سرویس دین و اندیشه خبرگزاری کتاب ایران (ایبنا)، کتاب «تقاطع هوش مصنوعی و روزنامهنگاری»، نوشته کومار بیسوال و آند جی. کولکارنی با ترجمه علی شاکر در قالب یک اثر پژوهشی از سوی نشر همشهری منتشر شده است. انتشار این کتاب، بهانهای شد تا با علی شاکر، پژوهشگر بینرشتهای ارتباطات و هوش مصنوعی و مترجم این اثر، به گفتوگو بنشینیم. او که پیشتر کتاب «خبرسازان؛ هوش مصنوعی و آیندهی روزنامهنگاری» را ترجمه کرده، در این گفتوگو با تمرکز بر کتاب تازهای که با ترجمه او بیرون آمده، ضمن عبور از شیفتگیهای کاذب به فناوری، هشدار میدهد که ورودِ بدون واسطه این ابزارها میتواند روزنامهنگاران را در دام «استعمار الگوریتمی» و هیولای اخبار جعلی در «عصر پیشا-حقیقت» گرفتار کند.
به باور شاکر، راهکارِ رهاییِ تحریریهها ارتقای روزنامهنگار از یک «میرزابنویسِ منفعل» به یک «مدیر ارشد شناختی» و طراحِ عاملهای هوشمند (Agents) است. گفتوگوی پیشرو، در واقع مانیفستی است برای حفظِ عاملیتِ انسان در «نبرد با میانگینها»؛ دعوتی خواندنی برای کشف این حقیقت که ماشین تنها بازتولیدکننده معدل گذشته است، اما روزنامهنگارِ مجهز به تفکر انتقادی، خالقِ روایتهای آینده خواهد بود.
***
ما در شرایطی درباره کتاب «تقاطع هوش مصنوعی و روزنامهنگاری» صحبت میکنیم که توسعه هوش مصنوعی مولد در جهان با سرعت سرسامآوری پیش میرود، اما در داخل کشور بیش از دو ماه است که با قطعی و اختلال گسترده اینترنت مواجهیم. در این شکافِ عمیق میان «شتاب جهانی» و «انسداد داخلی»، صحبت از پارادایم جدید روزنامهنگاریِ مبتنی بر هوش مصنوعی چه معنایی دارد؟ آیا این ابزارها در چنین شرایط محدود و ایزولهای اصلاً میتوانند کمکحال روزنامهنگاران ما باشند؟
ما در یک شرایط بسیار پیچیده و تا حدی متناقض قرار داریم. ذاتِ روزنامهنگاری در بسترِ جریانِ آزادِ اطلاعات رشد میکند و وقتی ما با اختلالات زیرساختی و فضایی پرالتهاب مواجهیم، صحبت از لبه فناوری ممکن است فانتزی به نظر برسد. اما واقعیت این است که اگر این ابزارها بدون آموزش وارد تحریریههای ما شوند -که متاسفانه تا حد زیادی شدهاند- هوش مصنوعی از یک دستیارِ تحلیلگر به یک «میرزابنویسِ مدرن» تقلیل پیدا میکند.
اگر روزنامهنگارِ ما در این وضعیتِ پراسترس نداند که چگونه باید مسئله را برای ماشین فرمولبندی کند و پرامپتهای (Prompts) درستی بنویسد، خروجیِ کار کاملاً سطحی و صرفاً برای «رفع تکلیف» خواهد بود. همانطور که در کتاب هم اشاره شده، آیندهی روزنامهنگاری بیش از هرچیز نیازمندِ کسبِ مهارتهای جدید در کنار حفظ ارزشهای سنتی است. ابزارهایی مثل ChatGPT بر پایه پردازش زبان طبیعی (NLP) برای درک «نیتِ کاربر» طراحی شدهاند؛ اگر نیت و پرسشِ ما به عنوان روزنامهنگار سطحی باشد، ماشین هم پاسخی سطحی تولید میکند.
