今日头条CEO张一鸣：机器的发展是对媒体人的一次解放

11月12日下午，“2014腾讯网络媒体高峰论坛”在北京举行，今日头条创始人兼CEO张一鸣与美联社执行主编Lou Ferrera、Automated Insights公司副总裁Adam Smith、Storyful创始人Mark Little以及“极客公园”创始人张鹏，围绕“生产方式新变革：人与机器孰优孰劣？”展开了对话。

访谈期间，张一鸣主要阐述了两个核心观点：

首先，基于兴趣的推荐并不是简单的“用户喜欢什么，就给他看什么内容”，“多样性”和“新颖性”同样是推荐引擎追求的重要目标，机器也会根据用户社交圈内朋友的兴趣爱好为他推荐在其原有兴趣之外的内容，帮助每位用户拓宽兴趣范围。

其次，人和机器之间并不是对立关系，而是能够相互促进，机器学习技术的发展是对传统媒体人的解放，以Automated Insights为代表的公司正在将记者从过去简单的重复劳动中解放出去，使他们可以抽出更多的精力去完成更多创造性的工作。

以下为极客公园创始人张鹏对今日头条CEO张一鸣的访谈实录：

人与技术共同造就传媒变革

张鹏：对于今日头条来讲，你们在过去几年快速成长，拥有1.7亿的用户，同时你们没有编辑团队，所有内容全部通过机器来做筛选和分发，进而到每个人的兴趣点，让大家觉得这个文章非常有价值。

其实前端内容的变革最终还是要通过一些方式到达到人的，所以我也想听你讲讲你的想法，还有你听完美联社和Storyful的发言，想要和大家分享的感受是什么？

张一鸣：我觉得今天Automated Insights、美联社是非常好的将机器和人结合的例子，因为我们以前经常听到你们把人和技术对立起来，我一直觉得它们并没有对立，相反，现在媒体的变革反而是通过人和技术一起促成的。

从两个方面来说，第一个是在内容的创作上，我们可以看到这种自动产生内容，把世界上发生的事件做成一篇篇报道的方式。现在容易转换的信息已经不需要人来转换了，可以通过技术来转换。另外一个是在线索的发现上，像Storyful这种线索的发现上，还有一类就是信息的分发上。

在内容的创作上，我们也看到逐渐由越来越的用户来产生内容，尤其在互联网，是由人来产生内容。我觉得在未来很可能80%、90%的内容都是由认知盈余的人来产生。

张鹏：就是说传统的媒体人越来越堪忧是吧？

张一鸣：不是这个观点，就是技术越来越替代人去完成可重复的简单工作，比如说以前我们的网编也会经常根据内容点击率、评论、转发数决定把某一条信息排在第一还是第五，而现在这些工作越来越多的由机器来做，就像这种简单信息的转化。人应该逐渐去完成更有创造性的工作，专业并且具有深度的内容不是一个简单信息的翻译，因此需要资深的记者来完成，包括线索发现、验证也是如此。所以我觉得是广大的用户和技术一起造就了现在媒体的变革。

记者的角色未来会更像是“导演”

张鹏：其实你也可以跟大家分享一下，今日头条在分发过程中，也是机器去理解与捕捉人的需求，相当于也是机器和人之间相辅相成的关系，你们在技术上如何使它更精准，跟人的需求更紧密的贴合呢？

张一鸣：如果想要追求极致，最核心的一点就是机器需要越来越理解人，理解人是如何判断和挑选内容的，每个人的行为代表什么意思，因此机器观察记忆理解人的能力需要更强。比如一个财经新闻，我们应该识别出哪些用户对财经具有判断力，他的行为则具有更高的代表性，这其实相当于让用户的行为替代了以前一个财经的编辑需要完成的工作。

