Компетенции по работе с технологиями искусственного интеллекта в журналистском образовании

В последние годы технологии искусственного интеллекта набирают популярность в различных сферах деятельности. ИИ-разработки все больше проникают в нашу жизнь: начиная от рутинных домашних дел и заканчивая рабочими задачами. Журналистика в данном случае не является исключением. Специалисты, владеющие навыками работы с ИИ, могут значительно повысить качество своих материалов, ускорить процесс сбора и анализа информации, а также улучшить взаимодействие с аудиторией. При этом бездумное использование ИИ-технологий способно не только усложнить процесс работы, но и привести к серьезным ошибкам.

Следует отметить, что в значительной части публикаций последних лет, ориентированных на массового читателя, под термином «искусственный интеллект» подразумеваются нейронные сети — ИИ-модели, работающие по принципу головного мозга, не имеющие заложенных изначально знаний и приобретающие их в процессе обучения [8, с. 16]. К таким системам относятся, например, умные чат-боты, такие как «Алиса» от компании Яндекс. Также под искусственным интеллектом часто понимают генеративные сети — вид нейросетей, производящий уникальный контент. Именно такие системы стремительно развиваются в последние годы, а потому все чаще появляются в текстах СМИ.

При этом следует понимать, что понятие «искусственный интеллект» несколько шире. На сегодня единого общепринятого определения термина не существует. Большинством исследователей под искусственным интеллектом понимается область науки, занимающаяся изучением и разработкой программ, «думающих и / или действующих» [5, с. 35] подобно человеку, то есть воспринимающих окружающую деятельность, способных к обучению и принятию решений. При этом к ИИ-технологиям относят не только нейросети и генеративные сети, в частности, но и так называемый слабый ИИ — системы, ориентированные на выполнение конкретной задачи, при этом не создающие ничего нового. К таким системам можно отнести, например, программы для игры в шахматы, фильтры спама в электронной почте, алгоритмы поисковых систем или роботы-пылесосы. Данные системы способны к обучению и «запоминанию» предыдущего опыта, однако не могут создавать ничего нового [5, с. 65]. Так, робот-пылесос может выбрать оптимальный маршрут из уже заданных на основе построенной с помощью датчиков карты, а компьютер-игрок сможет проанализировать ходы соперника и на основе полученных данных выстроить свои ходы. Однако научиться лучше убирать или придумать свою стратегию игры такие системы не смогут. Все вышеперечисленные ИИ-системы так или иначе используются в работе журналистов, однако наибольший интерес представляют именно нейросети, как наиболее перспективное направление в сфере искусственного интеллекта.

Нейросетевые модели стремительно развиваются. Уже сегодня создатели тех или иных систем рекомендуют журналистам использовать их для самых разнообразных задач: начиная от выполнения рутинных действий, таких как расшифровка интервью или перевод текстов с иностранных языков, и заканчивая высокоуровневыми работами, например, формирование годовой стратегии, контент-планов, анализ аудитории и даже создание самого контента — написание пресс-релизов, генерация изображений, подготовка презентаций. На первый взгляд может показаться, что с появлением интеллектуальных помощников сама профессия журналиста оказывается под угрозой — это и риски сокращения штатов СМИ, и «вымирание» отдельных специальностей. Этим предположением уже активно манипулируют многие СМИ, используя «кликбейтные» заголовки для привлечения аудитории с помощью волнующей темы. Так, среди последних статей по запросу «Нейросети и журналистика» находятся следующие публикации: «Заменит ли искусственный интеллект пиарщиков и журналистов» (РБК) [7], «Нужны ли журфаки в принципе?», «Смогут ли нейросети заменить журналистов и когда это будет» (МЕЛ) [4], «В Nvidia назвали ИИ угрозой для человечества» (Газета.ру) [6]. Следует отметить, что опасения пока преждевременны: авторы все тех же статей утверждают, ИИ-технологии «человека потеснят еще не скоро» [7].

Действительно, вопреки распространенному мнению, на сегодня искусственный интеллект не только не может полностью заменить человека, но и не способен самостоятельно решать рутинные задачи. Так, например, сейчас одной из наиболее популярных задач, решаемых с помощью искусственного интеллекта, является расшифровка аудио- и видеоматериалов. При том, что ИИ-расшифровщик значительно ускоряет перевод звукового материала в текст, результат данной работы все же требует вычитки человеком. Например, при расшифровке текста ИТ-тематики нейросеть допускала ошибки при написании аббревиатур: ФСТЭК, Федеральная служба по техническому и экспортному контролю, была определена как Стек (без расшифровки аббревиатуры). Аналогичные ошибки встречаются в других случаях.

