Станет ли AI последним гвоздем в крышку гроба профессиональной журналистики?
Привет. Сегодня мы живем в тревожные времена для профессиональных журналистов. В последнее десятилетие их количество резко сокращается по всему миру. В США их количество уменьшилось примерно на одну треть. В Великобритании и Австралии наблюдается аналогичный уровень снижения.
Так, что взрыв автоматизированной журналистики, вероятно, не то, на что многие в профессии будут смотреть с большим ожиданием. Скорее всего, это будет осторожный взгляд, или даже ожидание пули в затылок для того, что когда-то считалось успешным и уважаемым карьерным путем.
Но действительно ли об этом стоит беспокоиться?
Автоматизированная журналистика - это использование автоматических сценариев для анализа данных, генерации и построения новостей в объемах, невозможных для журналистов людей. Технология основана на генерации естественного языка (NLG) - отрасли AI которая сообщает результаты и идеи, обнаруженные при помощи обработки естественного языка, способная понимать и контекстуализировать текст, переведя его в удобоваримое письменное повествование, позволяя людям и компьютерам говорить на одном языке.
В настоящее время такая технология уже используется в средствах массовой информации, начиная с местных газет и заканчивая такими гигантами, как USA Today. Одним из таких примеров является RADAR - сотрудничество между ведущим британским информационным агентством Press Association (PA) и специалистами по автоматизации новостей Urbs Media, целью которого является создание 30000 локализованных новостных репортажей каждый месяц. Программное обеспечение NLG будет распространять контент через локализованные распределительные сети с 2018 года. Все компоненты созданных AI историй будут автоматизированы, начиная с текста на экране и заканчивая графикой и изображениями, которые его сопровождают. Проект получил инвестиции в размере 706 000 евро от Google Digital News Initiative (DNI) - фонда, который способствует инновациям в цифровой журналистике в Европе.
The Washington Post также инвестировала значительные средства в технологии AI. Они разработали проект «Heliograf», который дебютировал на Олимпиаде в Рио, а также готовил освещение выборов в США.
Heliograf - достаточно простая технология. Редакторы создают нарративные шаблоны для историй, в том числе ключевые фразы, которые учитывают различные потенциальные результаты (от« Республиканцы сохранили контроль» до «Демократы, восстановили контроль») а затем они используют Heliograf на любом источнике структурированных данных - в случае выборов - центра обработки данных VoteSmart.org. Программное обеспечение Heliograf идентифицирует соответствующие данные, сопоставляет их с соответствующими фразами в шаблоне, объединяет их и публикует разные версии на разных платформах. Система может также предупреждать журналистов через Slack о любых аномалиях, которые он находит в данных.
Тем не менее, технология не просто используется для формирования базовых репортажей. Хотя представители Narrative Science - компании, которая специализируется на работе с естественным языком, зашли еще дальше, предсказав, что «Однажды машина выиграет Пулитцеровскую премию». Сегодня они сотрудничают с исследователями в области разработки AI, который может быть использован в создании информационного контента из имеющихся данных способами, которые людям сейчас не доступны. За последнее десятилетие информационная журналистика значительно выросла, и такие издания, как Financial Times и Guardian вкладывают значительные средства в профессиональных журналистов, специалистов по обработке данных, визуализации контента и разработку программного обеспечения, чтобы находить информационный повод в публично доступных наборах данных и представлять их аудитории в более привлекательной форме, а часто и интерактивном формате.
Нет никакой реальной причины, что процесс поиска историй также не мог бы быть автоматизирован при помощи алгоритмов, идентифицирующих определенные шаблоны, а автоматизированное программное обеспечение использовалось бы для визуализации данных для формирования контента с ограниченной потребностью в человеческом участии. Люди, в конечном итоге, были бы заняты только функцией подготовки необходимых шаблонов, определения темы и проверкой достоверности информации.
Но в то время, как такие достижения могут быть огромным благом для эффективности работы в новостях, многие испытывают серьезную озабоченность по поводу их последствий. Они в первую очередь касаются того, что произойдет с рабочими местами и журналистской этикой.
Как и всякий раз, когда обсуждается внедрение AI в любой отрасли, возникает вопрос, что это означает для рабочих мест. По словам специалистов в этой области:
Квалифицированные журналисты будут по-прежнему иметь жизненно важное значение в этом процессе, а примитивная, низкохудожественная природа репортажей, созданных искусственным интеллектом, означает, что у людей, писателей и редакторов, нет причин для беспокойства быть замененными роботами.
Тем не менее, такие задачи часто выполнялись журналистами-стажерами и были хорошим опытом обучения, позволяя им встать на ноги и доказать свою ценность, давая им различные навыки, начиная от поиска информации до структурирования окончательного репортажа. Трудно понять, что может заменить этот важный опыт, если AI будет выполнять все более простые задачи. Если мы хотим верить утверждению, что машина однажды выиграет Пулитцера, вполне вероятно, что, в конечном итоге, AI возьмет на себя также и работу даже самых опытных журналистов.
Существует также другой этический вопрос. Наблюдая в последнее время за работой мировых СМИ, легко забыть, что существуют строгие правила и кодекс этики, к которого большинство журналистов строго придерживаются. AI может нанести серьезный ущерб прозрачности, требуемой от журналистов, поскольку большая часть его работы выполняется за кулисами используемого кода, точная работа которого людям не известна. И если он будет объяснять свои решения, увеличит ли это доверие к нем или наоборот уменьшит? Прозрачность особенно важна, потому что мы видим, как алгоритмы машинного обучения могут отображать присущие им предвзятости, получаемые из данных, например, расизм. Машинное обучение настолько эффективно, как основа для прогнозирования, потому что программы учатся из примеров, предоставленных человеком, а не из явных правил и эвристики.
Дэн Кейсерлинг, глава отдела коммуникаций в Jigsaw, утверждает, что то же самое относится и к журналистике, отмечая, что «нам нужно рассматривать числ в коде с такой же осторожностью, как мы рассматриваем факты в репортаже. Их нужно проверять, их нужно квалифицировать, и их контекст нужно понимать».
Проблема здесь заключается в том, что, перейдя к выполнению более простых задач машинами, мы можем нанести серьезный ущерб профессиональному росту журналистов, позволяя машинам привести к распространению информации с предубеждениями огромной читательской аудитории, потенциально нанося огромный ущерб обществу. Эта технология до сих пор не получила широкого распространения в новостных изданиях. Но эффективность, которую сегодня демонстрирует AI, и ограничения, с которыми работает газетная индустрия, означают, что это действительно только вопрос времени. Последствия для рабочих мест и качества выпускаемой информации должны тщательно контролироваться, в противном случае обществу может быть нанесен серьезный ущерб.
