هوش مصنوعی چگونه می تواند به رسانه ها کمک کند؟

دیپلماسی ایرانی: طبق گفته گوگل ترندز، طی سه سال گذشته، درخواست های مرتبط با «هوش مصنوعی» وارد دسته «فوق عامه پسند» شده اند. در حقیقت، توسعه فناوری های رباتیک در حال حاضر، داستان های فانتزی کلاسیک را زنده می کند و شبکه های عصبی که می توانند در کارهای فکری، به ویژه، در حوزه رسانه به فرد کمک کنند، به هیچ وجه داستانی نیستند. چه نوع هوش مصنوعی در حال حاضر وجود دارد؟ چگونه هوش مصنوعی می تواند کار رسانه های مدرن را کارآمدتر کند؟ بیایید نگاهی به این موارد بیندازیم.

در طول موج اول توسعه هوش مصنوعی، کار دانشمندان با هدف گردآوری الگوریتم های خاصی بود که یک کامپیوتر می توانست، قدم به قدم به آنها تکیه کند. این طرح همچنان در حال اجراست. هوش مصنوعی به اصطلاح نمادین در مناطقی استفاده می شود که انحراف خاصی از ترتیب اعمال وجود ندارد. اما، این رویکرد به هیچ وجه، جهانی نیست و دیگر به اندازه کافی انعطاف پذیر نیست.

موج دوم توسعه هوش مصنوعی، مرحله جدیدی در مطالعه شبکه های عصبی است. اکنون، شبکه های عصبی نه فقط باید توسط یک فرد برنامه ریزی شوند، بلکه باید بر اساس اصول عملکرد مغز نیز کار کنند. مراحل فعالیت چنین هوش مصنوعی را می توان به شرح زیر توصیف کرد: برخی از داده های ورودی به سیگنال تبدیل می شوند، از طریق شبکه ای از نورون های مصنوعی منتقل می شوند و داده های خروجی جدید (پاسخ به ورودی) را تشکیل می دهند. دانشمندان شروع به اضافه کردن سلول های عصبی و لایه های بیشتر و بیشتری به هوش مصنوعی کردند که به سیستم ها اجازه می دهد، مسائل عمیق و پیچیده را بیاموزند و حل کنند. در طول موج دوم کار بر روی هوش مصنوعی بود که مکانیسم ها در فناوری های بدون سرنشین، شبیه سازی بازی یا مدل سازی ژنتیکی مورد استفاده قرار گرفتند. حوزه دیگری که هوش مصنوعی در آن به تدریج در حال توسعه است، رسانه می باشد. بیایید ببینیم که شبکه های عصبی چه مشکلاتی را در فضای دیجیتال مدرن حل می کنند.

خبرگزاری ها همواره، یکی از پرطرفدارترین رسانه ها بوده اند. این، آنها هستند که بیشتر خبرهای خبری را برای پردازش توسط رسانه های دیگر عرضه می کنند. کار خبرگزاری ها با دقت، کارایی و گنجاندن مداوم در دستور کار خبری متمایز است. در فعالیت های هر خبرگزاری، خبرنگاران و سردبیران بسیاری درگیر هستند که از جمع آوری، پردازش محتوا و توزیع آن اطمینان می یابند. هوش مصنوعی اکنون، تقریبا در هر مرحله، قادر به بهینه سازی کار سازمان های خبری است.

مشکل اصلی در جمع آوری اطلاعات برای انتشار، حجم عظیمی از داده هاست که در میان آنها، باید حقایق و اطلاعات مرتبط را بیابید. اکنون، تقریبا هر وبلاگ یا کانال تلگرامی ادعا می کند که منبع دلایل اطلاعاتی است. در حقیقت، شبکه های اجتماعی و سایر پایگاه های اطلاعات، منابع آشکاری برای یافتن مطالب هستند. با این وجود، چنین منابعی همیشه دقیق نیستند.