Помимо прочего, нейросеть плохо различает особенности произношения. Спикеры в процессе речи зачастую «проглатывают» звуки, а иногда даже и слова. Искусственный интеллект пока не имеет возможности «додумывать» текст, в связи с чем некоторые слова в расшифрованном тексте могут не совпадать с оригиналом.

Другой проблемой, связанной с работой с ИИ-технологиями, является сложность фактчекинга. Искусственный интеллект собирает информацию среди всего массива данных, расположенных на просторах интернета. В то же время привести источники, из которых взята та или иная информация, нейросеть способна далеко не всегда. Зачастую это приводит к появлению скрытых фактологических ошибок: визуально текст кажется безошибочным — стиль и терминология вполне гармонируют, однако в самом содержании спрятана информация, выдуманная нейросетью. Найти такие ошибки крайне сложно, особенно если автор не является экспертом в отрасли, к которой относится текст. В связи с этим доверять искусственному интеллекту написание сложных материалов до сих пор не представляется возможным.

Из вышеперечисленных примеров ясно, что в ближайшее время нейросети не смогут полностью заменить журналистов, однако с высокой вероятностью внесут существенные корректировки в их работу. Это неизбежно влечет за собой и изменения профессиональных требований к сотрудникам, использующим ИИ в работе, что поднимает вопрос о необходимости пересмотра учебных планов и курсов по подготовке журналистов — в них должны появиться предметы, вырабатывающие компетенции по работе с ИИ.

Следующий вопрос — что составляет эти компетенции? Для ответа на него необходимо подробнее рассмотреть, с какими задачами сталкиваются журналисты при работе с искусственным интеллектом.

Как уже было отмечено выше, ИИ в редакциях СМИ и пресс-службах используется для выполнения самых разнообразных функций. Рассмотрим наиболее распространенные группы задач, к решению которых уже сейчас привлекают нейросети.

Рутинные действия

Одним из ключевых преимуществ использования ИИ-технологий в журналистике является ускорение рабочего процесса. Сотрудник во время подготовки материала сталкивается с множеством монотонных задач, требующих серьезных умственных и временных затрат: это поиск информации по той или иной теме, с упоминанием различных объектов, расшифровка больших объемов аудио- и видеоматериалов, перевод текстов, проставление меток в публикациях и т.д. Оптимизировать выполнение данных задач способен искусственный интеллект, а потому журналисты все чаще обращаются в своей работе к помощи ИИ-систем.

Так, нейросети активно применяются для перевода иностранных публикаций и создания текстов на иностранных языках. Искусственный интеллект в данном случае работает успешнее онлайн-переводчика, поскольку позволяет настраивать стиль изложения, выбирать подходящую лексику, а также править отдельные блоки непосредственно внутри редактора без изменения исходного текста. Однако и здесь возникают трудности, например, с подбором необходимых терминов и раскрытием смыслов. Например, при совпадении значений некоторых слов нейросеть может изменить смысл целого абзаца. Так, английское слово free в русском языке имеет значения «бесплатный» и «свободный». При переводе текста о свободном программном обеспечении на русский язык ИИ запутался в понятиях. Ситуация осложнялась присутствием в статье слова «бесплатный». В итоге смешения двух значений текст на русском языке получился бессмысленным и потребовал существенной правки специалиста. Следует отметить, что решением данной задачи занимался сотрудник со знанием иностранного языка, в противном случае качественный перевод материала был бы невозможен.

Данный пример показывает, что даже для решения базовых, рутинных задач при помощи искусственного интеллекта специалистам требуется наличие знаний, умений и навыков, необходимых для выполнения этой же работы без участия ИИ. Более того, от степени сложности поставленной задачи зависит и уровень компетенций, необходимых сотруднику. Это приводит к выводу, что требования к подготовке будущих журналистов на уровне hard-skills с внедрением в работу искусственного интеллекта не снижаются, скорее наоборот, активное применение нейросетей в работе с контентом снижает количество общей практики — сотрудники реже создают материалы полностью самостоятельно, в связи с чем наработка практических навыков необходима уже на этапе обучения.

При этом работа с ИИ-технологиями, хотя и ускоряет выполнение рутинных задач, все же требует вовлечение в монотонную деятельность, такую как поиск ошибок в переводах, поиск пробелов и уточнение технического задания и т.д. Это приводит к необходимости наработки таких soft-skills, как: внимательность, усидчивость, терпимость к ошибкам.

Аналитика данных

Еще одной глобальной задачей, с которой успешно справляется искусственный интеллект, является переработка и анализ больших массивов данных, что помогает ускорить работу журналистов в процессе изучения информационного поля или подготовки аналитических отчетов. Ранее журналист занимался этим вручную с использованием систем мониторинга инфополей, однако сейчас данные системы уже внедряют ИИ-технологии для упрощения и ускорения данных задач.

