این متن بخشی از یک پروندهٔ ویژه دربارهٔ نسبتِ هوش مصنوعی و روزنامهنگاری است؛ مجموعهای از مقالهها و گزارشها که بهجای داوری شتابزده، تلاش میکند با روایتهای واقعی، تجربههای میدانی و پرسشهای باز، نشان دهد هوش مصنوعی چگونه در حال تغییر تولید خبر، تشخیص حقیقت و اعتماد مخاطب است. هر بخش از این پرونده تکهای از این تصویر بزرگتر را روشن میکند؛ تصویری از رسانه در لحظهای گذار، میان شوقِ فناوری و اضطرابِ ازدسترفتن واقعیت.
انتشار فارسی این پروندهٔ ویژه در رسانهٔ مُصوّر بهصورت تدریجی انجام میشود. ترجمهٔ اولیهٔ متنها با کمک ابزارهای هوش مصنوعی صورت گرفته، اما هر مقاله زیر نظر ویراستار انسانی بازبینی، اصلاح و صیقل داده شده است؛ با این آگاهی که قرار نیست همهچیز بینقص، بیلکنت یا کاملاً سلیس باشد. تلاش ما این بوده که «ماهیت» متنها حفظ شود حتی اگر گاهی به بهای از دست رفتن اندکی روانی یا یکدستی باشد. درست مثل خودِ موضوع این پرونده: همکاری انسان و ماشین، با تمام تنشها و ناهماهنگیهایش.
چگونه از هوش مصنوعی استفاده میکنیم | بخش سوم
بدانید که در برخی اتاقهای خبر، مدلهای زبانی همین حالا قواعد بازی را عوض کردهاند
بِن ولش[1]، بنیانگذار میز «اپلیکیشنهای خبری» در رویترز؛ مسئول توسعهٔ داشبوردها، پایگاههای داده و سامانههای خودکار
اتاقهای خبر شبیه کارخانهاند. اما محصول ما نه از فولاد ساخته میشود، نه آلومینیوم و نه ذرت. محصول ما «اطلاعات» است. خط تولیدِ من در میدان تایمز نیویورک قرار دارد؛ جایی که تیمی تخصصی در رویترز را هدایت میکنم؛ تیمی که کارش انتشار محصولات دادهمحور برای مشتریان سرویس خبری، سرمایهگذارانی که از طریق ترمینالهای LSEG خبرهای اقتصادی را میبلعند، و همچنین تمام مخاطبانی که به رویترز سر میزنند. مانند هر کارخانهای، اتوماسیون بخش جداییناپذیر کار ماست. با تکیه بر مهارتهای خبرنگاری، ویرایشی و برنامهنویسی خود، هر هفته صدها نمودار خبری منتشر میکنیم بیآنکه دستی تکان دهیم. نرمافزار را طوری تنظیم میکنیم که خودش سرِ موعد خروجی بدهد.
مدلهای زبانی بزرگ همین حالا هم سرعت کار ما را بالا بردهاند. هر روز، نسل تازهای از دستیاران دیجیتال که در ابزارهای کدنویسی ما ادغام شدهاند پیشنهاد میدهند قدم بعدی چیست و کجا اشتباه کردهایم.
اگر کنترل کار را در دست نگه داریم و پیشنهادهای هوش مصنوعی را دقیق بررسی کنیم، این «مکملِ خودکارِ عجیبوغریب» میتواند سرعت و کیفیت کدنویسی ما را افزایش دهد. مدیرعامل گوگل، سوندار پیچای[2]، اخیراً اعلام کرد که هوش مصنوعی اکنون یکچهارم کدهای شرکتش را مینویسد. تقریباً مطمئنم که تیم من هم به همان اندازه به این نقطه نزدیک شده است.
