AIはニュースの感覚を開発できるか？

AIはニュース記事の書き方が上手くなってきているが、ニュース記事を特定する能力はあまり向上していない。

意見 私が最後にAIのニュース記事の特定能力を調べたのは5年前で、当時の状況とはかなり異なっている。AI駆動の自動化のレベルが高まっている一方で、当然のごとく成長痛や論争も増えている。

最近、WSJの報告では、AIを活用した『Fortune』の記者が、プレスリリースの翻訳などの下働きから解放され、通常の大手メディアのみが予算を割くことができるような特集記事の執筆や取材に集中できるようになったと紹介された。

しかし、AIがニュース記事を特定する能力については、あまり話題に上らない。

ノイズ低減

2021年の記事では、私は主に研究分野の記者に焦点を当てた。新しいAI革命がもたらした最大の影響は、AI駆動の研究論文の提出が爆発的に増えたことである。これにより、シグナルとノイズの比率が高まり、ArxivのAI関連ドメインを包括的にカバーすることは、単一の個人が行うことが困難になった。

確かに、AIは人間が解決できない膨大なデータを秒単位で処理し、異常値を特定する能力に優れているはずである。

しかし、AIはなぜまだニュース記事を特定する能力が低いのか？

後ろ向きのAI

AI生成コンテンツの大量生産は、学術分野を超えて進行している。昨年末には、インターネット上の新規記事の半分以上がAIによって書かれていると推定されており、この傾向はさらに加速することが予想されている。したがって、ノイズはあらゆる場所で激しいものとなっている。

これまでの数年間で、AI/アルゴリズムによる「ホット」ストーリーの特定に一定の進歩はあったが、これらのシステムは、層別化された組織化されたデータフィードに焦点を当てていることが多い。これらのシステムは、ある程度の脆弱性を持ったコンテキストでしか動作できない。

スタンフォード大学のポスドク研究者であり、元ニューヨーク・タイムズの記者であるアレクサンダー・スパンカーは、機械学習プロセスや統計分析に適用可能な「ニュース性」の定義について、複数の研究を行っている。また、裁判所の文書、州の法案、市議会の会議などのコーパスで自動化されたリード生成の証拠を提出している。これらのコーパスは、一般的な公的文書にも適用可能である。

公的文書からの単語分布の「熱」、ここでは「承認」が高いスコアを持っている。 ソース

しかし、スパンカーが主導する2023年の研究のようなアプローチには、従来のAIの問題があり、すでに観察されたトレンドに焦点を当てている。すなわち、過去に良かったニュースを探し続けるのである。

実際の世界では、予想外の情報源はほとんどの場合、ワン・ヒット・ワンダーであることが多い。しかも、その後、たとえ一時的な名声を得たとしても、再び有意義なものを生み出すことはほとんどない。

時代の兆し

したがって、AIは、将来有望な情報源の「兆し」を特定することができないだろうか？ その情報源の特性に焦点を当てることができれば、コンテキストや方法に依存しなくなる。

たとえば、エドワード・スノーデンの2010年代の暴露から、CIA（または同様の組織）を最近退職した人物は、将来のスクープの潜在的な情報源である可能性があると推測できる。

しかし、LinkedInや他の元々公開されていたデータ源が、AIによるウェブスクレイピングの前に後退しているため、このような継続的なモニタリングは自動化することができない。さらに、頻度も問題となる。APIやサイトを5秒ごとにポーリングすることはできない。リソースコストやプラットフォームからのIPバンニングにより、この活動は持続できない。

また、人間の判断が必要な「人間的」な側面もある。

個人的なニュース収集：1976年のアラン・J・パクラの映画「オール・ザ・プレジデント・メン」からのスクリーンショット ソース

また、将来のニュース情報源の特性を特定することは非常に困難である。たとえば、「CIAを最近退職した人物」ではありません。プラットフォームやGitHubの出力は、シグナルを生み出すだけで、特に検索用語や投稿カテゴリを絞り込んでも大きな違いはない。コミュニティ（またはリポジトリなど）に参加し、問題に取り組んでいる場合にのみ、開発の重要性を認識することができる。

たとえば、「セキュリティ・アラート」という用語では、事件の真の重大性やニュース性を文脈化することはできない。同様の用語は、コミュニティ内で毎日千回以上使用されており、広範なニュース価値はありません。さらに、英語のみに制限したとしても、慣用句の変化や間接的な言語の使用により、真のニュース・アラートを「野生」の投稿から解釈することは非常に困難である。

狭い道

現在のAI駆動のニュース性検出システムは、形式化されたデータ構造（APIからのJSON出力など）や、AI開発されたアルゴリズムが構造化されたスキーマ（特定の組織からのプレスリリースなど）に解析できる非形式化されたデータ構造に依存している。

解析されたRSS/XMLフィード、データ・コンテナの厳格な階層構造を示す ソース

明らかに、このようなアプローチは、天気、株価、スポーツスコアなどの報告など、プログラムによる出力に適している。また、市や政府組織からの定型的なプレスリリースにも適している。

天気（突然の嵐）、株価（突然の暴落）、スポーツ（予想外の勝利/敗北）などの統計フィードに「人間のアラート」トリガーを付けることは可能である。しかし、政府の発表では、ニュース性を判断するために人間の注意が必要である。