Например, в системе «Медиалогия» нейросеть помогает собрать и проанализировать комментарии под публикациями определенного СМИ за конкретный промежуток времени, а также классифицировать публикации с упоминанием различных объектов или тем по тональности, цитируемости [1]. Несмотря на то, что использование данной технологии существенно ускоряет работу, оно требует от сотрудника значительного уровня понимания алгоритмов работы системы, а также умения грамотно формировать запрос. Так, при распределении комментариев в социальных сетях по тональности ИИ зачастую сложно верно определить «настроение» текста. При отборе комментариев учитывается используемая лексика (сниженная или имеющая негативные коннотации), однако не всегда верно трактуется контекст. Например, при анализе комментариев в одном из телеграм-каналов нейросеть определила все комментарии со словом «санкции» как негативные, однако большинство из них имели нейтральный, а иногда и позитивный оттенок. Алгоритмы давали сбой и при отнесении комментариев в группу положительных — система не учитывала иронию и сарказм, в связи с чем ошибочно определяла тональность.

Данный пример показывает, что для работы с искусственным интеллектом специалисту необходимо глубокое понимание принципов работы конкретной системы, умение корректно ее настраивать, анализировать собственные неточности в формулировке технического задания, а также определять, систематизировать и устранять ошибки ИИ-модели при построении отчетов. Формирование данных компетенций невозможно без практики работы с системами интеллектуальной аналитики, в связи с чем необходимо как можно раньше внедрять в обучение практико-ориентированные занятия.

Создание контента

Безусловно, создание текстовых и визуальных материалов при помощи ИИ-инструментов — своего рода вершина работы с применением искусственного интеллекта. Разумеется, о создании сложных аналитических материалов речи пока не идет, однако генерация «простого» контента уже активно применяется в редакциях.

Так, например, в последние пару лет наблюдается тенденция к использованию технологий искусственного интеллекта для создания иллюстраций к публикациям. Так, эксперимент
с ИИ-изображениями уже провела газета РБК [3], а в «Блоге Касперского» иллюстрации, сгенерированные нейросетями используются в качестве основного оформления [2]. Попытки генерировать изображения вполне объяснимы: далеко не каждый материал сопровождается качественными и интересными фото, а подготовка картинки, соответствующей идее и замыслу той или иной статьи, занимает существенное количество времени и ресурсов. В этом случае генерация изображения видится наиболее эффективным вариантом. Однако и здесь обойтись «доработки» человеком не представляется возможным. Например, маскотом одной из российских ИТ-компаний является морской кот. В рамках развития соцсетей данной компании было принято решение изменить стиль картинок к постам и использовать в качестве иллюстраций изображения с маскотом. Поскольку картинки необходимы ежедневно, а иногда и несколько раз в день, придумывать содержание изображения весьма ресурсозатратно. В связи с этим было принято решение генерировать картинки с помощью нейросетей. Генерацией изображений занимался дизайнер. В ходе работы было предпринято несколько сотен попыток создания изображений с морским котиком. В каждом из случаев картинка требовала доработки: котик из раза в раз отличался от предыдущего, у него появлялись лишние лапы и пальцы, цвет животного также не был стабилен. Более того, на изображении время от времени появлялись посторонние предметы. Все это требовало вмешательства человека в картинку. Следует отметить, что нейросеть поддавалась обучению: более поздние попытки давали более успешный результат. Однако в случаях, когда в генерации обнаруживалась ошибка, например, посторонний предмет, процесс следовало начинать сначала, прогресс обучения при этом обнулялся.

С подобной ситуацией специалисты сталкивались и при генерации пресс-релизов посредством нейросети. Например, системе была поставлена задача по подготовке пресс-релиза о закупке крупной госорганизацией лицензий на использование операционной системой. Был обозначен ряд вводных: названия организаций и их сайты, имена и должности спикеров для генерации цитат, важные факты (количество закупленных лицензий, сроки проекта и т.д.). Результат, подготовленный искусственным интеллектом, на первый взгляд казался вполне приемлемым, однако при более детальной вычитке выяснилось, что нейросеть «забыла» корректное название сайтов, а также выдумала ряд фактов, недостающих в первоначальных вводных. Потребовалось более десяти уточнений технического задания для реализации данной задачи. В рамках временных ресурсов затраты были сопоставимы с подготовкой аналогичного текста редактором без использования ИИ.

Данные примеры показывают, что для применения ИИ-технологий все еще необходимо существенное участие специалиста, при этом без специализированной подготовки зачастую требуется не меньшее количество временных ресурсов, чем в процессе работы без привлечения ИИ. При этом ускорить работу сотрудника, использующего нейросеть, возможно, однако для этого необходимы дополнительные навыки в обучении системы, а также практика в подготовке технических заданий для ИИ-модели.

