自從人類學會直立行走、使用工具以來，似乎勞作的目的，就是為了有一天可以不再勞作。

2000多年前，亞里士多德在《政治學》一書中寫道：“如果每個機器都能製造其各自的零件，服從人類的指令和計劃……如果梭子會自己來回飛動，如果弦撥會自己彈奏豎琴，完全不需人手操控，工頭將不再需要領導工人，奴隸主也不再需要指揮奴隸了。”

眼見著，當機器越來越智慧化，這一天似乎正在加速到來。由此，一個新問題浮現出來：在我們生活的世界裡，哪部分你願意被機器接管？

在討論我們的私願之前，首先來看看，這一強制接管將在哪部分不可避免地發生，以及在我們獲取資訊這件事上，新聞業是否也會被“沃森”侵入並主導。

基本上，凡是過去把人訓練得如機器的地方，將不可避免地發生機器替代人力的現象。

自動化，幾乎是機器進化的終極宿命，目的是消除一切人為的不確定、不可控因素，它展示的是機器智慧的成果，而又在更高意義上被理解為人類智慧的完勝。

“自動化”一詞最早出現在1946年，福特汽車的工程師們認為需要創造一個新術語，描述安裝在公司流水線上的新機器。而在此之前，大規模的工業生產一直在努力做到一件事，也是從弗雷德裡克·泰勒（F.W.Taylor）到愛德華茲·戴明（W.Edwards Deming），再到大野耐一（Taiichi Ohno）所孜孜以求的管理之道，這就是把人訓練得如同流水線上機器的一部分。

正如管理大師加里·哈默爾（Gary Hamel）所言，150多年來，管理的精神都是與人性相悖的。得益於泰勒們的科學管理哲學，在工業領域內，工人的技能退化就已經非常明顯。泰勒認為，傳統工作方式最大的缺點在於賦予個人太多主動性和空間。只有遵照“規則、定律和慣例”，實現工作流程的標準化，才能達到最優效率，而機器的設計恰恰體現了這一點。

能夠把人訓練得如同機器一般的地方，一定是因為其規範化、流程化和標準化達到了相當高的程度，也因此，人得以脫手由機器接管這一切。這在工業生產領域非常常見，也在慢慢侵入服務業。比如，我們越來越習慣於從ATM機上取款或轉賬，相信它一定不會出錯；我們越來越信賴飛機駕駛艙內的各種儀表盤和資料，相信它能夠對周遭環境做出更準確、更快的分析和預警。

另一個原因是，大規模生產協作，使得對技能的專門化要求越來越高，人越來越無法理解和掌控系統在做的事。如亞當·斯密所說：“他們一輩子都在重複一些簡單的操作，這些操作功能通常是相同或非常類似的，工人沒有機會理解自己的工作，也沒有機會鍛鍊創造力，在面對前所未有的困難時尋找應爭策略”，“因此，他們自然而然地就喪失了這些能力，並且大多數人會變得極其愚笨、無知。”斯密認為，技能退化是不幸的，但這也是工廠生產效率提高不可避免的副產品。

技術推動了工具的進步（如果“進步”這個詞是正確的），卻從提高工作能力的簡單工具進化為限制人類的複雜機器。我們越來越需要思考的，不是利用機器可以做什麼，而是機器會對我們做什麼。

在某種程度上說，百年以來的新聞業也努力在最基礎的層面上把記者訓練得如同不得稍有差池的寫作機器一般，並儘可能精細分工。媒體的其中一個任務是傳遞準確資訊、陳述基本事實，比如股票資訊、體育比賽結果甚至“會議新聞”，由於過去記者的報道追求就是如機器一般的準確、快速，那麼，乾脆就由機器來完成它吧。

