شبكه اطلاع رساني روابط‌عمومي ايران (شارا)-|| مايكروسافت در ماه مي 2020 (خرداد 1399) اعلام كرد بيش از 50 روزنامه‌نگار و سردبير را از كار اخراج خواهد كرد. بسياري از اين كارمندان درگير فرآيند نظارت بر اخبار بودند و محتواهايي را انتخاب مي‌كردند كه در وب‌سايت‌هاي Microsoft News و MSN منتشر مي‌شد. اما بنا نيست موقعيت شغلي آن‌ها حذف و يا با استخدام افراد جديدتري پر شود؛ بلكه بناست تا از هوش مصنوعي به‌عنوان جايگزين آن‌ها بهره‌برداري شود. هرچند كه نظارت تنها يك وظيفه محسوب خواهد شد كه روزنامه‌نگاران هوش مصنوعي اكنون مي‌توانند انجام دهند.

كريستين هاموند (Kristian Hammond)، استاد علوم كامپيوتر و بنيانگذار شركت داستان‌نويسيNarrative Science ، در سال 2012 پيش‌بيني كرد كه در مدت 15 سال آينده بيش از 90 درصد مقالات خبري توسط رايانه نوشته خواهد شد و هرچند كه هم‌اكنون تنها هفت سال تا پايان پيش‌بيني او فاصله داريم و تغييرات قابل‌توجهي در اين مدت مي‌تواند صورت پذيرد، ليكن بايد توجه داشته باشيم كه هنوز به‌صورت شگرفي با اين تحول فاصله داريم.

از همين رو بايد اعلام داشت كه خبر خوب براي روزنامه‌نگاران اين است كه هنوز به بسياري از خدمات آن‌ها احتياج است. بااين‌حال و نظر به آنكه اكنون هوش مصنوعي بيش از هر زمان ديگري كارآمدي خود را نمايان ساخته است، اين سؤال در ذهن متبادر مي‌شود كه اكنون نقش هوش مصنوعي در روزنامه‌نگاري چيست و چه چالش‌ها و ملاحظاتي هنگام آوردن هوش مصنوعي به اتاق خبر وجود دارد؟

**وضعيت فعلي روزنامه‌نگاري هوش مصنوعي چيست؟

نگارش مقاله توسط ماشين

از چند سال گذشته، هوش مصنوعي روزنامه‌نگاري موفق به نگارش مقالاتي شده است كه چندان نيازمند تحقيقات ميداني نيست. به ديگر سخن، در حال حاضر، مقالات نوشته شده توسط هوش مصنوعي به موضوعات نسبتا ساده و فرمولي محدود مي‌شوند: همچون نتايج بازار سهام، امتياز بازي‌هاي ورزشي و غيره. به‌عنوان‌مثال اخبار بلومبرگ از يك سيستم AI به نام Cyborg استفاده مي‌كند كه به‌صورت خودكار گزارش‌هاي سه‌ماهه شركت‌ها را اسكن مي‌كند و سپس يك مقاله سريع با مرتبط‌ترين اطلاعات ارائه مي‌دهد.

دستياراني براي روزنامه‌نگاران انساني

وقتي هوش مصنوعي خودش مقاله نمي‌نويسد، مي‌تواند به خبرنگاران انساني در كارهايي كه بيش‌ازحد پيچيده و خسته‌كننده است، كمك كند؛ همچون مقاله‌هاي طولاني، تحليل‌هاي دقيق و روزنامه‌نگاري تحقيقي. يك مورد فوق‌العاده با ارزش استفاده از هوش مصنوعي: پياده‌سازي خودكار مصاحبه‌ها! اين مهم كه بدون شك مي‌تواند در صرفه‌جويي ساعات كاري خبرنگاران به‌غايت مطلوب عمل كند، سبب خواهد شد تا به خاطر چند اشتباه رايج نرم‌افزاري، خبرنگار، صرفا به‌عنوان يك ويرايشگر محتوا عمل كرده و خطاها را تصحيح كند.

