人工智能在财经新闻领域的应用：彭博社人工智能摘要生成失败

人工智能技术是否适合日常使用？彭博社在自动摘要方面开局坎坷

将人工智能融入新闻业给媒体公司带来了诸多复杂挑战，彭博社最近的案例便印证了这一点。这家财经新闻机构自2025年1月起就开始尝试使用人工智能生成文章摘要，但至今已至少修正了36条错误摘要。这种情况凸显了在编辑流程中应用人工智能系统的难度，尤其是在自动化内容的准确性、可靠性和可信度方面。以下章节将分析彭博社的具体问题，并将其置于人工智能面临的普遍挑战背景下进行探讨，同时讨论将人工智能成功融入新闻业的潜在解决方案。.

适合：

• 可信赖的人工智能：欧洲的王牌以及在人工智能领域发挥领导作用的机会

彭博社进军人工智能生成内容领域的困境

人工智能摘要的易错性

全球领先的财经新闻公司彭博社于2025年初开始在其文章开头使用人工智能生成的要点摘要。然而，自1月15日推出以来，该公司已不得不更正至少36条自动生成的摘要，这表明人工智能生成内容的准确性存在重大问题。对于像彭博社这样以精准的财经报道著称、其信息往往能直接影响投资决策的公司而言，这些问题尤其令人担忧。如此多的更正需求削弱了人们对这项新技术可靠性的信心，并引发了人们对新闻业过早应用人工智能系统的质疑。.

彭博社在报道特朗普总统计划对汽车征收关税时，出现了一个特别严重的错误。虽然原文正确地指出特朗普可能会在当天宣布征收关税，但人工智能生成的摘要却包含了关于更广泛关税措施实施时间的错误信息。另一次，人工智能生成的摘要错误地声称特朗普总统最早将于2024年对加拿大征收关税。这些错误表明，人工智能在解读复杂新闻方面存在局限性，也凸显了发布未经核实的自动化内容的风险。.

除了日期错误外，这些错误还包括数据不准确以及将某些行为或言论错误地归因于个人或组织。这类错误通常被称为“幻觉”，对人工智能系统构成特殊挑战，因为它们听起来合情合理，因此如果没有彻底的人工审核，很难被发现。彭博社频繁出现此类错误凸显了建立健全审核流程的必要性，并引发了人们对所用人工智能技术成熟度的质疑。.

彭博社对人工智能问题的反应

彭博社在一份官方声明中强调，其人工智能生成的摘要有99%符合编辑标准。该公司表示，由于每天发布数千篇文章，因此错误率相对较低。彭博社称，其重视透明度，并会根据需要更正或更新文章。此外，彭博社还强调，记者完全可以决定是否发布人工智能生成的摘要。.

在1月10日发表的一篇基于其在伦敦大学圣乔治城市学院演讲的文章中，彭博社总编辑约翰·米克尔斯韦特阐述了人工智能摘要的必要性。他解释说，客户欣赏人工智能摘要，因为它们能帮助客户快速掌握新闻要点，而记者则对此持怀疑态度。他承认，记者担心读者会仅仅依赖摘要而忽略新闻的核心内容。然而，米克尔斯韦特强调，人工智能摘要的价值完全取决于新闻本身的质量——而在这方面，人类的专业知识仍然至关重要。.

彭博社发言人告诉《纽约时报》，用户对新闻摘要的反馈总体上是积极的，公司正在继续努力改进用户体验。这一声明表明，尽管遇到了一些问题，彭博社仍打算坚持使用人工智能生成新闻摘要的策略，但会更加注重质量保证和改进相关技术。.

人工智能在新闻业的应用：一个与整个行业息息相关的话题

其他媒体公司在人工智能方面的经验

彭博社并非唯一一家尝试将人工智能融入新闻报道流程的媒体公司。许多新闻机构都在探索如何将这项新技术更好地应用于新闻报道和编辑工作中。甘尼特报业集团在其文章中使用了类似的AI生成摘要，《华盛顿邮报》则开发了一款名为“问问邮报”（Ask the Post）的工具，可以针对已发表的《华盛顿邮报》文章中的问题生成答案。这种广泛的应用表明，尽管存在相关风险和挑战，媒体行业对人工智能技术仍然抱有浓厚的兴趣。.

其他媒体公司也遇到过人工智能工具方面的问题。3月初，《洛杉矶时报》在一篇评论文章中，由于人工智能将三K党描述为非种族主义组织，随后该报撤下了人工智能工具。这一事件表明，彭博社面临的挑战并非个例，而是人工智能融入新闻业普遍存在问题的缩影。一种普遍现象是，这项技术尚未成熟到足以在没有人工监督的情况下可靠运行，尤其是在处理敏感或复杂话题时。.

