Nicholas Diakopoulos ialah Penolong Profesor di Jabatan Pengajian Komunikasi Sekolah Komunikasi Universiti Northwestern. Beliau juga merupakan Felo Tow di Sekolah Kewartawanan Universiti Columbia, dan Penolong Profesor di… Baca lebih lanjut
Nicholas Diakopoulos ialah Penolong Profesor di Jabatan Pengajian Komunikasi Sekolah Komunikasi Universiti Northwestern. Beliau juga merupakan Felo Tow di Sekolah Kewartawanan Universiti Columbia, dan Penolong Profesor di… Baca lebih lanjut
Sama seperti robot telah mengubah seluruh petak ekonomi pembuatan, kecerdasan buatan dan automasi kini mengubah kerja maklumat, membolehkan manusia memindahkan tenaga kerja kognitif kepada komputer. Dalam kewartawanan, sebagai contoh, sistem perlombongan data memaklumkan wartawan tentang berita yang berpotensi, sementara bot berita menawarkan cara baharu untuk khalayak meneroka maklumat. Sistem penulisan automatik menjana kewangan, sukan dan liputan pilihan rayaA. Satu soalan lazim memandangkan teknologi pintar ini menyusup masuk ke dalam pelbagai industri adalah bagaimana kerja dan buruh akan terjejasDalam kes ini, siapa – atau apa – yang akan melakukan kewartawanan dalam dunia yang dipertingkatkan dan automatik AI ini, dan bagaimana mereka akan melakukannya? Bukti yang telah saya kumpulkan dalam buku baharu saya “Mengautomasikan Yang Baharu: Bagaimana Algoritma Menulis Semula Media"menunjukkan bahawa masa depan kewartawanan yang didayakan AI masih akan mempunyai ramai orang di sekeliling. Walau bagaimanapun, pekerjaan, peranan dan tugas orang-orang tersebut akan berkembang dan kelihatan sedikit berbeza. Kerja manusia akan dihibridkan – dicampur bersama dengan algoritma – untuk disesuaikan dengan keupayaan AI dan menampung batasannya.
Menambah, bukan menggantikan
Beberapa anggaran mencadangkan bahawa tahap teknologi AI semasa hanya boleh mengautomasikan kira-kira 15% daripada tugas wartawan dan 9% daripada tugas editor. Manusia masih mempunyai kelebihan berbanding AI bukan Hollywood dalam beberapa bidang utama yang penting untuk kewartawanan, termasuk komunikasi yang kompleks, pemikiran pakar, kebolehsuaian dan kreativiti. Pelaporan, mendengar, memberi respons dan menolak, berunding dengan sumber, dan kemudian mempunyai kreativiti untuk menggabungkannya – AI tidak boleh melakukan tugas-tugas kewartawanan yang sangat penting ini. Walau bagaimanapun, ia selalunya boleh menambah kerja manusia untuk membantu orang ramai bekerja lebih pantas atau dengan kualiti yang lebih baik. Dan ia boleh mewujudkan peluang baharu untuk memperdalam liputan berita dan menjadikannya lebih diperibadikan untuk pembaca atau penonton individu. Kerja bilik berita sentiasa menyesuaikan diri dengan gelombang teknologi baharu, termasuk fotografi, telefon, komputer – atau hanya mesin fotokopi. Wartawan juga akan menyesuaikan diri untuk bekerja dengan AI. Sebagai teknologi, ia sudah dan akan terus mengubah kerja berita, selalunya melengkapi tetapi jarang menggantikan wartawan terlatih.
