我叫同事克里斯·威爾森（Chris Wilson）造一個機器人版的詹森·科特克（Jason Kottke）出來，因為真人版看起來時不時需要休息一下?？铺乜嗽?998年開通了他的同名博客，當時博客才剛剛興起。網(wǎng)絡世界從那以來發(fā)生了巨大的變化，不過Kottke.org網(wǎng)站一直保持著活力。我喜歡這個網(wǎng)站的一個原因是我和科特克有許多共同愛好：科學、技術、邁克爾·路易斯（Michael Lewis）、字體設計、《紐約客》、大衛(wèi)·福斯特·華萊士（David Foster Wallace）、《監(jiān)聽風云》（The Wire），還有朝鮮。然而很多博客上都有這些東西。科特克的天才之處在于他能發(fā)現(xiàn)其他人沒發(fā)現(xiàn)的鏈接。每天我都會在Twitter、Facebook、郵件以及成打成打的博客中看到成百上千的鏈接。但科特克每天上傳的五六個鏈接里，總有那么兩三個是我根本沒見過的，而幾乎每個鏈接都會把我?guī)У骄W(wǎng)絡中某個令人驚嘆的角落。
網(wǎng)絡上曾經有許多像科特克一樣博主。在博客盛行時，20世紀90年代后期至2006年前后，像科特克這種“鏈接博客”的形式是主流。諸如約翰·巴格的“機器人智慧”（John Barger's Robot Wisdom）之類的博客對讀者來說很有用——網(wǎng)絡上每天都有新東西，而你進入一個鏈接博客就能找到最好的，那就讓博主好好展現(xiàn)他們對于網(wǎng)絡嫻熟的挖掘能力吧。
現(xiàn)在也還有幾個人氣很旺的鏈接博客：Boing Boing（主要跟蹤互聯(lián)網(wǎng)的各類網(wǎng)頁，并在網(wǎng)頁上貼出有趣的網(wǎng)站鏈接，供讀者點擊接入），Daring Fire （知名博客）和The Drudge Report（一家新聞集合網(wǎng)站）是公認的典范。但這種網(wǎng)站形式正在走下坡路。比如，巴格現(xiàn)在就不寫博客了，他轉去寫微博，并且利用他的RSS閱讀器分享鏈接。諸如Reddit、Digg、Hacker News等網(wǎng)站都允許讀者上傳鏈接，并且通過投票來進行排行。如需其它服務，就像是查找博客、Twitter和Facebook上發(fā)布的最流行的東西，加比·里維拉（Gabe Riveraa）的 Techmeme、Memeorandum和Mediagazer等網(wǎng)站都能提供。一天好幾次我都收到Summify發(fā)來的郵件，這是一項很棒的服務，它會將Twitter上我關注的人分享最多的鏈接發(fā)給我?？铺乜爽F(xiàn)在博文更新得少了，他把更多的時間花在建立名為“Stellar”的鏈接收集服務器上，這將帶給你Twitter、Flickr、You Tube和Vimeo上人們最喜歡的東西。
為什么這些新的運作系統(tǒng)取代了科特克一類的博客？原因很明顯。手工版鏈接博客取決于一個，或者幾個人給無窮無盡的新信息分類的能力?！翱傆心敲葱┨?，你真的不想干了，”科特克說。“每天都要看那么多東西，基本上都差不多——要不都一樣有趣，要不都一樣無聊。很難保持那種發(fā)掘的勁頭，幾乎找不到你從沒見過的東西。從開始算起，我已經上傳了1.5萬，可能2萬條鏈接。我一直在不斷縮小那些新鮮而有趣的內容的范圍。”
