Μπορεί το AI να Ανάπτυξει Μια Μύτη για Ειδήσεις;

Το AI γίνεται καλύτερο στο γράψιμο ιστοριών ειδήσεων, αλλά δεν γίνεται πολύ καλύτερο στο αναγνώρισμό τους.

Γνώμη Στις πέντε χρόνια από τότε που τελευταία έκανα μια ματιά στην ικανότητα του AI να βρει μια καυτή ιστορία ειδήσεων, το τοπίο έχει αλλάξει σημαντικά, με αυξημένα επίπεδα αυτοματοποίησης που οδηγούσαν από το AI, συνοδευμένα από τις αναπόφευκτες αυξανόμενες πόνους και συζήτησης.

Πρόσφατα, μια αναφορά του WSJ για einen προικισμένο, AI-βοηθούμενο Fortune συνεισφέροντα παρουσίασε τον δημοσιογράφο του μέλλοντος ως απελευθερωμένο από δουλειές όπως η μεταγραφή δημοσιευμάτων, αφήνοντας του χώρο να γράψει τα χαρακτηριστικά και να κάνει τις έρευνες που μόνο μεγαλύτερες εκδόσεις συνήθως έχουν το προϋπολογισμό για.

Αλλά τι ακούμε πολύ λιγότερο συχνά είναι η ικανότητα του AI να αναγνωρίσει μια ιστορία ειδήσεων.

Μείωση του Θορύβου

Στο άρθρο του 2021, εστιάστηκα στους συγγραφείς που καλύπτουν την έρευνα,既然 ότι είναι όπου περνάω το περισσότερο χρόνο μου· και ίσως η μεγαλύτερη επίδραση που η νέα επανάσταση του AI είχε σε αυτό είναι ότι δημιούργησε μια ακαταμάχητη χιονοθύελλα από υποβολές ερευνητικών εργασιών που οδηγούσαν από το AI, αυξάνοντας το λόγο σήματος προς θόρυβο τόσο υψηλά που ακόμη και η κάλυψη των Arxiv AI-σχετικών τομέων σε μια ολοκληρωμένη μορφή είναι πλέον πέρα από τις προσπάθειες ενός ατόμου.

Βέβαια, αυτό είναι όπου το AI εξέχει – στο να επαναλαμβάνει μέσω τεράστιων τμημάτων δεδομένων που οι άνθρωποι δεν μπορούν να λύσουν, για να βρει ‘παράξενες’ (τις οποίες θα φτάσουμε σύντομα) σε δευτερόλεπτα που θα πήρε ημέρες στους ανθρώπους, αν θα μπορούσαν να το κάνουν.

Γιατί, τότε, το AI είναι ακόμη τόσο κακό στο να αναγνωρίσει μια καυτή ιστορία ειδήσεων από τις χιλιάδες, ακόμη και δεκάδες χιλιάδες, καθημερινές διεκδικήσεις;

Οπίσθια Ματιά AI

Αυτή η τεράστια εξάπλωση του AI-γενικού περιεχομένου συμβαίνει πολύ πέρα από τον ακαδημαϊκό τομέα που συζητήθηκα προηγουμένως. Τον τελευταίο χρόνο, υπολογίστηκε ότι το ήμισυ όλων των νέων γραπτών στο διαδίκτυο γράφεται τώρα από το AI, με ακόμη μεγαλύτερη επιτάχυνση αυτής της τάσης που υποθέτεται ότι έρχεται. Έτσι, ο θόρυβος είναι ακατασίγαστος παντού, όχι μόνο στην ακαδημία.

Αν και έχει υπάρξει κάποια πρόοδος στην ταυτοποίηση του AI/αλγορίθμου μιας ‘καυτής’ ιστορίας τα τελευταία χρόνια, αυτά τα συστήματα τείνουν να επικεντρώνονται σε στρωμένα και προβλέψιμα οργανωμένα δεδομένα, που σημαίνει ότι μπορούν να λειτουργήσουν μόνο σε ένα rather εύθραυστο περιβάλλον.

