Παρακολουθήσαμε το πέμπτο Ευρωπαϊκό Συνέδριο Δημοσιογραφίας Δεδομένων και Υπολογιστικής Δημοσιογραφίας, που έγινε για πρώτη φορά στην Αθήνα. Και συγκεντρώνουμε εδώ μερικά πράγματα που πήραμε μαζί μας.
Κεντρική φωτογραφία: Kuku Digital, Ευρωπαϊκό Συνέδριο Δημοσιογραφίας Δεδομένων και Υπολογιστικής Δημοσιογραφίας
«Δεν θα αποτελέσει έκπληξη σε κανέναν σε αυτήν την αίθουσα ότι όλοι μας συχνά στην καθημερινότητά μας σκεφτόμαστε τι θα συμβεί στο μέλλον», λέει στο μικρόφωνο ο Νικ Διακόπουλος (Nick Diakopoulos), Καθηγητής Σπουδών Επικοινωνίας και Επιστήμης των Υπολογιστών στο Πανεπιστήμιο Northwestern, απευθυνόμενος στους δημοσιογράφους κατά τη διάρκεια της κεντρικής ομιλίας που έδωσε στο πλαίσιο του πέμπτου Ευρωπαϊκού Συνεδρίου Δημοσιογραφίας Δεδομένων και Υπολογιστικής Δημοσιογραφίας.
Μπορούν τα εργαλεία τεχνητής νοημοσύνης να ακολουθήσουν τα δημοσιογραφικά πρότυπα;
Η επαγγελία ότι η αγορά των μέσων μαζικής ενημέρωσης θα επωφελούνταν από την τεχνητή νοημοσύνη φαίνεται απίθανο να επαληθευτεί, τουλάχιστον όχι εξ ολοκλήρου.
Το συνέδριο πραγματοποιήθηκε για πρώτη φορά στην Αθήνα, με ακαδημαϊκούς εταίρους το Ινστιτούτο Ανθρωποκεντρικής Τεχνητής Νοημοσύνης (People Centred AΙ) του Πανεπιστημίου του Σάρεϊ, το Τμήμα της Υπολογιστικής Επιστήμης και Πληροφορικής του Πανεπιστημίου του Κάρντιφ, καθώς και το Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών (ΕΚΠΑ), το οποίο και φιλοξένησε τη διοργάνωση.
Από τις 8 έως και τις 10 Σεπτεμβρίου 2025, δημοσιογράφοι και ειδικοί της δημοσιογραφίας δεδομένων και της υπολογιστικής επιστήμης από την Ελλάδα, την υπόλοιπη Ευρώπη και τις ΗΠΑ συγκεντρώθηκαν για να συζητήσουν το μέλλον της σχέσης της δημοσιογραφικής κοινότητας με την τεχνολογία. Όπως ανέφερε και ο Κωνσταντίνος Μουρλάς, Καθηγητής στο Τμήμα Επικοινωνίας και Μέσων Μαζικής Ενημέρωσης στο ΕΚΠΑ και εκ των συνυπεύθυνων για τη συγκρότηση του προγράμματος του συνεδρίου, «θέλουμε να φέρουμε τους ειδικούς στον χώρο […], να μας εξηγήσουν τα ζητήματα στα οποία η δημοσιογραφία και η τεχνολογία ενώνονται και τα θέματα της υπολογιστικής δημοσιογραφίας, και να συζητήσουμε μαζί τους, να μάθουμε από αυτούς […]».
Αν και η εμπιστοσύνη του κοινού προς τη δημοσιογραφία κλονίζεται, η πίστη στη δημοσιογραφία ως «ηθικό φύλακα» για την τεχνητή νοημοσύνη καλά κρατεί
Ο Νικ Διακόπουλος παρουσίασε μια μελέτη, βασισμένη σε δεδομένα που έλαβε από το Open Society Foundations, στο πλαίσιο της έρευνας Open Society AI in Journalism Futures 2024, όπου οι συμμετέχοντες μοιράστηκαν τις οπτικές τους για διάφορες εκδοχές ενός μέλλοντος διαμεσολαβούμενου από την τεχνητή νοημοσύνη.
