Αν προσπαθήσει κανείς να «χαρτογραφήσει» το τοπίο των media σε όλα τα μήκη και τα πλάτη του πλανήτη, αν διαβάσει εκθέσεις διεθνών οργανισμών και φορέων θα καταλάβει πως σε ένα συντριπτικό ποσοστό ο κόσμος της δημοσιογραφίας δεν συμβαδίζει και δεν χρησιμοποιεί προς όφελός του την εξέλιξη των νέων τεχνολογιών. Είναι σαφές πως η διαπίστωση αυτή δεν οφείλεται παντού για τους ίδιους λόγους, ούτε έχει κοινά παγκόσμια χαρακτηριστικά, καθώς εξαρτάται από διάφορους και διαφορετικούς κοινωνικούς, οικονομικούς, πολιτιστικούς, πολιτικούς και γεωγραφικούς παράγοντες.
Όπως είναι φυσικό η χρήση της Τεχνητής Νοημοσύνης ως μια σειρά τεχνολογιών, συμπεριλαμβανομένων του machine learning, των αυτοματισμών και της επεξεργασίας δεδομένων, αν και είναι ήδη σημαντικό μέρος της δημοσιογραφίας (για την ώρα τουλάχιστον) δεν θα μπορούσε να σπάσει τον κανόνα, καθώς αν και ο τρόπος χρήσης της γίνεται όλο και περισσότερο κατανοητός, η εκμετάλλευση των δυνατοτήτων που προσφέρει προς όφελος των δημοσιογράφων (αν και το ποσοστό αυξάνεται) δεν είναι ακόμη ευρέως διαδεδομένη.
Ευκαιρία η τεχνητή νοημοσύνη για τους δημοσιογράφους ώστε να ανακατευθυνθούν σε πιο ποιοτική long form, ερευνητική δημοσιογραφία και δημοσιογραφίας ανάλυσης και οπτικοποίησης δεδομένων
Όπως συμβαίνει με τις περισσότερες τεχνολογικές καινοτομίες και ανακαλύψεις, ένα πέπλο φόβου (ίσως και δικαιολογημένο) έχει καλύψει και την τεχνητή νοημοσύνη. Ο μεγαλύτερος που υπάρχει και σε πολλές περιπτώσεις εκφράζεται από επαγγελματίες των MME και δημοσιογράφους, είναι ο φόβος της αντικατάστασης του ανθρώπινου παράγοντα με αποτέλεσμα το χάσιμο θέσεων εργασίας, ενώ υπάρχουν και αυτοί που εμβαθύνουν λίγο περισσότερο στην κουβέντα και υποστηρίζουν πως ο μεγαλύτερος κίνδυνος στην χρήση ρομπότ τεχνητής νοημοσύνης είναι η μεροληψία του αλγορίθμου. Επειδή οι αλγόριθμοι σχεδιάζονται από ανθρώπους, θα υπάρχουν πάντα προκαταλήψεις που μπορούν να αλλάξουν την ανάλυση δεδομένων και να οδηγήσουν σε σοβαρές συνέπειες. Παρόλα αυτά πρέπει να έχουμε πάντα στον νου μας πως η ανθρώπινη επαλήθευση του περιεχομένου πριν από τη δημοσίευση θα παραμείνει πάντα η δικλείδα ασφαλείας έναντι τέτοιων σφαλμάτων.
Στην αντίπερα όχθη δεν είναι λίγοι οι ακαδημαϊκοί και οι δημοσιογράφοι που έχουν ασχοληθεί με τις δυνατότητες της τεχνητής νοημοσύνης και υποστηρίζουν πως είναι πολύ μικρό το ποσοστό των καθηκόντων ενός δημοσιογράφου που θα μπορεί να υλοποιηθεί από «μηχανές», οι οποίες επί της ουσίας θα αναπροσανατολίσουν τους δημοσιογράφους σε μία κατεύθυνση ποιοτικότερου περιεχομένου, long form δημοσιογραφίας, ερευνητικής δημοσιογραφίας και δημοσιογραφίας δεδομένων.
Ένα σημαντικό παράδειγμα αποτελεί η περίοδος που βιώνουμε με την COVID-19. Πρόκειται για μία περίοδο στην οποία η ανάλυση δεδομένων δημόσιας υγείας για την πραγματοποίηση δημοσιογραφικών αναλύσεων και ερευνών ήταν απαραίτητη. Η χρήση AI βοήθησε σε ουκ ολίγες περιπτώσεις χρειάστηκε όμως καλά εκπαιδευμένους δημοσιογράφους δεδομένων οι οποίοι «έτρεξαν» τέτοια project και ενημέρωσαν έγκυρα την κοινή γνώμη.