美國時間2014年3月17日早上6時25分，洛杉磯遭遇了一次地震衝擊。《洛杉磯時報》在地震發生3分鐘後就最先在網站上釋出了這條新聞——一條由機器撰寫的新聞：

根據美國地質勘探局的訊息，星期一早上，在距加州韋斯特伍德約5英里地區，發生了震級為4.7級的淺表地震。地震發生時間是太平洋時間早上6時25分，震中約深5英里。

據地質勘探局的資料，本次地震震中距離加州貝弗利山莊約 6 英里，距離加州環球影城約7英里，距離加州Santa Monica約7英里，距離加州Sacramento約348英里。在過去10天，在該地區附近，並無監測到任何震級達到或超過3.0級的地震。

*此訊息來自美國地質勘探局的地震通報服務。本條內容是由作者所寫的演算法自動產生的。

這裡的“作者”，指的是《洛杉磯時報》的記者兼程式設計師肯·施文克（Ken Schwencke），他建立了一個名為Quakebot（地震機器人）的演算法程式。當天早上，他被震醒時，Quakebot 已經自動根據其所收集到的資訊寫好了上面的這條新聞。肯·施文克大致審閱後，按下了“出版”按鈕。於是，這條新聞就在地震發生後的3分鐘內釋出了。

更令人矚目的機器新聞寫作實驗來自美聯社與 Automated Insights公司的合作。從2014年7月開始，美聯社使用後者開發的Wordsmith平臺，在關於公司季度財報的新聞報道方面全面採用機器新聞寫作，其報道量從原來的每季度300篇上升到4400篇。Automated Insights公司CEO羅比·艾倫（Robbie Allen）說：“其實就是讓機器人把資料轉化成故事，真正的難點在於怎麼讓它看起來像人寫的，因為只有資料不是好故事。”

另一家名為Narrative Science的公司則開發了一款球賽報道的軟體，它能夠將資訊源簡化並填入格式裡，最後再加上一些形容詞增加可讀性。

2016年，路透社對外公開了一款名為“Reuters News Tracer”的新聞追蹤器產品，它原本只在內部使用，幫助記者編輯在 Twitter 上監測隨時出現的各類新聞事件，檢測社交媒體資訊的真實性。其工作流程為：蒐集所有可能是新聞的資訊，找到原始出處；找到第一轉發者；進行可信度檢測，透過交叉比對，對真實性進行標註，根據驗證結果從0%～100%進行“打分”。

該產品的功能亮點是：能夠實時監測社交媒體上的新聞；用演算法去問記者平時可能會問的問題，倒推新聞的真實性；透過演算法和機器學習挑選出哪些是新聞，哪些是廣告、謠言或一般性對話，並摘出要點，同時把相同類別的新聞相疊，組成資料；給記者和編輯提供可靠的素材和資源。

《華盛頓郵報》也不甘落後。2016 年，其開發的新聞撰寫機器人“Heliograf”正式上線，這款機器人不僅能完成基本的訊息寫作，還被認為具備了該報記者的文風。在整個 2016 年，“Heliograf”完成並發表了850篇像模像樣的文章，並應用到里約奧運會的報道工作中。

BuzzFeed開發的“Buzzbot”，旨在讓“每個人的口袋裡都有一個記者，每個人都可以向‘Buzzbot’講述正在發生的事情。”當用戶開啟對話方塊，“Buzzbot”會進行提問，比如，向用戶提出有關民主黨大會和選舉的問題，根據使用者的回答，將使用者的選舉態度記錄下來，以此幫助記者和編輯分析選民的政治傾向和意見，完成採訪及民意調查任務。

在國內，則有騰訊的新聞寫作機器人“Dreamwriter”和今日頭條研發的“Xiaomingbot”。

機器能夠比人更快速地獲取資訊和處理資訊，但要生成新聞，則需要依賴模板。而模板，正是百年以來新聞業所嚴格打磨的成果：近乎標準化的文體格式和寫作手冊。

Narrative Science就邀請各個專業記者根據各自領域的報道邏輯為其量身定做各種敘事模板（這些記者又稱“元作者”），如一項體育賽事的報道角度可能是“拉鋸戰”、“英雄式個人表演”、“強大的團隊合作”或者“鹹魚翻身”等。演算法還會按照重要性對各種可能的角度進行排序，並由此形成文章的整體結構。

