编辑和写作，就其所需要的人工智能程度而言，显然写作更具挑战性。在机器新闻生产的语境中，机器编辑通常主要指对已有新闻作品的选择和推荐、聚合，很少涉及对成稿的修改；而机器新闻写作，则仍是不折不扣的从无到有的“创作”。 就新闻行业的这种自动化浪潮而言，影响最大的早期实践大概要算“Google News”了。Google新闻是一个由计算机生成的新闻网站。它汇集了来自中国超过1000多个中文新闻源的新闻资源，并将相似的报道组合在一起，根据读者的个人喜好进行显示。
Google新闻所开创的是新闻的机器选编，还不是本文所要着重探讨的新闻的机器写作。但写作和编辑同为新闻内容生产的两个关键环节。在“Google新闻”的自动选编推荐中，关键是以下几点： 1.新闻来源：来国1000多个中文新闻源。新闻来源的选择和把关，在很大程度上决定了聚合推荐的新闻的丰富和多样性程度；这实际上是“Google新闻”选择和推荐的样本框，决定了哪些新闻有机会被推荐。 2.推荐逻辑：即其算法(algorithm)。值得指出的是，StoryRank和PageRank类似，其对一篇报道的推荐和选择，并不是仅仅通过分析报道本身的内容，而是着重分析报道在网上的受关注程度：被哪些网站发布、转发的多少和频率、在网站的什么发布等，以此来“计算”有关新闻的价值或重要程度。 3.推荐而不提供：从新闻作品版权等角度考虑，“Google新闻”只是提供各种新闻不同的新闻来源，有点“述而不作”的味道，具体的新闻则仍需要到各来源网站去阅读。Google新闻的这一做法最大限度地让它避免了各种版权纠纷，换言之，它把自己定位为自己所定义的众多新闻源的精华索引页。 作为机器编辑肇始的“Google News”，其所开创的基于所选择的样本框进行新闻自动选择和推荐、排序的方法，对各大新闻网站、新闻门户和其他搜索引擎带来了很大的冲击和影响，包括百度新闻等跟风者不少。值得指出的是，在“Google News”最初推出之时，还是Web1.0时代。10年过去，互联别是移动互联的发展，使得新闻生产和消费的格局又有了很大的变化。这其中最大的变化就是社会化的兴起，以及基于消费端的用户偏好，被纳入到新闻推荐的算法考虑中，从而可以为用户推荐更加个性化、定制化、动态化的新闻产品和内容。事实上，以“今日头条”等为代表的新闻客户端，都是当初“Google News”所开创的机器新闻编辑产品的变种和升级。 无论是“Google News”也好，“今日头条”也好，这类产品的出现和风行，了这样一种趋势，即机器学习、深度学习正在改变包括新闻生产在内的诸多之前依赖人力、脑力密集的产业和行业的生态和业态。从工业开始，人类的自动化梦想就一直在加速膨胀，试图在一切有可能把人力解放出来的领域，代之以无论是硬件还是软件意义上的“机器”的协助甚至完全自动化。 推荐：
|
