هوش‌مصنوعی در خدمت رسانه‌های محلی

یکی از این افراد اسکات برادبک، بنیانگذار و مدیر عامل Local News Now بود که سایت‌های خبری محلی از جمله ARLnow را در ایالتت متحده آمریکا اداره می‌کند. او فردی بود که بین سه نشریه‌اش، هفت تحریریه داشت و حتی قبل از شروع آزمایش خود بر روی هوش مصنوعی، از اتوماسیون برای گسترش منابع‌اش استفاده می‌کرد.

برادبک در عرض چند ماه، تعدادی چندین سیستم اتوماسیون مجهز به هوش مصنوعی را ایجاد کرد. آزمایش‌های او شامل ابزارهایی بود که مقالات تازه منتشر شده، مثل خلاصه داستان‌های خبری و بیانیه‌های مطبوعاتی را از نظر غلط املایی بررسی می‌کرد، لحن مقالات خبری را مثبت، منفی یا خنثی تحلیل می‌کرد، رویدادهای تقویمی را ارزیابی و حتی به نوشتن محتوای نقل شده از سایر رسانه‌ها و محتواهای حمایتی کمک می‌کرد. یکی از پروژه‌های بزرگ‌تر او یک خبرنامه صبحگاهی برای ARLNow بود که شامل خلاصه‌هایی از اتفاق روز قبل بود که شده توسط هوش مصنوعی تولید می‌شد.

برادبک درباره‌ی فعالیت خود اینگونه روایت می‌کند: «وقتی شما فقط دو خبرنگار دارید که در یک سایت کار می‌کنند و از آن‌ها می‌خواهید که در مورد داستان‌های خبری روز گزارش دهند و کلی کار اضافی را انجام دهند (هوش مصنوعی) اضافه می‌شود؛ من از آن‌ها (خبرنگارانم) می‌خواهم که روی روزنامه‌نگاری واقعی تمرکز کنند، نه بر روی این وظایف مختلف؛ بنابراین داشتن هوش مصنوعی برای انجام این قبیل کار، واقعاً امکان انجام کارهایی را که قبلاً در دسترس ما نبوده، باز کرده است.»

رسانه‌های بزرگ در سال‌های اخیر به خاطر تلاش‌هایشان برای استفاده هوش مصنوعی خبرساز شده‌اند؛ تلاش‌هایی که گاه فاجعه هم به بار آورده‌اند و همیشه مثبت نبوده‌اند اما به نظر می‌رسد هر هفته اخباری درباره یکی دیگر از مدیران رسانه‌ای وجود دارد که اعلام می‌کنند برنامه‌هایی برای گنجاندن هوش مصنوعی در جریان کاری اتاق خبرشان را دارند. OpenAI هم مرتبط از قراردادهای خود برای کمک به سازمان‌های خبری محلی برای توسعه ابزارهای مبتنی بر هوش مصنوعی خبر می‌دهد.

اما برخی از رسانه‌ها سال‌ها است که هوش‌مصنوعی و اتوماسیون را در گزارش‌های محلی آزمایش می‌کنند. به عنوان مثال، آسوشیتدپرس ابتکار هوش مصنوعی خبری محلی خود را در سال ۲۰۲۱ آغاز کرد و اخیراً متعهد به توسعه پروژه‌های هوش‌مصنوعی در ارتباط با پنج اتاق خبر محلی شده است. در اوهایو آمریکا، ریچلند سورس، یک رسانه خبری محلی در منسفیلد، از اتوماسیون محتوا برای پوشش تقریباً ۱۰۰۰۰ بازی ورزشی دبیرستانی در سراسر ایالت خود در هر سال استفاده می‌کند.

مدل هوش‌مصنوعی Lede

جی آلرد، مدیرعامل Richland Source شروع پروژه‌ی خود را اینگونه روایت می‌کند: «ما از سال ۲۰۱۸ شروع به استفاده از هوش مصنوعی در عملیات خود کردیم. ما به نوعی چنین فرضیه‌ای داشتیم؛ اگر می‌توانیم هر بازی ورزشی دبیرستانی در اوهایو را پوشش دهیم و آن را به طور خودکار و دقیق هم انجام دهیم، در حالی که سردبیران و خبرنگاران ما خواب هستند چه؟»

برای رسیدن به این هدف، Richland Source هوش‌مصنوعی Lede را توسعه داد تا به اتاق‌های خبر کمک کند تا بازی‌های ورزشی‌ای را پوشش دهند که اگر هوش مصنوعی نبود آن‌ها را از دست می‌دادند. آلرد بیان می‌کند که تقریباً نیمی از سازمان‌های خبری در سراسر کشور از هوش مصنوعی Lede استفاده می‌کنند و اشتیاق برای دریافت آن از زمان انتشار ChatGPT افزایش هم یافته است.

هوش مصنوعی Lede از پایگاه داده ملی آمریکا نتایج ورزشی ارائه شده توسط طرفداران را دریافت می‌کند و از آن برای تولید مقالات کوتاه که به طور خودکار پس از پایان بازی منتشر می‌شود، استفاده می‌کند. آلرد بیان می‌کند که در ریچلند سورس «بسیار نادر» است که یک خواننده شکایت کند که هوش مصنوعی دچار اشتباه شده است. او ادعا می‌کند که هنگام ارزیابی داستان‌های تولید شده توسط هوش مصنوعی Lede بر اساس معیار شکایات خوانندگان، میزان دقت تقریباً ۹۹.۹٪ است. او تخمین می‌زند که در واقعیت، میزان دقت «احتمالاً بیش از ۹۹.۶ درصد» است تا خطاهایی را که توسط خوانندگان گزارش نشده است هم منعکس کند.