Σύμφωνα με την έκθεση «New powers, new responsibilities. A global survey of journalism and artificial intelligence» που πραγματοποίησαν το Polis του LSE και το Google News Initiative, η χρήση τεχνητής νοημοσύνης από τους δημοσιογραφικούς οργανισμούς που την εκμεταλλεύονται έχει 3 άξονες:
- Συλλογή ειδήσεων: συγκέντρωση πληροφοριών, δημιουργία ιδεών για ιστορίες, εντοπισμός τάσεων, έρευνες, παρακολούθηση γεγονότων ή ζητημάτων, εξαγωγή πληροφοριών ή περιεχομένου.
- Παραγωγή ειδήσεων: δημιουργία περιεχομένου, επεξεργασία, συσκευασία για διαφορετικές μορφές και πλατφόρμες, δημιουργία κειμένου, εικόνας και βίντεο, επαναπροσδιορισμός περιεχομένου για διαφορετικά είδη κοινού.
- Διανομή ειδήσεων: εξατομίκευση, μάρκετινγκ, εύρεση κοινού, κατανόηση της συμπεριφοράς των χρηστών, δημιουργία εσόδων / συνδρομές.
Στην εποχή μας οι μηχανές AI εκτελούν διάφορες εργασίες, οι δημοσιογράφοι του Bloomberg News για παράδειγμα βοηθιούνται από μηχανές τεχνητής νοημοσύνης οι οποίες αναλύουν μεγάλες βάσεις δεδομένων και τους ειδοποιούν σε περίπτωση που εμφανιστεί κάποιο trend ή pattern.
Το AFP (Agence France-Presse) χρησιμοποιεί μία AI εφαρμογή για να ανιχνεύσει «πειραγμένες» φωτογραφίες, καθώς τα ρομπότ τεχνητής νοημοσύνης μπορούν να αναλύσουν πολύπλοκα δεδομένα σε ελάχιστο χρόνο. Σε αυτό ακριβώς το σημείο έρχεται ο δημοσιογράφος προκειμένου να κάνει την ουσιαστική δουλειά, τον έλεγχο και την ανάλυση των γεγονότων, το πλαίσιο, αλλά και τη συλλογή των πληροφοριών. Υπό αυτήν την έννοια ο δημοσιογράφος βρίσκεται στο επίκεντρο της διαδικασίας και είναι αναντικατάστατος.
Τόσο το AFP αλλά και το Reuters έχουν αναπτύξει συστήματα εντοπισμού ψεύτικων βίντεο (deepfakes) και Fake news, τα οποία και αυτά υποστηρίζονται από έμπειρους δημοσιογράφους.
Το 2015, οι New York Times υλοποίησαν το πειραματικό AI project γνωστό ως Editor. Ο στόχος του ήταν η απλοποίηση της δημοσιογραφικής διαδικασίας. Όταν γράφει ένα άρθρο ένας δημοσιογράφος μπορεί να χρησιμοποιήσει tags για να επισημάνει τη φράση, τον τίτλο ή τα κύρια σημεία του κειμένου. Με τον καιρό, ο υπολογιστής μαθαίνει να αναγνωρίζει αυτές τις σημασιολογικές ετικέτες και να μαθαίνει τα πιο εμφανή μέρη ενός άρθρου. Αναζητώντας δεδομένα σε πραγματικό χρόνο και εξάγοντας πληροφορίες με βάση τις ζητούμενες κατηγορίες, όπως συμβάντα, άτομα, τοποθεσία και ημερομηνίες, το Editor μπορεί να κάνει τις πληροφορίες πιο προσβάσιμες, απλοποιώντας τη διαδικασία έρευνας και παρέχοντας γρήγορο και ακριβή έλεγχο γεγονότων. Από εκείνη την εφαρμογή μέχρι σήμερα έχει κυλίσει πολύ νερό στο αυλάκι και οι New York Times έχουν αναπτύξει το Research & Development τμήμα το οποίο ασχολείται αποκλειστικά με την εφαρμογή των νέων τεχνολογιών και του AI στην υπηρεσία της δημοσιογραφίας και στον εμπλουτισμό του περιεχομένου.
