CC BY
10
Знак: проблемное поле медиаобразования. 2024. № 4 (54). С. 31-38 elSSN 2949-3641; ISSN 2070-0695 (print). Znak: problemnoe pole mediaobrazovanija. 2024;4(54): 31-38. elSSN 2949-3641; ISSN 2070-0695 (print).
Научная статья УДК 070.1
DOI 10.47475/2070-0695-2024-54-4-31-38 ИНСТРУМЕНТЫ AI -ЖУРНАЛИСТИКИ В ПРОТИВОДЕЙСТВИИ ФЕЙКОВОЙ РЕАЛЬНОСТИ Аббуд Мохаммед Вахаб Аббуд
Российский университет дружбы народов, Россия, Москва, [email protected], https://orcid.org/0009-0006-2309-1824
Аннотация. В статье рассматривается роль журналистики в противодействии фейковой реальности с использованием технологий искусственного интеллекта (AI). Анализируется сегодняшнее состояние инструментов и технологий искусственного интеллекта, позволяющих автоматизировать процесс проверки фактов и улучшить качество новостного контента СМИ. Проводится краткий обзор отечественных и зарубежных публикаций по этой теме. В статье указываются такие интернет-сервисы, как ClaimBuster, Snopes, PolitiFact, Factmata, Google Fact Check Tools, Botometer, DeepFact, Project Debater и другие. Многие из них уже сегодня стали действенными помощниками журналистов. Основными методами в исследовании стали: кейс-стадии и функциональный анализ. Они позволили раскрыть базисные подходы в применении искусственного интеллекта в журналистике. К таковым можно отнести автоматическую систему проверки фактов, алгоритмизацию анализа массива больших данных. В результате исследования выявлены, как положительные, так и отрицательные аспекты применения искусственного интеллекта в журналистской деятельности. Особый акцент в статье делается на то обстоятельство, что использование AI, улучшая эффективность работы журналистов, повышая скорость и точность обработки информации, при полной автоматизации процесса создания новостей, фундирует угрозы утраты журналистских навыков, снижения качества редакционного контроля, риска избыточной автоматизации и неизбежных ошибок в интерпретации данных. В статье делается вывод о том, что искусственный интеллект играет ключевую роль в современной журналистике: сегодня различные алгоритмы и методы AI применяются для улучшения качества и доступности информации. К основным выводам исследования можно отнести также необходимость разработки стратегий внедрения AI в журналистику, включая инвестиции в обучение журналистской аудитории и реализацию этических норм. Это позволит сохранить доверие аудитории и обеспечить высокое качество информации.
Ключевые слова: AI-журналистика, дезинформация, фейковые новости, фейковая реальность, автоматизация, проверка фактов, фактчек, этические нормы, журналистские навыки, искусственный интеллект
Для цитирования: Аббуд М. В. А. Инструменты AI-журналистики в противодействии фейковой реальности // Знак: проблемное поле медиаобразования. 2024. № 4 (54). С. 31-38. doi: 10.47475/2070-0695-2024-54-4-31-38
Original article
AI JOURNALISM TOOLS IN COUNTERACTING FAKE REALITIES
Abbood Mohammed Wahhab Abbood
Russian University of Friendship of Peoples, Russia, Moscow, [email protected], https://orcid.org/0009-0006-2309-1824
Abstract. The article examines the role of journalism in countering fake reality through the use of artificial intelligence (AI) technologies. It analyzes the current state of AI tools and technologies that enable the automation of the fact-checking process and improve the quality of news content in the media. A brief overview of domestic and international publications on this topic is provided. The article indicates such Internet services as ClaimBuster, Snopes, PolitiFact, Factmata, Google Fact Check Tools, Botometer, DeepFact, Project Debater and others. Many of these have already become effective assistants for journalists today. The primary methods used in the research include analysis and synthesis, case studies, and comparison methods, which have allowed the exploration of fundamental approaches to applying artificial intelligence in journalism. These include automatic fact-checking systems and algorithmic analysis of large data sets. The research identifies both positive and negative aspects of the use of artificial intelligence in journalistic activities. Special emphasis is placed on the fact that while AI enhances the efficiency of journalists' work by increasing the speed and accuracy
of information processing, full automation of the news creation process poses threats such as the loss of journalistic skills, a decline in the quality of editorial control, excessive automation risks, and inevitable errors in data interpretation. The article concludes that artificial intelligence plays a key role in modern journalism: today, various algorithms and AI methods are being used to improve the quality and accessibility of information. Key findings of the research also include the necessity of developing strategies for integrating AI into journalism, including investment in training the journalistic audience and implementing ethical standards. This will help maintain audience trust and ensure high-quality information.
