Δημιουργία περιεχομένου
Το πρώτο μάθημα που έμαθε η ομάδα ήταν η ταπεινότητα, καθώς δεν ήταν σαφές εάν η Τεχνητή Νοημοσύνη μπορούσε να δημιουργήσει ειδησεογραφικά άρθρα που ήταν ταυτόχρονα ενημερωτικά και ελκυστικά.
Η ομάδα AccelerateAI αφιέρωσε έξι εβδομάδες εκπαιδεύοντας ένα μεγάλο γλωσσικό μοντέλο (LLM) και δημιουργώντας μια προτροπή για τη συγγραφή ενός ενημερωτικού δελτίου. Όταν τα αποτελέσματα δεν ήταν τα αναμενόμενα, η ομάδα του ενημερωτικού δελτίου το εγκατέλειψε.
«Ήταν η πιο εκπληκτική αποτυχία, μάθαμε πολλά από αυτήν», δήλωσε η Liz Lohn, επικεφαλής ομάδας και επικεφαλής προϊόντων στην FT, στο συνέδριο για το μέλλον της τεχνολογίας μέσων ενημέρωσης την περασμένη Πέμπτη.
Εικονογράφηση: FT
Εξαγωγή πληροφοριών
Το επόμενο πείραμα ήταν να χρησιμοποιήσουν την Τεχνητή Νοημοσύνη για την εξαγωγή πληροφοριών από σύνολα δεδομένων και τη δημιουργία νέων ειδήσεων. Αποφάσισαν να εξετάσουν ειδήσεις σχετικά με τα έσοδα και τα έξοδα των μελών του Κογκρέσου .
Ωστόσο, το πρόβλημα με την γενετική Τεχνητή Νοημοσύνη είναι ότι επινοεί πράγματα (ψευδαίσθηση).
«Η ψευδαίσθηση είναι ένα σφάλμα στα μέσα ενημέρωσης και ένα χαρακτηριστικό στο LLM», είπε ο Lohn, προσθέτοντας ότι η Τεχνητή Νοημοσύνη θα λειτουργούσε καλύτερα ως «εμπνευστικό» εργαλείο παρά ως εργαλείο δημιουργίας περιεχομένου.
Ο Σαμ Γκουλντ, επικεφαλής της Τεχνητής Νοημοσύνης στην FT Strategies, βλέπει τρεις σαφείς αλλαγές: οι ειδήσεις γίνονται πολυτροπικές, το κοινό συμμετέχει σε εμπειρίες συνομιλίας και τα εργαλεία αυτοματισμού γίνονται πράκτορες.
Πολυτροπικά προϊόντα
Το βίντεο γίνεται μια ολοένα και πιο δημοφιλής πηγή διαδικτυακών ειδήσεων, ειδικά στο νεότερο κοινό. Τα εργαλεία που υποστηρίζονται από την τεχνητή νοημοσύνη μπορούν πλέον να δημιουργούν κείμενο, εικόνες, ήχο και βίντεο, επιτρέποντας στους εκδότες να πειραματίζονται με διαφορετικές μορφές και λειτουργίες στο πλαίσιο των εσωτερικών ροών εργασίας τους (μεταγραφή, μετάφραση, δημιουργική ανάλυση, δημοσιογραφία δεδομένων). Όλα αυτά περιλαμβάνουν την επεξεργασία μιας ποικιλίας μη δομημένων δεδομένων.
Ένα παράδειγμα από τον πραγματικό κόσμο που μοιράστηκε ο Gould ήταν η ανάλυση εικόνας από μια ζωντανή αναφορά στο πεδίο, όπου η τεχνητή νοημοσύνη μπόρεσε να μεταφράσει άμεσα μια πινακίδα δρόμου γραμμένη σε άλλη γλώσσα.
Ο Γκουλντ καταλήγει στο συμπέρασμα ότι τα εργαλεία τεχνητής νοημοσύνης αναλαμβάνουν ολοένα και πιο σύνθετες εργασίες, όπως η σύνταξη κώδικα ή η δημιουργία νέων εφαρμογών με ελάχιστη ανθρώπινη παρέμβαση.
Είτε το αγαπάμε είτε το μισούμε, η Τεχνητή Νοημοσύνη αλλάζει τη δημοσιογραφία και πρέπει να είμαστε έτοιμοι να αξιοποιήσουμε στο έπακρο τις ευκαιρίες ελαχιστοποιώντας παράλληλα τους κινδύνους.
Ngoc Anh (σύμφωνα με το Journalism)
[διαφήμιση_2]
Πηγή: https://www.congluan.vn/nhung-gi-financial-times-hoc-duoc-tu-viec-thu-nghiem-voi-ai-post312736.html
Σχόλιο (0)