张鹏：你是以用户的行为轨迹替代了编辑的经验作为判断。

张一鸣：可以这样理解。

张鹏：如果有更理解我的新闻出现，那我可能会对原先编辑提供的内容要求越来越高，甚至不满意。从你们的角度来看，你们不仅仅是成本的节约，因为你们没有编辑部，你们过去成长的如此迅速不是因为省了编辑部的成本，而是因为你们释放了一些东西，你们对此怎么看？

张一鸣：从技术带来的收益来说，最重要的不是成本，而是增量，我想今天在座几位嘉宾的案例也是如此。这个释放出来的东西，第一个就是内容大幅度增加了。就像刚刚探讨的，如果原先由记者创造的内容越来越多的被机器产生，或者被UGC产生，或者被UGC产生之后通过机器组合进行产生，那么大家的期望值就会逐渐增高。

张鹏：就是记者的意义越来越重要，不仅仅是普通写东西的记者。

张一鸣：对，记者需要完成机器无法替代或者更加复杂的内容，比如多条主线的报道，或者要连接多个当事人，记者在其中扮演的角色更加接近导演。因为所谓的报道就是把人、机构、活动串联起来，所以，我认为这是一个更高级的创作。

第二个，在分发信息的过程中，将他的经验智慧贡献出来，这也极大的释放了人的潜力。因为我们都知道，以前你很难为一个中长尾的兴趣找到一个好编辑，比如时尚类或者与高尔夫相关的信息，具备这种判断能力的人，他们其实非常珍贵。这其实也是一种盈余，即他在阅读过程中，为判断做了贡献。我们刚才说UGC其实是用户直接为内容创作做出贡献，用户的阅读行为为筛选内容又做了贡献。当然，筛选过程中我们还需要学习Storyful，能从众多的社交线索中获取，目前的人工算法只能做到复杂度相对低的，无论是在创造还是筛选信息。

信息新颖性和多样性也是推荐系统要达到的目标

张鹏：所以，我们在探讨人与机器的关系的过程中，既看到了像美联社这样去通过自动的方式产生信息，看到像Storyful这样的通过信息加入人，进而诞生更优质快速的内容，也能看到像今日头条这样，是用人们共同的行为去形成机器的判断和智慧，从而更好的运算，完成这样的任务，他们在这个链条里都在发生变化。

张一鸣：我觉得最终的结果其实是非常好的。第一个是让越来越多的信息被转化成内容，让这个世界更加透明。其次让产生的信息和内容越来越高效的到达需要的人手中，使分发更加有效率，所以我觉得如今的变革只是初露端倪，未来变革的幅度和影响会更大。

张鹏：说到这一点，其实还有个问题，我们刚才谈论到，在这个过程中依旧会存在一些疑虑。在座的几位其实都是在推动这个进程之中态度非常乐观的人，但是我相信在这个圈子中也有仍然存在很多疑虑的人。比如今日头条，他们会认为你天天在分析我的阅读习惯，看我历史的记录，会不会未来我永远只能在我喜欢的圈子里打转，我们会处于一个很独特的状况，就是我们没有那些幸福的意外了，我们看不到那些本来我应该会喜欢，只是我还没有接触到的世界，而永远在一个自己原来有的被历史决定的未来，这个其实是很可怕的。在机器与人的关联之间，这其实是目前人们最担心的一点。

张一鸣：腾讯陈总编在前面讲到，机器不是要追求偏好。我认为作为信息分发的工具，我们提供服务的宗旨是追求更好的信息，只提供他偏好的内容并不是目标。所以，对于推荐系统而言，新颖性和多样性也是需要达到的目标，比如说利用社交关系创造偶然，虽然不是历史上的阅读偏好，但是可能是你朋友喜欢的，也可以推荐给你。我们会在算法上进行新探索，信息探索同样重要。我们会统计用户的信息分布，信息分布覆盖率最高的的才是最好的结果。总之，偏好其实不是服务追求的目标，如果产品导向是这一点，是可以解决的。

（文 何敏霞）