شبکه اطلاع‌رسانی روابط‌عمومی ایران (شارا)-|| هوش مصنوعی (که در انگلیسی به اختصار (AI) نامیده می شود) در سال های اخیر به طور گسترده ای در خبرنگاری مورد استفاده قرار گرفته است؛ از تولید محتوای خودکار گرفته تا کمک به تلاش های راستی آزمایی. 

طی این سال ها، فرصت هایی که الگوریتم ها به سازمان های رسانه ای ارائه می کنند، شفافتر شده است. 

در کنار کاربردهای دیگر، هوش مصنوعی می تواند در بهبود حضور زنان در اخبار نقش داشته باشد. یک ربات اینترنتی یا باتِ Financial Times به نام She said He said، یکی از نخستین نمونه ها در این عرصه بود. این ربات که در سال ۲۰۱۸ معرفی شد در تشخیص تنوع منابع در گزارش دهی، به این رسانه که مقر آن در لندن است، کمک کرد. 

به همین گونه سازمان‌ های خبری در سراسر جهان به روش های مختلف از فناوری‌ هوش مصنوعی برای کمک به تجزیه و تحلیل و شناسایی سوگیری‌ ها در گزارش‌ های شان، تشخیص سخنان نفرت‌ انگیز علیه زنان و موارد دیگر استفاده کرده‌ اند.

در ادامه برخی از مثال های استفاده از هوش مصنوعی را در سازمان های خبری می خوانید:

تجزیه و تحلیل سوگیری در رسانه ها

Sahiti Sarva، مهندسی که در زمینه استفاده از علم داده در برای درک سیاست (خط مشی) تخصص دارد، یکی از نویسندگان یک مقاله تصویری در سال ۲۰۲۱ به نام وقتی زنان تیتر خبر را می سازند (When Women Make Headlines) است که در آن، ماهیت حضور زنان در اخبار بررسی شده بود. Sarva و گروهش برای این طرح، تیترها (سرخط ‌های) خبری بیش از ده سالِ ۵۰ نشریه را در هند، ایالات متحده، بریتانیا و آفریقای جنوبی تحلیل و تجزیه کردند. او رویکرد این گروه را در یک کارگاه مجازی که اوایل امسال با میزبانی برنامه JournalismAI مدرسه اقتصاد لندن (London School of Economics) برگزار شد، توضیح داد: «ما تمام تیترها (سرخط‌ هایی) را که حاوی برچسب هایی مترادف با زنان، دختر، مونث و کلماتی مشابه آنها بودند جدا کردیم و ۳۸۲ هزار و ۱۳۹ تیتر خبر انگلیسی به دست آوردیم.»

البته که یافته های این بررسی، حاوی داده های زیادی بود. Sarva در مصاحبه ای برای این مطلب می گوید: «شما فکر می کنید که هوش مصنوعی [کارتان را] آسانتر خواهد ساخت»، اما پیش از آن که بتوانید الگوریتمی را اجرا کنید، کارهای بسیاری‌ست که باید انجام دهید. مثلاً پاک سازی، حذف کلمات بی فایده و یافتن بسته های کد درست برای استفاده. به گفته او «در تصمیم‌گیری برای این که از کدام داده ها استفاده خواهید کرد، باید خلاق باشید.»

در کارگاه JournalismAI (هوش مصنوعی برای خبرنگاری) Sarva توضیح داد: «ما کارمان را ادامه دادیم و فهرستی ایجاد کردیم که آنچه را سوگیری جنسیتی در تیترها خوانده می شود، محاسبه می کند؛ از جمله ترکیبی از زبان جنسیتی مثل بازیگرِ زن، دختر و همسر (زن) و همچنین کلیشه های رفتاری و اجتماعی درباره جنسیت مثل حمایت عاطفی و مراقبت.»

زمانی که گروه، این فهرست ها یا قاموس ها را تهیه کرد از یک روش یادگیری ماشینی به نام «تحلیل احساسات» بهره گرفت تا بداند که حضور زنان در تیتر خبر چگونه به نظر می رسد. Sarva می گوید: «ما دریافتیم که وقتی زنان در سرخط خبرها باشند، گزارش معمولاً بسیار احساسی‌ست. یعنی بسیار احساسی‌تر از سرخط‌ های عادی دیگری که می خوانیم و با گذشت زمان، شمار آنها بیشتر شده است. علت آن شاید این باشد که وقتی زنان در سرخط خبر باشند، احتمال آن که آن گزارش بیش از آن که نیروبخش باشد، خشن باشد، دو برابر است.»