Key words: AI journalism, disinformation, fake news, fake reality, automation, fact-checking, fact check, ethical standards, journalistic skills, artificial intelligence
For citation: Abbood M. W. A. (2024). AI journalism tools in counteracting fake realities. Znak: problemnoe pole mediaobrazovanija. 4(54): 24-30. (In Russ). doi: 10.47475/2070-0695-2024-54-4-31-38
Введение
Борьба с дезинформацией и фейковыми новостями является одной из ключевых задач современного общества, в решении которой особую роль играют средства массовой информации.
Фейковые новости представляют собой серьезную угрозу в современном информационном пространстве. Они оказывают непосредственное влияние на общественное мнение и поведение людей. В эпоху цифровых технологий информация распространяется мгновенно, и ложные сведения быстро охватывают огромную аудиторию, формируя искаженное представление о реальных событиях.
Эта проблема усугубляется увеличением влияния социальных сетей. В них пользователи часто делятся новостями, не проверяя их достоверность, что лишь ухудшает ситуацию. Люди все больше погружаются в фейковую реальность, где феномен постправды и «своя правда» становятся определяющими факторами мышления, общения и поведения в социуме.
Фейки подрывают процесс строительства гражданского общества, представляют реальную угрозу социальной стабильности и негативно сказываются на политической стабильности, девальвируя общественное согласие. Оказывая влияние вплоть до манипуляции общественным мнением, они причиняют значительный ущерб в критические моменты, такие как политические выборы, социальные кризисы и эпидемии. Распространение фейковых новостей во время пандемии Covid-19, последних президентских выборов в США и конфликта в секторе Газа в 2023-2024 гг. является классическим примером данной проблемы.
Создание и распространение фейковых новостей приобретает все более сложные и изощренные формы благодаря применению современных технологий, включая искусственный интеллект (AI). Это обстоятельство значительно усложняет процесс их выявления и опровержения. В данной ситуации роль журналистики как медиатранслятора правды становится критически важной - журналистике отводится ключевая роль в качестве источника проверенной и достоверной информации. При этом борьба с фейковыми новостями требует комплексного подхода, охватывающего как технологические решения, так и образовательные инициативы. Последнее обстоятельство (образовательные инициативы) решает задачу повышения медиаграмотности конечных потребителей информации и помогает людям лучше ориентироваться в информационном потоке, отличая достоверную информацию от фейковой.
Более того, важно осознавать, что применение AI в журналистике ставит перед ней этические дилеммы и требует прозрачности в работе AI-алгоритмов для предотвращения предвзятости и сохранения доверия читателей.
Таким образом, интеграция технологий AI в журналистику, неизбежное решение профессионально-этических проблем, связанных с таким внедрением, повышение медиаграмотности населения являются элементами комплексной стратегии журналистской борьбы с дезинформацией. Отсюда важной прикладной задачей научного исследования в области журналистики становится аккумулирование знаний о праксисе и современных инструментах противодействия фейковой реальности, выявлению основных вызовов и ограничений, связанных с использованием AI-технологий.
Тезаурус и основные черты AI-журналистики
«Фейковая реальность» понимается как искусственное образование, имеющее косвенное отношение к объективной реальности и функционирующее в духовной (нематериальной) сфере жизнедеятельности человека. Человек конструирует такую реальность через призму своих убеждений. В статусе истины находится «своя правда»: индивид с готовностью воспринимает ложную или искаженную версию действительности (Аббуд 2024).
Понятие «AI-журналистика» (или «журналистика с использованием искусственного интеллекта») обозначает область журналистики, в которой применяются технологии искусственного интеллекта для автоматизации, улучшения и расширения возможностей журналистской деятельности. AI-журналистика включает использование различных алгоритмов и методов AI для создания, анализа, распространения
и персонализации новостного контента. Эта форма журналистики находится на стыке технологий и традиционной журналистики, что позволяет создавать более персонализированный и привлекательный контент, обеспечивая аудитории эффективное и точное освещение событий.
Ключевыми характеристиками AI-журналистики выступают следующие.
Аналитика и автоматизация в написании статей и генерации текстов. Например, анализ о том, как аудитория взаимодействует с новостями, какие материалы популярны и т. д., создание стандартных отчетов по результатам спортивных соревнований, финансовые сводки. Или, например, работа с Big Data. Программные средства могут обрабатывать большие объемы данных и на их основе автоматически генерировать новостные заметки. Использование AI для анализа больших массивов данных (семантический анализ текстов) позволяет выявлять тренды, паттерны и инсайты, обнаруживать ключевые темы и тональность материалов. Генерация мультимедийного контента и использование интерактивных форматов с помощью AI делают возможным, например, разработку и внедрение интерактивных новостных форматов (чат-боты для новостей, инфографика, интерактивные видео и аудио).
