就像視頻殺死了廣播明星一樣，AI也會毀滅作家、記者和編輯。

從自由職業者到紐約時報記者的眾多文字專家可能很快就會發現自己失業了。

然而，它們不會被海外競爭對手打敗，而是被算法打敗。

為了了解寫作的未來，以及人工智能作者的形象，我們首先需要了解已經在砧板上的工作類型。

寫工作不容易自動化…對吧?

自動化并不能平等地觸及所有工作，在美國也很容易看到。

穿越俄亥俄州后工業化的心臟地帶，與舊金山這樣的城市相比，有著截然不同的圖景，其智力資本高度集中。

盡管將責任歸咎于外國競爭似乎很誘人，但看來，就業殺手并非外包，而是自動化。

畢竟，美國制造業的表現相當不錯:制造業每年增長近2.2%，遠快于美國整體經濟，而美國經濟在2016年增長了1.6%。

看起來制造業正在蓬勃發展，即使血肉之軀的工人沒有。

但是為什么工廠的工作對機器人如此敏感呢?

為什么不是舊金山的程序員或者紐約的作家呢?

這取決于任務。

牛津、麥肯錫和普華永道等機構的結論是，最容易實現自動化的工作有幾個重要特征。

他們必須有重復的動作和高的可預測性(想想大型倉庫里的裝配線或長襪盒)。

這樣的角色很簡單，幾乎不需要適應或橫向思考。

相反地，具有高度不可預測性和需要復雜解決問題的工作不太可能向機器屈服。

來自美國國家公共電臺(NPR)的一個小工具，可以預測你的職業被自動化的可能性，給作者和作者百分之3.8的機會被計算機程序擠掉。

正如傳統觀點所言，創造力不容易被機器復制。

或者是嗎?

圖靈測試

對于一個有效的人工智能作者來說，它的工作必須通過圖靈測試，在這個測試中，計算機必須欺騙人類，讓他們認為它也是人。

這對于創造性的算法尤其重要。

用戶不希望使用機器人創建的內容，因為我們認為機器人無法在情感層面與我們有效地連接。

我們相信沒有創造性的公式:一個人不能簡單地減少戰爭、和平、算法和二進制輸入等工作。

但現實是，程序員實際上可以創造出創造力——他們已經做到了。

2011年，杜克大學(Duke University)的一名本科生修改了一種算法，將詩歌分解成更小的成分(stanzas、lines、短語)，然后自動生成自己的詩。

其中一個甚至被杜克大學的文學期刊，檔案館所接受。

因此，人工智能作家通過將自己的作品作為人類的作品傳遞出去，從而有效地通過了圖靈測試。

當然，在《紐約時報》(The New York Times)的一首九行詩和一篇longform的文章(或者一些更受人尊敬的出口，比如TNW)之間存在著不同的世界。

然而，重要的是要認識到這是一個重要的里程碑;

多年來，人們一直推測，創造力超出了機器的范圍。

現在AIs已經寫了詩、歌、甚至是短電影——寫在墻上。

機器人作家會是什么樣子?

也許人工智能作家難以想象的一個原因是，他們中的絕大多數人無法在人類作家的水平上表演。

例如，Facebook關閉了其語言構建的AIs，因為他們不能有效地使用自然語言。

但由于一些公共事故的發生，對人工智能的忽視是危險的，因為拼圖的碎片已經就位。

人工智能的作者不僅已經通過了圖靈測試，而且還可以依賴于像深度學習這樣的專業算法(最近，人工智能在一場臭名昭著的抽象游戲中打敗了一個人)，從而磨練了他們的寫作技巧。

此外，AIs還可以無縫地處理大量數據，而不需要基于肉類的同行所需要的食物和休息。

例如，盡管最初遇到挫折，IBM的沃森有能力分析成千上萬的報告，并產生洞察力，甚至幫助醫生對診斷進行微調，并在過程中挽救生命。

從這里開始，這是機器人作家的一個小步驟。

在廣告中，AI的文案是非常多才多藝的:他們可以起草數百種不同的廣告活動，測試和分析每一個不同的迭代的優勢，并利用深度學習，迅速成為更好的作家。

最重要的是，人工智能不需要休息、得到報酬，也不需要支付諸如獎勵之類的費用。

避免過時

為了避免重蹈覆轍，很明顯我們需要一種全新的ai -人類合作模式，而不是競爭。

事實上，在《華盛頓郵報》(Washington Post)上已經有了一個，高管們轉向人工智能作家Heliograf來幫助發展他們的網絡觀眾。

編輯器將關鍵字和模板輸入到Heliograf的各種事件和結果中。

然后，Heliograf在web上搜索數據和關鍵字匹配;

從這一點上，它生成報告，或提醒記者對潛在的獨家新聞進行雙重檢查數據異常。

Heliograf故事是關于選舉或奧林匹克競賽等事件的簡單報道。

然而，他們并沒有深入的分析——這是一項深思熟慮的決定。

這篇文章使用了Heliograf來制作大量的小故事，以吸引瀏覽者，而不是使用一些精心研究的長形故事來捕捉分散的、小眾的觀眾。

作為一種與人類一起工作的增強智能，Heliograf是人機交互的一個更積極的模型。

從美國的孕產婦死亡率到對私立監獄的臥底調查，人類仍有空間研究和撰寫深入的特征。

即使機器學習能夠使人工智能與人類的寫作能力相匹配，通過大量的數據來篩選，人類興趣的角度(和面試)也會更難掌握。

記者們可能會做不那么直截了當的報道，更可能進行更高層次的分析和調查。

盡管如此，痛苦可能是不可避免的:隨著報紙削減當地記者和體育記者的成本，即使他們保留(或增加)他們的調查工作人員，《Heliograf》的后期版本可能會引發大規模裁員。

制造業可能提供了一些相似之處:自動化增加了產出，昂貴的工人被解雇，剩下的工作需要越來越高級的學位或經驗。

這取決于數字:一個人的焊工每小時的成本是25美元(福利和假期)，而機器人在安裝、維護和運營費用后的每小時只有8美元。

關于寫作的未來，有一件事是絕對清楚的:人工智能作家已經在這里了。

然而，損失將會有多大——以及我們能預計到多少裁員和人類的痛苦——目前還不清楚。

的確，在增強智力模型中存在著希望的核心，但這并不意味著作家們應該放松。

在未來的十年或二十年里，作家們可能會發現自己陷入與工廠工人同樣的困境。