報道和人工報道進行對比分析，分析其邏輯特征。一方面試圖定位AI新聞的發展進程，回答現階段AI的邏輯分析能力與人類記者相比有哪些優勢和不足；另一方面，重新審視人類記者如何在實際業務中發揮主體性等問題。

二、研究路徑

Dreamwriter是國內首個成功應用于自動化新聞的寫稿機器人，早在2015年9月便發布題為《8月CPI同比上漲2.0%?創12個月新高》的財經新聞，評論數遠高于同期其他報道。“一年時間，Dreamwriter從1.0發展到5.0。每一版都會加入一項復雜的技術，每一次的技術迭代都會給內容生產帶來改變。”“2017騰訊媒體+峰會”上，騰訊副總裁陳菊紅發布《2017中國新媒體趨勢報告》，Dreamwriter在一秒鐘內現場完成摘要提取、自動配圖、自動剪輯。“截至2019年，Dreamwriter每年大約寫50萬篇稿子，總計8?000萬字。某月日均產量，僅財經體育類就有兩三千篇。”其在天氣、交通、房產、車展、4S店保養數據及優惠信息等領域均有涉獵。

1.抽樣與樣本

筆者以“本文由騰訊機器人Dreamwriter撰寫”為關鍵詞在百度中進行檢索，利用爬蟲軟件抓取從2020年1月1日至7月20日發布的全部報道，經人工篩查及數據清洗，去掉重復稿件、汽車報價等非新聞體裁的稿件，得到三類主題的報道。體育類發布于“騰訊體育”，時間集中在2020年1月1日至3月12日；財經類發布于“騰訊財經”，時間在2020年5月14日至7月9日；天氣類發布于“看點快報”，時間在2020年5月9日至7月14日。每類報道各抽取30個樣本，采取等距抽樣法，隔天抽取，選擇其中的第一條，得到有效樣本共90條。

為與AI新聞形成有效對比，選擇與AI報道類型最為相近的人工報道為研究對象，分別為騰訊體育2020年1月1日至3月12日的NBA賽況報道，騰訊新聞2020年5月9日至7月18日的天氣預報。由于AI財經報道均為基金凈值信息，而2020年除Dreamwriter外尚無此類人工報道，因此在與Dreamwriter報道時間不重合且跨度相同的時間范圍內（2020年2月1日至4月30日），檢索發布于騰訊財經且含“基金”關鍵詞的全部報道，以此評估凈值報道未出現時基金類內容的整體情況。每類報道抽取30個樣本，采取等距抽樣法，隔天抽取，選擇其中的第一條，得到有效樣本共90條。

2.類目建構

根據《邏輯學基礎教程》，普通邏輯中的構成單位包括概念、判斷與推理。概念包含概念內涵與外延，判斷分為簡單判斷、復合判斷、必然判斷、可能判斷。邏輯分為非模態推理及模態推理，非模態推理包括演繹推理、歸納推理以及類比推理。根據胡華濤《新聞推理與論證的語用邏輯研究》，“新聞推理與論證絕不是處于封閉狀態下的純思維形式的推演，而是日常特定新聞語境中的思維表述活動，也包括記者在新聞現場直接感知的人和事等經驗信息，構成邏輯認識的起點”。據此，基于對樣本的細致觀察，本文在基本邏輯元素基礎上增設延伸內容、詳細敘述兩個類目，確立了最終的測量指標。

對報道內容的邏輯層級、延伸情況2個維度共12個變量進行編碼與測量。邏輯層級包括文中是否（1/0）含有概念內涵、概念外延、簡單判斷、復合判斷、必然判斷、可能判斷、演繹推理、歸納推理、類比推理、模態推理等10個二分變量。延伸情況包括是否（1/0）包含詳細敘述和延伸內容。

表1 AI寫作邏輯分析的研究類目指標體系

對180個樣本進行內容分析，得出各項變量在30個樣本中的比例數據，通過三類AI新聞間的縱向比對、與人工新聞的橫向比對，得出AI報道的優劣特征以及人工寫作的獨特價值。

三、AI寫作的特征分析

整體數據表明，AI寫作有兩個特點。

一是邏輯程式固定。AI報道各類目的百分比呈0和100%兩極化分布，說明同類報道語言模板的相似度極高，所包含的邏輯元素具有一致性，不同報道之間的差別在于概念和數據的替換。

