Kunstig intelligens-forsterket journalistikk gir et glimt av fremtidens kunnskapsøkonomi

Akkurat som roboter har forvandlet hele deler av produksjonsøkonomien, endrer kunstig intelligens og automatisering nå informasjonsarbeid, slik at mennesker kan overlate kognitivt arbeid til datamaskiner. Innen journalistikk, for eksempel, data mining-systemer varsle journalister om potensielle nyhetssaker, mens nyhetsroboter tilbyr nye måter for publikum å utforske informasjon på. Automatiserte skrivesystemer genererer økonomiske, sportslige og valgdekningEn vanlig spørsmål ettersom disse intelligente teknologiene infiltrerer ulike bransjer, er hvordan arbeid og arbeidskraft vil bli påvirketI dette tilfellet, hvem – eller hva – skal drive journalistikk i denne AI-forbedrede og automatiserte verdenen, og hvordan skal de gjøre det? Bevisene jeg har samlet i min nye bok «Automatisering av det nye: Hvordan algoritmer omskriver media«antyder at fremtiden for AI-aktivert journalistikk fortsatt vil ha mange mennesker rundt seg. Imidlertid vil jobbene, rollene og oppgavene til disse menneskene utvikle seg og se litt annerledes ut. Menneskelig arbeid vil bli hybridisert – blandet sammen med algoritmer – for å passe AIs evner og imøtekomme dens begrensninger.».

Forsterker, ikke erstatter

Noen estimater antyder at dagens nivåer av AI-teknologi bare kan automatisere omtrent 15 % av en reporters jobb og 9 % av en redaktørs jobb. Mennesker har fortsatt et forsprang på ikke-Hollywood-AI på flere viktige områder som er essensielle for journalistikken, inkludert kompleks kommunikasjon, eksperttenkning, tilpasningsevne og kreativitet. Rapportering, lytting, respons og motstand, forhandling med kilder, og deretter ha kreativiteten til å sette det sammen – AI kan ikke gjøre noen av disse uunnværlige journalistiske oppgavene. Den kan imidlertid ofte forbedre menneskelig arbeid for å hjelpe folk med å jobbe raskere eller med forbedret kvalitet. Og den kan skape nye muligheter for å utdype nyhetsdekningen og gjøre den mer personlig for en individuell leser eller seer. Redaksjonsarbeid har alltid tilpasset seg bølger av ny teknologi, inkludert fotografering, telefoner, datamaskiner – eller til og med bare kopimaskinen. Journalister vil også tilpasse seg å jobbe med AI. Som teknologi er den allerede og vil fortsette å forandre nyhetsarbeidet, ofte et supplement, men sjelden en erstatning for en trent journalist.

Nytt arbeid

Jeg har erfart at AI-teknologier oftest ser ut til å skape nye typer arbeid innen journalistikk. Ta for eksempel Associated Press, som i 2017 introduserte bruken av datasyn-AI-teknikker å merke de tusenvis av nyhetsbildene det håndterer hver dag. Systemet kan merke bilder med informasjon om hva eller hvem som er på et bilde, dets fotografiske stil og om et bilde viser grafisk vold. Systemet gir bilderedaktører mer tid til å tenke på hva de bør publisere og frigjør dem fra å bruke mye tid på bare å merke det de har. Men å utvikle det krevde mye arbeid, både redaksjonelt og teknisk: Redaktørene måtte finne ut hva de skulle merke og om algoritmene var opp til oppgaven, og deretter utvikle nye testdatasett for å evaluere ytelsen. Da alt dette var gjort, måtte de fortsatt overvåke systemet og manuelt godkjenne de foreslåtte merkene for hvert bilde for å sikre høy nøyaktighet. Stuart Myles, AP-sjefen som fører tilsyn med prosjektet, fortalte meg at det tok omtrent 36 månedsverk med arbeid, fordelt over et par år og mer enn et dusin redaksjonelle, tekniske og administrative ansatte. Omtrent en tredjedel av arbeidet, fortalte han meg, involverte journalistisk ekspertise og dømmekraft som er spesielt vanskelig å automatisere. Selv om noe av det menneskelige tilsynet kan bli redusert i fremtiden, tror han at folk fortsatt vil trenge å gjøre løpende redaksjonelt arbeid etter hvert som systemet utvikler seg og utvides.