Η ανάλυση των διαφόρων «σεναρίων» των συμμετεχόντων από την ομάδα του Διακόπουλος αποκάλυψε μια αισιόδοξη χροιά: τη θεώρηση πως οι δημοσιογράφοι μπορούν να επηρεάσουν εξαιρετικά θετικά την πορεία της τεχνητής νοημοσύνης. «[…] Βλέπουμε ότι οι άνθρωποι γράφουν για το πώς οι δημοσιογράφοι λειτουργούν θετικά, ως πάροχοι περιεχομένου, για την τεχνητή νοημοσύνη. Προσφέρουν πρώτες ύλες, επαληθεύουν γεγονότα, βοηθούν στη διαμόρφωση και επιμέλεια του περιεχομένου που εισάγεται στα συστήματα τεχνητής νοημοσύνης, λειτουργούν ως ηθικοί φύλακες και παρέχουν επιμελητικό έλεγχο. Διατηρούν επαγγελματικά και ηθικά πρότυπα. Άρα, οι άνθρωποι τονίζουν πραγματικά τις πολύ θετικές δυνατότητες της αλληλεπίδρασης της τεχνητής νοημοσύνης με τους δημοσιογράφους —ή των δημοσιογράφων με την τεχνητή νοημοσύνη».
Ο μόνος τρόπος να μη φοβόμαστε την τεχνητή νοημοσύνη είναι να πειραματιστούμε
Αρκετές αίθουσες σύνταξης έχουν αρχίσει να κάνουν γενναία βήματα για την ενσωμάτωση της νέας τεχνολογίας στη δημοσιογραφική εργασιακή ροή. Αυτό αναδείχθηκε στη συνεδρία με τίτλο «Η Καινοτομία της Τεχνητής Νοημοσύνης στις Αίθουσες Σύνταξης: Από την Υπόσχεση στον Αντίκτυπο» (AI Innovation in Newsrooms: From Promise to Impact), όπου συμμετείχαν επαγγελματίες με επιτελικό ρόλο σε τμήματα που σχετίζονται με την καινοτομία σε μεγάλους δημοσιογραφικούς οργανισμούς, όπως, μεταξύ άλλων, το BBC, οι Financial Times και η Tamedia στην Ελβετία.
Αν και η αρχική φρενίτιδα του κόσμου με το ChatGPT και άλλα διαλογικά μοντέλα, προκάλεσε δισταγμό στις αίθουσες σύνταξης, οι αρχισυνταξίες άφησαν τα μέλη των ομάδων τους ελεύθερα να δοκιμάσουν την παραγωγική τεχνητή νοημοσύνη, να τη χρησιμοποιήσουν και να πειραματιστούν, είτε με έτοιμα εργαλεία είτε με μοντέλα που οι ίδιοι οι οργανισμοί τους δημιούργησαν για τις ανάγκες των δικών τους πρότζεκτ. Όπως προέκυψε από τη συζήτηση, το αποτέλεσμα ήταν ότι η περιέργεια κάποιων δημοσιογράφων έφερε τεχνογνωσία απαραίτητη για όλη τη συντακτική ομάδα. «Μου αρέσει πολύ αυτό που προκύπτει [στην προσπάθειά μας να μείνουμε επίκαιροι], δηλαδή μια συνεργασία μεταξύ όλων των οργανισμών μέσων ενημέρωσης που βλέπουμε εδώ και πολλών άλλων», ανέφερε η Λόρα Έλλις (Laura Ellis), Επικεφαλής Τεχνολογικής Στρατηγικής (Head of Technology Forecasting) στο BBC: «Όλοι μαζί ψάχνουμε τρόπους να διαχειριστούμε την κατάσταση, να δημιουργήσουμε κατευθυντήριες γραμμές και πώς, για παράδειγμα, να διατηρούμε τη διαφάνεια. Νομίζω πως αυτό είναι πολύ θετικό».
Μεταξύ αντηλιακού και τεχνητής νοημοσύνης
Η μηνιαία στήλη του iMEdD με εργαλεία, πηγές και ιδέες που ανταποκρίνονται στις ανάγκες όλων των δημοσιογράφων.