表2 Dreamwriter報道與人工報道對比

（續表）

內容結構相同是邏輯程式一致的前提。體育類樣本均為NBA賽況報道，內容由比賽結果、球員技術統計、比賽回顧、雙方陣容四部分構成。多以簡單判斷為主，如“熱火內線優勢巨大，本節共搶下16個籃板，包括7個前場籃板，其中阿德巴約一人就貢獻5個籃板球，憑借籃下優勢取得3分領先優勢”。多個“籃板球”判斷形成歸納推理，得出“優勢巨大”的判斷，并按照新聞的倒金字塔結構將其前置。諸如此類的歸納類詞語在文中頻繁出現，如表3所示。

表3 Dreamwriter撰寫的體育報道中歸納類詞語詞頻統計

其余兩類報道同樣由固定的寫作模板生成。天氣預報的30個樣本均由時間、地點、天氣、穿衣建議、溫馨提示五部分構成，天氣為陰晴、多云、風力的簡單判斷，據此歸納穿衣建議和體感舒適度。財經報道為基金凈值、漲跌趨勢、基金介紹，不存在推理。

二是邏輯元素有限，每類報道中判斷和推理的種類較少。推理是由已知判斷推出的新判斷，具有擴充知識、鑒別信息、理性論證的作用。體育類AI報道僅有概念外延（雙方陣容）、簡單判斷、復合判斷、歸納推理等4種，而人工報道含有9種；財經類AI報道僅有概念內涵、簡單判斷2種，而人工報道含有10種；天氣類AI報道含概念內涵、歸納推理等5種，而人工報道含有10種。這與“機器人擅長撰寫涉及大量數據、連接邏輯簡單、數據準確度很高的結構化稿件”有關，模板種類貧乏造成邏輯元素較少。

從上述兩個特征出發，AI報道有以下優勢。

一是基礎數據詳實，阻斷邏輯謬誤的源頭。概念是符號的定義，主要用于消除歧義。概念的模糊性和不確定性是引起報道邏輯謬誤的源頭，常源于記者對概念內涵及外延的錯誤認知。如2020年3月1日湖人對戰灰熊的人工報道中提到“詹姆斯拿到皮球后，面對布魯克斯的防守，像坦克一樣推著布魯克斯到籃下”，“籃球”被誤寫為“皮球”。而對于AI新聞來說，數據庫保障了概念的正確性。“從15—16賽季開始，騰訊買斷了五年NBA在中國大陸市場新媒體的獨播權，同時采購了NBA的全套數據。”Dreamwriter負責人劉康表示，“官方數據默認是權威的。他們在使用時會有一個權重評級，如果總是不權威，他們會下調權重評級……與自己的備用庫數據比對核實”。在海量的資訊素材中，只要機器學習和程序邏輯正確，通過規格化、模式化處理，便可精準無誤地調取概念，較少出現數據的遺漏、誤用等問題。本文樣本中，每篇體育類報道的文末都附有成員構成信息，每篇財經報道都附有公司介紹及業績報告，在概念準確的前提下實現了信息詳實。

二是邏輯推理嚴謹高效。正確的推理過程是得出可靠性結論的堅實基礎，AI的推理過程是在程序的支配下完成的，“首先購買或自己創建數據庫；然后讓Dreamwriter學習數據庫內的各項數據，并生成相對應的寫作手法”。寫作全程受算法控制，摒棄冗余信息，甄選相關信息，在固定模板中完成報道。模板的規定性決定了推理的可控性。而人類報道則受記者的知識背景、價值判斷、主觀情感等個人因素影響，且謬誤具有迷惑性，極易以一種看似正確的論證過程出現，較難保證邏輯推理的正確。以股市報道為例，其多為簡訊，但卻耗費人力，難窺全貌，“需要即時監控滬市和深市2?400多家上市公司的異動情況……人均監控股票通常在100只左右，對深滬股市的全面監控需要20多人的團隊來綜合處理”，AI則可將人類記者從繁復的基礎工作中解放出來。僅2020年7月9日，Dreamwriter發布于騰訊財經的基金凈值報道就有380條。“對于規格化新聞資訊……的生成和發布，時間一般不超過30秒，且差錯率遠低于人工寫作。”