这些例子说明了一方面人们渴望通过人工智能实现创新和效率提升，另一方面又需要维护新闻标准和准确性，二者之间存在着矛盾。媒体公司必须权衡利弊：既要利用人工智能的优势，又不能失去读者的信任，也不能违背新闻的基本原则。彭博社和其他新闻机构的经验，对整个新闻行业来说，都是关于人工智能在新闻领域机遇与局限性的重要启示。.

适合：

• 阻碍人工智能应用的原因之一是：68% 的人力资源经理抱怨公司缺乏人工智能方面的知识。

财经新闻面临的特殊挑战

在彭博社作为领先新闻服务机构之一的金融领域，对准确性和可靠性的要求尤为高。虚假信息的影响可能造成重大的经济后果，因为投资者和金融专家会根据这些信息做出决策。正因如此，将人工智能技术融入财经新闻报道比在其他新闻领域更具挑战性。.

有趣的是，“通用型人工智能”恰恰在其专业领域——财务报告分析——的表现优于彭博社的专用人工智能。据报道，彭博社至少投资了250万美元开发其金融人工智能，但在其于2023年3月底推出不到一年后，ChatGPT和GPT-4等通用型人工智能模型在该领域的表现就明显更胜一筹。这说明人工智能的发展日新月异，也凸显了随着通用型模型功能日益强大，企业难以跟上专用解决方案发展的步伐。.

受益于 Xpert.Digital 全面的五重专业知识和全面的服务包 | 研发、XR、PR 和数字可视性优化 - 图片：Xpert.Digital

Xpert.Digital 对各个行业都有深入的了解。 这使我们能够制定量身定制的策略，专门针对您特定细分市场的要求和挑战。 通过不断分析市场趋势并跟踪行业发展，我们可以前瞻性地采取行动并提供创新的解决方案。 通过经验和知识的结合，我们创造附加值并为客户提供决定性的竞争优势。

更多相关信息请点击这里：

• 在一个软件包中使用 Xpert.Digital 的 5 倍专业知识 - 每月仅需 500 欧元起

生成式人工智能面临的根本性挑战

人工智能模型中的幻觉问题

彭博社的总结也强调了人工智能系统面临的最根本挑战之一，即“幻觉”问题——人工智能模型倾向于生成听起来合情合理但实际上错误的信息。当人工智能系统生成的内容超出其所接收的信息范围，或者误解数据时，就会出现这个问题。在新闻业，事实的准确性和可靠性至关重要，因此这种幻觉问题尤为突出。.

彭博社遇到的问题正是这类幻觉：人工智能“捏造”了一些日期，例如特朗普汽车关税的实施日期，或者错误地声称特朗普已于2024年对加拿大征收关税。这类错误凸显了当前人工智能技术的局限性，尤其是在准确解读复杂信息方面。.

专家指出，幻觉可能由多种因素引发，包括训练提示和文本的编码方式。大型语言模型（LLM）将概念与一系列数字（称为向量编码）关联起来。对于像“bank”（既可以指金融机构，也可以指座位）这样含义模糊的词语，为了避免歧义，每个含义可能对应一种编码。任何编码和解码过程中的错误都可能导致生成式人工智能产生幻觉。.

人工智能决策的透明度和可追溯性

人工智能系统的另一个根本问题是其决策过程缺乏透明度和可追溯性。对于某些人工智能方法，我们已无法理解特定预测或结果是如何生成的，也无法理解人工智能系统为何会对特定问题得出特定答案。这种缺乏透明度的问题，通常被称为“黑箱问题”，使得在错误公开之前难以识别和纠正。.

在新闻等领域，内容决策必须透明且合理，因此可追溯性尤为重要。如果彭博社和其他媒体公司无法理解其人工智能为何会生成错误摘要，就难以进行系统性改进。相反，它们只能在错误发生后被动地进行纠正。.

商业界和学术界的专家也认为这一挑战意义重大。虽然这主要是一个技术难题，但在某些应用领域，它也可能从社会或法律角度引发问题。以彭博社为例，这可能导致读者信任度下降，或者在最糟糕的情况下，导致基于不准确信息做出的金融决策。.

对数据质量和范围的依赖

此外，基于人工智能的应用依赖于数据和算法的质量。鉴于所用数据的规模和复杂性，数据或算法中的系统性错误往往难以被发现。这是彭博社和其他公司在实施人工智能系统时必须克服的另一个根本性挑战。.

数据量过大的问题——人工智能在处理命令或提示时，只能真正考虑相对较小的“上下文窗口”——近年来已显著缓解，但仍然是一个挑战。谷歌的人工智能模型“Gemini 1.5 Pro 1M”已经能够处理70万字的提示或一小时的视频，是目前OpenAI最佳GPT模型的七倍以上。然而，测试表明，尽管人工智能可以搜索数据，但它难以理解数据内部的关系。.