Την ιδέα αυτή επέκτεινε ο Μαρκ Λαβαλί (Marc Lavallee), του οποίου η δουλειά εστιάζει ακριβώς στο σημείο τομής των media με την τεχνητή νοημοσύνη, υποστηρίζοντας, στη δική του κεντρική ομιλία, πως οι δημοσιογράφοι πρέπει να ακολουθούν την περιέργεια τους, να βγαίνουν έξω από τα στενά όρια της δημοσιογραφίας και να αξιολογούν τα νέα εργαλεία με φρέσκες οπτικές —ακόμα και αν χρειάζεται να βγουν από την επαγγελματική «φούσκα» τους. «Φέρτε την έννοια του παιχνιδιού στον δημοσιογραφικό σας οργανισμό», παρότρυνε.
«Vibe Coding» για άμεσα αποτελέσματα σε μικρά πρότζεκτ —θα είναι σαν να ξέρουμε κώδικα, χωρίς να ξέρουμε
Σε εργαστήριο που φιλοξενήθηκε στο κτίριο της Ένωσης Συντακτών Ημερήσιων Εφημερίδων Αθηνών (ΕΣΗΕΑ), ο Ντρούμιλ Μέτα (Dhrumil Mehta), Αναπληρωτής Καθηγητής Δημοσιογραφίας Δεδομένων στη Σχολή Δημοσιογραφίας του Πανεπιστημίου Columbia, και ο Αρούσι Σαχετζπάλ (Aarushi Sahejpal), Συνεργαζόμενος Καθηγητής στη Διδασκαλία Τεχνολογίας Πληροφοριών και Ανάλυσης Δεδομένων στο Αμερικανικό Πανεπιστήμιο στην Ουάσινγκτον, έδειξαν σε συμμετέχοντες δημοσιογράφους πώς μπορούν να δημιουργούν γραφήματα με τη χρήση του VibeCoding.
Πρόκειται για μια μέθοδο προγραμματισμού με τη βοήθεια τεχνητής νοημοσύνης: με σκοπό την παραγωγή κώδικα. Περιγράφουμε σε chatbot, που χρησιμοποιεί ένα μεγάλο γλωσσικό μοντέλο (Large Language Model, LLΜ), μια διεργασία που θέλουμε να πετύχουμε. Εκείνο αποκρίνεται με τον κώδικα που θα φέρει το έργο εις πέρας.
Εν προκειμένω, οι δύο καθηγητές παρουσίασαν πώς δημοσιογράφοι χωρίς γνώσεις προγραμματισμού μπορούν να δημιουργήσουν γραφήματα εύκολα και γρήγορα, για μικρά πρότζεκτ. Ο Σαχετζπάλ ανέφερε ότι δεν χρειάζεται να είμαστε ειδικοί σε εργαλεία δημιουργίας γραφημάτων, όπως η βιβλιοθήκη D3. Πολλές φορές χρειάζεται να επικεντρωθούμε στο να κάνουμε καλή δημοσιογραφία. Ο Μέτα πρόσθεσε πως η μέθοδος λειτουργεί και εκπαιδευτικά, εάν οι δημοσιογράφοι μελετήσουν τον κώδικα που δημιούργησε το μοντέλο και προσπαθήσουν να καταλάβουν ποια είναι η διαδικασία που παράγει το επιθυμητό αποτέλεσμα.
Η δημοσιογραφία στερείται εσωτερικών μηχανισμών λογοδοσίας, αλλά κάποιοι προσπαθούν να δημιουργήσουν έναν
Σε συζήτηση των Μπετ Νταμ (Bette Dam), ανεξάρτητη δημοσιογράφος που πέρασε το μεγαλύτερο μέρος της καριέρας της κάνοντας ρεπορτάζ στο Αφγανιστάν, και Ντρούμιλ Μέτα, παρουσιάστηκε το πρότζεκτ UNHEARD. Αποτελεί μία από τις πρώτες προσπάθειες χρήσης τεχνητής νοημοσύνης, με σκοπό να διερευνηθεί ποιων οι απόψεις τείνουν να αναπαράγονται στα δημοσιογραφικά άρθρα.
Το εν λόγω πρότζεκτ έχει τις ρίζες του σε μελέτη της Νταμ για την κάλυψη του πολέμου στο Αφγανιστάν από τους New York Times (NYT) και το Associated Press (AP). Αρχικά, η ομάδα φοιτητών της Νταμ ανέλυσε χειροκίνητα 1.500 άρθρα και διαπίστωσε ότι τόσο το AP όσο και οι NYT βασίζονταν στα λεγόμενα Αμερικανών αξιωματούχων, ενώ οι Αφγανοί αξιωματούχοι, τους οποίους επικαλούνταν τα άρθρα, σε μεγάλο βαθμό επαναλάμβαναν το δυτικό αφήγημα.
