هل يمكن للذكاء الاصطناعي تطوير أنف لل新闻؟

الذكاء الاصطناعي يتحسن في كتابة قصص الأخبار، لكنه لا يتحسن كثيرًا في تحديدها.

الرأي في الخمس سنوات منذ أن نظرت لأول مرة إلى khảية الذكاء الاصطناعي في العثور على قصة أخبار ساخنة، تغيرت المناظر بشكل كبير، مع زيادة مستويات التأتمتة التي يقودها الذكاء الاصطناعي، مصحوبة بألم النمو الحتمي والخلافات.

最近، تقرير WSJ حول مساهم Fortune الشامل الذي يقدم الصحفي في المستقبل كمنحرف من الأعمال الروتينية مثل النسخ اللفظي للبيانات الصحفية، تاركًا له مجالًا لكتابة الميزات والقيام بالحفريات التي تملكها فقط المنشورات الأكبر عادةً ميزانية لذلك.

لكن ما نسمعه عنها أقل Often هو khảية الذكاء الاصطناعي في النصقصة أخبار.

Noise Abatement

في المقالة 2021، ركزت على الكتاب الذين يغطون مجال البحث، منذ أن هذا هو المكان الذي أقضي معظم وقت tôi؛ وربما كان أكبر تأثير للثورة الجديدة في الذكاء الاصطناعي على ذلك هو أنها خلقت عاصفة ثلجية من مقالات بحثية مدعومة بالذكاء الاصطناعي، مما رفع نسبة الإشارة إلى الضوضاء إلى مستوى عالٍ جدًا، حتى أن تغطية المجالات المرتبطة بالذكاء الاصطناعي في Arxiv بشكل شامل أصبحت الآن خارج قدرات شخص واحد.

بالتأكيد، هذا هو المكان الذي يتفوق فيه الذكاء الاصطناعي – في التكرار خلال كميات هائلة من البيانات التي لا يستطيع البشر حلها، للعثور على الخارجين عن المألوف (التي سوف نصل إليها بعد قليل) في ثوانٍ ما كان يمكن للناس القيام به في أيام، إذا كانوا يستطيعون القيام بذلك على الإطلاق.

لماذا، إذن، لا يزال الذكاء الاصطناعي سيئًا في تحديد قصة أخبار ساخنة من بين الآلاف، وحتى عشرات الآلاف، من المتسابقين اليوميين؟

Backward-Looking AI

تحدث هذا التضخم الهائل للمحتوى الذي ينتجه الذكاء الاصطناعي بعيدًا عن القطاع الأكاديمي الذي ناقشته في السابق. في نهاية العام الماضي، تم تقدير أن نصف جميع الكتابة الجديدة على الويب تم كتابته بواسطة الذكاء الاصطناعي، مع تسارع أكبر لهذا الاتجاه يفترض أنه قادم. لذلك، الضوضاء صاخبة في كل مكان، وليس فقط في الأكاديمية.

على الرغم من أن هناك بعض التقدم في تحديد الذكاء الاصطناعي / الخوارزمي لقصة “ساخنة” في السنوات القليلة الماضية، فإن هذه الأنظمة تميل إلى التركيز على تدفقات البيانات المنظمة بشكل متدرج ومتوقع، مما يعني أنها يمكنها العمل فقط في سياق هش.

في هذا الصدد، قام باحث ما بعد الدكتوراه في ستانفورد والصحفي السابق في نيويورك تايمز ألكسندر سبانغر ببعض الغارات في تحديد “جدارة الأخبار” بالشروط التي يمكن تطبيقها على عمليات التعلم الآلية والتحليل الإحصائي؛ وأدلى بآراء حول توليد الرصيد الآلي في المجموعات مثل الملفات القضائية و مشاريع الدولة و اجتماعات المجلس البلدي، بالإضافة إلى الوثائق العامة العامة – النوع من الإخراج الموجه الذي يمكن أن يتحول إلى 6-7 قطع أخبار في اليوم:

حرارة توزيع الكلمات المستمدة من مجموعات الوثائق العامة. في هذه الحالة، يمكننا رؤية أن ‘التصريح’ له درجة عالية، ربما لأنها تمثل القرار والتغيير والجدة. المصدر

然而، مشكلة النهج مثل العرض 2023 بقيادة سبانغر هي أنهم يركزون على الاتجاهات المرصودة في البيانات. بعبارة أخرى، فإنهم يلاحظون الأشياء التي كانت جيدة الأخبار من قبل، ويتابعون البحث عن المزيد من نفس الشيء.

