这是大语言模型对于新闻行业的最深层次的影响,结合这篇 Every 创始人 Dan Shipper 的思考(链接、20 分钟阅读时长),我们可以更详细了解到不同形态的内容产品将如何被大模型等技术所重构,撇开作者对于 Every 的宣传内容之外,Dan Shipper 列举了七个不同类型的内容产品,在自动化、大语言模型的影响下,这些内容产品的工作流程以及从业者的技能也将发生改变。
更进一步,作者还谈到,传统新闻的「研究」与「叙述」正在分离,所谓「研究」就是一篇由记者撰写、编辑润色并校对事实的文章(想象一下 NYT 的报道),「叙述」则是基本事实或数据。读者不再局限于传统媒体提供的「研究」内容,而是借助各类工具,消费新闻机构提供的「叙述」内容,这也和《经济学人》所谈的「语言汤」不谋而合。
用「挽歌」形容传统新闻的传统生产流程或许不会引发太多异议,即便大语言模型的应用还处于早期,但传统新闻生产,特别是传统新闻办公室,已经被数字技术深刻改变。这篇 NYT 的专栏评论(链接、免费镜像、20 分钟阅读时长)多少有点怀旧的色彩,因为疫情的影响,作者看到越来越多的新闻机构将办公环境迁移到线上,每个人成为 Slack 频道或某个聊天室里的一个数字头像,但在后疫情时代,新闻办公室还能回归线下吗?或者说,新闻办公室需要回归线下吗?