 به‌عنوان‌مثال، سرويس تبديل خودكار گفتار به متن Trint كه توسط خبرنگار سابق اخبار تلويزيون جف كفمن (Jeff Kofman) تأسيس شد و در سال 2019 نيز با آسوشيتدپرس و صندوق نوآوري گوگل ادغام شد، مي‌تواند با دقت 95 تا 99 درصد فعاليت كرده و تسهيل گري مطلوبي براي خبرنگاران داشته باشد. از ديگر سو، هوش مصنوعي مي‌تواند ياريگر گزارشگران نيز در سوژه‌هاي جديد خود باشد؛ به‌طور مثال، در سال 2018، Forbes يك سيستم جديد مديريت محتواي مجهز به هوش مصنوعي به نام Bertie ارائه داد كه مي‌تواند بر اساس مطالب قبلي گزارشگر به آن سوژه‌هاي امكان‌پذير پيشنهاد دهد كه اين كار سبب شد تا تعداد كساني كه بيش از يك‌بار در ماه از وب‌سايت فوربس بازديد مي‌كردند دو برابر شود.

ارائه محتوا ي مطلوب و متناسب با نياز كاربران

هوش مصنوعي نه‌تنها مي‌تواند در ارائه پيشنهاد نگارش براي خلق محتوا مؤثر عمل كند، بلكه مي‌تواند به كمك خواننده نيز بيايد و به او نيز در انتخاب محتواي موردنظر ياري رساند. به‌طور مثال، الگوريتم خبررساني فيس بوك، براساس صفحاتي كه مخاطب دوست داشته و يا پيش‌تر با آن تعاملاتي برقرار كرده، مرتبط‌ترين مطلب را به او پيشنهاد مي‌كند. به همين ترتيب، فناوري هوش مصنوعي مي‌تواند مقالاتي را كه مشتركان در يك وب‌سايت خبري مشاهده مي‌كنند، پيگيري كند و از رفتار و علايق آن‌ها (به‌عنوان‌مثال چه مدت‌زماني را براي خواندن هر مقاله صرف مي‌كنند) ياد بگيرد.

هرچه يك رسانه بيشتر در مورد مشتريان خود اطلاعات كسب كند، محتواي مرتبط بيشتري مي‌تواند به او نمايش دهد و بدين ترتيب يك محيط شخصي‌سازي‌شده را براي مخاطب فراهم كند و درنتيجه حتي او را براي بهره‌مندي هرچه بيشتر از سايت تشويق كند. برخي از مثال‌هاي شخصي‌سازي محتوا در روزنامه‌نگاري عبارت‌اند از:

• برنامه تلفن همراه «نيويورك‌تايمز» كه بخش«For You » را در صفحه اصلي خود نمايش مي‌دهد.

• «بوستون گلوب» از يك بستر داده مشتري براي جمع‌آوري اطلاعات در مورد مشتركين استفاده مي‌كند.

• گروه روزنامه‌هاي «هرست» براي طبقه‌بندي محتواي ديجيتال خود از API Google Cloud Natural Language استفاده كرده است و به تقسيم‌بندي كاربران بر اساس تنظيمات خواندن كمك مي‌كند.

تصميمات تجاري مبتني بر داده

دفتر بازرگاني يك خبرگزاري مي‌تواند به‌اندازه خود خبرنگاران از هوش مصنوعي بهره‌مند شود. به اين صورت كه با جمع‌آوري داده‌ها و ارائه آن به مديران سبب شود تا در خصوص نوع توليد محتوا، سياست‌گذاري براي مشتركان كنوني و حتي مشتركان قبلي به‌منظور تهيه تبليغات هدفمند و ... تصميمات لازم را اتخاذ كنند.