适合：

• 降低成本和优化效率是主要的经济原则——人工智能风险以及选择合适的人工智能模型。

解决方案和未来发展

人工监控和编辑流程

彭博社遇到的问题，一个显而易见的解决方案是加强对人工智能生成内容的人工审核。彭博社已经强调，记者完全有权决定是否发布人工智能生成的摘要。然而，这种控制权必须有效行使，这意味着编辑必须有足够的时间在发布前审核人工智能生成的摘要。.

实施完善的编辑流程来审核人工智能生成的内容对于最大限度减少错误至关重要。这可能包括要求所有人工智能生成的摘要在发布前至少经过一位人工编辑审核，或者对某些类型的信息（例如数据、图表或归属信息）进行特别严格的检查。虽然这些流程会增加工作量，从而降低人工智能带来的部分效率提升，但它们对于维护准确性和可信度是必不可少的。.

人工智能模型的技术改进

人工智能模型本身的持续技术发展是解决当前问题的另一重要途径。与前代产品 GPT-3.5 相比，GPT-4 的幻觉现象已显著减少。Anthropic 公司最新推出的模型“Claude 3 Opus”在初步测试中表现出更少的幻觉。语音模型的错误率应该很快就能低于普通人类。然而，与我们习以为常的计算机不同，人工智能语音模型在可预见的未来不太可能完全无误。.

一种很有前景的技术方案是“专家混合模型”：多个小型、专门化的模型连接到一个门控网络。系统输入由门控网络进行分析，如有必要，则将分析结果传递给一个或多个专家。最后，将所有响应合并成一个综合答案。这样就避免了每次都激活整个复杂模型的需要。这种架构可以通过针对特定类型的信息或领域采用专门的模型来提高准确性。.

合理的预期和透明的沟通

最后，对人工智能系统抱有切合实际的期望，并就其能力和局限性进行透明沟通至关重要。如今的人工智能系统都是针对特定应用场景而设计的，绝不能与人类智能相提并论。这一认识应指导我们在新闻业及其他领域应用人工智能。.

彭博社和其他媒体公司应该公开透明地沟通其人工智能的使用情况，并明确指出人工智能生成的内容可能存在缺陷。这可以通过对人工智能生成的内容进行明确标注、建立透明的错误纠正流程以及公开沟通所用技术的局限性来实现。即使出现错误，这种透明度也有助于维护读者的信任。.

为什么人工智能融入新闻业却因缺乏人类而失败？

彭博社使用人工智能生成新闻摘要的经验凸显了将人工智能融入新闻业所面临的复杂挑战。自今年1月以来，至少出现了36处需要更正的错误，这表明尽管人工智能潜力巨大，但这项技术尚不成熟，无法在没有严密人工监督的情况下可靠使用。彭博社面临的问题并非个例，而是反映了人工智能面临的一些根本性挑战，例如可能出现错误、缺乏透明度以及对高质量数据的依赖。.

将人工智能成功融入新闻业需要多管齐下：建立健全的编辑流程来审核人工智能生成的内容，持续改进人工智能模型本身的技术，以及就所用技术的性能和局限性进行透明沟通。彭博社的经验可以为其他计划实施类似人工智能的媒体公司提供宝贵的借鉴。.

人工智能新闻的未来取决于我们如何在不损害新闻标准的前提下，充分利用人工智能带来的效率提升和创新能力。关键在于采取平衡的方法，将技术视为辅助人类记者的工具，而不是取代他们。正如彭博社的约翰·米克尔斯韦特所精辟指出的那样，“人工智能生成的摘要质量取决于其所依据的故事本身。而对于这些故事而言，人仍然至关重要。”

☑️ 为中小企业提供战略、咨询、规划和实施方面的支持

☑️ 创建或调整数字战略和数字化

☑️国际销售流程的扩展和优化

☑️ 全球数字 B2B 交易平台

☑️ 开拓业务发展

Konrad Wolfenstein

我很乐意担任您的个人顾问。

您可以通过填写下面的联系表与我联系，或者直接致电+49 89 89 674 804 （慕尼黑） 。

我很期待我们的联合项目。

Xpert.Digital 是一个专注于数字化、机械工程、物流/内部物流和光伏的工业中心。

凭借我们的360°业务发展解决方案，我们为知名企业提供从新业务到售后的支持。

市场情报、营销、营销自动化、内容开发、公关、邮件活动、个性化社交媒体和潜在客户培育是我们数字工具的一部分。

您可以通过以下网址了解更多信息： www.xpert.digital - www.xpert.solar - www.xpert.plus