Σε αυτό το πλαίσιο, ο μεταδιδακτορικός ερευνητής του Stanford και πρώην δημοσιογράφος του New York Times Alexander Spangher έχει κάνει πολλές προσπάθειες για να ορίσει τη ‘νέα’ σε όρους που μπορούν να εφαρμοστούν σε διαδικασίες μηχανικής μάθησης και στατιστικής ανάλυσης· και έχει παράγει αποδείξεις για αυτοματοποιημένη γεννήτρια οδηγών σε corpora όπως δίκες, νομοσχέδια κρατών, και συνεδριάσεις δημοτικού συμβουλίου, καθώς και γενικά δημόσια έγγραφα – το είδος του σχήματος-εξόδου που ο συγγραφέας του Fortune μπορεί να μετατρέψει σε 6-7 ειδήσεις την ημέρα:

Η ‘θερμότητα’ των κατανομών λέξεων που λαμβάνονται από corpora δημόσιων εγγράφων. Σε αυτή την περίπτωση, podemos δούμε ότι το ‘εξουσιοδοτών’ έχει υψηλό σκορ, vielleicht επειδή αντιπροσωπεύει απόφαση, αλλαγή και καινοτομία. Source

Ωστόσο, το πρόβλημα με προσεγγίσεις όπως η Spangher-led 2023 προσφορά Ακολουθώντας τη Νέα, είναι ότι σε τυπική μόδα του AI, επικεντρώνονται στις παρατηρημένες τάσεις στα δεδομένα. Σε άλλες λέξεις, παρατηρούν πράγματα που έκαναν καλές ειδήσεις πριν, και συνεχίζουν να ψάχνουν για περισσότερα από τα ίδια.

Στην πραγματική ζωή, απρόβλεπτες πηγές σχεδόν πάντα αποδεικνύονται ως ‘ένα χτύπημα’· και για όσο απρόβλεπτες ήταν, κανείς δεν θα μπορούσε να προβλέψει την ξαφνική τους προέμηνση. Τότε, έχοντας αποδείξει μια φορά, και παρά τις περιστασιακές προσπάθειες να εκμεταλλευτούν την προσωρινή φήμη/δυσφήμη, θα αποτύχουν συνήθως να παράγουν κάτι χρήσιμο ξανά.

Σημάδι των Καιρών

Έτσι,既然 ότι η παρακολούθηση αυτού του είδους μιας πηγής είναι συνήθως μόνο πρόσθετος θόρυβος στη γενική χιονοθύελλα, δεν θα μπορούσε το AI να αναγνωρίσει τα σημάδια μιας πηγής που θα γίνει ευημερούσα; Αν μπορούσε κανείς να βρει τι είδους πηγή μπορεί να οδηγήσει σε ειδήσεις, θα μπορούσε να επικεντρωθεί στις χαρακτηριστικές της παρά τις περιστάσεις ή τις μεθόδους της.

Με αυτή τη λογική, θα μπορούσε κανείς να συναγάγει από τις αποκαλύψεις του Edward Snowden της δεκαετίας του 2010 ότι οποιοσδήποτε που πρόσφατα έφυγε από την CIA (ή μια παρόμοια οργάνωση) θα ήταν άξιος να ακολουθηθεί ως πιθανή πηγή μιας μελλοντικής αποκάλυψης.

Ωστόσο, δεν υπάρχουν RSS feeds ή APIs που θα μπορούσαν να αυτοματοποιήσουν αυτό το είδος συνεχούς παρακολούθησης,既然 ότι το LinkedIn και πολλές άλλες πηγές δεδομένων είναι αποσύρθηκαν μπροστά στο πρόσωπο του rapacious και σκοπευμένου AI web-scrapers. Ακόμη και αν υπήρχαν, η συχνότητα θα ήταν ένα ζήτημα,既然 ότι δεν μπορείτε να ρωτήσετε ένα API ή μια ιστοσελίδα κάθε πέντε δευτερόλεπτα· εκτός από το κόστος των πόρων, οι απαντήσεις IP-banning από τις πλατφόρμες θα έκαναν αυτή την δραστηριότητα μη βιώσιμη.

Επιπλέον, υπάρχει σαφώς μια ‘ανθρώπινη διάσταση’ σε τέτοιες αποκαλύψεις που είναι δύσκολο να αυτοματοποιηθεί.