Οι περισσότερες από τις εφαρμογές τεχνητής νοημοσύνης ως βασικό άξονα έχουν την εξοικονόμηση χρόνου σε δημοσιογράφους και ρεπόρτερ, παράλληλα όμως υπάρχουν αρκετές που πρωτίστως βοηθούν τους ειδησεογραφικούς οργανισμούς στην ανάπτυξη νέων «προϊόντων»
To BBC ανέπτυξε το Juicer. Το Juicer είναι ένα API συγκέντρωσης ειδήσεων και εξαγωγής περιεχομένου. Παίρνει άρθρα από το BBC και άλλους ιστότοπους ειδήσεων, τα αναλύει αυτόματα και τα ομαδοποιεί σε τέσσερις κατηγορίες: άτομα, μέρη, οργανώσεις και πράγματα (ό, τι δεν εμπίπτει στα πρώτα τρία). Έτσι αν για παράδειγμα ένας δημοσιογράφος αναζητά τις τελευταίες ειδήσεις για τον Πρόεδρο Τραμπ ή άρθρα που σχετίζονται με εταιρείες στον τομέα της τεχνητής νοημοσύνης, ο Juicer πραγματοποιεί γρήγορη αναζήτηση στον ιστό και παρέχει μια λίστα σχετικού περιεχομένου.
Το 2016, ο Guardian ξεκίνησε το Chatbot μέσω του Facebook. Για εξοικονόμηση χρόνου κύλισης ή αναζήτησης ειδησεογραφικών ειδήσεων, το chatbot επιτρέπει στους χρήστες να επιλέξουν από τις ΗΠΑ, το Ηνωμένο Βασίλειο και την Αυστραλιανή έκδοση του Guardian News, να επιλέξουν από τις 6 π.μ., 7 π.μ. ή 8 π.μ. ώρα παράδοσης και παραδίδει επιλεγμένες ειδήσεις καθημερινά μέσω του Facebook Messenger. Εάν ένας χρήστης θέλει μόνο να διαβάσει τους τίτλους και τις αθλητικές ειδήσεις, ή θέλει μόνο να διαβάσει τις δημοφιλείς ειδήσεις τεχνολογίας και επιστήμης, μπορεί να προσθέσει και αυτές.
Εργαλεία machine learning όπως όλα τα παραπάνω, ή η εφαρμογή News Tracer του Reuter’s που μπορεί να εντοπίσει breaking news στο Twitter, το Σύστημα Διαχείρισης Περιεχομένου της Forbes που ονομάζεται Bertie, το Heliograf και το Knowledge Map της Washington Post, και πόσα άλλα θα αναπτύσσονται και θα βελτιώνονται συνεχώς.
Οι περισσότερες από τις εφαρμογές τεχνητής νοημοσύνης ως βασικό άξονα έχουν την εξοικονόμηση χρόνου σε δημοσιογράφους και ρεπόρτερ, παράλληλα όμως υπάρχουν αρκετές που πρωτίστως βοηθούν τους ειδησεογραφικούς οργανισμούς στην ανάπτυξη νέων «προϊόντων» (ενημερωτικά δελτία, εκδηλώσεις, podcasts, βίντεο) και νέο περιεχόμενο δημιουργώντας εξατομικευμένες ειδήσεις: προτάσεις για αναγνώστες, για παράδειγμα (ας μην ξεχνάμε τις εξατομικευμένες ειδήσεις στις smart speakers συσκευές). Τέλος υπάρχουν εργαλεία τεχνητής νοημοσύνης που ανιχνεύουν τάσεις ή καυτή θεματολογία στο διαδίκτυο και στα Μέσα Κοινωνικής Δικτύωσης, ενώ αντίστοιχα εργαλεία βοηθούν τα newsroom στην διανομή του περιεχομένου τους.
Η χρήση της τεχνητής νοημοσύνης έχει ήδη σημαντικό αντίκτυπο στην ροή ειδήσεων πολλών οργανισμών, στη σχέση τους με το κοινό και στη δημιουργία νέων προκλήσεων όπως η συνεργασία και ο ρόλος των εταιρειών τεχνολογίας. Η σωστή εφαρμογή και χρήση της δεν είναι αγώνας σπριντ αλλά μαραθώνιος που θέλει σταθερά βήματα και η αφετηρία του προϋποθέτει την εκπαίδευση και την εξοικείωση των δημοσιογράφων. Η τεχνολογία πάντα επηρέαζε το δημοσιογραφικό λειτούργημα, η τυπογραφία άλλαξε την διάσταση των εφημερίδων, οι γραφομηχανές και οι ηλεκτρονικοί υπολογιστές διαφοροποίησαν τους ρυθμούς δουλειάς και την παραγωγικότητα, το διαδίκτυο άλλαξε το τοπίο διανομής των ειδήσεων, οι τεχνολογίες αυτοματισμών και τεχνητής νοημοσύνης αλλάζουν το τοπίο σε όλα τα επίπεδα, το ερώτημα είναι πόσο έτοιμη είμαστε οι δημοσιογράφοι να προσαρμοστούμε στο μέλλον που είναι ήδη εδώ.