Kerja baharu
Saya dapati bahawa selalunya, teknologi AI nampaknya sebenarnya mencipta jenis kerja baharu dalam kewartawanan. Ambil contoh Associated Press, yang pada tahun 2017 memperkenalkan penggunaan teknik AI penglihatan komputer untuk melabelkan beribu-ribu foto berita yang dikendalikannya setiap hari. Sistem ini boleh menanda foto dengan maklumat tentang apa atau siapa yang ada dalam imej, gaya fotografinya, dan sama ada imej itu menggambarkan keganasan grafik. Sistem ini memberi editor foto lebih banyak masa untuk memikirkan apa yang harus mereka terbitkan dan membebaskan mereka daripada menghabiskan banyak masa hanya melabelkan apa yang mereka ada. Tetapi membangunkannya memerlukan banyak kerja, baik editorial mahupun teknikal: Editor perlu memikirkan apa yang hendak ditag dan sama ada algoritma tersebut memenuhi tugas tersebut, kemudian membangunkan set data ujian baharu untuk menilai prestasi. Setelah semua itu selesai, mereka masih perlu menyelia sistem, meluluskan tag yang dicadangkan secara manual untuk setiap imej bagi memastikan ketepatan yang tinggi. Stuart Myles, eksekutif AP yang menyelia projek itu, memberitahu saya bahawa ia mengambil masa kira-kira 36 orang-bulan kerja, tersebar selama beberapa tahun dan lebih daripada sedozen kakitangan editorial, teknikal dan pentadbiran. Kira-kira satu pertiga daripada kerja itu, katanya kepada saya, melibatkan kepakaran dan pertimbangan kewartawanan yang amat sukar untuk diautomasikan. Walaupun sebahagian daripada penyeliaan manusia mungkin akan dikurangkan pada masa hadapan, beliau berpendapat bahawa orang ramai masih perlu melakukan kerja editorial yang berterusan apabila sistem ini berkembang dan berkembang.
Pengeluaran kandungan separa automatik
Di United Kingdom, RADAR projek separa automatik mengeluarkan sekitar 8,000 artikel berita setempat setiap bulanSistem ini bergantung pada sekumpulan enam wartawan yang mendapati set data kerajaan dijadualkan mengikut kawasan geografi, mengenal pasti sudut yang menarik dan bernilai berita, dan kemudian mengembangkan idea tersebut menjadi templat berasaskan data. Templat tersebut mengekod cara menyesuaikan cebisan teks secara automatik dengan lokasi geografi yang dikenal pasti dalam data. Contohnya, sebuah cerita boleh membincangkan tentang populasi yang semakin tua di seluruh Britain, dan menunjukkan kepada pembaca di Luton bagaimana komuniti mereka berubah, dengan statistik setempat yang berbeza untuk Bristol. Cerita-cerita tersebut kemudiannya disiarkan melalui perkhidmatan wayar kepada media tempatan yang memilih yang mana untuk diterbitkan. Pendekatan ini menggabungkan wartawan dan automasi ke dalam proses yang berkesan dan produktif. Wartawan menggunakan kepakaran dan kemahiran komunikasi mereka untuk menetapkan pilihan untuk jalan cerita yang mungkin diikuti oleh data. Mereka juga bercakap dengan sumber untuk mengumpulkan konteks negara, dan menulis templat. Automasi kemudian bertindak sebagai pembantu produksi, menyesuaikan teks untuk lokasi yang berbeza. Wartawan RADAR menggunakan alat yang dipanggil Arria Studio, yang menawarkan gambaran sekilas tentang bagaimana penulisan kandungan automatik dalam praktiknya. Ia sebenarnya hanyalah antara muka yang lebih kompleks untuk pemprosesan perkataan. Penulis menulis cebisan teks yang dikawal oleh peraturan jika-maka-lain yang didorong oleh data. Contohnya, dalam laporan gempa bumi, anda mungkin mahukan kata sifat yang berbeza untuk membincangkan tentang gempa bumi yang berukuran 8 magnitud berbanding gempa bumi yang berukuran 3 magnitud. Jadi, anda akan mempunyai peraturan seperti, JIKA magnitud > 7 MAKA teks = “gempa bumi yang kuat,” JIKA magnitud < 4 MAKA teks = “gempa bumi kecil.” Alatan seperti Arria juga mengandungi fungsi linguistik untuk mengkonjugat kata kerja atau menolak kata nama secara automatik, menjadikannya lebih mudah untuk berfungsi dengan cebisan teks yang perlu diubah berdasarkan data.