「死」、「予期せぬ病気」、「リーク」、「事故」などの用語は、ニュース性のある出来事を特定するのに役立つが、通常の出来事にしか対応できず、代替言語（または言語）には対応できない。

エリート・ライターの帰還

近年、データ・ジャーナリズムが、ニュース報道における重要な役割を果たすようになってきている。編集部は、特別な報告書や白書の早期公開について大手出版社と交渉するのではなく、自らデータを分析することができる。

しかし、このようなデータの解析には、AIを阻止するための反応が生じている。データを求める大手AIプレーヤーは、ステルス的な戦術に走ることがある。

この新しい反動は、市民ジャーナリストから伝統的なメディア、または十分な資源を持つニュース組織への力の移行をもたらす。データの収集、洗練、評価に必要な手作業が増えるためである。

つまり、AIの実用的応用は、実際にはニュース制作の民主化の逆転をもたらしている。ニュース制作の手段を、AIの革新と採用に対する市場の反応によって、再び制限することになる。

共通の直感

これらの制約は、ニュース記事のニュース性を評価する際に、直感が不可欠な要素であることを示唆している。

当然、専門的にこの分野に携わる人にとっては安心できることである。しかし、自満を避けるべきである。なぜなら、この直感は、個人の偏見や趣味に依存しない、より一般的な方法で体系化できるからである。2022年の研究では、ノースウェスタン大学の研究者は、 потенци的にニュース性のあるストーリーに対するクラウドソーシングされた評価を使用して、予測モデルを訓練し、特に新しく公開されたArxivの研究論文のニュース性に焦点を当てた。

訓練データを取得するために調査参加者に提示された質問 ソース

システムは候補者をかなり良くランク付けしており、上位10件のうち約80%が専門家によってもニュース性があると判断されている。しかし、専門家との合意は中程度であり、フレーミングやオーディエンスの適合性などの要素を欠いていた。

システムは、2020年の論文に概説された原則に基づいている。ほとんどのプロジェクトと同様に、この研究は科学ジャーナリズムではなく、ニュース収集に取り組んでいる。科学文献は、潜在的に訓練可能で解釈可能なデータ・ポイントに解析できるテンプレート化された出力に傾向があるためである。

しかし、私が2021年に指摘したように、これは研究科学者が研究論文の提出の規範を濫用して、印象的な結果を隠したり、失敗を下敷きにしたりすることが多いという事実により、当てはまらない。さらに、AIシステムは科学論文内の図や表を解釈するのに大きな困難を抱えており、これは最近、研究の活発な分野となっている。

科学的図の検出のベンチマーク ソース

グラフや表には、論文の本文で報告されるものとは異なる、または無視された結果が含まれていることが多い。したがって、AI駆動の科学ジャーナリズムにおけるこの障害は軽視できない。

さらに、論文が二次的であるか、またはほとんど進歩がない場合（あるいはまったくない場合）、そのことがしばしば引用（たとえば、先行研究の検索、PDFの読み取り、先行研究の理解）の中でほとんど解読できない引用の中に埋もれている。

再び一人

上記のクラウドソーシング方式は、共通の合意と専門家の評価の間にはある程度の合意があることを示唆している。しかし、コンテキストがなければ、ニュース性の最も広いストロークのみが決定できる。

AIの強みは、外れ値を分離する能力にある。外れ値は、トレンドからの例外として棄却されるか、ニュース収集のために有意義で貴重なインスタンスや出来事を特定するために使用される。

散布図における外れ値 ソース

ほとんどのヒットしたニュース記事は外れ値である。ドメインが活発で不安定な場合、たとえば継続的な戦争の場合、ドメインを注意深くスキャンすることで、ニュース性のある記事が生まれる可能性は高い。しかし、そのコストは、共通の注意がドメインに集中している可能性が高いため、激しい競争となる。

多くのニュース性のある科学的リードは、言語分布の中心ではない、珍しい方法の組み合わせ、驚くべき否定的な結果、または異常な複製である。

信頼性の問題

ニュース記事を探す際、ジャーナリストは時間、接触、信頼性、聴衆、組織の優先順位などの複数の制約をバランスさせている。2022年の文献レビューでは、デンマークの研究者は、ジャーナリストが複数の懸念をバランスさせていると特徴づけた。情報源が議題を持っているか、または誤解を招く可能性があることを認識し、直接のチェックを避けて、間接的な信頼の合図を使用することが多い。

これらの「信頼性の問題」は、明確なAI駆動のニュース性特定システムの開発において、重大な障害となるだろう。なぜなら、プラットフォームへの関与には、アルゴリズムによって却下された記事が本当に価値がないという信頼が必要になるからである。

広範なベータテストと再訓練、またはファインチューニング、人間の監視による精査が、このアプローチの信頼性を高めることができる。しかし、国や世界の文化の変化、たとえば政治情勢の急激な変化や戦争の勃発は、必ずしもこのシステムの基盤となる優先順位を覆い隠すことになる。AI依存のライターは、必要な「内部ドメインモデル」をほぼ最初から再構築する必要がある。

初版：2026年4月20日。
修正：2026年4月23日14:13:25、 「狭い道」第2段の「WSJ」を「Fortune」に置き換える（mathison.aiのMark Rileyに指摘されたことへの感謝）。