Σήμερα, το πρότζεκτ της ανάλυσης της αρθρογραφίας με τη χρήση τεχνητής νοημοσύνης βρίσκεται ακόμη σε πρώιμο στάδιο, αλλά οι Νταμ και Μέτα σχεδιάζουν να το επεκτείνουν, ώστε να εντοπίζει πηγές σε ρεπορτάζ κρίσεων και όχι μόνο. «Σκοπεύουμε να συνεργαστούμε με αίθουσες σύνταξης, ώστε να διευκολύνουμε την αυτοανάλυση και την αλλαγή», δήλωσε ο Μέτα ο οποίος τελεί, επίσης, Αναπληρωτής Διευθυντής στο Tow Center for Digital Journalism στη Σχολή Δημοσιογραφίας του Πανεπιστημίου Columbia.
Όλοι επωφελούνται από τα ανοιχτά δεδομένα —ας τα προσφέρουμε στην υπόλοιπη δημοσιογραφική κοινότητα
Τα δεδομένα, όταν μοιράζονται, μπορούν να λειτουργήσουν ως γέφυρες συνεργασίας μεταξύ των δημοσιογράφων, ιδίως στα μικρά τοπικά newsrooms. Αυτή ήταν η ιδέα που υπερασπίστηκε η βετεράνος δημοσιογράφος Σέριλ Φίλιπς (Cheryl Phillips), με δύο βραβεία Πούλιτζερ στο ενεργητικό της, η οποία διδάσκει στο Πρόγραμμα Δημοσιογραφίας του Πανεπιστημίου του Στάνφορντ. Η ίδια έχει ιδρύσει και συνδιευθύνει την πλατφόρμα διαμοιρασμού δεδομένων Big Local News, στην οποία και εστίασε η ομιλία της στο συνέδριο. «Οι πόροι μας είναι περιορισμένοι και χρειάζεται πολύς χρόνος για να πούμε σημαντικές ιστορίες. Εκεί βοηθούν τα δεδομένα», είπε, συμπληρώνοντας αργότερα ότι «η συνεργασία με τοπικά newsroom αποδείχθηκε ισχυρή γιατί ενίσχυσαν το περιεχόμενο […] Μπορείς να αλλάξεις περισσότερα σε τοπικό επίπεδο παρά σε εθνικό».
Παρ’ όλα αυτά, πολλοί δημοσιογραφικοί οργανισμοί, αν και διαθέτουν ανοιχτά τα δεδομένα που συλλέγουν, τα αντιμετωπίζουν κυρίως ως πιθανές πηγές για δικά τους μελλοντικά θέματα. Σε έρευνα του Πανεπιστήμιου Αιγαίου, όπως παρουσιάστηκε στην ομιλία του ερευνητή Γεώργιου Παπαγεωργίου, με τίτλο «Εξερευνώντας τη συμβολή των μέσων ενημέρωσης στο οικοσύστημα ανοιχτών δεδομένων – Μια ανάλυση αποθετηρίων στο GitHub από μεγάλους ειδησεογραφικούς οργανισμούς», σημειώθηκε πως 13 από τους 20 υπό μελέτη οργανισμούς είχαν αποθετήρια στο GitHub, αλλά, από αυτούς, μόνο οι οκτώ παρείχαν ενεργά ανοιχτά δεδομένα.
Πρωτοπόροι που αγωνίζονται να διατηρήσουν τις γλώσσες τους ζωντανές στην εποχή του ΑΙ
Ειδικοί από την Ινδία, τη Λευκορωσία, τη Νιγηρία, το Μάλι, την Παραγουάη και τις Φιλιππίνες εξηγούν πώς δημιουργούν εργαλεία για να γεφυρώσουν το χάσμα ανάμεσα στις αίθουσες σύνταξης και στο κοινό.