用計算機技術術語來說，科特克的博客不可擴展，沒有上規(guī)模。這有點慚愧。收集網(wǎng)絡熱文的服務系統(tǒng)很是有用，但它們缺乏編輯性。Techmeme和Summify所羅列的鏈接僅代表網(wǎng)絡中一大群人的信息偏好。而科特克的博客內容卻是一個人不可不看的。網(wǎng)絡上應兼具這兩種類型的鏈接整合，但我還是希望看到更多人開通精心編輯的、條理清晰的鏈接博客。問題在于，這么難做的一件事情，怎么才能做大呢？
機器特克（Robbotke）應運而生。最近幾周，克里斯·威爾遜（Chris Wilson）一直在構造一個用于自動發(fā)布鏈接的機器，這些鏈接很可能會出現(xiàn)在Kottke.org上。機器特克并不是來取代真科特克的；我們只是想得到詹森·科特克每天可能會上傳的鏈接。
你可以點這兒體驗下機器特克。它是怎么工作的呢？我們先是一點點地扒詹森·科特克每天可能看的資源——所有他發(fā)布過的鏈接的來源網(wǎng)站，以及他在Twitter上關注的每一個人的分享。難度最大的是從機器特克所收集的內容中選出最好的、最符合科特克風格的鏈接。好在真人科特克對其發(fā)布的內容做了精心分類，標注了關鍵詞，這對我們很有幫助。每當機器特克找到一個鏈接，它會根據(jù)它所知道的科特克喜歡的話題進行搜索——找到的越多，文章的排名就越靠前。
搜索結果喜人：就在我寫這些內容的這會兒，機器特克上排在首位的是一段科學探秘的視頻，講的是自行車如何在行進過程中，即使無人駕駛也可以保持平衡。機器特克有時也會嚴重跑題：今天機器特克推薦的鏈接還包括2010年的《華盛頓郵報》有關伊拉克戰(zhàn)爭花銷的專欄（對于科特克來說太陳舊、太過于政治化），邁克爾·摩爾（Michael Moore）的訪談（也過于政治化），以及犬儒-C（Cynical-C）博客的流量（噢，這完全違背了我的初衷）。
我的結論是：機器特克遠非完美，但也可圈可點。再努把力，多來點人工智能的專業(yè)知識，我相信機器特克勝出的機會還是挺多的。
當問及詹森·科特克的看法時，他回答地很巧妙?！班牛彼ｎD了幾秒鐘，說，“我覺得有些還不錯，有些就差了點。最大的問題在于鏈接并不是最最必要的因素。人們跟我說，他們喜歡我的網(wǎng)站是沖著我對于這些鏈接的評論——怎樣呈現(xiàn)這些鏈接，用什么方式打動人心。機器特克在這點上差很多?！?
科特克說得很對。機器特克不會寫評論，不會加標題，不會剪輯文中精華。應該說，它“目前“還不會做這些。我們需要大家的幫助來完善機器特克。如果你精通編碼并對人工智能和媒體感興趣，請聯(lián)系*克里斯·威爾森（Chris Wilson），幫我們看看機器特克的源程序吧。（注：源代碼用的是Python）（*原文有鏈接）
我們需要大家的幫助。因為真人科特克發(fā)文越來越慢了。“我之所以開始建立Stellar，是因為上傳博文基本上透支了我所有精力，”他說。2006和2007年間，幾乎所有醒著的時候，他都在上網(wǎng)搜鏈接，常常弄得灰心喪氣。“后來，大概六到八個月的樣子，我的工作效率突然提高了，”科特克說。他把這歸因于經驗——“我累計搜索時間大概有1萬小時”，以及新型工具——比如Twitter?！拔野l(fā)現(xiàn)可以用更少的時間更新網(wǎng)頁——現(xiàn)在每天我只花幾個小時在Kottke.org網(wǎng)站上，”他說?！艾F(xiàn)在內容少了，每個鏈接下我所寫的東西也少了，而且我也不再像以前那樣對一些有趣的內容進行深度研究了?！?
當我問他是否計劃關閉Kottke.org網(wǎng)站時，他含糊其詞。“我可能不會再把網(wǎng)站當做全職工作來做，但我不會停止發(fā)博文，”他說?！拔乙獙W(wǎng)站讀者負責，而且寫博客也是我喜歡做的事，只是不再喜歡整天泡在博客上?！?