Συλλογή ειδήσεων με προσωπική επαφή: capture από μια δισκέτα του 1976 Alan J. Pakula movie ‘All The President’s Men’, που παρουσιάζει τον πληροφοριοδότη να βγαίνει από τις σκιές. Source

Επίσης, στην πραγματική ζωή, είναι πολύ δύσκολο να αναγνωρίσετε τα ορόσημα μιας μελλοντικής πηγής ειδήσεων. Πιθανώς δεν είναι ‘άτομα που έφυγαν πρόσφατα από την CIA’, και σίγουρα δεν ορίζεται από ένα πρωτόκολλο: πλατφόρμες όπως το X ή το GitHub βγάζουν πολύ σήμα από μόνη τους, και ακόμη και η στενότερη εστίαση σε όρους αναζήτησης ή κατηγορίες αναρτήσεων δεν κάνει μεγάλη διαφορά – μόνο αν είστε εμπλεγμένοι στο πρόβλημα και ασχολούστε με την κοινότητα (ή αποθήκη, κλπ.) είναι πιθανό να αναγνωρίσετε τη σημασία μιας εξέλιξης.

Ακόμη και ένας όρος όπως ‘προειδοποίηση ασφαλείας’ δεν μπορεί να δώσει το πραγματικό μέγεθος ή την είδηση της ενότητας,既然 ότι αναφορές αυτού του είδους ρίχνουν hàng χιλιάδες καθημερινά, σε τέτοιες κοινότητες – και ακόμη και αν περιορίσετε αυτή την παρακολούθηση μόνο στην αγγλική γλώσσα, οι πιθανές παραλλαγές σε ιδίωμα, μαζί με τη χρήση περιφραστικών εκφράσεων, θα έκαναν πολύ δύσκολο να αναλύσετε μια ‘αγρια’ ανάρτηση σε μια πραγματική ειδησεογραφική ειδοποίηση.

Η Στενή Οδός

Η τρέχουσα γενιά των AI-ενισχυμένων συστημάτων ανίχνευσης νέων είναι εξαρτημένα από δομημένα δεδομένα (όπως η έξοδος JSON από ένα API), ή αλλιώς σε άτυπα δεδομένα που τα αλγόριθμοι που αναπτύχθηκαν από το AI έχουν την ευκαιρία να αναλύσουν σε ένα δομημένο σχήμα (όπως τα δελτία τύπου από μια οργάνωση):

Ένα αναλυμένο RSS/XML feed, που αποκαλύπτει την αυστηρή ιεραρχία των δομών δεδομένων. Source

Είναι σαφές ότι προσεγγίσεις αυτού του είδους είναι καλά-καταλληλές για προγραμματισμένη έξοδο, όπως η ρουτίνα δουλειά που ο δημοσιογράφος του Fortune δηλώνει ότι το AI τον έχει απελευθερώσει από, συμπεριλαμβανομένων των καιρών, των μετοχών, και των αθλητικών αποτελεσμάτων, καθώς και των δελτίων τύπου από δημοτικές και άλλες κυβερνητικές οργανώσεις.

Ενώ είναι δυνατό να προσαρμόσετε ‘ανθρώπινες ενεργοποιήσεις’ σε στατιστικές ροές όπως οι καιροί (ξαφνικοί χειμώνες), οι μετοχές (ξαφνικές πτώσεις) και τα αθλήματα (απρόσμενες νίκες/ήττες, με κάποια προεργασία), yine, η ανθρώπινη προσοχή θα ήταν ακόμη απαραίτητη ακόμη και για πολύ δομημένες κυβερνητικές ανακοινώσεις, για να αξιολογήσετε την είδηση.

Αν και όροι όπως ‘θάνατος’, ‘απρόσμενη ασθένεια’, ‘διαρροή’, και ‘ατύχημα’ μπορούν να βοηθήσουν να κατεβούν σε ειδησεογραφικές εκδηλώσεις, αυτά απευθύνονται μόνο σε ‘ρουτίνα’ περιστάσεις, και δεν μπορούν να λογαριαστούν για εναλλακτική γλώσσα (ή γλώσσες).