Фактчекинг и проверка информации - вторая значимая черта AI-журналистики. Например, использование AI для автоматической проверки достоверности фактов и выявления фейковых новостей помогает верифицировать информацию из различных источников для подтверждения или опровержения какого-либо рода заявлений. Главные принципы фактчекинга: беспристрастность, независимость, точность. Чтобы избежать искажения фактов, уменьшить риск ошибок стало важно использовать современные научные достижения в области AI.
Исследования и разработки в области AI-журналистики
В настоящее время можно констатировать, что исследования и разработки, направленные на применение возможностей искусственного интеллекта в деятельности средств массовой информации, осуществляются активно. В этой связи следует обратить внимание на журналистские и научные публикации как российских, так и зарубежных исследователей и организаций. Обозначим некоторые из них.
В. Ишкова затрагивает вопрос о возможностях искусственного интеллекта сделать материалы для читателей более интересными, провести полноценное интервью и избежать ошибок в своих ответах (Ишкова В. Искусственный интеллект в журналистике: новые возможности и вызовы // Инфо-Сити. 2023. 23 сентября, https://clck.ru/3C8s2P). Авторы следующей публикации призывают «задуматься о том, как использовать накопившийся опыт и технологии управления информацией для распознавания фейков», стараясь в одной публикации уместить информацию «о всем многообразии использования технологий управления данными для распознавания фейков» (Чернышев Г., Кузнецов С. Распознавание фейков с помощью технологий управления данными // Хабр. 2022. 26 сентября, https://clck.ru/3C8wd9). Методы выявления так называемого «глубинного» фейка и технологии его создания рассмотрены Т. Корешковой (Корешкова Т. Обзор технологий создания Deepfake и методов его выявления // НТЦ ФГУП «ГРЧЦ». 2020. 29 июня, https://clck.ru/3C8zqv).
Научная статья М. В. Медведевой посвящена описанию рисков использования нейросетей молодежью, связанных с медиакомпетентностью или ее отсутствием (Медведева 2023). В научной работе М. М. Лукиной обобщаются этические проблемы, возникающие в связи с применением искусственного интеллекта в журналистской практике (Лукина, Замков, Крашенинникова, Кульчицкая 2022). В следующей статье авторы пытаются разработать концепцию метода автоматизированного определения фейковых новостей в социальных сетях (Третьяков, Филатова, Жук, Горлушкина, Пучковская 2018). Методы обнаружения дезинформации освещены в статье коллективного автора, в которой обсуждаются информационные и социальные эффекты, способствующие распространению недостоверной информации. В работе предлагается субъектно-реляционная модель процесса передачи дезинформации (Швецов, Дианов, Попова, Кузнецов 2022). В. В. Макашева систематизировала ключевые подходы к изучению дезинформации, затрагивая один из аспектов деонтологии журналистской деятельности (Макашева 2023).
Предназначенное для факультетов журналистики и специалистов, работающих в сфере практической журналистики, следующее пособие предоставляет знания о сущности ложной информации и практические рекомендации по предотвращению фейковых новостей (Муратова, Тошпулатова, Алимова 2020). Учитывая тот факт, что природа фейка проявляется в различных мультимедийных форматах, авторы еще одного пособия попытались конкретизировать маркеры фейкового контента (Стернин, Шестерина 2021).
В качестве промежуточного вывода можно отметить, что в российском сегменте исследований в области AI-журналистики преобладает тренд на создание прототипов систем, способных анализировать большие объемы текстовых данных и выявлять признаки фейковых новостей.
Что касается зарубежных исследований в области AI-журналистики, то они также проводятся достаточно активно. Зарубежная журналистика и научное сообщество ведут различные обсуждения на тему AI-журналистики. В 2024 году под эгидой Фонда журналистов и писателей (JWF) состоялась панельная дискуссия «Искусственный интеллект и будущее журналистики: освещение вопросов прав
человека», в ходе которой обсуждались современные методы распространения достоверной, надежной и свободной информации, использование искусственного интеллекта в эпоху дезинформации и обмана, борьба с проблемами, создаваемыми AI, инновационные действия по расширению прав и возможностей гражданских журналистов и многое другое (AI and the future of journalism: human rights reporting. 2024. 3 мая, https://clck.ru/3C9kx7). Краткий справочный документ для экспертов по вопросам свободы СМИ был подготовлен Организацией по безопасности и сотрудничеству в Европе (Искусственный интеллект и дезинформация как вызов многосторонней политике // OSCE. Бюро Представителя по вопросам свободы СМИ. 2021. 7 декабря, https://clck.ru/3C8zTv).