في العالم الحقيقي، المصادر غير المتوقعة تقريبًا دائمًا ما تثبت أنها “عجلة واحدة ساحقة”؛ ومن أجل غموضها، لا أحد يمكن أن يتنبأ بظهورها المفاجئ. ثم، بعد أن أصبحت مثمرة مرة واحدة، وعلى الرغم من المحاولات المتكررة للاستفادة من الشهرة أو الشهرة العابرة، فإنها عادة ما لا تنتج شيئًا مفيدًا مرة أخرى.

Sign of the Times

لذلك، منذ أن يكون مراقبة هذا النوع من مصدر الأخبار “واحدة وتمام” غالبًا ما تضيف فقط المزيد من الضوضاء إلى العاصفة العامة، فهل يمكن للذكاء الاصطناعي تحديد المؤشرات لمصدر قد يصبح مثمرًا في يوم ما؟ إذا كان يمكن معرفة ما نوع المصدر قد يؤدي في النهاية إلى الأخبار، يمكن التركيز على خصائصه بدلاً من سياقه أو أساليبه.

من خلال المنطق نفسه، يمكن استنتاج من كشف إدوارد سنودن في العقد 2010 أن أي شخص ترك خدمة وكالة المخابرات المركزية (أو منظمة مماثلة) سيكون من المفيد متابعته كمصدر محتمل لقصة في المستقبل.

然而، لا توجد تيار إعلامي أو واجهة برمجة تطبيقات يمكن أن تتمكن من تلقين هذا النوع من المراقبة المستمرة، لأن لينكد إن ووسائل إعلام أخرى سابقة مفتوحة للبيانات تتقهقر في مواجهة الذكاء الاصطناعي المنهك والخاطف الذكاء الاصطناعي. حتى لو كان هناك، فإن التكرار سيكون مشكلة، لأنك لا تستطيع استجواب واجهة برمجة تطبيقات أو موقع كل خمس ثوانٍ؛ بالإضافة إلى التكلفة، فإن استجابات حظر البروتوكول من المنصات سجعل هذا النشاط غير مستدام.

أيضًا، هناك بعد “بشري” لهذه الكشوفات يصعب تلقينه.

جمع الأخبار باللمسة الشخصية: لقطة من إصدار قرص لفيلم آلان باكولا 1976 ‘رجل الرئاسة’، يظهر فيه المخبر يخرج من الظلال. المصدر

أيضًا، في العالم الحقيقي، من الصعب جدًا تحديد الخصائص التعريفية لمصدر أخبار في المستقبل. ربما ليس “الأشخاص الذين غادروا وكالة المخابرات المركزية مؤخرًا”، وبالتأكيد ليس محددًا ببروتوكول: منصات مثل إكس أو جيثاب تنتج إشارات كبيرة في حد ذاتها، وحتى تضييق النطاق على مصطلحات البحث أو فئات المنشور لا يجعلهم يفرقون.

حتى مصطلح مثل “تنبيه أمني” لا يمكن أن يسياق الأهمية الحقيقية أو جدارة الأخبار للحادث، لأن مراجع من هذا القبيل يتم طرحها يوميًا، بالآلاف، في مثل هذه المجتمعات – ومع ذلك، لها قيمة إخبارية واسعة.

The Narrow Path

تعتمد أنظمة الذكاء الاصطناعي الحالية لتحديد جدارة الأخبار على هياكل بيانات رسمية (مثل الإخراج JSON من واجهة برمجة تطبيقات)، أو هياكل بيانات غير رسمية التي يمكن أن يطورها الخوارزميات التي طورتها الذكاء الاصطناعي فرصة للتحليل إلى مخطط موحد (مثل البيانات الصحفية من منظمة معينة):

تغذية إعلاميّة مُفصّلة / إكس إم إل، تُظهر التسلسل الهرمي الصارم لحاويات البيانات. المصدر

من الواضح أن النهج من هذا القبيل مناسب للخرج البرمجي، مثل العمل الروتيني الذي يعلن عنه الكاتب في فورتشن أن الذكاء الاصطناعي أвобه من ذلك، بما في ذلك تقارير الطقس وأسعار الأسهم ونتائج الرياضة، بالإضافة إلى البيانات الصحفية الروتينية من المنظمات الحكومية البلدية والمحلية.

في حين أنه من الممكن إرفاق أجهزة تنبيه بشرية بتدفقات إحصائية مثل الطقس (عواصف فجائية) وأسعار الأسهم (انخفاضات فجائية) والرياضة (انتصارات أو هزائم غير متوقعة، مع بعض الأعمال التحضيرية)، فإن الانتباه البشري سيظل ضروريًا حتى لبيانات الحكومة الروتينية، من أجل تقييم جدارة الأخبار.