Η Επιστροφή των Ελίτ Συγγραφέων;

Τα τελευταία χρόνια, η δημοσιογραφία δεδομένων έχει γίνει μια ανερχόμενη πλάκα στην αναφορά ειδήσεων, με τα τμήματα επεξεργασίας που δεν περιορίζονται πλέον σε γλυκές ‘συνεργασίες’ που τους χορηγούν πρώιμη κυκλοφορία σε ειδικές αναφορές και λευκές σελίδες από μεγάλους εκδότες· αντίθετα, μπορούν να διαλύσουν τους αριθμούς από μόνοι τους.

Ωστόσο, αυτό δεν είναι ένα δωρεάν γεύμα;既然 ότι η φανερή αξία της ανάλυσης δημόσιων δεδομένων με το AI σε αυτόν τον τρόπο έχει αυξηθεί, μια αντίδραση rent-seeking/AI-αποκλεισμού έχει ακολουθήσει – ή ακόμη και προηγηθεί – την ζήτηση, οδηγώντας τους μεγάλους παίκτες του AI σε στρατηγικές κρυφής.

Η πρόσθετη τριβή της Νέας Αποσύρσεως επιτρέπει μια ορισμένη ποσότητα δύναμης από ‘δημοσιογράφους πολίτες’ πίσω στις παραδοσιακές ΜΜΕ – ή τουλάχιστον, τις καλά-χρηματοδοτούμενες οργανώσεις ειδήσεων που έχουν το εύρος να απορροφήσουν την πρόσθετη χειρωνακτική δουλειά που απαιτείται στη συλλογή, την επεξεργασία και την αξιολόγηση δεδομένων, σε μια εποχή όπου οι εκδότες και οι τομείς είναι όλο και πιο περιορισμένοι στην εύκολη πρόσβαση.

Έτσι, με κάποιο τρόπο, ίσως στο πνεύμα της εποχής, η πρακτική εκδήλωση του AI στη δημοσιογραφία, σε σχέση με τον τρόπο που οι μεγάλες δυνάμεις και οι αγορές έχουν ανταποκριθεί στην καινοτομία και την υιοθέτηση του AI, μπορεί να μας οδηγήσει πίσω στο χρόνο: απο-δημοκρατίζοντας τα μέσα παραγωγής ειδήσεων, και προσθέτοντας εμπόδια στην αξιολόγηση της είδησης που βασίζεται στα δεδομένα.

Κοινοί Ινστιγκτ

Αυτές οι αυστηρές οδηγίες μας οδηγούν πίσω στο ‘γastro feeling’ ως αναπόφευκτο συστατικό στην αξιολόγηση της είδησης μιας ιστορίας.

Φυσικά, αυτό είναι ανακουφιστικό για εκείνους που είναι επαγγελματίες σε αυτόν τον τομέα; αλλά η αυτοσυγκράτηση θα ήταν ένα λάθος,既然 ότι αυτό το αίσθημα μπορεί, σε κάποιο βαθμό, να εξαχθεί και να λειτουργηθεί σε ένα πολύ γενικό τρόπο που δεν εξαρτάται από τη μελέτη των εμμονών ή των χόμπι ενός ατόμου ή οργανισμού: σε μια μελέτη του 2022, ερευνητές από το Northwestern University χρησιμοποίησαν crowd-sourced αξιολογήσεις για πιθανές ειδησεογραφικές ιστορίες για να εκπαιδεύσουν ένα προβλεπτικό μοντέλο, ειδικά σχετικά με την είδηση των νεο-εκδοθεισών ερευνητικών εργασιών του Arxiv:

Ερωτήσεις που δόθηκαν στους συμμετέχοντες για να ληφθούν δεδομένα εκπαίδευσης για ένα ‘μοντέλο προβλέψεως είδησης’ του AI. Source

Το σύστημα κατατάσσει τους υποψήφιους khá καλά, με περίπου 80% των κορυφαίων επιλογών του να κρίνονται επίσης ειδησεογραφικοί από τους εμπειρογνώμονες. Ωστόσο, η συμφωνία με τους εμπειρογνώμονες αποδείχθηκε μόνο μέτρια, με τα αποτελέσματα να λείπουν παραγόντων όπως το κάδρο ή η προσαρμογή του κοινού.