برای آسان تر و سریع تر کردن فرایند یافتن اطلاعات، می توان از هوش مصنوعی استفاده کرد. اولا، اینها گرد آورندگان اخبار هستند. اکنون، الگوریتم های جمع آوری برای ارائه پاسخ به یک سوال خاص طراحی می شوند، نه تعداد زیادی لینک که فقط کلمات کلیدی را ذکر می کنند. به عنوان مثال، چنین فناوری توسط تیم OpenAI ایجاد شده است. این سیستم ChatGPT نام دارد: به شما امکان می دهد، به طور مداوم، پاسخ سوال کاربر را انتخاب کنید و همچنین، می داند که چگونه خطاهای خود را تجزیه و تحلیل کند و درخواست های نامناسب را رد کند. توسعه دهندگان موتور جست وجوی Yandex ادعا می کنند که الگوریتم هایی که به کاربر کمک می کنند، پاسخی دقیق به یک سوال دریافت کنند، حدود 20000 ساعت در روز اطلاعات مصرف کنندگان را ذخیره می کنند.

فناوری دیگری که می تواند، کمک قابل توجهی، به فرآیند جمع آوری اطلاعات کند، بینایی کامپیوتری است. قبلا، چنین سیستمی برای مثال توسط آژانس رویترز استفاده می شد. با کمک تجزیه و تحلیل خودکار آرشیوهای ویدئویی، شبکه های عصبی رونویسی مواد و کدهای زمانی دقیق را تولید می کنند. این کار کارمندان خبرگزاری ها را برای یافتن متن هایی که باید منتشر کنند، بسیار آسان تر می کند. افزون بر آن، بینایی کامپیوتری تشخیص می دهد که چه شخصیت های عمومی در ویدئو هستند.

فعالیت خبرگزاری ها به جمع آوری اطلاعات ختم نمی شود. یک فرآیند به همان اندازه وقت گیر، تهیه یک خبر کامل از حقایق انتخاب شده است. با کمک هوش مصنوعی، می توان، تعداد متن هایی را که نیاز به نوشتن دارند، کاهش داد. به عنوان مثال، خبرگزاری چینی شین هوا از بینایی کامپیوتری ترکیب شده با الگوریتم های شبکه عصبی استفاده و ساختار بخش خبری را بازسازی کرد. شین هوا با استفاده همزمان از فناوری انسانی و رباتیک موفق شده است، روند گزارش دهی را سریع تر و راحت تر کند.

الگوریتم هایی برای نوشتن اخبار در رسانه های واشنگتن پست نیز استفاده می شود. در سال 2016 میلادی، این نشریه 850 مقاله نوشته شده توسط هوش مصنوعی را منتشر کرد. راحتی استفاده از هوش مصنوعی در نوشتن متون بر اساس حقایق خاص، این است که سبک مطالب خبرگزاری باید خنثی و عینی باشد. بی طرفی و دقت الگوریتم ها به این امر کمک می کند. در این میان، کیفیت متون در حین کار هوش مصنوعی افت نمی کند. این را مثلا، سرویس Copymatic  ثابت کرد. با کمک هوش مصنوعی است که مطالب منحصر به فردی بر روی این پلتفرم منتشر می شود که هم در متون نویسنده و هم، در مطالب رسانه ای قابل استفاده است. Copymatic  اکنون، به پنج زبان انگلیسی، اسپانیایی، فرانسوی، آلمانی و هندی در دسترس است.

علاوه بر ایجاد متون، از هوش مصنوعی برای تولید تصاویر نیز استفاده می شود. تیم OpenAI سرویس DALL-E 2 را توسعه داده است که می تواند، تصویری را برای یک ماده بر اساس کلمات کلیدی ایجاد کند. این فناوری از این جهت راحت است که مشکل کپی رایت را حل می کند. DALL-E 2 یک تصویر خنثی برای همراهی متون ایجاد می کند که در آن، نیازی به نشان دادن اشیاء واقعی نیست. البته، این فناوری جهانی نیست. به عنوان مثال، برای جلوگیری از ارائه نادرست، یک قطعه در مورد اقدام نظامی نیاز به یک عکس دارد، نه یک تصویر تولید شده. با این وجود، برای اخباری مانند تغییرات قیمت محصول یا موضوعات دیگری که نیازی به عکس ندارند، هوش مصنوعی، تصویری با موضوعی انتزاعی ایجاد می کند.

