روزنامهنگاری هوش مصنوعی امکانات ومحدودیتها
مترجم: سینا تفنگ چی
مایکروسافت در ماه می ۲۰۲۰ (خرداد ۱۳۹۹) اعلام کرد بیش از ۵۰ روزنامهنگار و سردبیر را از کار اخراج خواهد کرد. بسیاری از این کارمندان درگیر فرآیند نظارت بر اخبار بودند و محتواهایی را انتخاب میکردند که در وبسایتهای Microsoft News و MSN منتشر میشد. اما بنا نیست موقعیت شغلی آنها حذف و یا با استخدام افراد جدیدتری پر شود؛ بلکه بناست تا از هوش مصنوعی بهعنوان جایگزین آنها بهرهبرداری شود. هرچند که نظارت تنها یک وظیفه محسوب خواهد شد که روزنامهنگاران هوش مصنوعی اکنون میتوانند انجام دهند.
کریستین هاموند (Kristian Hammond)، استاد علوم کامپیوتر و بنیانگذار شرکت داستاننویسیNarrative Science ، در سال ۲۰۱۲ پیشبینی کرد که در مدت ۱۵ سال آینده بیش از ۹۰ درصد مقالات خبری توسط رایانه نوشته خواهد شد و هرچند که هماکنون تنها هفت سال تا پایان پیشبینی او فاصله داریم و تغییرات قابلتوجهی در این مدت میتواند صورت پذیرد، ليکن باید توجه داشته باشیم که هنوز بهصورت شگرفی با این تحول فاصله داریم.
از همین رو باید اعلام داشت که خبر خوب برای روزنامهنگاران این است که هنوز به بسیاری از خدمات آنها احتیاج است. بااینحال و نظر به آنکه اکنون هوش مصنوعی بیش از هر زمان دیگری کارآمدی خود را نمایان ساخته است، این سؤال در ذهن متبادر میشود که اکنون نقش هوش مصنوعی در روزنامهنگاری چیست و چه چالشها و ملاحظاتی هنگام آوردن هوش مصنوعی به اتاق خبر وجود دارد؟
**وضعیت فعلی روزنامهنگاری هوش مصنوعی چیست؟
نگارش مقاله توسط ماشین
از چند سال گذشته، هوش مصنوعی روزنامهنگاری موفق به نگارش مقالاتی شده است که چندان نیازمند تحقیقات میدانی نیست. به دیگر سخن، در حال حاضر، مقالات نوشته شده توسط هوش مصنوعی به موضوعات نسبتا ساده و فرمولی محدود میشوند: همچون نتایج بازار سهام، امتیاز بازیهای ورزشی و غیره. بهعنوانمثال اخبار بلومبرگ از یک سیستم AI به نام Cyborg استفاده میکند که بهصورت خودکار گزارشهای سهماهه شرکتها را اسکن میکند و سپس یک مقاله سریع با مرتبطترین اطلاعات ارائه میدهد.
