AI žurnalistika: kapacitet veštačke inteligencije u obavljanju novinarskih zadataka

Ja to, međutim, ne mogu. Ne znam ko ste, ne znam kakvo je vaše predznanje o ovoj temi, ne znam kakva su vaša interesovanja i da li ste dovoljno odmorni da odvojite 5-6 minuta za pasuse koji slede.

Sve ovo bi, ipak, uskoro moglo da se promeni. Algoritam, za razliku od mene, može da oblikuje tekst o jednoj temi na stotinu različitih načina, za stotinu ljudi i njihovih stotinu ćudi.

Potencijal automatizacije

Algoritmi već uveliko obavljaju bočne zadatke na medijskom tržištu. Digitalni mediji na taj način prikupljaju podatke o broju čitalaca i vremenu koje su proveli uz konkretne sadržaje, sagledavaju trendove i SEO performanse. Veštačka inteligencija može u velikoj meri da pomogne novinarima tokom lektorisanja i prevođenja, analize velikih podataka, provere porekla i autentičnosti vizuelnih sadržaja, a s protokom vremena spisak potencijalnih zadataka se proširuje. Veštačka inteligencija kreira tekstove (ChatGPT), tvitove (TweetGPT), slike (Midjourney), donekle i video (Genmo), sinhronizuje tekst (Narration box), parafrazira ga (PowerPen), unapređuje kvalitet slika lošije rezolucije (IMGupscaler)… Analitičari Instituta MekKinzi procenjuju da je trenutni potencijal automatizacije u sektoru informisanja 41%, što je (primera radi) više nego u obrazovnom sektoru (34%), a manje nego u sektoru poljoprivrede, šumarstva i ribarstva (50%).

S vremenom će taj potencijal nesumnjivo porasti s aktuelnih 41%. Pitanje je, međutim, može li da dođe do 90% ili 100% i tako trajno ukine potrebu za novinarima?

Tehnošovinizam i averzija prema algoritmu

Profesorka novinarstva i novinarka Meredit Brusar poziva na oprez: „Kad god zateknete sebe kako predviđate da će nas neko novo tehnološko sredstvo uvesti u novu eru, zapitajte se – hoće li, zaista? Hiperbolisanje u vezi sa tehničkim sredstvima vrsta je predrasude koju nazivam tehnošovinizam, a bazira se na pretpostavci da su tehnička rešenja uvek superiorna u odnosu na druga rešenja“. (1)

Pojmu „tehnošovinizma“ Hana Fraj, profesorka matematike gradova na Univerzitetskom koledžu u Londonu, suprotstavila bi pojam „averzija prema algoritmu“. U svojoj knjizi „Zdravo, svete: Kako biti human u doba mašina“ ona kaže kako su „ljudi netolerantniji prema greškama jednog algoritma nego prema sopstvenim – čak i kada su njihove greške krupnije“ (2).

Jedan algoritam, jedna lopta i dve sestre

Zamislimo hipotetičku situaciju: onlajn portal koristi veštačku inteligenciju za izveštavanje o košarkaškim utakmicama. AI sistem iščitava rezultat, statističke podatke i informacije o izmenama, pa na osnovu toga kreira tekst, ali i prateće infografike – i to sve u realnom vremenu. On, takođe, nastoji da upozna publiku – neće je zatrpavati nizovima suvoparnih podataka preko kojih prosečan čitalac samo preleti pogledom, već će prostor posvetiti ključnim trendovima, momentima preokreta i koševima koji su izazvali najglasnije ovacije publike.

Novinar koji je nekad „ručno“ izveštavao o košarci za taj portal ljubomoran je na svog AI kolegu, ali je istovremeno i zadivljen njegovim „talentom“: tekstovi su sjajno napisani i organizovani, vizuelno upečatljivi, bez slovnih grešaka. Dok je on izveštavao s utakmica, pogotovo reprezentativnih, gde je istovremeno bio i izveštač i navijač, dešavalo mu se da promaši padež ili ime igrača suparničkog tima, a posebno ga je frustriralo što ne može da uživa u mečevima s kojih izveštava, već da paralelno prati dešavanja na terenu i ekranu.

Jednog dana, AI sistem dobija zadatak da prati utakmicu gde u jednom timu igraju dve sestre s istim prezimenom. Algoritam se dosad nije susreo s ovakvom mogućnošću, iako nije nesvakidašnja. Umesto da sestre posmatra kao dve igračice, on počinje da sabira koševe koje su postigle. I ne samo to: na osnovu dvostrukog, sabranog rezultata, počinje da kopa po arhivama i zaključuje da ženska košarka ne pamti tako uspešnog igrača.

Nakon što ova očigledna greška postane predmet podsmeha u komentarima i na društvenim mrežama, mnogi će zaključiti kako „nema novinarstva bez živog čoveka“, zaboravljajući pritom da je isti AI sistem besprekorno izveštavao sa stotina utakmica, kao i da se greška koju je napravio može lako ukloniti, a slične greške preduprediti.