نظارت بر گفتمان زن ستیزانه

زنان به عنوان چهره های سرشناس، مکرراً در رسانه های اجتماعی هدف حمله قرار می گیرند. عاملان این حملات چه کسانی هستند؟ دو خبرنگار از رسانه های AzMina از برزیل و La Nación از آرژانتین و دو سازمانِ CLIP و DataCrítica از آمریکای لاتین برای یافتن پاسخ این سوال به هوش مصنوعی رو آوردند. آنها یکجا با هم یک اپلیکیشن یا برنامه وب برای پرده برداری از سخنان نفرت انگیز علیه زنان در توییتر ساختند.

Bárbara Libório از نشریه AzMina در همان کارگاه هوش مصنوعی برای خبرنگاری گفت: «با آگاهی افزایش سخنان نفرت انگیز به خصوص علیه زنان، ما می خواهیم در این طرح با سرعت و قاطعیت، هر زمانی که یک حمله زن ستیزانه از سوی یک سیاستمدار آغاز می شود، بر آن نظارت داشته باشیم.» این برنامه اینترنتی حملاتی را یافت که از سوی چهره های مشهور به خصوص سیاستمداران انجام شده بود. Libório می گوید: «[حملات این افراد] آغاز موج های اصلی سخنان نفرت انگیز بودند؛ زیرا طرفداران آنها تصمیم می گرفتند که به این زنان با سرعت بیشتری حمله کنند.»

او در ادامه می گوید اگر بخواهید برای تشخیص پیام های زن ستیزانه الگویی داشته باشید، هوش مصنوعی باید بیاموزد که سخنان نفرت انگیز علیه زنان چیستند. به عنوان گام نخست در این روند گروه Libório یک پایگاه داده از نمونه ها ساختند و توییت ها را به عنوان زن ستیزانه یا غیر از آن علامت گذاری کردند.

پس از آن که هوش مصنوعی این روند را فرا گرفت، او و گروهش کارآیی آن را در تشخیص سخنان نفرت انگیز علیه زنان ارزیابی کردند. آنها یک سیستم نمره دهی ساختند و آن را به زبان های پرتغالی و اسپانیایی آزمایش کردند. با آماده شدن مدل، آنها یک برنامه اینترنتی ساختند تا در تجزیه و تحلیل متن ها و فایل ها به کاربران کمک کند. Libório امیدوار است که بتوانند مدل اولیه کارشان را با ابتکارات دیگری که بخواهند از خشونت جنسیتی در رسانه های اجتماعی الگوبرداری کنند، به اشتراک بگذارند. 

نقطه ای برای آغاز

Sabrina Argoub، مدیر برنامه های JournalismAI می گوید: «فن آوری هوش مصنوعی می تواند برای حمایت از انجام کار بهتر برای خبرنگاران کمک بزرگی باشد.» به گفته او وقتی صحبت از حضور زنان در اخبار باشد، می توان از هوش مصنوعی برای بهبود شفافیت و پاسخگویی و همچنین افزایش آگاهی استفاده کرد. طرح AIJO که میزان نقل قول زنان و مردان و یا میزان به تصویر کشیدن آنها را در اخبار مقایسه می کند، نمونه ای از آن است. 

با این حال Argoub تاکید می کند که هوش مصنوعی، درمان همه مشکلات نیست. موافق بودن و هم‌سو بودن اتاق های خبر و روزنامه نگاران برای به دست آمدن پیشرفت در این زمینه ضروری‌ست. 

او می گوید: «خوب است به یاد داشته باشیم که دستگاه می تواند داده ها را تهیه کند و در بررسی اندازه خوب بودن یا نبودن کار به ما کمک کند، اما برای اقدام کردن، اتاق های خبر و خود خبرنگاران باید از نقطه ای آغاز کنند و برای رسیدگی به حضور اندک زنان در اخبار، اراده به خرج دهند.»

نوشته Aldana Vales
Nov 17, 2022

منبع: ijnet