金融时报的 AI 答疑：新闻档案驱动的智能时代
随着人工智能技术的飞速发展，全球新闻机构正逐步探索和融合 AI 技术，旨在为读者提供更加高效、精准的新闻资讯服务。金融时报（Financial Times），作为国际著名的金融新闻巨头，最近推出的 AI 工具“Ask FT”正是这一趋势的最新体现。借助于深厚的新闻档案资源和先进的大语言模型技术，Ask FT 能够对订阅者提出的问题给出精准回答，展现了 AI 如何助力新闻行业深化内容服务和提升用户互动体验。
本文深入解析了 Ask FT 的背景、功能以及可能面临的挑战，并对比了其他新闻机构的 AI 策略，探讨了大型语言模型（LLM）在新闻行业应用的前景和影响。此外，文章还探讨了新闻消费的变化趋势以及新闻机构如何适应这些变化，提供更加个性化、即时的信息服务。对于关注新闻行业未来发展、人工智能应用以及信息消费趋势的读者来说，这篇文章提供了丰富的洞见和思考。
好的，可能回顾过去，您的新闻部并不真的需要制定一项关于智能冰箱的策略。但现在看来，对于某些级别的全球新闻机构来说，拥有一套自己的 AI 策略似乎变得至关重要。
一年前，我们曾向您介绍过 BloombergGPT，这是终端巨头企图将公司庞大的金融新闻和数据库用于训练一个大型语言模型的努力。现在，另一个金融新闻巨头——金融时报加入了这一行列，今天早上正式宣布了其 AI 工具 Ask FT 的推出。FT 的首席执行官 John Ridding 在最近的一次采访中提到了这一点，他描述了一个通过查询 FT 的新闻和档案库、进行语义搜索、摘要工具以及听取我们故事的音频版本的未来方式。以下是 The Verge 的 Emma Roth 和 Quentyn Kennemer 提前体验后的描述：
金融时报推出了一个名为 Ask FT 的新型生成式 AI 聊天机器人，能够回答订阅者的各种问题。与 ChatGPT、Copilot 或 Gemini 等通用 AI 机器人类似，用户可以期待得到一个根据该出版物数十年来发布的信息而非难以说明来源或正面临法律诉讼的信息源的策划性自然语言回答——因此，它可能不会告诉你制作意大利宽面条奶油酱的最佳食谱。
遗憾的是，我并不是获得 Ask FT 测试权限的“几百名” FT 订阅者之一，因此无法亲身体验其效果。但其基本理念很简单：优秀的新闻机构拥有深厚的档案资源，利用这些资源训练大型语言模型，可以快速提供传统搜索难以匹配的有用信息。“这一新功能将帮助我们的订阅者通过获取直接的答案而非海量搜索结果，从而迅速做出自信的战略和商业决策，” FT 专业管理部门总经理 Nick Fallon 在新闻发布会上表示。FT 并非第一个推出“Ask \_” AI 产品的新闻机构，肯定也不会是最后一个。所有机构都需要解决这样一个问题：这些聊天机器人如何与他们现有的服务相融合，以及如何适应他们受众的使用习惯。以下是我认为最重要的三个问题之一。
例如，包括 Macworld、PC World 和 TechHive 在内的一些科技出版物几个月前推出了一个名为 Smart Answers 的聊天机器人，它仅使用这些出版物产生的英文文章作为训练数据。这可能有助于机器人符合出版物的编辑标准，但也排除了寻求者可能需要的广泛信息。例如，它不知道 TikTok 的 CEO 是谁。
与此相比，BloombergGPT 的训练数据中，大约一半来自 Bloomberg 自家的内容，另一半来自“通用数据集”。专注于特定领域的 AI，如专注于本地美食的 San Francisco Chronicle 的 Chowbot，或者专注于事实核查的 Aos Fatos 的 FátimaGPT，可能会因为受限的训练集而表现得更好。但对于习惯了 ChatGPT 似乎无所不知的用户来说，如何看待这些视野更窄的大型语言模型呢？
主流大型语言模型的一个主要弱点是它们只能提供过去的信息。例如，当我询问 ChatGPT Plus 最后一次更新其知识库是什么时候时，它告诉我是2023年4月。它可以通过网络搜索来提供更接近当前的信息，但这可能会影响到即使是最简单问题的准确性。
例如，我刚刚问它：“昨晚休斯顿对德州 A&M 的比赛谁赢了？”它回答：“休斯顿美洲狮队以70-66的最终比分赢得了昨晚的比赛。”实际上，那是他们12月16日比赛的比分；昨晚，休斯顿在加时赛中以100-95赢得了比赛。The Verge 的报道指出，Ask FT 似乎认为 Nikki Haley 仍然是总统的主要候选人，尽管它成功回答了一个依赖不到一周旧的新闻报道的关于微软的问题。
虽然新闻机构可能认为他们的档案是他们最宝贵的大型语言模型资源，但我怀疑实际使用中将包括许多关于最新事件的实时查询。对于这些问题，准确提供答案将更加困难。出版商是否能够引导用户提出与档案相关的问题，或者他们是否会找到提高实时查询准确性的方法，比如更积极地使用通讯社或其他及时的数据源？
大多数普通的新闻消费并不是出于寻找特定信息的需求。例如，人们会主动访问新闻网站，了解世界上发生的最新动态，或是简单地寻找有趣的内容来消磨时间。而不是从新闻网站开始的新闻消费大多是从一个“答案”开始的，而不是一个问题，就像在游戏节目中那样。一个社交媒体上的头条新闻告诉你发生了什么——几乎总是一些你在五秒钟前还没有意识到自己在寻找的信息。
与此形成对比的是，大型语言模型主要是为了寻找特定信息而设计的。它们与谷歌和其他搜索引擎共享这一特征，这些搜索引擎是根据用户的具体需求来驱动的。例如，“汽车保险报价”和“廉价航班”就是一些典型的搜索查询。
我想说的是，提供机器人服务的新闻机构需要找到一种方法来弥合这一差距。对于像金融时报或彭博社这样的财经新闻机构来说，这一点或许更容易实现，因为在这些场合下，特定信息的寻求与高端商业用户的需求更加吻合。但即使对于像纽约时报这样的高端出版物，它的“Ask NYT”聊天机器人究竟能满足什么样的需求还不是很明确。新闻机构作为全知全能的信息源需要一些哲学上的转变，从传统的故事制作者转变为即时信息提供者。例如，可以想象一个 AI，能够在读者看到故事中的不熟悉的人物或概念时，立即生成相关的背景信息。这种对特定信息的即时需求正是 AI 能够有效满足的。
Upvoted! Thank you for supporting witness @jswit.