Το σύστημα βασίζεται στις αρχές που περιγράφονται στο έγγραφο του 2020 Υπολογιστική Ανακάλυψη Ειδήσεων: Προς Σχεδιαστικές Συsidέρσεις για Αλγόριθμους Προσανατολισμού Επεξεργασίας σε Δημοσιογραφία. Όπως και με meisten παρόμοιες εργασίες, αυτή η εργασία αντιμετωπίζει τη δημοσιογραφία της επιστήμης αντί της αφηρημένης συλλογής ειδήσεων – vielleicht επειδή η επιστημονική βιβλιογραφία τείνει προς προτυποποιημένη έξοδο που θα μπορούσε να αναλυθεί σε εκπαιδεύσιμα και ερμηνεύσιμα σημεία δεδομένων.

Λειτουργικά, αυτό θα ήταν το caso, εκτός από το γεγονός ότι οι ερευνητές επιστήμονες συχνά κακοχρησιμοποιούν τις συμβάσεις της υποβολής ερευνητικών εργασιών για να κρύψουν ή να υποβαθμίσουν μη εντυπωσιακά αποτελέσματα, ή ακόμη και απλή αποτυχία.

Ακόμη περισσότερο, η μεγάλη δυσκολία που τα συστήματα AI έχουν στην ερμηνεία των πινάκων και των σχημάτων σε επιστημονικές εργασίες, μέχρι το σημείο που αυτή η προσπάθεια έχει, τελευταία, γίνει ένα ενεργό κλάδο στη βιβλιογραφία:

Από το έγγραφο ‘SciFigDetect: Μια Βάση Δεδομένων για την Αναγνώριση Επιστημονικών Σχημάτων που Γεννήθηκαν από το AI’, που δείχνει πραγματικά επιστημονικά σχήματα, τις προτροπές δημιουργίας τους, και συνθετικά αντίστοιχα που παράγονται από το Nano Banana και το GPT σε τρεις κατηγορίες: εικονογράφηση, επισκόπηση, και πειραματικά σχήματα. Source

Συχνά, ένας πίνακας ή ένα σχήμα θα περιέχει αποτελέσματα που το κύριο σώμα του εγγράφου θα αναφέρει με επιλεκτική προκατάληψη, ή αλλιώς θα αγνοήσει εντελώς τις αρνητικές συνέπειες που εμπεριέχονται στα αποτελέσματα του πίνακα/σχήματος. Έτσι, αυτό το εμπόδιο στην AI-κίνητη δημοσιογραφία της επιστήμης δεν είναι ένα μικρό.

Περισσότερο, το γεγονός ότι μια εργασία είναι παραγώμενη, ή μόνο μια μικρή πρόοδος (αν υπάρχει) στο κατάσταση της τέχνης, συχνά κρύβεται σε μια σχεδόν αδιαπέραστη αναφορά (δηλαδή, θα πρέπει να ψάξετε για τον όρο, να βρείτε μια αναγνώσιμη PDF-έκδοση, και να κατανοήσετε το μέγεθος της προηγούμενης τέχνης, πριν από την κατανόηση της έλλειψης πρωτοτυπίας ή καινοτομίας στη νέα εργασία).

Μόνος Ξανά, Φυσικά

Η crowd-sourced μέθοδος που περιγράφηκε παραπάνω υποδηλώνει κάποια πιθανή συμφωνία μεταξύ κοινού συναισθήματος για πιθανές ειδησεογραφικές ιστορίες, και επαγγελματικής αξιολόγησης των ιδίων. Αλλά χωρίς контέκστ, μόνο οι ευρείες πινελιές της είδησης μπορούν να καθοριστούν.