ده سال پیش، روزنامهنگاران داده مثل ما در تلاش بودند تکنیکهایی را بیاموزند که بر پایهٔ اصول مشابه مدلهای زبانی کار میکردند. اما استفاده از آنها مستلزم حجم عظیمی از آموزش انسانی و مهارت برنامهنویسی بود و در نهایت هم نتیجهٔ خاصی به بار نمینشاند. امروز این ابزارهای دههٔ ۲۰۱۰ به اندازهٔ یک چرتکه، قدیمی و محدود به نظر میرسند. مدلهای زبانی بزرگ معادله را کاملاً تغییر دادهاند: میتوانند همان کارها را بدون تخصص کدنویسی و بدون نیاز به آموزش، اما با خروجی بهتر انجام دهند. این مدلها که بر پایهٔ حجم عظیمی از اطلاعاتِ جمعآوریشده از وب آموزش دیدهاند، معمولاً نتیجههای باکیفیتتری ارائه میکنند.
برای دیدن توان واقعی این ابزارها، به سراغ کتاب درسی رایگان و متنباز بروید که اخیراً همراه با درک ویلیس[3]، مدرس روزنامهنگاری داده در دانشگاه مریلند، نوشتهام. در آنجا نشان میدهیم که روزنامهنگاران چگونه میتوانند با کمک مدلهای زبانی بزرگ، «سوزن فساد» را در «کوههای داده» تولیدشده توسط کمپینهای سیاسی پیدا کنند. تکنیکهایی از این دست همین حالا نحوهٔ تهیهٔ خبر در رویترز را تغییر دادهاند، چراکه شکل توانمندتری از یادگیری ماشین را در دسترس طیف گستردهتری از خبرنگاران قرار میدهند. نمیتوانم دقیق بگویم از اینجا به کجا میرویم، اما برای من روشن است که این ابزارها بالاخره با نیازهای ما سازگار شدهاند.
به هوش مصنوعی باید مثل «دست» نگاه کرد، نه «مغز»
سوزی کیگل، نویسنده و هنرمند در پروپابلیکا، گاردین، نیشن، وایرد و رسانههای دیگر[4]
در سالهایی که فشار ددلاینها نفسم را میبُرید، شاید نیمنگاهی هم به این رویا داشتم که روزی کامپیوتری پیدا شود که بهتر از خودم برایم تصویر بکشد. من در سال ۲۰۰۸ نقاشی را یاد گرفتم؛ در روزهایی که رسانهها از جهان چاپی جدا میشدند و وارد عصر دیجیتال میشدند. میخواستم در دل صفحههای سرد دیجیتال، حسی از لمس و جهان فیزیکی بیاورم؛ یادآوریِ حضور دستِ انسان.
آن زمان در طراحی مهارتی نداشتم و بعدتر هم تبدیل به تصویرگر بزرگی نشدم. گزارشهای مصور من که از چندین فریم و تصویر ساخته میشود، نه به زیبایی، بلکه به ایده و روایتی که قاببهقاب جلو میرود تکیه دارد. هر تصویر نتیجهٔ صدها تصمیم است: ترکیببندی قاب، حالت دقیق چهرهٔ سوژه، پالتی رنگی که حالوهوای خاصی ایجاد کند؛ و همهٔ اینها بعد از تحقیق بصری مفصل. میتوان آیندهای را تصور کرد که در آن رباتها بتوانند نقاشی را بهعنوان یک «وظیفه» و در چارچوب قواعدی که من تعیین میکنم اجرا کنند؛ آیندهای که در آن هوش مصنوعی کارم را روانتر، کارآمدتر و بهینهتر میکند. اما با حذفکردنِ عامل انسانی، کار را از اصالت تهی میکند و همین، آن را از حقیقت دور میکند.