Согласно Отчету о цифровых новостях 2023 года - исследованию Ника Ньюмана и его коллег -подавляющее большинство людей в возрасте до 35 лет использует социальные сети, поисковые системы и агрегаторы новостей в качестве основного способа получения информации (Newman, Fletcher, Kalogeropoulos, Levy, Nielsen 2023). Исследование показывает, что люди скептически относятся к алгоритмическому отбору новостей: лишь 19 % респондентов согласны с тем, что автоматический выбор историй на основе того, что потребляли их друзья, является хорошим способом получать новости, в то время как 42 % опрошенных не согласны с таким подходом, и лишь трое из десяти позитивно воспринимают автоматический выбор, основанный на предыдущем потреблении. Людей беспокоит также чрезмерная персонализация: по данным различных стран, этот процент варьируется от 46 % до 48 %. Николас Диакопулос в издательстве Гарвардского университета опубликовал работу «Автоматизация новостей: как алгоритмы переписывают СМИ», в которой, в частности, поднимает и анализирует вопросы этики и доверия к AI-генерированным новостям (Diakopoulos 2019).
И все же исследователи приходят к выводу, что использование AI в новостных медиа может повысить эффективность и точность журналистской работы, а также улучшить взаимодействие с аудиторией через персонализацию контента.
Вопросу о том, как искусственный интеллект (AI) переоснащает, рационализирует и преобразует журналистику и общественную сферу, посвящена статья докторанта Колумбийского университета Ф. Саймона. Ученый делает вывод о том, что AI не влияет на фундаментальную потребность в доступе к информации, ее сборе, обработке и упаковке в «новости», а также в охвате существующей и новой аудитории (Simon 2024). AI будет играть преобразующую роль в перестройке новостной работы, охватывающей как редакционную, так и деловую стороны. Однако AI не будет единственным фактором, формирующим новости и общественную арену в ближайшие годы, поскольку журналистика не меняется радикально под воздействием какой-либо одной технологии; она взаимодействует с институтами и другими силами в обществе и экономике. Автор утверждает, что концентрация контроля над AI в руках небольшой группы крупных технологических компаний должна оставаться ключевой областью пристального внимания.
Подводя итоги небольшому обзору российских и зарубежных исследований в области AI-журналистики, можно отметить, что в таких работах подчеркивается положительная роль использования искусственного интеллекта в деятельности журналиста: AI позволяет автоматизировать разработку алгоритмов для автоматической проверки фактов и выявления дезинформации, что является одним из ключевых направлений. Важными остаются вопросы этики и доверия к AI-генерированному контенту. Исследователи призывают к разработке прозрачных и ответственных алгоритмов, которые будут использованы, в том числе, для создания персонализированных новостных лент.
Далее рассмотрим интернет-сервисы, помогающие в работе журналиста. Для систематизации и классификации существующих инструментов AI, применяемых для проверки фактов, анализа текста и выявления фейковой информации, их можно разделить на несколько категорий. Полученная классификация представлена в Таблице.
Таблица - Интернет-сервисы AI-журналистики
Функциональная задача Сервис
Проверка фактов (Fact-checking tools) ClaimBuster https://idir.uta.edu/claimbuster/
Full Fact's Automated Fact Checking https://fullfact.org/ai/
Snopes https://www.snopes.com/
PolitiFact https://www.politifact.com/
Factmata https://www.eu-startups.com/directory/factmata/
Google Fact Check Tools https://clck.ru/3C9w4Y
Выявление фейковой информации (Fake news detection tools): анализ контента и структуры, классификация и фильтрация Hoaxy https://hoaxy.osome.iu.edu/
Botometer https://botometer.osome.iu.edu/
Fake News Challenge (FNC) http://www.fakenewschallenge.org/
DeepFact https://deepfact.com/
Анализ больших данных (Big data analysis tools): анализ и визуализация данных, обработка и анализ данных Kibana https://www.elastic.co/kibana
Hadoop https://hadoop.apache.org/
Apache Spark Apache Spark
Project Debater IBM https://clck.ru/3C9w7d
Анализ и обнаружение информации, дезинформации и дипфейков на более чем 50 языках по всему миру (Fake news detection tools): мониторинг и анализ данных, анализ взаимодействий и сетей Analytics Alto https://www.alto-analytics.com/en US/
Thefactual https://www.thefactual.com/
Checker The (Examiner Platform): https://checker.news/
AI Sensity https://sensity.ai/
Мониторинг и анализ социальных сетей (Social media monitoring tools): мониторинг и анализ трендов, анализ взаимодействий и сетей Brandwatch https://www.brandwatch.com/
Hootsuite https://www.hootsuite.com/
Gephi https://gephi.org/
NodeXL https://nodexl.com/
Эти инструменты представляют широкий спектр технологий, применяемых для борьбы с фейковыми новостями. Они помогают редакциям СМИ эффективно анализировать информацию, проверять факты и выявлять фейковую природу некоторых новостных сообщений. Чуть подробнее о некоторых из них.