Nivoi primene: od brojeva do konteksta

Primena automatizacije u sportskom novinarstvu nije naučna fantastika. Ona je već na snazi: u radu „Veštačka inteligencija i novinarska praksa“ Sadija Džamil navodi da se mnoge velike medijske korporacije, poput Bi-Bi-Si-ja, Gardijana, Forbsa, Vašington posta, Asošijejted presa i Rojtersa oslanjaju na računare pri izveštavanju o sportu, vremenskim prilikama i berzi, „potvrđujući time da mašine mogu biti temeljnije i sveobuhvatnije od nekih reportera“ (3).

Pobrojane opcije iz prethodnog pasusa mogu delovati zadivljujuće, ali u isto vreme podsećaju na vrlo ograničene domete AI izveštavanja. Ono je, za sada, limitirano na oblasti koje su poglavito zasnovane na interpretaciji brojeva (golova, stepeni celzijusa ili miliona dolara), tj. na oblasti koje ne zahtevaju interpretaciju konteksta.

„Veštačka inteligencija može transformisati novinarsku profesiju, ali će u tom smislu pre unaprediti nego zameniti rad novinara“, zaključuju Hansen i saradnici u radu „Veštačka inteligencija: praksa i implikacije u novinarstvu“ (4). Oni navode i stav Čejsa Dejvisa, bivšeg urednika „interaktivnih vesti“ u Njujork tajmsu, koji smatra da algoritmi pre svega mogu da se primenjuju kao pomoćnici pri „traženju igle u plastu sena“ ili pri analizi trendova.

A koliko AI sistemi mogu da nam pomognu u istraživačkom novinarstvu? Džonatan Strej sa Berklija, ekpert za veštačku inteligenciju, veruje da bi naš entuzijazam u tom pogledu trebalo da bude umeren. Kao pozitivan primer izdvaja istraživačku priču „Dozvola za izdaju“: novinari iz Atlante pretražili su uz pomoć veštačke inteligencije 100.000 disciplinskih kartona kako bi ustanovili koliko često se dešava da je lekarima koji su seksualno zlostavljali pacijente dozvoljeno da nastave da rade. AI sistem suzio je taj nepregledni niz dokumenata na 6.000, koji su potom „peške“ analizirani.

Čak i u ovakvom, nadahnjujućem primeru, novinari su morali da urade veliki deo posla starinskim, analognim putem. Strej navodi kako „AI trenutno nije u širokoj upotrebi u istraživačkom novinarstvu, uprkos tome što je mnogo obećavao“: do informacija od javnog značaja retko ćemo doći tako što ćemo pustiti softver da „kopa“ – veliki broj dokumenata nije digitalizovan, veliki broj je sakriven, teško dostupan, veliki broj se nalazi u bazama koje naplaćuju pristup…

Da li je „99%“ dovoljno uspešno?

Softver koji greši sabirajući poene dveju košarkašica ne bi nikome naneo veliku štetu. Ali evo, s druge strane, primera koji navodi Strej: zamislimo softver koji pogrešno tumači dokumente u sklopu istraživanja o pranju novca. Neka u stotinu slučajeva napravi samo jedan previd i markira nevinu osobu kao krivu – potencijalna šteta je ogromna. U tom svetlu, softver s 99% uspešnosti može bez ljudskog nadzora da bude angažovan u sportskom, ali ne i u istraživačkom novinarstvu. Još jedan problem: AI rešenja su u kontekstu istraživačkog novinarstva izuzetno skupa, a izgradnja programa isplativa je samo ako je višestruko primenljiva. Nažalost, većina velikih priča je kranje specifična: svaka od njih je priča za sebe i podrazumevala bi različite putanje koje vode do rešenja.

Osim tekstova baziranih na brojevima, AI sistemi će veoma brzo moći da sastavljaju i tekstove esejskog tipa – poput ovog. Oni su već na tom tragu (ChatGPT), ali trenutno prave previše grešaka i pogrešnih interpretacija da bi ih mediji bezbrižno koristili. Neka, kao u vremenskoj kapsuli, na ovom mestu stoji podsetnik: zadaćemo AI sistemu da za pet godina, 2028, napiše za sajt Novosadske novinarske škole tekst o kapacitetima veštačke inteligencije u obavljanju novinarskih zadataka. Ako tekst bude izvanredan, zamoliću softver da mi napiše još jedan. Tema: „Kako se nositi sa sujetom nakon otkrića da je AI bolji novinar od mene“.

Izvori:

(1) Broussard, M., Diakopoulos, N., Guzman, A. L., Abebe, R., Dupagne, M., & Chuan, C. H. (2019). Artificial intelligence and journalism. Journalism & Mass Communication Quarterly, 96(3), 673-695

(2) Fraj, Hana. (2019). Zdravo, svete: Kako biti human u doba mašina. Beograd: Laguna.

(3) Jamil, S. (2021). Artificial intelligence and journalistic practice: The crossroads of obstacles and opportunities for the Pakistani journalists. Journalism Practice, 15(10), 1400-1422.

(4) Hansen, M., Roca-Sales, M., Keegan, J. M., & King, G. (2017). Artificial intelligence: Practice and implications for journalism.

(5) Stray, J. (2019). Making artificial intelligence work for investigative journalism. Digital Journalism, 7(8), 1076-1097.