那么，機器特克的優(yōu)點恰恰在于：它不知疲倦。
***
在本系列中，我一直都在關注能夠代替人類進行高技能作業(yè)的機器。我談到了我父親的職業(yè)——藥劑師，還有我妻子的醫(yī)學專業(yè)——病理學?，F(xiàn)在是時候好好照照鏡子面對現(xiàn)實了。作為一個作家，我喜歡把自己的這種寫作能力看作人類的獨門絕技。我有自己的專欄，寫些讀者關心的事，我試圖用文字激發(fā)人們的情感，或高興，或驚訝，或憤怒。機器現(xiàn)在還不能完成這么有創(chuàng)造性的工作。但隨著我對自動化新聞報道的深入探索，以及我們在機器特克上的收獲，我發(fā)現(xiàn)我的工作對機器人來說好像也不是不可能完成的任務。
每個工作日的上午我都在重復同樣的事情。首先，登錄六七個科技新聞網(wǎng)站，打開幾十篇文章。我會迅速地瀏覽每篇文章的標題，看一看內容，然后腦子里開始想：“它夠不夠有趣？如果不夠，跳過”。遇到吸引我的內容時，又在頭腦中進行另一番斗爭：“我能夠找到個獨特的視角么？會有讀者關心這個問題么？”這些程序是無意識的，有時也未必是按部就班的。我常常會被郵件或者電話打斷。如果頭一天整晚都在照顧小寶寶，我可能也就在Facebook上打發(fā)打發(fā)時間，而不是專心找可以寫的題材?？窗桑@就是人的弱點。假如我是個機器人，我將一絲不茍地遵循指令，說不定還能寫出更好的文章來。
這也是如今自動化新聞報道的理論依據(jù)：不管我們承認與否，很多撰稿人在工作時，或多或少的都循著同樣的步子。我們是怎樣寫出一篇通訊社新聞的？最重要的信息打頭陣——陪審團發(fā)現(xiàn)什么證據(jù)啦，誰被殺啦，哪個隊贏啦；接下來談談細節(jié)。甚至連品味較高的文章也有自己的結構框架。前《紐約客》撰稿人丹·鮑姆（Dan Baum）曾透露這本知名雜志的編輯給他的一點建議："你想用什么敘述方式都可以，但是你要知道，當我拿到你的稿子，還是會把它們打亂然后重新按時間順序排列。"所以，《紐約客》文章的模板是：1）描述先發(fā)生了什么事；2）描述接下來發(fā)生了什么事；3）如果還沒講完，重復步驟2）；如果講完了，文章到此結束。
目前而言，沒有哪臺計算機能寫出符合《紐約客》水平的文章。但機器能為人們做很多生搬硬套的瑣事。來看看網(wǎng)站FriscoFan.com上的一則簡報吧，每次舊金山巨人隊（San Francisco Giants）有比賽，這個網(wǎng)站都會報道。
巨人隊3-1橫掃洛基隊
瑞恩·沃格松（Ryan Vogelsong）七局里面表現(xiàn)完美，第三局邁克·方特諾特（Mike Fontenot）全取三分，確定了巨人隊的領先地位，舊金山3-1輕取科羅拉多。
第三局接近尾聲時雙方還是沒有任何得分，之后方特諾特接到對方先發(fā)投手朱萊斯·夏辛（Jhoulys Chacin）來球，打出一記全壘打，使得安德斯·托瑞斯（Andres Torres）和沃格松（Vogelsong）跑壘得分，巨人隊抓住機會掌握了比賽局勢。
一次高水平比賽后，本年度沃格松投球成功率提高到13-7。比賽中他四次安打均未失分，四次三振，無保送上壘。剩下2/3的比賽圣地亞哥·卡西拉（Santiago Casilla）都在嘗試補救，那是他那次賽季第六次這么做了，最后巨人隊無安打無上壘，一人出局，無人保送。夏辛落后（11-14），八次擊打中丟失了兩次得分機會，三次三振，七局內無人上壘。