اخبار آماده در خبرگزاری ها همواره، تحت بررسی های سرمقاله قرار می گیرند. در این مرحله، عامل انسانی نقش ویژه ای ایفا می کند: ممکن است، ویرایشگر متوجه اشتباه تایپی یا اشتباهی در متن نشود. هوش مصنوعی به حل این مشکل کمک می کند. به عنوان مثال، سایت روسی زبان Glavred نادرستی در مطالب را برجسته می کند و به افزایش خوانایی آن کمک می کند. یک پلتفرم انگلیسی زبان با عملکرد مشابه Grammarly است.

همچنین، می توان از هوش مصنوعی برای ایجاد و بهبود اخبار ویدیویی استفاده کرد. این فناوری قادر است، داده های متنی را تجزیه و تحلیل کند که لازم است، یک ویدیو تولید شود و سپس، مواد ویدیویی موجود را ویرایش کند تا با اخبار مطابقت داشته باشد. یکی دیگر از ویژگی های ارائه شده توسط هوش مصنوعی، ارائه دهنده دیجیتال است. به عنوان یک قاعده، یک آواتار دیجیتال به طور خاص، برای درخواست کاربر ایجاد می شود و سپس، ارائه دهنده مطالب لازم را در قالب ویدیو ارائه می دهد که مشتریان آن شامل رویترز و بی بی سی هستند. عملکرد مشابهی را در بازار رسانه روسیه ارائه می کنند. شخصیت دیجیتالی "النا" حتی به عنوان مجری مشترک در کانال RBC در سال 2021 میلادی پخش شد.

همراه با ظهور فناوری میزبان مصنوعی، مشکل ایجاد دیپ فیک نیز بدتر شده است. دیپ فیک، محصولی از همپوشانی یک تصویر روی یک ویدیو است که می تواند، برای اهداف نادرست استفاده شود و بینندگان را گمراه کند. همچنین، هوش مصنوعی قادر است، نه فقط ویدیو، بلکه محتوای موسیقی نیز ایجاد کند. این فناوری شبیه انتخاب تصاویر برای متن است، فقط در مورد صدا، هوش مصنوعی کلمات کلیدی مطالب را تجزیه و تحلیل می کند و موسیقی را مناسب برای پادکست، ویدیو و یا، به عنوان مثال، همراهی موسیقی در مکان های عمومی، رستوران ها و کافه ها می یابد. نمونه ای از خدمات تولید موسیقی AIVA است.

مرحله بعدی کار خبرگزاری ها که اطلاعات را در اختیار کاربران قرار می دهد، انتشار آن است. اساس توزیع محتوا در فضای رسانه ای در حال حاضر، رویکرد شخصی سازی شده است. اغلب ما آن را در شبکه های اجتماعی یا در پلتفرم های پخش جریانی، مانند سرویس آنلاین Netflix که در آن، به اشتراک محتوایی توصیه می شود. توزیع شخصی، یکی از وظایف هوش مصنوعی در مورد خبرگزاری ها است. هوش مصنوعی با استفاده از الگوریتم های یادگیری ماشین، داده های جمعیتی و رفتار کاربر را در فضای آنلاین می خواند و مطالبی را پیشنهاد می کند که ممکن است، برای کاربر جالب باشد. با این وجود، این فناوری بر ایجاد «حباب های اطلاعاتی» تاثیر می گذارد: در برخی مواقع، فقط محتوایی که به آن عادت کرده ایم، ممکن است، در فید ما ظاهر شود. به عنوان مثال، آرتمی لبدف، طراح وب، جنبه مشابهی را در مورد عملکرد فیس بوک به عنوان یکی از منابع اطلاعات ذکر کرد.