Καμιά φορά χρησιμοποιούμε το ChatGPT για λάθος λόγους, ενώ υπάρχουν πιο κατάλληλα εργαλεία
Τα LLM δεν είναι φτιαγμένα για να αντιγράφουν ακριβώς. «Θα πάρεις έναν πίνακα, αλλά μάλλον όχι τον πίνακα» ανέφερε ο Τζόναθαν Σόμα (Jonathan Soma), Καθηγητής Επαγγελματικής Πρακτικής στη Δημοσιογραφία Δεδομένων στην έδρα Knight και Διευθυντής του Επαγγελματικού Προγράμματος Σπουδών στη Δημοσιογραφία Δεδομένων του Πανεπιστημίου Columbia, στο εργαστήριο «Επεξεργασία εγγράφων με φυσική ενσωμάτωση τεχνητής νοημοσύνης και χωρική επίγνωση με το Natural PDF» (AI-native, spatially-aware document processing with Natural PDF).
Ένα από τα πολλά προβλήματα στη δημοσιογραφική έρευνα μπορεί να είναι η εξαγωγή στοιχείων που εσωκλείονται σε αρχεία μορφής pdf. Εμπνευσμένος από το εργαλείο pdfplumber του αρχισυντάκτη δεδομένων των New York Times, Τζέρεμι Σίνγκερ Βάιν (Jeremy Singer Vine), για να βοηθήσει περαιτέρω στην έρευνα εγγράφων, ο Σόμα δημιούργησε τη βιβλιοθήκη επεξεργασίας αρχείων pdf με το όνομα NaturalPDF. Πράγματι, λίγες γραμμές κώδικα θα χρειαστούν μόνο, για να χειριστεί κάποιος τη βιβλιοθήκη και η επεξεργασία pdf θα μοιάζει, όντως, πολύ φυσική. Ο Σόμα, που παρουσίασε βήμα-βήμα τη χρήση του NaturaPDF, σε εργαστήριό του στο πλαίσιο του συνεδρίου, διαθέτει ανοιχτά —όπως πάντα— όλες τις σχετικές πληροφορίες GitHub.
Όσο περισσότερο χρησιμοποιούμε τεχνητή νοημοσύνη, τόσο συχνότερα πρέπει να αναρωτιόμαστε για το κόστος του λάθους
Πολλοί αναφέρθηκαν στην αύξηση της παραγωγικότητας εντός της αίθουσας σύνταξης με τη βοήθεια της τεχνητής νοημοσύνης. Ενδεικτικά, το BBC τη χρησιμοποιεί για τη μετάφραση και τη συνοπτική παρουσίαση κειμένων, αλλά και για την πιλοτική σύνθεση voiceover σε περιλήψεις νια τα νέα αγγλικών ποδοσφαιρικών ομάδων, που διαβάζονται με το ηχόχρωμα και την προφορά συντακτών του από διάφορα σημεία του Ηνωμένου Βασιλείου. Ακόμη, την τελευταία δεκαετία, το Bloomberg έχει κλιμακώσει την αυτοματοποίηση, ώστε να παράγει χιλιάδες άρθρα, κυρίως για ειδησεογραφία ρουτίνας, όπως οι οικονομικές αναφορές εταιρειών, με σκοπό οι δημοσιογράφοι να μπορούν να χρησιμοποιούν τα report των ημιαυτοματοποιημένων συστημάτων, για να κάνουν ρεπορτάζ σε βάθος, αντί να εκτελούν επαναλαμβανόμενες εργασίες. Τέλος, το Αυστριακό Πρακτορείο Ειδήσεων διατηρεί εν εξελίξει έργο για αυτόματη παραγωγή περιγραφών (alt-text), για κάθε στατικό γράφημα που βασίζεται σε δεδομένα.
Η πρόκληση, ωστόσο, είναι ότι «δεν μπορείς απλώς να εντάξεις την τεχνητή νοημοσύνη στις υπάρχουσες συντακτικές διαδικασίες και να περιμένεις θετικά αποτελέσματα», όπως τόνισε ο Όλι Χόκινς (Oli Hawkins), επιστήμονας δεδομένων στους Financial Times. «Πρέπει να πληρούνται συγκεκριμένες προϋποθέσεις, ώστε να υπάρξει πραγματικά θετικός αντίκτυπος». Για να αποφασίσει κανείς πού θα εφαρμόσει την τεχνητή νοημοσύνη, είναι απαραίτητο να τεθεί το ερώτημα: «Ποιο είναι το κόστος του λάθους;».
