מה למד הפייננשל טיימס מניסויים בבינה מלאכותית

[מודעה_1]

צור תוכן

הלקח הראשון שלמד הצוות היה ענווה, שכן לא היה ברור האם בינה מלאכותית יכולה ליצור סיפורי חדשות שהיו גם אינפורמטיביים וגם מרתקים.

צוות AccelerateAI בילה שישה שבועות באימון מודל שפה גדול (LLM) וביצירת הנחיה לכתיבת ניוזלטר. כאשר התוצאות לא היו כצפוי, צוות הניוזלטר נטש אותו.

"זה היה הכישלון הכי מדהים, למדנו ממנו הרבה", אמרה ליז לון, ראש צוות ומנהלת מוצר ראשית ב-FT, בכנס עתיד טכנולוגיית המדיה ביום חמישי האחרון.

מה למד הפייננשל טיימס מניסויים עם תמונה 1 — איור: FT

לחלץ מידע

הניסוי הבא היה להשתמש בבינה מלאכותית כדי לחלץ מידע ממערכי נתונים וליצור לידים חדשים לסיפורים. הם החליטו לבחון סיפורים על הכנסות והוצאות של חברי קונגרס .

עם זאת, הבעיה עם בינה מלאכותית גנרטיבית היא שהיא ממציאה דברים (אשליה).

"אשליה היא באג במדיה ותכונה ב-LLM", אמר לוהן, והוסיף כי בינה מלאכותית תעבוד טוב יותר ככלי "מעורר השראה" מאשר ככלי יצירת תוכן.

סם גולד, ראש תחום הבינה המלאכותית ב-FT Strategies, רואה שלושה שינויים ברורים: חדשות הופכות לרב-מודאליות; קהלים מעורבים בחוויות שיחה; כלי אוטומציה הופכים לסוכנים.

מוצרים רב-מודאליים

וידאו הופך למקור פופולרי יותר ויותר של חדשות מקוונות, במיוחד בקרב קהל צעיר יותר. כלים המופעלים על ידי בינה מלאכותית יכולים כעת לייצר טקסט, תמונות, אודיו ווידאו, מה שמאפשר למו"לים להתנסות בפורמטים ותכונות שונים כחלק מזרימות העבודה הפנימיות שלהם (תמלול, תרגום, ניתוח קריאייטיב, עיתונאות נתונים). כל אלה כרוכים בעיבוד מגוון של נתונים לא מובנים.

דוגמה אחת מהעולם האמיתי שגולד שיתף הייתה ניתוח תמונה מדיווח חי בשטח, שבו בינה מלאכותית הצליחה לתרגם באופן מיידי שלט רחוב שנכתב בשפה אחרת.

גולד מסכם כי כלי בינה מלאכותית מקבלים משימה מורכבת יותר ויותר, כמו כתיבת קוד או יצירת אפליקציות חדשות עם התערבות אנושית מינימלית.

אז, בין אם תאהבו את זה ובין אם תשנאו את זה, בינה מלאכותית משנה את העיתונות ועלינו להיות מוכנים לנצל את ההזדמנויות בצורה הטובה ביותר תוך מזעור הסיכונים.

נגוק אן (לפי העיתונאות)

[מודעה_2]
מקור: https://www.congluan.vn/nhung-gi-financial-times-hoc-duoc-tu-viec-thu-nghiem-voi-ai-post312736.html