افزون بر آن، هوش مصنوعی می تواند، محتوایی را که در رسانه ها توزیع می شود، فیلتر کند. به عنوان مثال، کمیسیون ارتباطات فدرال امریکا یک ماده جداگانه در مورد تشخیص اطلاعات "نادرست" دارد و این فعالیت عمدتا، توسط شبکه های عصبی انجام می شود. همه محتوا قبل از انتشار، از طریق یک سرویس نظارت خودکار انجام می شود.

در سال 2020، برادران وارنر قراردادی با سرویس Cinelytic امضا کردند که با استفاده از هوش مصنوعی، چشم انداز پروژه های سینمایی، میزان محبوبیت ستاره هایی که در آنها بازی می کنند و رتبه بندی انتظارات را ارزیابی می کند. بنابراین، برادران وارنر می توانند،  تصمیمات بهتری در مورد زمان تعیین تاریخ اکران یک فیلم یا بهترین نحوه اجرای یک کمپین روابط عمومی اتخاذ کنند. به طور مشابه، هوش مصنوعی می تواند، کار خبرگزاری ها را بهینه کند.

به عنوان مثال، سیستم ChatGPT از تیم Open AI به حل برخی از وظایف مدیریت معمول آژانس های خبری کمک می کند که کارکنان، بخشی از زمان کاری خود را بر روی آن صرف می کنند. ChatGPT قادر به تهیه پیش نویس اسناد قانونی، الزامات شغلی، اسناد پروژه، لیست های پستی و سایر کارهای داخلی است. یک فناوری مشابه، به عنوان مثال، در سرویس بانکی بریتانیا ANNA کار می کند. این یک پلت فرم برای حسابداری مالیاتی خودکار است. از آنجایی که هر خبرگزاری یک نهاد حقوقی است، هوش مصنوعی می تواند، مشکلات مربوط به حسابداری و فعالیت های مالی در خبرگزاری را حل کند.

به رغم این واقعیت که تقریبا، در تمامی مراحل کار روی محتوا در خبرگزاری ها می توان، از فناوری های هوش مصنوعی استفاده کرد، در حال حاضر هوش مصنوعی در همه سازمان های خبری روسیه استفاده نمی شود. چه عوامل و جنبه هایی بر آن تاثیر می گذارد؟ اولا، دشواری درک هوش مصنوعی توسط کارکنان تحریریه. یکی از موانع اصلی نوآوری و مدل های کسب و کار جدید، خود فناوری و پیچیدگی آن نیست، بلکه افراد و نهادهایی هستند که قوانین زندگی را تعیین می کنند.

برای این که هوش مصنوعی در همه جا، در خبرگزاری ها اعمال شود، این فرآیند باید توسط خود مجموعه رسانه ای پذیرفته شود. مشکل اینجا است که بسیاری هوش مصنوعی را جایگزینی کامل برای عامل انسانی می دانند، در حالی که در حقیقت، این فقط یک افزودن و کمک موثر است، فرصتی برای هدر ندادن منابع برای کارهای معمول و صرفه جویی در تلاش تحریریه.

افزون بر آن، هزینه توسعه و پیاده سازی هوش مصنوعی باید با توانایی های مالی رسانه ها مطابقت داشته باشد. این جنبه با این واقعیت پیچیده است که همه اتاق های خبر با وجود افزایش آشکار رقابت پذیری خبرگزاری، مطمئن نیستند که استفاده از این فناوری مقرون به صرفه خواهد بود. طبق یک مطالعه جهانی توسط PwC، سهم بالقوه هوش مصنوعی در اقتصاد جهانی 15.7 تریلیون دلار خواهد بود. فناوری های هوش مصنوعی می توانند، رشد اقتصادهای ملی را تا ۲۶ درصد تضمین کنند.

منبع: پورو راباتوف (روسیه)