三是適應人類邏輯習慣。在語句方面，體現在AI對復合判斷的應用上。復合判斷通常由支判斷和邏輯連接詞組成，如“雖然……但是……”“如果……那么……”“不僅……而且……”等，代表復合判斷的邏輯性質，表明支判斷間的邏輯關系，是人類日常表達中較常出現的習慣用語。與簡單判斷相比，復雜判斷的邏輯層級更為深入，除事實信息外，更能體現關系信息。數據表明，體育類中含復合判斷的AI報道有76.67%，人工報道有96.67%，二者數量差并不懸殊，表明AI報道的語法結構與人類邏輯習慣具有一定匹配度，并不存在不可打破的技術壁壘。在語料方面，“通過擬人的口語化表述做詞組和段落之間的聯系……這樣就可以由不同的比賽、不同的分數形成不同的表述”。AI報道中出現“三分如雨”28次，“瘋狂進攻”21次，“筑起銅墻鐵壁”14次，“掉進失誤陷阱”13次，此類表達還原了運動員的行為軌跡和評委的話語習慣。2020年1月17日爵士對陣鵜鶘的AI報道中提到，“費沃斯此節得到7分，還在最后時刻封蓋了爵士試圖扭轉局面的上籃，對老東家進行了‘完美復仇’”。“完美復仇”是對特定意義詞語的使用，體現了人格化的邏輯延伸。

AI報道的劣勢在于其與其他事件建立聯系的能力較弱。首先，這體現在類比推理上，類比推理是將過去的經驗作用于對未來的判斷中，常用于得出日常推論。運用生動的表述創造鮮活的畫面，輔助受眾理解陌生文本，并將報道傾向寓于類比對象中，AI寫作在這一方面有所欠缺。人工報道中，40%的體育類和16.67%的財經類報道含類比推理，如將球員及動作比作“機器人”“坦克”“靈蛇出洞”“過清晨無人的馬路”等，將某公司及境況類比為“雷曼兄弟”“患感冒”等。而與之對應的AI報道均不含類比推理。

表4 人工報道中的類比文本

（續表）

但不可否認的是，類比不具備邏輯必然性，前提并非確定地作用于結論，且人工報道中也存在類比誤用的情況。2020年1月9日獨行俠對戰掘金的報道中有這樣的表述——“小庫里替補上場過后，微波爐一般，連續2次投籃得分”。微波爐與多次投籃并無相同屬性和相似特點，在此構成聯系是錯誤的比喻，在后續的報道實踐中應有所規避。

其次體現為演繹推理和延伸情況的缺失。演繹推理是在一般性知識的大前提下，得出個別性知識。演繹結論是否有效，取決于前提是否可證明。在內容生成過程中，其意味著調用除主體信息外的其他信息，包括背景材料。如“國際油價史無前例暴跌，油氣基金的凈值也創出歷史新低記錄”“湖人和雄鹿的對決，被看作是總決賽預演，也被看作是詹姆斯和字母哥兩個人的MVP之爭”“河南迎來大范圍強降雨，河南大部都被大雨所覆蓋，其中在河南中部還分布著范圍不小的暴雨天氣”等。60%的財經類人工報道含演繹推理，而AI報道不含。體育、財經、天氣類分別有56.67%、63.33%、43.33%的人工報道含延伸情況，而AI報道僅有1篇。與AI新聞頻繁使用的簡單判斷相比，演繹推理和延伸資料暗含因果，有助于讀者把握報道主題，提升新聞可信度，而AI在這一方面的不足導致其報道缺乏縱深。

AI報道的劣勢還體現為研判和預測的能力較弱。微觀層面體現為可能判斷、必然判斷極少。在人工報道中，含必然判斷的樣本，體育類有16.67%，財經類有10%，天氣類有13.33%；含可能判斷的樣本，體育類有6.67%，財經類有50%，天氣類有30%。而AI報道方面，僅天氣預報中有1篇含必然判斷，其余均為0。

