Kung paanong binago ng mga robot ang buong bahagi ng ekonomiya ng pagmamanupaktura, binabago na ngayon ng artificial intelligence at automation ang trabaho ng impormasyon, na hinahayaan ang mga tao na mag-offload ng cognitive labor sa mga computer. Sa pamamahayag, halimbawa, ang mga data mining system ay nag-aalerto sa mga reporter sa mga potensyal na balita , habang ang mga newsbot ay nag-aalok ng mga bagong paraan para sa mga madla na tuklasin ang impormasyon. Ang mga awtomatikong sistema ng pagsulat ay bumubuo ng saklaw sa pananalapi, palakasan at halalan .
Ang isang karaniwang tanong habang ang mga matatalinong teknolohiyang ito ay pumapasok sa iba't ibang industriya ay kung paano maaapektuhan ang trabaho at paggawa . Sa kasong ito, sino - o ano - ang gagawa ng pamamahayag sa AI-enhanced at automated na mundo, at paano nila ito gagawin?
Ang ebidensyang naipon ko sa aking bagong aklat na " Pag-automate ng Bago: Paano Muling Pagsusulat ng mga Algorithm ang Media " ay nagmumungkahi na ang hinaharap ng pamamahayag na pinagana ng AI ay magkakaroon pa rin ng maraming tao sa paligid. Gayunpaman, ang mga trabaho, tungkulin at gawain ng mga taong iyon ay magbabago at magmumukhang kaunti. Ang gawain ng tao ay i-hybridize - pinaghalo kasama ng mga algorithm - upang umangkop sa mga kakayahan ng AI at mapaunlakan ang mga limitasyon nito.
Pagpapalaki, hindi pagpapalit
ng ilang pagtatantya na ang mga kasalukuyang antas ng teknolohiya ng AI ay maaari lamang mag-automate ng halos 15% ng trabaho ng isang reporter at 9% ng trabaho ng isang editor. Ang mga tao ay may kalamangan pa rin kaysa sa hindi Hollywood AI sa ilang mga pangunahing lugar na mahalaga sa pamamahayag, kabilang ang kumplikadong komunikasyon, ekspertong pag-iisip, kakayahang umangkop at pagkamalikhain.
Pag-uulat, pakikinig, pagtugon at pagtulak pabalik, pakikipag-ayos sa mga pinagmumulan, at pagkatapos ay pagkakaroon ng pagkamalikhain upang pagsama-samahin ito - hindi magagawa ng AI ang alinman sa mga kailangang-kailangan na gawaing pamamahayag. Gayunpaman, kadalasan ay maaari nitong dagdagan ang gawain ng tao, upang matulungan ang mga tao na magtrabaho nang mas mabilis o may pinahusay na kalidad. At maaari itong lumikha ng mga bagong pagkakataon para sa pagpapalalim ng saklaw ng balita at gawin itong mas personalized para sa isang indibidwal na mambabasa o manonood.
Ang gawain sa silid-basahan ay palaging umaangkop sa mga alon ng bagong teknolohiya, kabilang ang photography, mga telepono, mga computer - o kahit na ang copy machine lang. Makikibagay din ang mga mamamahayag upang magtrabaho kasama ang AI. Bilang isang teknolohiya, ito ay mayroon at patuloy na magbabago sa gawaing pang-balita, kadalasang umaakma ngunit bihirang palitan ang isang sinanay na mamamahayag.
Bagong gawa
Nalaman ko na mas madalas kaysa sa hindi, ang mga teknolohiya ng AI ay lumilitaw na aktwal na lumilikha ng mga bagong uri ng trabaho sa pamamahayag.
Kunin halimbawa ang Associated Press, na noong 2017 ay nagpakilala ng paggamit ng mga diskarte sa computer vision AI upang lagyan ng label ang libu-libong larawan ng balita na pinangangasiwaan nito araw-araw. Maaaring i-tag ng system ang mga larawan na may impormasyon tungkol sa kung ano o sino ang nasa isang larawan, ang istilo ng photographic nito, at kung ang isang larawan ay naglalarawan ng graphic na karahasan.