Antara muka pengguna Arria Studio menunjukkan gubahan cerita peribadi tentang keganasan senjata api.Tangkapan skrin Nicholas Diakopoulos daripada Arria Studio,CC BY-ND
Antara muka pengarangan seperti Arria membolehkan orang ramai melakukan apa yang mereka mahir: menstrukturkan jalan cerita yang menarik secara logik dan mencipta teks yang kreatif dan tidak berulang. Tetapi ia juga memerlukan beberapa cara berfikir baharu tentang penulisan. Contohnya, penulis templat perlu mendekati cerita dengan pemahaman tentang apa yang boleh dikatakan oleh data yang ada – untuk membayangkan bagaimana data tersebut boleh menimbulkan sudut dan cerita yang berbeza, dan menggariskan logik untuk memacu variasi tersebut. Penyeliaan, pengurusan atau apa yang mungkin dipanggil oleh wartawan sebagai "penyuntingan" sistem kandungan automatik juga semakin menyibukkan orang ramai di bilik berita. Mengekalkan kualiti dan ketepatan adalah perkara yang paling diutamakan dalam kewartawanan. RADAR telah membangunkan proses jaminan kualiti tiga peringkat. Pertama, seorang wartawan akan membaca sampel semua artikel yang dihasilkan. Kemudian seorang wartawan lain mengesan dakwaan dalam cerita kembali ke sumber data asal mereka. Sebagai semakan ketiga, seorang editor akan meneliti logik templat untuk cuba mengesan sebarang ralat atau ketinggalan. Ia hampir seperti kerja yang mungkin dilakukan oleh pasukan jurutera perisian dalam menyahpepijat skrip – dan itu semua kerja yang mesti dilakukan oleh manusia, untuk memastikan automasi menjalankan tugasnya dengan tepat.
Membangunkan sumber manusia
Inisiatif seperti yang dilakukan di Associated Press dan di RADAR menunjukkan bahawa AI dan automasi jauh daripada memusnahkan pekerjaan dalam kewartawanan. Ia mewujudkan kerja baharu – serta mengubah pekerjaan sedia ada. Wartawan masa depan perlu dilatih untuk mereka bentuk, mengemas kini, mengubah suai, mengesahkan, membetulkan, menyelia dan secara amnya menyelenggara sistem ini. Ramai yang mungkin memerlukan kemahiran untuk bekerja dengan data dan pemikiran logik formal untuk bertindak berdasarkan data tersebut. Kefasihan dengan asas pengaturcaraan komputer juga tidak akan merugikan. Apabila pekerjaan baharu ini berkembang, adalah penting untuk memastikan ia adalah pekerjaan yang baik – bahawa orang ramai tidak hanya menjadi roda penggerak dalam proses mesin yang jauh lebih besar. Pengurus dan pereka bentuk buruh hibrid baharu ini perlu mempertimbangkan kebimbangan manusia terhadap autonomi, keberkesanan dan kebolehgunaan. Tetapi saya optimis bahawa memberi tumpuan kepada pengalaman manusia dalam sistem ini akan membolehkan wartawan berkembang maju, dan masyarakat meraih ganjaran daripada kelajuan, keluasan liputan dan peningkatan kualiti yang boleh ditawarkan oleh AI dan automasi.
Nicholas Diakopoulos, Penolong Profesor Pengajian Komunikasi, Universiti Barat Laut
Artikel ini diterbitkan semula daripada Perbualan di bawah lesen Creative Commons. Baca artikel asal.
00undi
Penilaian Artikel
Langgan
0 Komen
Maklum Balas Dalam Talian
Lihat semua komen
Penyumbang?
Sertai komuniti kami sekarang! Log masuk untuk memberi komen atau jadilah penyumbang untuk berkongsi pandangan dan kepakaran unik anda. Suara anda penting—sertai hari ini!