Full Fact - британская организация, использующая AI для автоматической проверки фактов в режиме реального времени. Их система анализирует заявления политиков и медиа, сравнивая их с базами данных проверенных фактов. Во время предвыборных дебатов и крупных политических событий Full Fact применяет свои алгоритмы для быстрого выявления неверных утверждений, что помогает СМИ оперативно публиковать опровержения. Довольно значимым явлением является их постоянно обновляемый блог Full Fact (Политика в прямом эфире) с проверкой фактов, комментариями и анализом (Politics Live. Full Fact's rolling blog of fact checks, commentary and analysis. 2024, https://fullfact.org/live/). Известные СМИ, такие как CNN, Bloomberg, Financial Times, Fox News, The Guardian и The Economist, активно публикуют опровержения, подготовленные сервисом Full Fact.
ClaimBuster, разработанный в Университете Техаса в Арлингтоне, использует алгоритмы машинного обучения для автоматического обнаружения потенциально ложных утверждений в текстах новостей и политических речах. Система была успешно использована для мониторинга президентских дебатов в США, помогая выявлять спорные заявления для дальнейшей проверки. Публикаций на тему, как работает этот сервис, достаточно много (ClaimBuster. Automated Live Fact-Checking. 2024, https://bit.ly/4fpWqtM). Как и предыдущий сервис, инструмент ClaimBuster остается доступным для свободного использования.
Project Debater от IBM использует AI для анализа и дебатов на различные темы, помогая выявлять аргументы и контраргументы на основе большого объема данных. В 2019 году Project Debater успешно участвовал в дебатах с человеком, предоставляя обоснованные и проверенные аргументы, что продемонстрировало возможности AI в анализе информации (Debates Featuring IBM Project Debater. 2019. February 11, https://bit.ly/4dm29PD).
Factmata использует AI для анализа и оценки достоверности новостей и комментариев в Интернете, предоставляя журналистам и организациям информацию о вероятности фейков. Factmata успешно анализировал крупные информационные кампании, помогая выявлять и блокировать дезинформацию. Искусственный интеллект, разработанный компанией Factmata, применяет технологии обработки естественного языка (NLP) для автоматического обнаружения и классификации онлайн-контента, который может представлять собой риск или быть ненадежным. В результате была создана специализированная платформа для аннотирования контента, а также привлечены 24 профессиональных сообщества и свыше 2 000 экспертов, включая журналистов и исследователей, чтобы активно участвовать в формировании обучающего набора данных (The AI and CI solution. 2024, https://bit.ly/4fgKyKV).
Google Fact Check Tools. Google разработал инструменты для фактчекинга, которые помогают журналистам проверять достоверность информации с использованием искусственного интеллекта и больших данных. В настоящее время они способствуют выявлению и маркировке фейковых новостей в поисковых результатах, что улучшает качество информации, доступной пользователям. У сервиса Google
имеется отдельное окно для поиска материалов, связанных с фактчекингом (https://clck.ru/3CnNin). С помощью поиска по ключевым словам можно находить материалы по интересующим темам, которые будут представлены в виде списка фактчекинговых ресурсов.
Одним из успешных кейсов является применение инструмента Heliograf такими известными изданиями, как The Wall Street Journal и The Washington Post, который автоматически генерирует новостные статьи на основе данных и шаблонов. Например, робот-журналист был использован для освещения Олимпийских игр и выборов, что существенно увеличило объем и скорость публикаций (Wolny, Nick. Heliograf: How The Washington Post's AI Writer Wrote 850 Articles in Year One. 2024. April 28. https://nickwolny.com/heliograf).
Вызовы и ограничения
Приведенные примеры демонстрируют не только успешное применение искусственного интеллекта для борьбы с дезинформацией, но и обозначают вызовы, с которыми сталкиваются разработчики и пользователи данных технологий. Определяя ключевые вызовы и ограничения, с которыми сталкиваются журналисты, работающие в формате AI-журналистики, выделим следующие аспекты.
Как показывает практика использования искусственного интеллекта, AI-системы зависят от качества и достоверности данных, на которых они обучаются и функционируют. Недостаток точных и проверенных данных может привести к ошибочным выводам и распространению фальшивых новостей. Наличие предвзятых данных может снизить точность алгоритмов, особенно при анализе сложных тем. Сегодня база данных инцидентов, связанных с использованием AI, насчитывает сотни зафиксированных случаев ошибок. Последний такой случай (на 27.07.2024 г.) под номером 750 звучит следующим образом: «...чат-боты на основе искусственного интеллекта неточно передавали политические новости в режиме реального времени» (AI Incident Database. Incident List. 2024. July. https://clck.ru/3C9xS6). Об ошибках AI в других сферах жизнедеятельности человека можно ознакомиться в публикациях К. С. Каримова и И. А. Шадеркина (Каримов 2022; Шадеркин 2021).
