唐怡园

最擅长的是危机公关。

IBM的人工智能机器人沃森最近跑去做给大公司做公关了。

它能够实时找出社交网络上的负面消息源，并帮发推作出回应的人改进。听起来比只会到处发新闻稿的公关能力要强上不少。

实际使用中，沃森到底怎么帮石油公司解决公关危机？IBM 负责商业分析应用的计算机工程师 Steve Welch 透露，沃森真的要在Twitter上回击它们，要做到足够真实。

Welch 介绍，沃森曾捕捉到有一帮旧金山的主厨正在 Twitter 上吐槽自己的牛肉被污染了。而这批牛肉的来源正好是从宾夕法尼亚州马塞勒斯页岩附近的牧场。根据这些信息，沃森给出了一套解决方案。让石油公司迅速找到加州伯克利分校的一位教授来辟谣。

除了实时分析和预测可能出现的负面消息之外，沃森目前更多还只是一个帮助公关人员的工具，为他们提供更具有回击力量的词语和句式。

沃森学习人类说话方式的项目 5 年前就开始了，比如分析医生的处方和 Twitter 上每周都会更换的毒品昵称。这比 2014 年 11 月 IBM 和 Twitter 达成数据合作还要早。

更早的是，石油公司和一群狂热的环保主义者之间的博弈。石油公司的这类公关压力至少持续了 7 年。反水力压裂（anti-fracking）运动在全球范围内展开。这群环保主义者主要是反对这项技术开采石油和天然气会给自己的居住环境带来污染、地质坍塌等危险。

他们经常有组织地活跃在 Twitter 上，反对石油公司利用水力压裂技术开采石油和天然气的宣传消息时不时会形成病毒式传播，引起民愤。

最基本地，针对全球范围内的反水力压裂运动，沃森必须会自动转换多语言，就跟Google翻译差不多。而沃森的核心技能 Twitter Editor 能够利用加权算法找出其足以形成大规模转发的语言和内容模式。

首先，沃森要按照信息传播的感染力，给全球不同的反水力压裂运动组织分类。分类过程中，获得转发更多的词汇和句子结构，会被加上标签，转发量越大，其被赋予的值就越高。目前，沃森已经学习了 4000 万条推。