من از هوش مصنوعی نمیترسم، به شرطی که نقش «دست» را بازی کند نه «مغز». تردید من بیشتر از جنس بیاعتمادی نیست؛ از یک اختلاف بنیادی در نگاه هنری میآید. کار مصور من در هر فریم، یک «دیدگاه مشخص و انسانی» را بیان میکند. هر خطی که با دست کشیده میشود یادآور تعمدی این نکته است که روزنامهنگاری، حتی در روایت بصریاش، هنری انسانی و ذهنی است. و واقعاً چه کسی حاضر است انسانیت را با سرعت و یکنواختی معامله کند؟
پرسش: آیا ارزشِ این هزینهٔ زیستمحیطی را دارد؟
سیسی وی[5]، مدیر ارشد بخش «تأثیر» در کلمترز و مارکآپ
من کارم را در این صنعت بهعنوان خبرنگار داده آغاز کردم؛ برای همین با این حس آشنا هستم که مردم همزمان از یک ابزار جدید میترسند و مجذوبش میشوند. یادم هست زمانی که دلم میخواست همهٔ خبرنگاران کدنویسی یاد بگیرند؛ چون کدنویسی به ما اجازه میداد دادهها و منابع را شخصاً راستیآزمایی کنیم. با کدنویسی توانستم ابزارهایی بسازم که به مردم «تواناییهای فوقالعاده» میداد: از اینکه بفهمند پزشکشان بابت تبلیغ چه داروهایی پول گرفته، تا اینکه بتوانند اظهارنامههای مالیاتی هر خیریهٔ آمریکایی را بررسی کنند.
ماجرای هوش مصنوعی هم همین است. فقط اینبار افراد بیشتری دغدغهٔ اخلاقی دارند. نگرانیای که بیشتر از همه ذهنم را مشغول میکند این است: هوش مصنوعی انرژیبر است.
یک گفتوگوی کوتاه با چتجیپیتی به اندازهٔ یک بطری نیم لیتری آب مصرف میکند؛ و هر بار تعامل با یک مدل زبانی بزرگ، سه تا ده برابر یک جستوجوی معمولی گوگل انرژی میطلبد. برای تأمین این انرژی، شرکتهای فناوری در حال ساخت دیتاسنترهای جدیدند و برخی نیروگاهها دوباره فعال میشوند؛ اقدامی که اغلب سلامت جوامع سیاهپوست را با افزایش آلودگی تهدید میکند. هر بار که از هوش مصنوعی استفاده میکنم، به هزینهٔ زیستمحیطی آن فکر میکنم.
درعینحال، میدانم که هوش مصنوعی میتواند ابزاری خارقالعاده در خدمت منافع عمومی باشد. مثلاً پروژهٔ دیجیتالدموکراسی ما با کمک هوش مصنوعی کار میکند: این پلتفرم تقریباً تمام اطلاعات مربوط به قانونگذاران ایالت کالیفرنیا را ردیابی، انبوه دادهها را تحلیل و برای خبرنگاران ما ایدهٔ سوژه تولید میکند. بعضی از این سرنخهای خبریِ تولیدشده با هوش مصنوعی، چیزی بوده که یک خبرنگار باسابقهٔ دادهمحور شاید طی هفتهها یا ماهها کشف میکرد. گزارشهایی که با کمک هوش مصنوعی تولید شدهاند، همین حالا هم تغییراتی در مجلس ایالتی ایجاد کردهاند.
هر بار که از هوش مصنوعی استفاده میکنم، از خودم میپرسم: آیا ارزشش را دارد؟
و بعد دوباره میپرسم: آیا واقعاً میتوانم جواب دقیق این پرسش را بدانم؟
بااینهمه، جای امیدواری هست. پژوهشگران راهکارهایی برای کاهش اثرات زیستمحیطی هوش مصنوعی پیشنهاد دادهاند. یکی از مهندسان دادهٔ تیم من مدلهای زبانی را بهصورت محلی (Local) اجرا میکند تا مصرف انرژی کمتر شود. اگر شما هم از هوش مصنوعی استفاده میکنید و با چنین پرسشهایی دستوپنجه نرم میکنید، مشتاقم تجربههایتان را بشنوم.
[1] Ben Welsh, Founder of the Reuters News Applications Desk, where he leads the development of dashboards, databases, and other automated systems
[2] Sundar Pichai
[3] Derek Willis
[4] Susie Cagle, A writer and artist for ProPublica, The Guardian, Wired, The Nation, and many others
[5] Sisi Wei, Chief impact officer at CalMatters and The Markup
