AI w dziennikarstwie i wiadomościach
Sztuczna inteligencja pomaga redakcjom szybciej gromadzić, pisać, sprawdzać fakty i rozpowszechniać artykuły, ale rodzi także trudne pytania dotyczące dokładności, zaufania i uznania czyjej pracy.
Przegląd
The technology is reshaping what journalism costs and who gets to do it.
Głębokie nurkowanie
Redakcje informacyjne od lat korzystają z automatyzacji: Associated Press zaczęła publikować raporty o zyskach przedsiębiorstw generowane przez sztuczną inteligencję i podsumowania mniejszych lig baseballowych około 2014 r. za pomocą programu Wordsmith firmy Automated Insights. Obecnie duże modele językowe sporządzają streszczenia, sugerują nagłówki, transkrybują wywiady, tłumaczą artykuły i wykrywają wzorce w dokumentach, które wyciekły. Reuters, Bloomberg i BBC korzystają ze sztucznej inteligencji w przypadku transmisji zawierających duże ilości danych i spersonalizowanych kanałów informacyjnych. Stawka jest jednak wysoka: w 2023 r. CNET po cichu opublikowało dziesiątki artykułów finansowych napisanych przez sztuczną inteligencję, które zawierały błędy rzeczowe i musiały wprowadzić poprawki. Głównym napięciem jest szybkość i skala w porównaniu z weryfikacją. Sztuczna inteligencja nie może niezależnie potwierdzać faktów, analizować źródeł ani dokonywać ocen redakcyjnych, dlatego większość wiarygodnych serwisów informuje redaktora-człowieka o wszystkim, co jest publikowane pod nagłówkiem.
Wgląd techniczny
Większość AI newsroomów dzieli się na dwie rodziny. Generowanie języka naturalnego w oparciu o szablony wypełnia ustrukturyzowane dane (wyniki, zarobki, wyniki wyborów) we wcześniej napisane wzorce zdań, co jest bardzo dokładne, ponieważ dane są weryfikowane. Z kolei duże modele językowe przewidują wiarygodny tekst i mogą wywoływać halucynacje fałszywych cytatów, dat lub źródeł. Właśnie dlatego odpowiedzialne przepływy pracy łączą LLM z wyszukiwaniem w zaufanych bazach danych i wymagają sprawdzenia faktów przez człowieka przed publikacją, traktując model jako szybkiego asystenta pierwszej wersji roboczej, a nie autorytet.
Wpływ strategiczny
Kontekst i zasady
Kontekst branżowy decyduje o tym, czy pomysły AI przetrwają kontakt z rzeczywistością.
Kontrola jakości
Ograniczenia domeny wpływają na akceptowalne poziomy błędów i modele nadzoru.
Buduj wybory
Pomyślne wdrożenia łączą możliwości techniczne z przepływami pracy na pierwszej linii frontu.
Przyszłość sztucznej inteligencji w dziennikarstwie i wiadomościach
Oczekuj, że sztuczna inteligencja będzie obsługiwać bardziej rutynowe relacje (sport, rynki, pogoda, rejestry publiczne), jednocześnie uwalniając reporterów od dochodzeń i zadań związanych z odpowiedzialnością, których nie są w stanie wykonać maszyny. Zwróć uwagę na standardy pochodzenia, takie jak dane uwierzytelniające dotyczące treści C2PA w celu oznaczenia zaangażowania w sztuczną inteligencję, umowy licencyjne między wydawcami a firmami zajmującymi się sztuczną inteligencją w zakresie danych szkoleniowych oraz narzędzia wykrywające media syntetyczne. Największy nierozwiązany spór ma charakter ekonomiczny: kto płaci dziennikarzom, gdy sztuczna inteligencja może bezpłatnie podsumowywać ich reportaże, oraz w jaki sposób media dbają o zaufanie czytelników.
Implementacja w świecie rzeczywistym
Associated Press automatycznie generuje tysiące kwartalnych raportów o dochodach przedsiębiorstw i podsumowań sportowych na podstawie ustrukturyzowanych kanałów danych.
Zespoły dochodzeniowe wykorzystują uczenie maszynowe do sortowania i przeszukiwania milionów dokumentów, które wyciekły, jak widać w Panama Papers i podobnych projektach.
Reuters i inne agencje korzystają z transkrypcji i tłumaczenia opartego na sztucznej inteligencji, aby przekształcać wywiady i nagrania w językach obcych w wielojęzyczne kopie z możliwością przeszukiwania.
Lokalne redakcje wykorzystują sztuczną inteligencję do sporządzania z publicznych rejestrów rutynowych informacji, takich jak transakcje na rynku nieruchomości, programy władz i wyniki sportowe szkół średnich.
Zagrożenia i poręcze
Wymogi prawne mogą unieważnić mocne prototypy.
Dane historyczne mogą kodować uprzedzenia, które szkodzą konkretnym społecznościom.
Starsze systemy mogą powodować wąskie gardła w integracji i ukryte koszty.
Plan wdrożenia
Zaangażuj ekspertów dziedzinowych od sformułowania problemu po ocenę.
Zaprojektuj ścieżki audytu i dokumentację przed uruchomieniem.
Wcześnie zweryfikuj wymogi dotyczące zgodności i bezpieczeństwa.
Wdrażaj etapami z jasnymi kryteriami zatrzymania i wycofywania.
Odkrywaj dalej
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Journalism and News quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Następny poradnik
AI w budownictwie
Często zadawane pytania
What is AI in Journalism and News?
Sztuczna inteligencja pomaga redakcjom szybciej gromadzić, pisać, sprawdzać fakty i rozpowszechniać artykuły, ale rodzi także trudne pytania dotyczące dokładności, zaufania i uznania czyjej pracy. Technologia zmienia kształt dziennikarstwa i tego, kto może nim się zajmować.
Która organizacja informacyjna znana jest z pionierskich zysków przedsiębiorstw i artykułów sportowych generowanych przez sztuczną inteligencję w okolicach 2014 r.?
Associated Press zaczęła używać oprogramowania Wordsmith firmy Automated Insights około 2014 roku do automatycznego generowania raportów o zyskach przedsiębiorstw i podsumowań meczów baseballowych z niższych lig.
Co poszło nie tak, gdy CNET opublikowało w 2023 r. artykuły finansowe napisane przez sztuczną inteligencję?
Artykuły finansowe CNET generowane przez sztuczną inteligencję zawierały wiele błędów rzeczowych, co zmusiło placówkę do wydania poprawek i ujawnienia zaangażowania sztucznej inteligencji.
Dlaczego generowanie języka naturalnego w oparciu o szablony jest na ogół dokładniejsze niż duży model językowy dla wyników sportowych?
Systemy szablonów wstawiają już zweryfikowane dane (takie jak końcowe wyniki) do wcześniej napisanych zdań, dzięki czemu nie wymyślają faktów w sposób, w jaki może to zrobić predykcyjny model języka.
Co to znaczy, że model językowy „ma halucynacje” w kontekście wiadomości?
Halucynacja ma miejsce, gdy model tworzy wiarygodnie brzmiącą, ale sfabrykowaną treść, taką jak wymyślone cytaty, źródła lub statystyki.
W jakim zadaniu sztuczna inteligencja szczególnie dobrze nadaje się do pomocy w dziennikarstwie śledczym?
Uczenie maszynowe doskonale radzi sobie z przeszukiwaniem ogromnych zbiorów dokumentów pod kątem wzorców i powiązań, jak wykorzystuje się to w projektach takich jak Panama Papers, podczas gdy budowanie źródeł pozostaje dziełem człowieka.