記者呈現新聞是一個結構化組合與觀念提煉的過程，其中包括對事件趨勢進行預測。財經報道中的可能和必然判斷可提高新聞價值。“對于想購買該新基金的投資者，接下來大半天時間里，必須要以‘比例配售’的思維認購”“這些基金可能又在進一步加倉”等研判話語具有指導意義，但“更多需要細節描述、理性判斷、歸因說明的新聞報道……往往難以設計普適的寫作模塊，寫稿機器人無能為力”，只能依靠人類輔助完成。

中觀層面，AI報道無法進行詳略取舍。在天氣預報中，40%的人工報道對節氣特征、氣流運動等進行詳細敘述，而AI報道均無此類內容。以2020年7月16日的兩則報道為例，Dreamwriter撰寫的全文如下：

天津西青07月16日天氣預報

時間：07月16日

地點：天津西青

天氣：陰，最低氣溫24℃，最高氣溫34℃，西南風3級

穿衣建議：天氣炎熱，建議著短衫、短裙、短褲、薄型T恤衫等清涼夏季服裝

溫馨提示：白天天氣以多云到陰為主，日照雖然不強，但仍會使您感到有些熱，不很舒適

而人工報道中含有此類表述：

今天開始入伏了，俗話說“熱在三伏，冷在三九”，三伏天通常出現在小暑與處暑之間。三伏是初伏、中伏和末伏的統稱，是一年中最熱的時節，其氣候特點是氣溫高、氣壓低、濕度大、風速小。三伏為什么熱？因為光照時間長，地面輻射累積多……

人類記者具備人文素養，可結合社會經驗對重要性進行判斷，有選擇地對某些內容展開敘述。AI新聞在此方面不做調整則會千篇一律，缺乏溫度。

宏觀層面，AI的選題過程并非完全自動化。許向東認為，“判定新聞價值，提煉報道選題……人工智能會提出一些建設性的創作意見……這一過程中可能需要人工的協助”。因此，盡管AI新聞有阻斷邏輯謬誤、邏輯推理嚴謹、適應人類邏輯習慣等優勢，但類比、演繹、延伸、預測、研判的能力較弱，邏輯元素均以散點狀分布于報道中，作用于得分、氣溫等細節上，而并未通過連貫的邏輯鏈條層層深入、生成觀點、提煉主題進而應用于整體報道中。

四、AI寫作邏輯受限的歸因分析

在邏輯推演方面，AI受算法和程序支配，而人類則靠意識完成，這是二者信息生成機制的根本差別。AI的邏輯層級能否向人類靠近，主要取決于智能系統的開發程度。目前，國內外的AI多以模板寫稿和自動摘要為主，自主生成模式尚未普及。模板寫稿是在固定結構中填充數據的稿件生成模式。首先根據題材、篇幅確定敘事框架及表達方式，由此定制多種模板；其次根據數據類別進行模板檢索及判斷，選定目標模板；最后導入新聞現場或數據庫中的數據，生成新聞文本。該模式多用于數據庫完整、格式可復制的消息類報道，如地震、球賽、財經簡訊等。美聯社的Quakebot，《華盛頓郵報》的Heliograf，國內的Dreamwriter、快筆小新、DT稿王等，均采用該生成機制。

自動摘要是在給定文本的基礎上提取關鍵信息。百度的自動摘要的形成過程是：首先將搜索所得的全部文本進行分詞、分句處理，得到詞、句集合；其次通過算法對各句的重要性進行排序，提取關鍵信息，計算相似度，篩除冗余信息，并通過懲罰因子評估句子的新穎程度；最后按照相關性順序將句子組合起來，形成摘要。“截至2018年，微軟小冰已自動生成滬深兩市26類上市企業的公告摘要，中國金融機構的交易員已經有90%在使用小冰生成的摘要。”

自主生成是通過深度學習，“讓人工智能程序全方位地學習和模仿人進行寫作。從新聞采集、信息加工、數據分析到最終的文本寫作都由人工智能程序來完成”，但目前尚未廣泛應用。目前所采用的深度學習技術多為Seq2Seq模型結合Attention策略。Seq2Seq包括編碼和解碼兩個階段，分別由兩個遞歸神經網絡（RNN）構成。“編碼是將輸入序列壓縮成一個固定長度的語義向量，解碼階段的RNN神經網絡會一個一個字符地解碼……將前一步解碼的輸出作為下一步解碼的輸入。”Attention機制用于保障語義的準確度，鎖定關鍵詞，避免過擬合。Seq2Seq+Attention的本質是機器翻譯，是基于已有文本生成新文本，并非原創。