Сегодня алгоритмы машинного обучения ограничены в своей способности понимать контекст и нюансы человеческого языка. Текущие модели обработки естественного языка (NLP) часто не могут справиться с сарказмом, иронией или культурными особенностями, что приводит к неверной интерпретации данных. Однако ситуация не столь безнадежна. На самом деле, искусственный интеллект может распознавать сарказм, но на данный момент это удается лишь тем моделям, которые способны учитывать контекст. Исследователи Нью-Йоркского университета провели исследование на эту тему (Fadelli Ingrid, Can large language models detect sarcasm? 2023. December 28, https://clck.ru/3CARnj) и пришли к выводу, что решение этой проблемы находится на горизонте обозримого будущего (Juliann Zhou 2023).
Следующий вызов и ограничения, связанные с AI, касаются этических и правовых вопросов. Использование AI в журналистике поднимает важные вопросы этики и конфиденциальности, включая защиту данных и неприкосновенность частной жизни. Например, российская Стратегия развития AI до 2030 года включает в себя разработку гибкой системы нормативно-правового регулирования. Кодекс этики искусственного интеллекта (Национальный кодекс этики в сфере искусственного интеллекта, 2021), представляя собой инструмент «мягкой силы», основан на человеко-ориентированном и гуманистическом подходе к качеству как основному этическому принципу. Он предполагает добровольное саморегулирование и социальную ответственность субъектов, занимающихся деятельностью в области AI (Лизикова 2022: 189).
К этому следует добавить, что AI-алгоритмы часто функционируют как «черные ящики», что затрудняет понимание их решений и объяснение этих решений аудитории. AI-системы могут непреднамеренно воспроизводить или усиливать существующие предвзятости и тенденциозность, содержащиеся в тех или иных данных. Отсутствие прозрачности и риск дискриминации существенно снижают доверие к AI-системам как со стороны журналистов, так и со стороны аудитории. Необходимость соблюдения законов и регламентов может значительно ограничивать доступ к данным и их использование (Карлюк М., Этические и правовые вопросы искусственного интеллекта, РСМД, 2018. 18 апреля, https://clck.ru/3CAUSY).
Еще одной проблемой, связанной с использованием AI-технологий, является привлечение необходимых ресурсов, создание инфраструктуры, а также обучение и адаптация сотрудников. Все это требует значительных финансовых и технических вложений, а также значительного объема времени и усилий для переподготовки персонала. Согласно оценкам специалистов, расходы компаний на AI в 2024 году достигнут 110 миллиардов долларов; российский рынок решений в сфере AI составит 160 миллиардов рублей, а большинство компаний планируют инвестировать в эту область (Искусственный интеллект (AI) // Tadviser, 2021, 5 мая, https://clck.ru/3CAVw3).
С учетом быстрого развития технологий AI, журналисты должны постоянно обновлять свои компетенции. Несовместимость между различными программными и аппаратными системами может ограничить возможности внедрения AI в журналистику, а быстрая смена технологий приводит к устареванию существующих инструментов и методов. Это создает необходимость в постоянных
инвестициях в обучение и обновление оборудования, что формирует порочный круг постоянных расходов. Важно отметить, что полная автоматизация процесса создания информационного контента может привести к утрате журналистских навыков и снижению качества редакционного контроля.
Таким образом, указанные вызовы и ограничения требуют от медиаорганизаций тщательно продуманных стратегий внедрения AI, включая инвестиции в обучение, разработку этических норм и постоянное обновление технологий.
Выводы и результаты
Поскольку технологии искусственного интеллекта играют ключевую и возрастающую роль в автоматизации процессов проверки фактов и повышении качества медиаконтента, мы выявили существование различных возможностей и проблем применения этих технологий. Одним из основных подчеркиваемых моментов является тесная связь между качеством данных, используемых в системах искусственного интеллекта, и успехом этих приложений в журналистике. Стоит также отметить, что некачественные или необъективные данные могут привести к серьезным ошибкам, включая риск распространения дезинформации вместо борьбы с ней.
Научная новизна этой статьи заключается во всестороннем рассмотрении инструментов, основанных на применении AI в журналистике, особенно в условиях растущей угрозы фальшивой реальности.
Несмотря на скорость и эффективность, которые обеспечивает AI, например, более быструю обработку информации и создание персонализированного медиаконтента, ориентированного на конкретную аудиторию, существует множество рисков и проблем, включая потенциальную замену или потерю журналистских навыков, а также снижение редакционного контроля и риск чрезмерного использования в автоматизированных процессах.