دستیارانی برای روزنامهنگاران انسانی
وقتی هوش مصنوعی خودش مقاله نمینویسد، میتواند به خبرنگاران انسانی در کارهایی که بیشازحد پیچیده و خستهکننده است، کمک کند؛ همچون مقالههای طولانی، تحلیلهای دقیق و روزنامهنگاری تحقیقی. یک مورد فوقالعاده با ارزش استفاده از هوش مصنوعی: پیادهسازی خودکار مصاحبهها! این مهم که بدون شک میتواند در صرفهجویی ساعات کاری خبرنگاران بهغایت مطلوب عمل کند، سبب خواهد شد تا به خاطر چند اشتباه رایج نرمافزاری، خبرنگار، صرفا بهعنوان یک ویرایشگر محتوا عمل کرده و خطاها را تصحیح کند. بهعنوانمثال، سرویس تبدیل خودکار گفتار به متن Trint که توسط خبرنگار سابق اخبار تلویزیون جف کفمن (Jeff Kofman) تأسیس شد و در سال ۲۰۱۹ نیز با آسوشیتدپرس و صندوق نوآوری گوگل ادغام شد، میتواند با دقت ۹۵ تا ۹۹ درصد فعالیت کرده و تسهیل گری مطلوبی برای خبرنگاران داشته باشد. از دیگر سو، هوش مصنوعی میتواند یاریگر گزارشگران نیز در سوژههای جدید خود باشد؛ بهطور مثال، در سال ۲۰۱۸، Forbes یک سیستم جدید مدیریت محتوای مجهز به هوش مصنوعی به نام Bertie ارائه داد که میتواند بر اساس مطالب قبلی گزارشگر به آن سوژههای امکانپذیر پیشنهاد دهد که این کار سبب شد تا تعداد کسانی که بیش از یکبار در ماه از وبسایت فوربس بازدید میکردند دو برابر شود.
ارائه محتوای مطلوب و متناسب با نیاز کاربران
هوش مصنوعی نهتنها میتواند در ارائه پیشنهاد نگارش برای خلق محتوا مؤثر عمل کند، بلکه میتواند به کمک خواننده نیز بیاید و به او نیز در انتخاب محتوای موردنظر یاری رساند. بهطور مثال، الگوریتم خبررسانی فیس بوک، براساس صفحاتی که مخاطب دوست داشته و یا پیشتر با آن تعاملاتی برقرار کرده، مرتبطترین مطلب را به او پیشنهاد میکند. به همین ترتیب، فناوری هوش مصنوعی میتواند مقالاتی را که مشترکان در یک وبسایت خبری مشاهده میکنند، پیگیری کند و از رفتار و علایق آنها (بهعنوانمثال چه مدتزمانی را برای خواندن هر مقاله صرف میکنند) یاد بگیرد. هرچه یک رسانه بیشتر در مورد مشتریان خود اطلاعات کسب کند، محتوای مرتبط بیشتری میتواند به او نمایش دهد و بدین ترتیب یک محیط شخصیسازیشده را برای مخاطب فراهم کند و درنتیجه حتی او را برای بهرهمندی هرچه بیشتر از سایت تشویق کند. برخی از مثالهای شخصیسازی محتوا در روزنامهنگاری عبارتاند از:
• برنامه تلفن همراه «نیویورکتایمز» که بخش«For You » را در صفحه اصلی خود نمایش میدهد.
• «بوستون گلوب» از یک بستر داده مشتری برای جمعآوری اطلاعات در مورد مشترکین استفاده میکند.
• گروه روزنامههای «هرست» برای طبقهبندی محتوای دیجیتال خود از API Google Cloud Natural Language استفاده کرده است و به تقسیمبندی کاربران بر اساس تنظیمات خواندن کمک میکند.
تصمیمات تجاری مبتنی بر داده
دفتر بازرگانی یک خبرگزاری میتواند بهاندازه خود خبرنگاران از هوش مصنوعی بهرهمند شود. به این صورت که با جمعآوری دادهها و ارائه آن به مدیران سبب شود تا در خصوص نوع تولید محتوا، سیاستگذاری برای مشترکان کنونی و حتی مشترکان قبلی بهمنظور تهیه تبلیغات هدفمند و … تصمیمات لازم را اتخاذ کنند.