以上三種寫稿模式的核心原理均為自然語言處理，分為自然語言理解和自然語言生成。AI寫作之所以無法達到人類的邏輯深度，一是因為機器學習能力有限。模板寫稿只需要機器理解數據及寫作模板，而自主生成則是對字符進行處理。二是因為寫作模板有限。判斷、推理的種類與模板樣式一一對應，AI報道能夠實現歸納推理，是因為其技術邏輯正是以點信息為起點來生成判斷的。Dreamwriter負責人劉康表示：“報道奧運會的跳水比賽……每一個運動員都有一套專業得分，包含了走板、空中姿態、入水水花效果等。在Dreamwriter學習過程中，它把每一步的得分都打散了，在數據庫里隨意組合抓取，同時綜合賽事本身的規則，最終把這些分數還原成一套表述。”學者對自動寫作方法的創新也基于“歸納”的思路。“針對NBA賽事，首先根據兩支球隊的比分差,構建比分差函數，并提出基于比分差函數性質的數據分片算法和數據合成算法。”根據合并數據的特征撰寫不同結論，生成模板。演繹、類比、模態推理等則需要研發者不斷豐富算法來實現，但“開發針對性的機器人寫作很難找到足夠多的模型”。三是深度學習的應用領域有限。微軟小冰已具備生成比喻句的能力，微軟小冰首席科學家宋睿華表示，比喻句的通用原則是通過本體、喻體、解釋三個要素構建的。“本體一般是抽象的，比如說愛情，而喻體是具體的。這兩個概念之間的聯系用Word?Embedding來表達，將其變成一個向量，經過降維之后，投影在這個二維的空間上。通過自然語言形態的連接詞將其結合起來，組成一個比喻。”但目前比喻技能尚未應用在新聞寫作中。此外，人類的語言表達常暗含因果，將模態推理或常識性內容隱去。微軟小冰團隊開發AI的聯想性能，試圖讓其擁有捕捉文本以外信息的能力，但止步于跨模態理解，根據文字調動畫面實現場景模擬，并未在新聞寫作中實現同模態的背景信息調取、演繹推理、類比推理等。

五、再議人類在新聞生產中的主體性

曾有學者提出：“人工智能機器人存在‘不是物’的立法需求，該類機器人不是普通物，它具有思維性，是擁有部分主體性的特殊主體。”“主體的本質屬性是具有獨立意識。”基于AI寫作的特征分析及歸因分析可知，現階段AI邏輯能力的開發仍存在技術局限，較難實現高度類人的思維性。在目前的新聞生產中，人類應在人機協同中憑借其獨有價值充分發揮主體性。

“主體性是在‘主體—客體’關系中的主體屬性，即作為認識活動與實踐活動的主體所具有的本質屬性，主要體現為自主性。”從口語傳播時代至今，人類在新聞生產中的主體性地位未曾改變，變化的是媒介交互形式及主體角色構成。AI寫作中，人類也并未將創作權讓渡給機器，從機器學習到信息生成，AI始終體現為物的屬性，其承擔的“類主體”角色實為被人馴化的物的角色，“是利用數字計算機或數字計算機控制的機器模擬、延伸和擴展人的智能，感知環境，獲取知識并使用知識獲得最佳結果的理論、方法、技術及應用系統”，暫不具備主體性或主體間性。

人機協同過程中，人類應在思維運用中保持主體性。首先是邏輯結構在新聞生產中的靈活歸化。AI報道的本質是重復，用統一模板加工同一主題的信息，語言形式呆板僵化，以致新聞產品化。而“新聞推理最明顯的特征是不拘一格的形式……本質上是實踐的推理，它就沒有必要受到邏輯語言形式的桎梏”。人類的主體性體現于新聞產品的差異化程度，記者在規范中開拓新意，避免機械復制，根據內容特性增減推理類型，運用省略、置換等進行邏輯程式的創新。