При изучении этических дилемм, возникших в результате широкого использования AI в сфере журналистики, выявилась необходимость сохранения прозрачности в процессе обучения AI, одновременно выделяя необходимость тщательного регулирования для поддержания общественного доверия.
В итоге следует признать, что AI может эффективно улучшить качество журналистской практики, однако его интеграция с журналистикой требуют видения и стратегических планов в сфере образования с учетом этических стандартов и постоянного улучшения качества данных.
Список источников
Аббуд М. В. А. Инаковость индивидуального бытия человека в условиях фейковой реальности // Известия Саратовского университета. Новая серия. Серия: Филология. Журналистика. 2024. Т. 24, вып. 2. С. 212-219. https://doi.org/10.18500/1817-7115-2024-24-2-212-219.
Каримов К. С. Основные проблемы искусственного интеллекта в науке // Постсоветский материк. 2022. №4. С. 59-65. https://doi.org/10.48137/23116412_2022_4_59.
Лизикова М. С. Этические и правовые вопросы развития искусственного интеллекта // Труды Института государства и права РАН. 2022. Т. 17, № 1. С. 178-194. https://doi.org/10.35427/2073-4522-2022-17-1-lizikova.
Лукина М. М., Замков А. В., Крашенинникова М. А., Кульчицкая Д. Ю. Искусственный интеллект в российских медиа и журналистике: к дискуссии об этической кодификации // Вопросы теории и практики журналистики. 2022. Т. 11, № 4. С. 680-694. https://doi.org/10.17150/2308-6203.2022.11(4).680-694.
Макашова В. В. Дезинформация как предмет научного анализа: традиционные и новые подходы // Медиальманах. 2023. №6. С. 16-21. https://doi.org/10.30547/mediaalmanah.6.2023.1622.
Медведева М. В. Медиакомпетентность и риски использования нейросетей молодежью // Коммуникации в условиях цифровых изменений : сборник материалов VII Международной научно-практической конференции. Санкт-Петербург, 28-29 ноября 2023 г. СПб. : Изд-во СПбГЭУ, 2023. С. 67-69.
Муратова Н., Тошпулатова Н., Алимова Г. Fake news: дезинформация в медиа. Ташкент : Innovatsion rivojlanish nashriyot-matbaa uyi, 2020. 104 с.
Стернин И. А., Шестерина А. М. Маркеры фейка в медиатекстах. Воронеж: издательство «РИТМ», 2021. 60 с.
Третьяков А. О., Филатова О. Г., Жук Д. В., Горлушкина Н. Н., Пучковская А. А. Метод определения русскоязычных фейковых новостей с использованием элементов искусственного интеллекта // International Journal of Open Information Technologies. 2018. Т. 6, № 12. С. 99-105.
Шадеркин И. А. Слабые стороны искусственного интеллекта в медицине // Российский журнал телемедицины и электронного здравоохранения. 2021. № 7 (2). С. 50-52. https://doi.org/10.29188/2712-9217-2021-7-2-50-52.
Швецов А. Н., Дианов С. В., Попова А. А., Кузнецов Д. О. Моделирование процессов распространения дезинформации в информационных сетях // Вестник Череповецкого государственного университета. 2022. №6 (111). С. 89-109. https://doi.org/10.23859/1994-0637-2022-6-111-7.
Diakopoulos N. Automating the News: How Algorithms Are Rewriting the Media. Harvard University Press,
2019. 304 p. https://doi.org/10.1177/1464884919876179.
Newman N., Fletcher R., Kalogeropoulos A., Levy D. A. L., Nielsen R. K. Reuters Institute Digital News Report 2023. https://doi.org/10.2139/ssrn.2619576.
Simon F. M. Artificial Intelligence in the News: How AI Retools, Rationalizes, and Reshapes Journalism and the Public Arena. Columbia Journalism Review. 2024. February 6, https://clck.ru/3C9num.
Zhou Ju. An Evaluation of State-of-the-Art Large Language Models for Sarcasm Detection. ArXiv. 2023. October 7. https://doi.org/10.48550/arXiv.2312.03706.
References
Abbood, M. W. A. (2024). Inakovost' individual'nogo bytiya cheloveka v usloviyakh feykovoy real'nosti [Otherness of individual existence in the context of fake reality]. Izvestiya Saratovskogo universiteta. Novaya seriya. Seriya: Filologiya. Zhurnalistika, t. 24, vyp. 2, 212-219. https://doi.org/10.18500/1817-7115-2024-24-2-212-219. (In Russ).
Karimov, K. S. (2022). Osnovnye problemy iskusstvennogo intellekta v nauke [The main problems of artificial intelligence in science]. Postsovetskiy materik, 4, 59-65. https://doi.org/10.48137/23116412_2022_4_59. (In Russ).