Binibigyan ng system ang mga editor ng larawan ng mas maraming oras upang mag-isip tungkol sa kung ano ang dapat nilang i-publish at pinapalaya sila mula sa paggastos ng maraming oras sa paglalagay lamang ng label kung ano ang mayroon sila. Ngunit ang pagbuo nito ay kinailangan ng isang toneladang trabaho, parehong editoryal at teknikal: Kailangang malaman ng mga editor kung ano ang ita-tag at kung ang mga algorithm ay nasa gawain, pagkatapos ay bumuo ng mga bagong set ng data ng pagsubok upang suriin ang pagganap. Kapag nagawa na ang lahat, kailangan pa rin nilang pangasiwaan ang system, na manu-manong aprubahan ang mga iminungkahing tag para sa bawat larawan upang matiyak ang mataas na katumpakan.
Sinabi sa akin ni Stuart Myles, ang AP executive na nangangasiwa sa proyekto, na tumagal ito ng humigit-kumulang 36 na tao-buwan ng trabaho, na kumalat sa loob ng ilang taon at higit sa isang dosenang editoryal, teknikal at administratibong kawani. Humigit-kumulang isang katlo ng trabaho, sinabi niya sa akin, ay nagsasangkot ng kadalubhasaan sa pamamahayag at paghatol na lalong mahirap i-automate. Bagama't maaaring mabawasan ang ilan sa pangangasiwa ng tao sa hinaharap, sa palagay niya ay kakailanganin pa rin ng mga tao na gawin ang patuloy na gawaing editoryal habang nagbabago at lumalawak ang system.
Semi-automated na paggawa ng nilalaman
Sa United Kingdom, ang proyekto RADAR ay semi-awtomatikong nagpapalabas ng humigit-kumulang 8,000 naka-localize na mga artikulo ng balita bawat buwan . Ang system ay umaasa sa isang matatag na anim na mamamahayag na nakahanap ng mga set ng data ng gobyerno na naka-tabulate ayon sa heyograpikong lugar, nakikilala ang mga kawili-wili at karapat-dapat na balita, at pagkatapos ay bumuo ng mga ideyang iyon sa mga template na batay sa data. Ang mga template ay nag-encode kung paano awtomatikong iangkop ang mga piraso ng teksto sa mga heyograpikong lokasyon na tinukoy sa data. Halimbawa, maaaring pag-usapan ng isang kuwento ang tungkol sa mga tumatandang populasyon sa buong Britain, at ipakita sa mga mambabasa sa Luton kung paano nagbabago ang kanilang komunidad, na may iba't ibang mga lokal na istatistika para sa Bristol. Ang mga kuwento pagkatapos ay ilalabas sa pamamagitan ng wire service sa lokal na media na pipili kung alin ang i-publish.
Ang diskarte ay nagpapakasal sa mga mamamahayag at automation sa isang epektibo at produktibong proseso. Ginagamit ng mga mamamahayag ang kanilang kadalubhasaan at mga kasanayan sa komunikasyon upang maglatag ng mga opsyon para sa mga storyline na maaaring sundin ng data. Nakikipag-usap din sila sa mga mapagkukunan upang mangalap ng pambansang konteksto, at isulat ang template. Ang automation pagkatapos ay gumaganap bilang isang katulong sa produksyon, na inaangkop ang teksto para sa iba't ibang mga lokasyon.
Gumagamit ang mga mamamahayag ng RADAR ng isang tool na tinatawag na Arria Studio, na nag-aalok ng isang sulyap sa kung ano ang hitsura ng pagsusulat ng awtomatikong nilalaman sa pagsasanay. Ito ay talagang isang mas kumplikadong interface para sa pagpoproseso ng salita. Nagsusulat ang may-akda ng mga fragment ng text na kinokontrol ng data-driven if-then-else rules. Halimbawa, sa isang ulat ng lindol, maaaring gusto mo ng ibang pang-uri na pag-usapan ang tungkol sa isang lindol na magnitude 8 kaysa sa isang magnitude 3. Kaya magkakaroon ka ng panuntunan tulad ng, IF magnitude > 7 THEN text = "malakas na lindol," ELSE IF magnitude < 4 THEN text = “minor earthquake.” Ang mga tool tulad ng Arria ay naglalaman din ng linguistic functionality upang awtomatikong pagsama-samahin ang mga pandiwa o tanggihan ang mga pangngalan, na ginagawang mas madaling gamitin ang mga piraso ng text na kailangang baguhin batay sa data.