Η πραγματική δύναμη του AI έγκειται στην ικανότητά του, ανάλογα με τη ρύθμιση, να απομονώσει παράξενες – είτε για τον σκοπό απορρίψεώς τους ως μια καμπύλη-σπάσιμο και μη-σημαντική εξαίρεση σε μια τάση σε ένα σύνολο δεδομένων, ή (περισσότερο σχετικό για τη συλλογή ειδήσεων) να αναγνωρίσει σημαντικές και πολύτιμες ασυνήθιστες περιπτώσεις και συμβάντα:

Παράξενες (σε κόκκινο) σε ένα διαγράμμα σκίασης. Source

Στο принцип ότι η αστραπή σπάνια χτυπά δύο φορές, σχεδόν όλες οι ειδησεογραφικές ιστορίες είναι παράξενες. Σε περιπτώσεις όπου προέρχονται από einen ενεργό και πυρετό domaine, όπως ένας συνεχής πόλεμος, αυτό το domaine μπορεί να σαρωθεί με υψηλή πιθανότητα να εμφανιστούν ειδησεογραφικές ιστορίες – αλλά με το κόστος της τεράστιας σύγκρουσης,既然 ότι η κοινή προσοχή είναι πιθανό να επικεντρωθεί στο domaine.

Πολυάριθμες ειδησεογραφικές επιστημονικές οδηγίες, κατά ορισμό, δεν είναι το κέντρο της κατανομής της γλώσσας. Είναι σπάνιες συνδυασμοί μεθόδων, απρόσμενες αρνητικές αποτελέσματα ή ανωμαλίες αναπαραγωγής. Αν η ικανότητα του μοντέλου να μειώνεται αsymmetrically σε τέτοιες χαμηλές συχνότητες ομάδες, τότε η περιοχή όπου μια εditorial ‘μύτη’ χρειάζεται να είναι οξυδέρκη, γίνεται η περιοχή όπου το μοντέλο είναι λιγότερο αξιόπιστο.

Θέματα Εμπιστοσύνης

Στην αναζήτηση νέων ιστοριών, οι δημοσιογράφοι ισορροπούν πολλαπλά περιοριστικά, συμπεριλαμβανομένων του χρόνου, της πρόσβασης, της αξιοπιστίας, του κοινού, και των οργανωτικών προτεραιοτήτων), οδηγώντας σε μη-εvident επιλογές. Μια ανασκόπηση της βιβλιογραφίας του 2022 από τη Δανία χαρακτήρισε τους δημοσιογράφους ως ισορροπώντας πολλαπλά προβλήματα, έντονα συνειδητοποιημένοι ότι οι πηγές μπορεί να έχουν προγράμματα ή να είναι εσφαλμένες· και συχνά παρακάμπτοντας την άμεση επαλήθευση υπέρ έμμεσων ενδείξεων εμπιστοσύνης όταν λειτουργούν υπό πίεση.

Αυτά τα ίδια ‘θέματα εμπιστοσύνης’ θα ήταν ένα εμπόδιο στην ανάπτυξη ενός οριστικού AI-κίνητου συστήματος ανίχνευσης είδησης,既然 ότι η εμπλοκή με τέτοια eine πλατφόρμα απαιτεί από τον χρήστη να εμπιστεύεται ότι οποιαδήποτε αλγοριθμικά-απορριφθείσα άρθρα δεν αξίζουν τον χρόνο του συγγραφέα.

Εκτεταμένα βета-δοκιμές και επανα-εκπαίδευση ή λεπτοβελτίωση, με ανθρώπινη επιτήρηση που συλλαμβάνει τους στράους και τους stragglers, θα μπορούσε τελικά να βελτιώσει την αξιοπιστία τέτοιου προσεγγίσεως; αλλά μια αλλαγή σε εθνική ή παγκόσμια κουλτούρα – όπως απρόσμενες αλλαγές στο πολιτικό τοπίο, ή η έκρηξη πολέμου – θα μπορούσε να ανατρέψει όλες τις βασικές προτεραιότητες ενός τέτοιου καλά-ρυθμισμένου συστήματος, αφήνοντας τον AI-εξαρτημένο συγγραφέα να ξαναχτίσει το αναγκαίο ‘εσωτερικό μοντέλο τομέα’ σχεδόν από την αρχή.

Πρώτη δημοσίευση Δευτέρα, 20 Απριλίου 2026.
Τροποποιήθηκε Πέμπτη, 23 Απριλίου 2026 14:13:25, για να αντικαταστήσει ‘WSJ’ με ‘Fortune’ στο ‘The Narrow Path’, παρ. 2 (χάρη στον Mark Riley του mathison.ai για να το επισημάνει).