其次是邏輯元素與現實環境的交互擬合。“新聞推理最為本質的特征是在特定的新聞情境中推理。”推理過程較難預知，結論在不斷變動的思考中形成，因此需要儲備多種邏輯元素。目前，受制于技術條件，AI的邏輯元素較為有限。“程序”的底層邏輯為“預設”，“推理”為已知的模式化過程，與新聞推理的本質相悖。而人類記者與其他事件建立聯系的能力較強，可運用多種邏輯元素完成推演，如調度與報道對象關聯度高的信息以進行類比推理，調度背景信息以進行說明及演繹等，且能夠將多個推理串聯為連貫的邏輯鏈條，對新聞事實的掌控力較強，凸顯主體性。

人類把控主體性的深層含義在于調動讀者“思維的具身性”。新聞的意義不僅是告知、對話，更是“社會知覺”，“是一種意識和安全感，可以建構人們知覺任何重大、有趣之事的信心”。新聞的邏輯結構促使受眾在閱讀中層層深入，與新聞情境融合，在邏輯的同頻共振中解構話語，在參與中實現社會建構，同時也促成大眾邏輯思維能力的提升。“新聞邏輯方法生成于記者的日常思維，通過反思經驗進而抽象、概括出具有普遍意義的非日常思維結構，繼而又以此內化于廣大受眾的日常思維之中。”此般新聞意義的回歸，是依賴程序框架的AI寫作所不能實現的。

隨著AI的發展，“人機博弈”一詞被頻繁提及，逐漸出現了AI將擬合人類思維、獨立完成寫作的聲音，甚至引發了對于“AI是否會取代人類記者”問題的探討。根據研究結果及業內現狀來看，AI的新聞生產能力在一定程度上被夸大了。李國杰在《人工智能的三大悖論》中提出，“計算機的運行可以歸結為已有符號的形式變換，結論已經蘊涵在前提中，本質上不產生新知識，不會增進人類對客觀世界的認識”。現階段，AI的作用為輔助人類勞動、簡化工序，起決定性作用的是工程師和新聞從業者。此外，雖然AI在情感、聯想、預測等方面均有涉獵，但或技術稚嫩，或專域專用，尚未成為不同場景中的通用技術。面對AI浪潮，人類需對自身的主體性保持理性與清晰的認知。

注釋

① 2019年度“人工智能時代媒體變革與發展”研究報告[R/OL].[2020-07-20].http://www.xinhuanet.com/politics/download/2019ndrgznsdmtbgyfzyjbgqwjwjdcjg.pdf.

②?? 許向東,郭萌萌.智媒時代的新聞生產:自動化新聞的實踐與思考[J].國際新聞界,2017(5):29-41.

③ 王悅,支庭榮.機器人寫作對未來新聞生產的深遠影響——兼評新華社的“快筆小新”[J].新聞與寫作,2016(2):12-14.

④ 喻國明,蘭美娜,李瑋.智能化:未來傳播模式創新的核心邏輯——兼論“人工智能+媒體”的基本運作范式[J].新聞與寫作,2017(3):41-45.

⑤ 周政華,練紫嫣.人工智能時代新聞業的謝幕與重生[J].新聞研究導刊,2017(11):1-4.

⑥? 楊保軍,杜輝.智能新聞:倫理風險·倫理主體·倫理原則[J].西北師大學報(社會科學版),2019(1):27-36.

⑦ 丁柏銓.智媒時代的新聞生產和新聞傳播——對技術與人文關系的思考[J].編輯之友,2019(5):6-12.

⑧ 許加彪,韋文娟,高艷陽.技術哲學視角下A I新聞生產的倫理審視[J].當代傳播,2019(1):89-91+99.

⑨ 蔣曉麗,賈瑞琪.論人工智能時代技術與人的互構與互馴——基于海德格爾技術哲學觀的考察[J].西南民族大學學報(人文社科版),2018(4):130-135.

⑩? 薛寶琴.人是媒介的尺度:智能時代的新聞倫理主體性研究[J].現代傳播(中國傳媒大學學報),2020(3):66-70.

? 趙鑫,趙盼超.文化人類學視野下人工智能新聞內容生產再思考[J].中國出版,2017(9):46-49.