screenshot ni Nicholas Diakopoulos ng Arria Studio , CC BY-ND
Ang mga interface ng pag-akda tulad ng Arria ay nagbibigay-daan sa mga tao na gawin kung ano ang kanilang mahusay sa: lohikal na pagbuo ng mga nakakahimok na storyline at paggawa ng malikhain, hindi paulit-ulit na teksto. Ngunit nangangailangan din sila ng ilang mga bagong paraan ng pag-iisip tungkol sa pagsusulat. Halimbawa, kailangang lapitan ng mga template writer ang isang kuwento nang may pag-unawa sa kung ano ang maaaring sabihin ng available na data – para isipin kung paano maaaring magdulot ang data ng iba't ibang anggulo at kwento, at ilarawan ang lohika upang himukin ang mga variation na iyon.
Ang pangangasiwa, pamamahala o kung ano ang maaaring tawagin ng mga mamamahayag na "pag-edit" ng mga awtomatikong sistema ng nilalaman ay lalong sumasakop sa mga tao sa silid-basahan. Ang pagpapanatili ng kalidad at katumpakan ay ang pinakamahalagang pag-aalala sa pamamahayag.
Nakabuo ang RADAR ng tatlong yugto na proseso ng pagtiyak ng kalidad. Una, babasahin ng isang mamamahayag ang isang sample ng lahat ng mga artikulong ginawa. Pagkatapos ay sinusubaybayan ng isa pang mamamahayag ang mga claim sa kuwento pabalik sa kanilang orihinal na pinagmulan ng data. Bilang ikatlong pagsusuri, dadaan ang isang editor sa lohika ng template upang subukang makita ang anumang mga error o pagkukulang. Ito ay halos katulad ng gawaing maaaring gawin ng isang pangkat ng mga software engineer sa pag-debug ng isang script – at lahat ng ito ay dapat gawin ng mga tao, upang matiyak na ginagawa ng automation ang trabaho nito nang tumpak.
Pagbuo ng human resources
Ang mga inisyatiba tulad ng sa Associated Press at sa RADAR ay nagpapakita na ang AI at automation ay malayo sa pagsira sa mga trabaho sa pamamahayag. Lumilikha sila ng bagong trabaho – pati na rin ang pagpapalit ng mga kasalukuyang trabaho. Ang mga mamamahayag ng bukas ay kailangang sanayin upang magdisenyo, mag-update, mag-tweak, magpatunay, magtama, mangasiwa at sa pangkalahatan ay mapanatili ang mga sistemang ito. Maaaring kailanganin ng marami ang mga kasanayan para sa pagtatrabaho sa data at pormal na lohikal na pag-iisip upang kumilos sa data na iyon. Ang pagiging matatas sa mga pangunahing kaalaman sa computer programming ay hindi rin makakasakit.
Habang umuunlad ang mga bagong trabahong ito, magiging mahalaga na matiyak na ang mga ito ay mahusay na trabaho – na ang mga tao ay hindi lamang nagiging cogs sa isang mas malaking proseso ng makina. Ang mga tagapamahala at taga-disenyo ng bagong hybrid na paggawa ay kailangang isaalang-alang ang mga alalahanin ng tao tungkol sa awtonomiya, pagiging epektibo at kakayahang magamit. Ngunit umaasa ako na ang pagtutuon sa karanasan ng tao sa mga sistemang ito ay magbibigay-daan sa mga mamamahayag na umunlad, at ang lipunan ay umani ng mga gantimpala ng bilis, lawak ng saklaw at mas mataas na kalidad na maiaalok ng AI at automation.
Nicholas Diakopoulos , Assistant Professor of Communication Studies, Northwestern University
Ang artikulong ito ay muling nai-publish mula sa The Conversation sa ilalim ng lisensya ng Creative Commons. Basahin ang orihinal na artikulo .