اگرچه هوش مصنوعی Lede به طور چشمگیری حجم بازدیدکنندگان از Richland Source را افزایش داده است، اما مقالات ورزشی نوشته شده توسط انسان‌ها هنوز از نظر معیارهای درگیری خواننده مانند نرخ پرش و مدت مطالعه بسیار بهتر است. به گفته آلرد هدف هوش مصنوعی Lede آزاد کردن منابع انسانی و مالی در اتاق‌های خبری کوچکتر است. در Richland Source، این بدان معناست که خبرنگاران ورزشی روی بازی‌هایی تمرکز می‌کنند که برای مخاطبان منطقه‌ای اتاق خبر بیشترین اهمیت را دارند.

برادبک معتقد است توسعه ابزارهای هوش مصنوعی می‌تواند فرآیندی برای “تنظیم مستمر اخبار” باشد. او در ایجاد خبرنامه تولید شده توسط هوش مصنوعی ARLnow در ابتدا متوجه شد که چالش برانگیزترین جنبه مربوط به هوش مصنوعی نیست بلکه احساس مخاطبان است. او خبرنامه خود را طوری قالب بندی می‌کرد که در بین مشتریان ایمیلی یکدست به نظر برسد.

در مقاله‌ای که در خبرنامه منتشر شده بود ARLnow خود اشاره کرد که خلاصه‌های نوشته شده با هوش مصنوعی گاهی اوقات «نقاط ظریف واقعی» را در داستان‌ها از دست می‌دهند و متن تولید شده توسط هوش مصنوعی می‌تواند «دروغ» و تکراری باشد. سه ماه بعد، خبرنامه آزمایشی باقی می‌ماند.

هوش‌مصنوعی، ابزار مدیران رسانه‌ها

با همه این توصیفات، اتاق‌های خبر محلی در سراسر جهان به ویژه ایالات متحده آمریکا در حال آغاز و توسعه‌ی آزمایش‌های هوش مصنوعی خود هستند. در نمایشگاه رسانه‌ای که توسط آزمایشگاه رسانه دانشگاه نیویورک برگزار شد، شش تیم پروژه‌هایی را که به عنوان بخشی از «ابتکار AI و اخبار محلی» دانشگاه روی آن کار می‌کرد، به نمایش گذاشتند. این ابتکارات حتی شامل یک مدل گفتار به نوشتار بود که می‌توانست در WNYC رادیو عمومی نیویورک زیرنویس و رونویسی را به صورت همزمان ارائه دهد و یک تولیدکننده سریع مکالمه که برای بهبود و راهنمایی بخش‌های نظر برای سایت‌های خبری محلی Graham Media Group طراحی شده بود هم می‌شد

اگرچه برخی از سازمان‌های رسانه‌ای به این فناوری جدید دست پیدا کرده‌اند، اما کارمندان این رسانه‌ها همچنان با تردید بیشتری به هوش مصنوعی نگاه می‌کنند. برخی نگران هستند که از هوش مصنوعی برای جایگزینی روزنامه‌نگاران استفاده شود و اتحادیه‌های رسانه‌ای به طور فزاینده‌ای این موضوع را در میز مذاکره مطرح می‌کنند. برخی حتی بیانیه‌هایی را در انتقاد از استفاده شرکت‌هایشان از هوش مصنوعی منتشر کرده‌اند.

به عقیده آلرد نادیده گرفتن نگرانی‌های این کارگران غیر صادقانه خواهد بود. توسعه ابزارهای هوش مصنوعی اجتناب ناپذیر است و احتمالاً در مقیاس ارزان در دسترس خواهند بود. اما سوالی که به نظر آلرد سازمان‌های خبری باید به آن پاسخ دهند این است که چگونه برای استقرار این فناوری برنامه‌ریزی خواهند کرد. به عنوان مثال، در Richland Source، این شرکت از چهار سال پیش، زمانی که شروع به استفاده از هوش مصنوعی کرد، کارکنان خود را نه تنها کاهش نداده است بلکه به تعداد آنان اضافه کرده است. آلرد می‌گوید: «اگر از هوش مصنوعی برای ایجاد ارزش افزوده استفاده کنیم، با این هدف که خبرنگاران فعلی خود را آزاد کنیم تا کارهای تحقیقاتی انجام دهند، روزنامه‌نگاری مدنی با تأثیرگذاری بالا، برای انجام کارهایی که فقط مردم می‌توانند انجام دهند توسعه خواهد یافت.

در نهایت می‌توان گفت که آینده‌ی اتاق‌های خبر و هوش‌مصنوعی بیش از آنکه به سرعت توسعه‌ی آن مرتبط باشد به نوع مدیریت مدیرانی بستگی دارد که نوع حرکت این رسانه‌ها را ترسیم می‌کنند.

لینک کوتاه: http://khabarnegaranvaresane.ir/?p=14413