على الرغم من أن مصطلحات مثل “الموت” و “المرض غير المتوقع” و “التنقيب” و “الحادث” يمكن أن تساعد في حفر الأخبار الجديرة بالاهتمام، إلا أنها لا تتعامل إلا مع الأحداث الروتينية، ولا يمكنها أن تتعامل مع لغة بديلة (أو لغات).

Return of the Elite Writers?

في السنوات الأخيرة، أصبحت صحافة البيانات عارضة صاعدة في تغطية الأخبار، مع أقسام تحريرية لا تقتصر على صفقات الحصول على أخبار ساخنة خاصة وتقارير وبيانات من الناشرين الكبار؛ بل يمكنهم الآن تحليل الأرقام بأنفسهم.

然而، هذا ليس غداء مجاني؛ لأن القيمة الواضحة لتحليل البيانات العامة بالذكاء الاصطناعي ازدادت، فإن استجابة الركود / حظر الذكاء الاصطناعي تسبق أو تتبع الطلب، مما يدفع لاعبين الذكاء الاصطناعي الكبار إلى تكتيكات خفية.

الاحتكاك الإضافي للتراجع الجديد يrestore بعض القوة من “الjournalists المواطنين” إلى وسائل الإعلام التقليدية – أو على الأقل، المنظمات الإخبارية المموّلة جيدًا التي لديها عرض نطاق ترددي لامتصاص العمل اليدوي الإضافي المطلوب في جمع وتحسين وتقييم البيانات، في عصر يصبح فيه الناشرون والمنصات أكثر تقييدًا للوصول العرضي.

لذلك، بطريقة ما، ربما في روح العصر، التعبير العملي للذكاء الاصطناعي في الصحافة، من حيث كيف استجابت السوق واللاعبون الكبار للتطوير والتبني القائم على الذكاء الاصطناعي، قد يأخذنا في الواقع إلى الوراء: إزالة الديمقراطية من وسائل إنتاج الأخبار، وإضافة عقبات إلى أنظمة تقييم جدارة الأخبار القائمة على البيانات.

Common Instincts

تؤدي هذه القيود بوضوح إلى عودة “الانطباع” كمكون حتمي في تقييم جدارة قصة الأخبار.

من الطبيعي أن يكون هذا مريحًا لأولئك الذين يعملون بشكل محترف في هذا الجانب؛ لكن اليقين سيكون خطأ، لأن هذا الانطباع يمكن إلى حد ما أن يُستخلص ويتحول إلى شكل عام لا يعتمد على دراسة الهوايات أو هوايات أي فرد أو منظمة معينة: في دراسة 2022، استخدم باحثون من جامعة نورث وسترن تقييمات جماعية للقصص المحتملة لجدارة الأخبار لتدريب نموذج تنبؤي، يتعلق بشكل خاص بجدارة الأخبار لأوراق بحثية جديدة منشورة في Arxiv:

أسئلة الدراسة التي تم تقديمها للمشاركين للحصول على بيانات تدريب لنموذج “توقعات جدارة الأخبار”. المصدر

النظام يصنف المرشحين جيدًا، مع حوالي 80% من أفضل اختياراته يُعتبرون جديرين بالاهتمام من قبل الخبراء. ومع ذلك، اتضح أن الاتفاق مع الخبراء كان معتدلاً فقط، مع نتائج تفوق العوامل مثل الإطار أو ملاءمة الجمهور.

النظام مبني على المبادئ المحددة في الورقة 2020 اكتشاف الأخبار الحاسوبي: نحو اعتبارات التصميم للخوارزميات التوجيهية التحريرية في الصحافة. كما هو الحال في معظم المشاريع المماثلة، فإن هذا العمل يتعامل مع صحافة العلوم بدلاً من جمع الأخبار المجرد – ربما لأن الأدب العلمي يميل نحو الإخراج المُقنّع الذي يمكن تحويله إلى نقاط بيانات قابلة للتدريب والفهم.

حسناً، كما لاحظت في عام 2021، سيكون هذا هو الحال، إلا أن علماء البحوث يسيئون في كثير من الأحيان استخدام اتفاقيات تقديم الأبحاث لتحويل أو إخفاء نتائج غير ملهمة، أو حتى فشلًا مباشرًا.