محدوديت‌هاي روزنامه‌نگاري هوش مصنوعي

روزنامه‌نگاري با استفاده از هوش مصنوعي تاكنون نويد زيادي براي تغييرات شگرف در آينده داده است، ليكن بايد توجه داشت كه آيا در پي اين تغييرات مثبت، آيا با چالش‌هاي آزاردهنده‌اي نيز مواجه خواهيم بود؟ طبق گزارش JounalismAI در نوامبر 2019 كه 71 سازمان خبري در 32 كشور در آن موردبررسي قرار گرفت، هنوز رسانه‌ها در بهره‌مندي از هوش مصنوعي با مشكلات جدي روبه‌رو هستند كه از آن جمله سه چالش اصلي براي ورود هوش مصنوعي به اتاق خبر عبارت است از:

• منابع مالي (27 درصد)
• كمبود دانش يا مهارت (24 درصد)
• مقاومت فرهنگي (24 درصد)

به‌هرروي مي‌توان روي عقيده فرانچسكو ماركوني (Francesco Marconi) استاد روزنامه‌نگاري دانشگاه كلمبيا نيز حساب جداگانه‌اي باز كرد كه با يك نگاه خوش‌بينانه پيش‌بيني كرده است كه تنها 8 تا 12 درصد وظايف خبرنگاران باهوش مصنوعي معاوضه خواهد شد. از ديگر سو وضعيت هوش مصنوعي براي روزنامه‌نگاري به نشان دادن تفاوت بين هوش مصنوعي قوي و ضعيف كمك مي‌كند كه بر اين اساس، هوش مصنوعي قوي، ماشيني است كه به سطح اطلاعات انساني در سراسر جهان نزديك مي‌شود و تا رسيدن به آن هنوز دهه‌ها سال فاصله وجود دارد و ممكن است هرگز به طور واقعي قابل‌دستيابي نباشد؛ همچنين هوش مصنوعي ضعيف، ماشيني است كه در يك كار يا مجموعه‌اي از وظايف كاملا مشخص، مهارت بالايي دارد.

پيامدهاي روزنامه‌نگاري هوش مصنوعي

اخلاق روزنامه‌نگاري در حال حاضر يك موضوع حساس است و اخلاق در هوش مصنوعي نيز! از همين رو است كه تركيب اين دو نيازمند توجه بيشتر است؛ امروزه بايد توجه داشته باشيم كه با پديده «اخبار جعلي» مواجه هستيم و اين تأثير بسزايي در جذب مخاطب دارد.

همچنين براي استفاده از فناوري هوش مصنوعي در روزنامه‌نگاري دو نگراني مشخص وجود دارد: استفاده از هوش مصنوعي براي توليد محتوا و استفاده از هوش مصنوعي براي تهيه و نمايش محتوا براي كاربر نهايي كه هر دوي اين ها بايد با دقت بررسي و چاره مناسب اتخاذ شود. به‌عنوان‌مثال در سال 2014، فيس بوك نتايج يك آزمايش بحث‌برانگيز با محتواي كاربران را فاش كرد كه بر اين اساس افرادي كه در معرض «محتواي احساسي مثبت» در فيس بوك قرار داشتند بيشتر از خود پست‌هاي مثبت‌تري منتشر مي‌كردند، در مقابل در مورد افرادي كه محتواي منفي بيشتري مي‌ديدند نيز به‌مراتب پست‌هاي منفي‌تري از خود منتشر مي‌كردند. از همين رو اين ضرورت ديده مي‌شود تا از الگوريتم‌هاي نظارت بر اخبار به‌منظور نظارت و تأييد بهره جسته تا اطمينان حاصل شود كه نتايج به‌طور مداوم باكيفيت بالا به مخاطب ارائه مي‌شود.

خاتمه نوشتار

هم‌اكنون روزنامه‌نگاران هوش مصنوعي در قسمت‌هاي كثيري همچون جمع‌آوري داده‌ها، پياده‌سازي مصاحبه‌ها و نوشتن مقالات بدون نياز به تحقيق و... توانسته‌اند مؤثر عمل كنند بااين‌حال نبايد از ياد برد كه وقتي صحبت از يك سازمان خبري مي‌شود، آنچه سبب افزايش مخاطب و جلب‌توجه بيشتر مي‌شود، گزارش و تجزيه‌وتحليل عميق، تفسيرهاي سياسي و ...است كه هوش مصنوعي در اين زمينه‌ها كماكان ناتوان است.
 

منبع: http://paper.resalat-news.com