Halvautomatisert innholdsproduksjon

I Storbritannia, den RADAR prosjekt pumper halvautomatisk ut rundt 8000 lokaliserte nyhetsartikler per månedSystemet er avhengig av en gruppe på seks journalister som finner datasett fra myndighetene sortert etter geografisk område, identifiserer interessante og nyhetsverdige vinkler, og deretter utvikler disse ideene til datadrevne maler. Malene koder for hvordan man automatisk skreddersyr deler av teksten til de geografiske stedene som er identifisert i dataene. For eksempel kan en artikkel handle om aldrende befolkninger over hele Storbritannia, og vise lesere i Luton hvordan samfunnet deres endrer seg, med ulik lokalisert statistikk for Bristol. Artikkelene sendes deretter ut via nyhetsbyrå til lokale medier som velger hvilke som skal publiseres. Tilnærmingen kombinerer journalister og automatisering i en effektiv og produktiv prosess. Journalistene bruker sin ekspertise og kommunikasjonsevner til å legge ut alternativer for historielinjer dataene kan følge. De snakker også med kilder for å samle nasjonal kontekst, og skriver malen. Automatiseringen fungerer deretter som en produksjonsassistent, og tilpasser teksten for forskjellige steder. RADAR-journalister bruker et verktøy kalt Arria Studio, som gir et glimt av hvordan det å skrive automatisert innhold ser ut i praksis. Det er egentlig bare et mer komplekst grensesnitt for tekstbehandling. Forfatteren skriver tekstfragmenter kontrollert av datadrevne hvis-så-ellers-regler. I en jordskjelvrapport kan det for eksempel være lurt å bruke et annet adjektiv for å beskrive et jordskjelv med magnitude 8 enn et med magnitude 3. Så du ville ha en regel som HVIS magnitude > 7 SÅ tekst = «sterkt jordskjelv», ELLERS HVIS magnitude < 4 SÅ tekst = «mindre jordskjelv». Verktøy som Arria inneholder også språklig funksjonalitet for automatisk å konjugere verb eller avvise substantiver, noe som gjør det enklere å jobbe med tekstbiter som må endres basert på data.

Forfattergrensesnitt som Arria lar folk gjøre det de er gode på: logisk strukturere fengslende historier og lage kreativ, ikke-repeterende tekst. Men de krever også noen nye måter å tenke på skriving. For eksempel må malforfattere tilnærme seg en historie med en forståelse av hva tilgjengelige data kan si – å forestille seg hvordan dataene kan gi opphav til forskjellige vinkler og historier, og avgrense logikken for å drive disse variasjonene. Tilsyn, administrasjon eller det journalister kan kalle "redigering" av automatiserte innholdssystemer opptar også i økende grad folk i redaksjonen. Å opprettholde kvalitet og nøyaktighet er av største betydning i journalistikken. RADAR har utviklet en tretrinns kvalitetssikringsprosess. Først vil en journalist lese et utvalg av alle artiklene som er produsert. Deretter sporer en annen journalist påstander i historien tilbake til den opprinnelige datakilden. Som en tredje kontroll vil en redaktør gå gjennom logikken i malen for å prøve å oppdage eventuelle feil eller mangler. Det er nesten som arbeidet et team av programvareingeniører kan gjøre med å feilsøke et manus – og det er alt arbeid mennesker må gjøre for å sikre at automatiseringen gjør jobben sin nøyaktig.

Utvikling av menneskelige ressurser

Initiativer som de hos Associated Press og RADAR viser at AI og automatisering langt fra ødelegger jobber innen journalistikk. De skaper nytt arbeid – i tillegg til å endre eksisterende jobber. Morgendagens journalister må trenes til å designe, oppdatere, justere, validere, korrigere, overvåke og generelt vedlikeholde disse systemene. Mange kan trenge ferdigheter i å jobbe med data og formell logisk tenkning for å handle ut fra disse dataene. Flytende kunnskaper om grunnleggende dataprogrammering vil heller ikke skade. Etter hvert som disse nye jobbene utvikler seg, vil det være viktig å sikre at de er gode jobber – at folk ikke bare blir hjul i en mye større maskinprosess. Ledere og designere av denne nye hybridarbeidskraften må vurdere de menneskelige bekymringene rundt autonomi, effektivitet og brukervennlighet. Men jeg er optimistisk med tanke på at det å fokusere på den menneskelige erfaringen i disse systemene vil la journalister blomstre, og samfunnet høste fruktene av hastighet, bredde i dekning og økt kvalitet som AI og automatisering kan tilby. Nicholas Diakopoulos, førsteamanuensis i kommunikasjonsstudier, Nordvest-universitetet Denne artikkelen er publisert på nytt fra Samtalen under en Creative Commons-lisens. Les original artikkel.