Lizikova, M. S. (2022) Eticheskie i pravovye voprosy razvitiya iskusstvennogo intellekta [Ethical and Legal Issues in the Development of Artificial Intelligence]. Trudy Instituta gosudarstva i prava RAN, t. 17. 1, 178-194. https://doi.org/10.35427/2073-4522-2022-17-1-lizikova. (In Russ).
Lukina, M. M., Zamkov,A. V., Krasheninnikova, M.A. & Kul'chitskaya, D. Yu. (2022). Iskusstvennyy intellekt v rossiyskikh media i zhurnalistike: k diskussii ob eticheskoy kodifikatsii [Artificial Intelligence in Russian Media and Journalism: Towards a Discussion on Ethical Codification]. Voprosy teorii ipraktikizhurnalistiki, t. 11, 4, 680-694. https://doi.org/10.17150/2308-6203.2022.11(4).680-694. (In Russ).
Makashоva, V . V. (2023). Dezinformatsiya kak predmet nauchnogo analiza: traditsionnye i novye podkhody [Disinformation as a Subject of Scientific Analysis: Traditional and New Approaches]. Medial'manakh, 6, 16-21. https://doi.org/10.30547/ mediaalmanah.6.2023.1622. (In Russ).
Medvedeva, M. V. (2023) Mediakompetentnost' i riski ispol'zovaniya neyrosetey molodezh'yu [Media Competence and Risks of Using Neural Networks by Youth]. Kommunikatsii v usloviyakh tsifrovykh izmeneniy : sbornik materialov VII Mezhdunarodnoy nauchno-prakticheskoy konferentsii. Sankt-Peterburg, 28-29 noyabrya 2023 g. SPb. : Izd-vo SPbGEU, 67-69. (In Russ).
Muratova, N. & Toshpulatova, N. & Alimova, G. (2020). Fake news: dezinformatsiya v media [Fake news: disinformation in the media]. Tashkent: Innovatsion rivojlanish nashriyot-matbaa uyi, 104 p. (In Russ).
Sternin, I. A. & Shesterina, A. M. (2021).Markery feyka vmediatekstakh [Markers of Fake in Media Texts]. Voronezh: izdatel'stvo «RITM», 60 p. (In Russ).
Tret'yakovA. O., FilatovaO. G., ZhukD. V., GorlushkinaN.N. & PuchkovskayaA. A. (2018) Metod opredeleniya russkoyazychnykh feykovykh novostey s ispol'zovaniem elementov iskusstvennogo intellekta [Method for Identifying Russian-language Fake News Using Elements of Artificial Intelligence]. International Journal of Open Information Technologies, t. 6, 12, 99-105.
Shaderkin, I. A. (2021) Slabye storony iskusstvennogo intellekta v meditsine [Weaknesses of Artificial Intelligence in Medicine]. Rossiyskiy zhurnal telemeditsiny i elektronnogo zdravookhraneniya, 7 (2), 50-52. https://doi.org/10.29188/2712-9217-2021-7-2-50-52. (In Russ).
Shvetsov, A.N., Dianov, S. V., Popova, A.A. & Kuznetsov, D. O. (2022). Modelirovanie protsessov rasprostraneniya dezinformatsii v informatsionnykh setyakh [Modeling the Processes of Disinformation Spread in Information Networks]. Vestnik Cherepovetskogo gosudarstvennogo universiteta, 6 (111), 89-109. https://doi.org/10.23859/1994-0637-2022-6-111-7. (In Russ).
Diakopoulos, N. (2019). Automating the News: How Algorithms Are Rewriting the Media. Harvard University Press, 304 p. https:// doi.org/10.1177/1464884919876179.
Newman, N., Fletcher, R., Kalogeropoulos, A., Levy, D. A. L. & Nielsen, R. K. (2023). Reuters Institute Digital News Report. https://doi.org/10.2139/ssrn.2619576.
Simon, F. M. (2024). Artificial Intelligence in the News: How AI Retools, Rationalizes, and Reshapes Journalism and the Public Arena. Columbia Journalism Review, February 6, https://clck.ru/3C9num.
Zhou, J. (2023). An Evaluation of State-of-the-Art Large Language Models for Sarcasm Detection. ArXiv, October 7. https://doi. org/10.48550/arXiv.2312.03706.
Информация об авторе
М. В. А. Аббуд - аспирант кафедры теории и истории журналистики
Information about the author
Mohammed W. A. Abbood - postgraduate student of the Department of Theory and History of Journalism
Автор заявляет об отсутствии конфликта интересов.
The author declares no conflicts of interests.
Статья поступила в редакцию 31.07.2024; одобрена после рецензирования 18.10.2024; принята к публикации 22.10.2024.
The article was submitted 31.07.2024; approved after reviewing 18.10.2024; accepted for publication 22.10.2024.