Следует отметить, что важной проблемой, с которой сталкиваются журналисты при работе с искусственным интеллектом, является этический аспект. Нейросети в процессе генерации контента используют неограниченный массив данных, в том числе включающий конфиденциальную, а также недостоверную информацию. И, если работать с конфиденциальной информацией достаточно просто, ее перечень доступен в правовых и законодательных актах, зная содержание которых легко найти данные, не подлежащие разглашению, то поиск недостоверной информации может вызывать значительные трудности. ИИ-алгоритмы часто «отбирают» факты для материалов по принципу частотности их упоминаний, при этом «экспертность» информации системы пока не способны. Это означает, что за правдивые факты в ИИ-текстах могут выдаваться стереотипы, а также «вирусные» публикации с доказанной недостоверностью. Для выявления таких ошибок автору необходимо разбираться в теме создаваемого им материала или иметь доступ к специалисту, способному этот материал верифицировать.

Другой этической проблемой является неспособность искусственного интеллекта оценивать эмоциональную составляющую материалов. Поскольку ИИ не имеет эмпатии и морали, он не может определить чувствительные темы и часто генерирует ответы, не приемлемые для использования в публичном поле, задевающие чувства тех или иных групп лиц. Хотя специалисты в компаниях-разработчиках ИИ-моделей активно занимаются решением данной проблемы (например, Яндекс нанимает сотрудников для настройки ответов чат-бота), она все еще остается актуальной, что требует от журналиста или редактора, работающего с ИИ, во-первых, знаний основ этики, а во-вторых, критического мышления и умения находить неэтичные результаты в материалах, сгенерированных системой.

Данные аспекты, хотя и не охватывают весь перечень работ, связанных с применением ИИ в журналистике, однако позволяют сформировать перечень наиболее важных компетенций, необходимых будущему журналисту для работы с ИИ-технологиями. В данный перечень можно отнести:

Hard-skills:

• понимание базовых принципов работы ИИ-моделей: будущий журналист должен понимать, как работают алгоритмы ИИ, какие существуют типы ИИ, как они могут быть применены и какие знания и умения необходимы для работы с ними;
• навыки работы с ИИ-инструментами: будущий журналист должен уметь пользоваться наиболее популярными интеллектуальными системами: программами для аналитики и мониторинга информационного поля, нейросетями-генераторами контента и системами фактчекинга;
• навыки постановки задач: журналист в процессе работы с ИИ-инструментами выступает в качестве менеджера, занимающегося постановкой технического задания. От четкости формулирования ТЗ зависит итоговый результат;
• знание правовых основ: будущему журналисту необходимо доскональное знание законодательной базы в сфере своей деятельности, чтобы обезопасить себя от нарушения правовых норм посредством случайного использования конфиденциальной информации, нарушения авторских прав, а также ненамеренного нарушения этики.

Soft-skills:

• критическое мышление: журналист должен уметь критически оценивать результаты, полученные с помощью ИИ, и проверять их на достоверность;
• внимательность: будущий журналист должен уметь досконально проверять материал на наличие неточностей и «глупых» ошибок;
• усидчивость и терпение: журналист должен уметь снисходительно относиться к ошибкам системы и дорабатывать запрос множество раз;
• при этом важно учитывать и необходимость компетенций, требуемых от журналиста независимо от использования им в работе искусственного интеллекта, а также уделить особое внимание выработке навыков по самостоятельной подготовке контента.

Для формирования данных компетенций по работе с технологиями ИИ необходимо сочетание как теоретических, так и прикладных занятий: это изучение трудов ведущих исследователей в области искусственного интеллекта, истории его возникновения, выполнение заданий и проектов с использованием различных интеллектуальных систем, работа с экспертами в области искусственного интеллекта, проведение мастер-классов по работе с ИИ от журналистов, уже применяющих данные технологии в работе и многое другое.

В заключение, внедрение искусственного интеллекта в журналистику требует от будущих специалистов не только глубоких знаний и навыков, но и умения грамотно взаимодействовать с новыми технологиями. Журналисты, обученные работе с ИИ, смогут не только повысить качество своих материалов, но и ускорить процесс их создания.

Однако, несмотря на все преимущества, использование ИИ также требует от журналистов внимательности, усидчивости и умения анализировать и исправлять ошибки, допущенные моделями. Поэтому учебные программы для будущих журналистов должны включать не только теоретические знания, но и практические занятия, направленные на развитие необходимых компетенций.

Таким образом, подготовка журналистов к работе с ИИ становится неотъемлемой частью их профессионального образования. Только так можно обеспечить их конкурентоспособность на рынке труда и готовность к вызовам, которые ставит перед ними современная медиаиндустрия.