? 沈正賦.智媒時代信息傳播領域技術賦能與人文精神傳承的關系建構[J].編輯之友,2019(5):20-26.

? 陳昌鳳.價值引領,讓AI新聞業有能更有智[J].新聞與寫作,2017(11):1.

? 周思.智能新聞寫作前景初探——論AI量化時代對新聞冗余的篩選與整合[J].出版廣角,2019(19):75-77.

? 王雨妍,陳丹.人工智能時代記者如何融入“智能化生產”[J].傳媒,2020(3):39-41.

? 李政.人工智能時代新聞記者的價值定位[J].出版廣角,2019(10):61-63.

? 牟怡,夏凱,NOVOZHILOVA E,許坤.人工智能創作內容的信息加工與態度認知——基于信息雙重加工理論的實驗研究[J].新聞大學,2019(8):30-43+121-122.

??? 陳鐘昊,崔燦,王睿路,張研.騰訊Dreamwriter：自動化新聞發展之路媒體調研報告之六[R/OL].[2020-07-20].https://mp.weixin.qq.com/s/fF9v9YRkJsPzgA2HtlnSfQ.

? 劉康.人工智能如何助力媒體生產和運營[J].新聞記者,2019(03):8-9.

? 南開大學哲學系邏輯學教研室.邏輯學基礎教程（第二版）[M].天津:南開大學出版社,2008:33-58.

???? 胡華濤.新聞推理與論證的語用邏輯研究[J].國際新聞界,2012(2):58-63.

? 解學芳,張佳琪.AI賦能:人工智能與媒體產業鏈重構[J].出版廣角,2020(11):26-29.

?? 何芳明.寫稿機器人對新聞生產的影響及應用前景[J].青年記者,2018(33):77-79.

? 喻國明.人工智能的發展與傳媒格局變化的邏輯[J].新聞與寫作,2016(2):1.

? 劉康.未來AI可以提供個人定制[J].新聞論壇,2017(4):22-23.

? 曾慶香,陸佳怡.新媒體語境下的新聞生產:主體網絡與主體間性[J].新聞記者,2018(4):75-85.

?? 申屠曉明,甘恬.機器人寫稿的技術原理及實現方法[J].傳媒評論,2017(9):15-19.

? 靳松.史上最大規模全面升級微軟小冰第六代在華發布[EB/OL].(2018-07-28)[2020-07-23].http://news.cri.cn/20180728/cb8049ca-1b9b-bdb0-3bb3-82e4938ef7d3.html.

? 郭琪.“AI+記者”：智媒時代人機協同寫作模式的局限性與可能性[J].出版廣角,2019(24):67-69.

? 陳鐘昊,崔燦,王睿路,張研.騰訊Dreamwriter：自動化新聞發展之路媒體調研報告之六[R/OL].[2020-07-20].https://mp.weixin.qq.com/s/fF9v9YRkJsPzgA2HtlnSfQ.

? 陳玉敬,呂學強,周建設,李寧.NBA賽事新聞的自動寫作研究[J].北京大學學報(自然科學版),2017(2):211-218.

? 歐陽宏宇.騰訊網A I項目總監劉康:機器人寫作倒逼媒體從業準入門檻提高[EB/OL].(2018-05-05)[2020-07-23].https://baijiahao.baidu.com/s?id=1599605471852132642&wfr=spider&for=pc.

? IT之家.微軟小冰的星辰大海：會對話，唱歌，比喻，還有想象[EB/OL].(2019-11-24)[2020-07-24].https://tech.ifeng.com/c/7rsDIaYIQ2a.

? 葛許越.寫作機器人“作者”主體地位辨析[J].探索與爭鳴,2019(8):192-196+200.

? 崔自鐸.主體性與主體性原則的科學涵義[J].人文雜志,1993(1):19-20.

? 中國電子技術標準化研究院.人工智能標準化白皮書（2018）[R/O L].[2020-12-17].http://www.cesi.cn/images/editor/20180124/20180124135528742.pdf.

? 斯蒂芬斯.新聞的歷史[M].陳繼靜,譯.北京:北京大學出版社,2014:10-11.

? 李國杰.人工智能的三大悖論[J/OL].中國計算機學會通訊,2017(11).