這篇新聞是由計算機編寫的。其實在FriscoFan網(wǎng)站上的所有文章都是機器完成的。網(wǎng)站的創(chuàng)建公司是Automated Insights（前身為StatSheet，一家專門從事運動比賽數(shù)據(jù)統(tǒng)計服務的廠商，成立于2007年11月），公司旗下有將近400個FriscoFan這樣的網(wǎng)站，每一個都專門報道美國職業(yè)棒球聯(lián)盟（MLB）的比賽和美國大學體育總會（NCAA）籃球隊的新聞。Automated Inshights生成文章的過程和人寫稿子是一樣的。先瀏覽所有數(shù)據(jù)。然后選擇一個比較合適的口吻來描述——譬如，一個家鄉(xiāng)球迷寄予厚望的球員或球隊輸了比賽，“作者”的文字讀起來也會垂頭喪氣。接下來，計算機會根據(jù)比分查閱一個巨大的詞組數(shù)據(jù)庫，尋找合適的語言來編寫這篇文章。如果某個球隊輕松擊敗了對手，你就會看到類似“巨人隊橫掃洛基隊”這樣的標題。
Automated Insights的文章雖然幾乎沒有獨創(chuàng)性可言，但也并沒有很明顯的機器痕跡。（我曾看過很多人寫的文章，還沒這機器寫的連貫呢。）而機器作文的廉價和省時也彌補了它在獨創(chuàng)性上的缺陷。公司的創(chuàng)建者兼執(zhí)行總裁羅賓·艾倫（Robbie Allen）雇了幾個寫作好手，他們的工作就是每天絞盡腦汁想那些諸如“top-notch outing（高水平比賽）”的詞，然后把它們放進數(shù)據(jù)庫里。通過自動化，艾倫可以把這些人的努力轉化成數(shù)目可觀的文章?！叭ツ甏髮W籃球季期間，我們推出了64,000篇文章，”艾倫說：“我算過，這相當于一百個作者每天寫四篇。”
Automated Insights想做的不只是用機器取代人類寫作，而是超越人類。因為體育新聞撰稿人的要價都很高，你永遠不可能雇一個人跟蹤報道某個沒多少人關注的小隊。然而Automated Insights可以做到跟進每一個球隊。下半年它還會擴展其他業(yè)務——公司剛剛得到一大筆專用資金——到時，它還能報道每家公司的股市波動，或報道美國每個小鎮(zhèn)的所有天氣變化。公司的主要競爭對手Narrative Science也有同樣的遠大抱負。
然而現(xiàn)在艾倫的策略還欠缺一點：創(chuàng)造性。盡管我承認我的工作有程序可循，不過我的專欄也有很多計算機無法掌握的元素——比如令人眼前一亮的文字游戲，難以抗拒的論據(jù)，還有針鋒相對的措辭。今年我在《Slate》上的兩篇最受歡迎的文章靈感都并非來自枯燥的網(wǎng)絡搜索，它們是在無意之間閃現(xiàn)在我的腦海里的——其中一篇是抱怨人們總是錯誤地在句號后面用了兩個空格，另外一篇痛斥勢利小人把信息泄露給國家公共電臺。（這種靈感每星期在我洗澡的時候至少有那么一次。）
計算機能想出這樣的話題么？目前還不行。如果我們要把人類的創(chuàng)造力定義為某種娛樂別人的能力，機器似乎還不適合完成這項任務——因為計算機最擅長的就是復制，而不是創(chuàng)造全新的東西。軟件可以把“top-notch outing”這樣的詞用到文章中，但是它不可能因為覺得“top-notch outing”這種說法很無趣而用另外的詞代替它。
在我咨詢過的計算機和語言專家中，沒人能告訴我如何讓計算機發(fā)展實現(xiàn)從模仿到創(chuàng)新的飛躍。但是他們都指出最近計算機發(fā)展在這方面有所進步。谷歌的一個團隊正在嘗試教計算機翻譯詩歌——即便對人類來說也是個難題，目前實驗已取得了一些進展。同時，華盛頓大學的研究員克洛伊·基頓（Chloe Kiddon）和尤里·布朗（Yuriy Brun）成功教會機器在恰當?shù)臅r機說出——“她就這么說的！”
看看計算機如今的成果及其發(fā)展之迅速，Automated Insights的艾倫如今非常確信，機器發(fā)展是不可能停下腳步的。他說：“因為這是算法問題，它只會隨著時間的遷移不斷進步。未來五年，我們的機器寫出的文章會和外面最棒的體育報道一樣好。到時候，人類可就沒多少優(yōu)勢了?！卑瑐惖脑挼降讜粫烧妫液茈y想象。不過話說回來，五年對于計算機來說真的是很長，要跟他打賭可不太明智。