Narrative Science 聯合創始人、西北大學計算機科學家克里斯蒂安·哈蒙德（Kristian Hammond）相信，到2030年，90%的新聞都可以由機器人撰寫。因為機器人是可以透過學習豐富“寫作能力”的，背後支援的資料庫越大，機器人能夠參考的模板就越多。

而據稱Automated Insights擁有超過3億模板可供不同的新聞題材使用。

《華盛頓郵報》為了打造“Heliograf”，邀請記者和編輯們製作了敘事模板，其中包括各種潛在結果的關鍵詞句，比如，“共和黨人對眾議院的控制權”、“民主黨重新控制了眾議院”。之後，將“Heliograf”與結構性資料來源聯絡起來，當大選到來時，它與資料交換網站VoteSmart.org相連，由“Heliograf”進行資料識別，與模板中的詞句匹配、整合，保證在各平臺上釋出不同版本的報道。《華盛頓郵報》數字產品開發副總裁、資訊長賽利希·普拉卡什說：“‘Heliograf’並不是為了淘汰記者，而是讓新聞編輯室的效率更高。”

成功的機器生產的新聞的標準應該就是，它看起來好像是純粹由人類之手所寫就。

當機器有能力接管越來越多的工作，它給人類帶來的一個不易覺察的變化是：我們正從執行者順從地變為觀察者，從生產者默默地變為資料輸入者。

流水線上的工人、飛機駕駛員已經是這樣了，就連醫生也可能很快會發現，自己越來越像是一種感測器的角色，收集資訊，幫助電腦做出決策。記者和編輯也可能很快是這樣：負責部分原始資料和資訊的錄入，然後假裝“質檢”一下成稿就釋出。

原因是，在追求效率、準確性和可控性的系統中，人類看起來成為唯一的薄弱環節。操作員的偶然失誤成為機器需要進一步獲得控制權的證據，反過來又再次把人從系統中推離。由於人越來越不勝任這一工作，反過來又導致犯錯的機率增加。如此反覆迴圈證明的結果，就是將人從這一系統中徹底清除。

1930年，經濟學家約翰·梅納德·凱恩斯（John Maynard Keynes）首次提出了“技術性失業”這一概念：“我們正受著一種新疾病的折磨。這種病的名字，一些讀者或許還沒有聽說過，但在未來歲月，他們會反覆聽到——這就是，技術性失業。也就是說，因為我們新發現了大量減少使用勞動力的手段，而又尚未及時給勞動力找到新的用途，因此導致了失業。”

1983年，諾貝爾經濟學獎得主西里·列昂季耶夫（Wassily Leontief）進一步提出了“工作終結”論，“馬匹曾在農業生產中扮演過重要角色，可一旦出現拖拉機，馬匹就日趨減少，最後徹底消失。人類如今是生產裡最重要的因素，但這個角色，註定會像馬匹一樣走向沒落。”

機器越來越優勝的原因，不僅在於在某一種工作方面替換了人，而是它帶動和刺激了其他互補性發明，以讓整個組織流程和價值鏈都能趕上這種進步。結果是，整個商業面貌煥然一新。所以，機器能夠生產和分發新聞，並不單是讓記者和送報人失業，而是會讓整個新聞機構和新聞市場都產生了突兀的不適感，以至於必須在其他環節甚至整個流程做出改進或顛覆。由是，我們得學會和機器一起工作。

由此來看，在資訊科學經典的DIKW（資料、資訊、知識及智慧）金字塔體系裡，新聞這一產品中，凡是基於資料、資訊而產生的事實描述和可透過統計、邏輯作出判斷的觀點，將有望讓機器接管。而更高階的知識、智慧，涉及具體情境中的方法論和思維、思想、價值觀，則仍是人類的屬地。