محدودیتهای روزنامهنگاری هوش مصنوعی
روزنامهنگاری با استفاده از هوش مصنوعی تاکنون نوید زیادی برای تغییرات شگرف در آینده داده است، ليکن باید توجه داشت که آیا در پی این تغییرات مثبت، آیا با چالشهای آزاردهندهای نیز مواجه خواهیم بود؟ طبق گزارش JounalismAI در نوامبر ۲۰۱۹ که ۷۱ سازمان خبری در ۳۲ کشور در آن موردبررسی قرار گرفت، هنوز رسانهها در بهرهمندی از هوش مصنوعی با مشکلات جدی روبهرو هستند که از آن جمله سه چالش اصلی برای ورود هوش مصنوعی به اتاق خبر عبارت است از:
• منابع مالی (۲۷ درصد)
• کمبود دانش یا مهارت (۲۴ درصد)
• مقاومت فرهنگی (۲۴ درصد)
بههرروی میتوان روی عقیده فرانچسکو مارکونی (Francesco Marconi) استاد روزنامهنگاری دانشگاه کلمبیا نیز حساب جداگانهای باز کرد که با یک نگاه خوشبینانه پیشبینی کرده است که تنها ۸ تا ۱۲ درصد وظایف خبرنگاران باهوش مصنوعی معاوضه خواهد شد. از دیگر سو وضعیت هوش مصنوعی برای روزنامهنگاری به نشان دادن تفاوت بین هوش مصنوعی قوی و ضعیف کمک میکند که بر این اساس، هوش مصنوعی قوی، ماشینی است که به سطح اطلاعات انسانی در سراسر جهان نزدیک میشود و تا رسیدن به آن هنوز دههها سال فاصله وجود دارد و ممکن است هرگز به طور واقعی قابلدستیابی نباشد؛ همچنین هوش مصنوعی ضعیف، ماشینی است که در یک کار یا مجموعهای از وظایف کاملا مشخص، مهارت بالایی دارد.
پیامدهای روزنامهنگاری هوش مصنوعی
اخلاق روزنامهنگاری در حال حاضر یک موضوع حساس است و اخلاق در هوش مصنوعی نیز! از همین رو است که ترکیب این دو نیازمند توجه بیشتر است؛ امروزه باید توجه داشته باشیم که با پدیده «اخبار جعلی» مواجه هستیم و این تأثیر بسزایی در جذب مخاطب دارد.
همچنین برای استفاده از فناوری هوش مصنوعی در روزنامهنگاری دو نگرانی مشخص وجود دارد: استفاده از هوش مصنوعی برای تولید محتوا و استفاده از هوش مصنوعی برای تهیه و نمایش محتوا برای کاربر نهایی که هر دوی این ها باید با دقت بررسی و چاره مناسب اتخاذ شود. بهعنوانمثال در سال ۲۰۱۴، فیس بوک نتایج یک آزمایش بحثبرانگیز با محتوای کاربران را فاش کرد که بر این اساس افرادی که در معرض «محتوای احساسی مثبت» در فيس بوک قرار داشتند بیشتر از خود پستهای مثبتتری منتشر میکردند، در مقابل در مورد افرادی که محتوای منفی بیشتری میدیدند نیز بهمراتب پستهای منفیتری از خود منتشر میکردند. از همین رو این ضرورت دیده میشود تا از الگوریتمهای نظارت بر اخبار بهمنظور نظارت و تأیید بهره جسته تا اطمینان حاصل شود که نتایج بهطور مداوم باکیفیت بالا به مخاطب ارائه میشود.
خاتمه نوشتار
هماکنون روزنامهنگاران هوش مصنوعی در قسمتهای کثیری همچون جمعآوری دادهها، پیادهسازی مصاحبهها و نوشتن مقالات بدون نیاز به تحقیق و… توانستهاند مؤثر عمل کنند بااینحال نباید از یاد برد که وقتی صحبت از یک سازمان خبری میشود، آنچه سبب افزایش مخاطب و جلبتوجه بیشتر میشود، گزارش و تجزیهوتحلیل عمیق، تفسیرهای سیاسی و … است که هوش مصنوعی در این زمینهها کماکان ناتوان است.
روزنامه نگار , سینا تفنگ چی , ون رایمنام
- دیدگاه های ارسال شده توسط شما، پس از تایید توسط رسالت در وب منتشر خواهد شد.
- پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
- پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.