ومن التحديات الأكثر صعوبة أنظمة الذكاء الاصطناعي صعوبة كبيرة في تفسير الأرقام والجداول في الأوراق العلمية، إلى الحد الذي أصبح فيه هذا السعي مؤخرًا فرعًا نشطًا في الأدب:

من الورقة ‘كشف الرسومات العلمية: معيار لاكتشاف الرسومات العلمية التي تم إنشاؤها بواسطة الذكاء الاصطناعي’، تظهر الرسومات العلمية الحقيقية، وتعليمات توليدها، والملحقات الاصطناعية التي أنتجها نانو بانانا و GPT عبر ثلاث فئات: التوضيح والإطلالة والرسومات التجريبية. المصدر

غالبًا ما تحتوي الجداول أو الرسومات على نتائج لا يتم الإبلاغ عنها أو يتجاهلها نص الأوراق، لذلك هذا الحاجز في صحافة الذكاء الاصطناعي ليس أمرًا صغيرًا.

أكثر من ذلك، حقيقة أن ورقة ما مشتقة أو مجرد تقدم طفيف (إن وجد) على حالة الفن، غالبًا ما يتم دفنها في اقتباس شبه غير قابل لل اختراق (أي أنك تحتاج إلى البحث عن المصطلح، العثور على نسخة قابلة للقراءة من PDF، وفهم مدى الفن السابق، قبل فهم عدم الأصالة أو الجدة في العمل الجديد).

Alone Again, Naturally

يقترح الأسلوب القائم على الحشد المذكور أعلاه بعض الاتفاق بين الإجماع الشائع على القصص المحتملة وجدارة الأخبار، وتقييم محترف للنفس.

然而، بدون سياق، فقط يمكن تحديد جدارة الأخبار بشكل عام.

قوة الذكاء الاصطناعي تكمن في khảيته، اعتمادًا على التكوين، في عزل الخارجين عن المألوف – إما لغرض إهمالهم كاستثناء منحني وعدم معنى لاتجاهات في مجموعة بيانات، أو (أكثر صلة لجمع الأخبار) لتحديد الحالات الغير شائعة والمرتبطة القيمة:

الخارجون عن المألوف (باللون الأحمر) في مخطط مبثر. المصدر

على مبدأ أن البرق نادرًا ما يضرب في نفس المكان مرتين، فإن معظم القصص الساخنة هي خارجيون. في الحالات التي تنشأ من مجال نشط ومتقلب، مثل حرب جارية، يمكن مسح هذا المجال بفرصة عالية لظهور قصص جديرة بالاهتمام – ولكن على حساب التوتر الكبير، لأن الانتباه الشائع ي сосредоточ أيضًا على المجال.

许多 قصص جديرة بالاهتمام العلمي، بمعنى، ليست مركز توزيع اللغة. إنها مجموعات نادرة من الأساليب، نتائج سلبية مفاجئة أو تكرارات غير عادية. إذا انخفضت كفاءة النموذج بشكل غير متناسب على هذه المجموعات منخفضة التردد، فإن المنطقة التي يحتاج فيها الأنف التحريري إلى أن يكون حادًا، تصبح المنطقة التي يكون فيها النموذج أقل موثوقية.

Trust Issues

في البحث عن قصص جديدة، يوازن الصحفيون بين العديد من القيود، بما في ذلك الوقت والوصول والمصداقية والجمهور والأولويات التنظيمية، مما يؤدي إلى اختيارات غير واضحة. في مراجعة الأدب 2022 من الدنمارك، تم وصف الصحفيين على أنهم يوازنون بين العديد من القلق، ومتأثرين بأن المصادر قد يكون لها أجندات أو تكون مخدوعة؛ وغالبًا ما يتجاوزون التحقق المباشر لصالح إشارات الثقة غير المباشرة عند العمل تحت ضغط.

هذه misma “قضايا الثقة” ستكون عقبة تطويرية في أي نظام تحديد جدارة الأخبار الذي يقودها الذكاء الاصطناعي، لأن الانخراط في这样的 منصة يتطلب من المستخدم الثقة في أن أي مقال تم التخلص منه بواسطة الخوارزمية لا يستحق وقت الكاتب.

يمكن أن ي cải thiện الاختبار التجريبي الشامل وإعادة التدريب أو التحسين الدقيق، مع إشراف بشري لالتقاط الهاربين، في النهاية تحسين موثوقية هذا النهج؛ لكن تغييرًا في الثقافة الوطنية أو العالمية – مثل التغييرات المفاجئة في المناظر السياسية، أو اندلاع الحرب – يمكن أن يقلب جميع الأولويات الأساسية لنظام متقن جيدًا، تاركًا الكاتب المعتمد على الذكاء الاصطناعي لإعادة بناء نموذج المجال الداخلي الضروري几乎 من الصفر.

نشر لأول مرة يوم الإثنين، 20 أبريل 2026.
تم تعديله يوم الخميس، 23 أبريل 2026 14:13:25، لاستبدال “Fortune” بـ “WSJ” في “المسار الضيق”، الفقرة 2 (شكرًا لمارك ريلي من mathison.ai على إبرازه).