اما بیایید از زاویهی اقتصادِ رسانه در ایران به ماجرا نگاه کنیم؛ ما باید واقعبین باشیم. با حقوقهای ماهانهای که گاهی در حوالی ۱۰۰ دلار میچرخد، هوش مصنوعی مولد دیگر یک کالای لوکسِ آکادمیک نیست، بلکه یک «ابزار بقا» است. همانطور که نویسندگان کتاب «تقاطع هوش مصنوعی و روزنامهنگاری» نشان میدهند، خودکارسازی وظایفِ روزمره در تحریریهها میتواند بار کارهای تکراری را کم کند. یک روزنامهنگارِ ایرانیِ مسلط به این ابزار، میتواند پروژههای بیشتری بگیرد، سرعت کارش را بالا ببرد و در این شرایطِ سختِ اقتصادی، تابآوریِ خود را افزایش دهد.
در نهایت، حتی اگر این انسدادها و بحرانها هم نبود، تحریریههای ما باز هم با چالشِ پذیرشِ این فناوری روبهرو بودند. در این پارادایمِ جدید، کسی پیروز است که صرفاً مصرفکننده خروجیِ ماشین نباشد؛ بلکه بتواند شهود و مهارتهای روزنامهنگارانهی خود را به ماشین بیاموزد، برای خودش عاملهای هوشمند (Agents) بسازد و الگوریتمِ کارِ روزانهاش را خودش تعریف کند. این یعنی گذار روزنامهنگار از یک «تولیدکنندهی سادهی متن» به «مدیرِ هوشمندِ اطلاعات».»
شما در صحبتهایتان به تعبیر جالبِ هوش مصنوعی به عنوان یک «ابزار بقا» در اقتصاد فعلی رسانهها اشاره کردید و از لزوم گذار روزنامهنگاران به سمت ساخت «عاملهای هوشمند» (Agents) گفتید. با توجه به مباحث کتاب و در نظر گرفتن همین واقعیتهای تلخِ زیرساختی (مثل محدودیتهای اینترنت)، افق «رسانه هوشمندِ آینده» در ایران در عمل چگونه شکل میگیرد؟ یک روزنامهنگار یا تحریریه با منابع محدود، دقیقاً باید چه تغییراتی در مدل کار و مهارتهای خود ایجاد کند تا ماشین را از یک «میرزابنویسِ ساده» به یک دستیار و همکارِ واقعی تبدیل کند؟
اگر بخواهیم واقعبین باشیم، بخش مهمی از گذار به رسانهی هوشمند به زیرساختهای سنگین پردازشی و مزارع گرافیکی (GPU Farms) محتاج است که تامین آنها فعلاً برای رسانهها و در سطحی بالاتر برای کشور هنوز امکانپذیر نشده است. علاوه بر این، الفبای این توسعه، یعنی دسترسی به اینترنت آزاد و جریان سیال اطلاعات، با محدودیتهای جدی و دغدغههای امنیتیِ شرایط کنونی مواجه است. رسانه زمانی میتواند از هوش مصنوعی برای کشف حقیقت استفاده کند که آزادی عملِ نسبی برای پوششِ روایتهای مستقل را داشته باشد.
با این حال، میدانیم که وضعیت این طور نمیماند و تغییر میکند و ما هم مجبوریم با آن همراه شویم. پس به جای انفعال، میبایست استراتژیهای جایگزین داشته باشیم؛ مثلاً به جای تمرکز بر مدلهای زبانی بزرگ (LLMs)، به سمت توسعه و استفاده از مدلهای زبانی کوچک و تخصصی (SLMs) برویم. ما باید از خودِ این ابزارها برای یادگیریِ «سوادِ هوش مصنوعی» و اصول تعامل با ماشین (پرامپتنویسی) استفاده کنیم.
کتاب بیسوال و کولکارنی نیز به صراحت توضیح میدهد که با ورود هوش مصنوعی، نقش سنتی روزنامهنگار به پایان رسیده است. در آیندهی میانمدت، ما دیگر صرفاً «خبرنگار» نخواهیم بود، بلکه باید به «کارگران دانش» (Knowledge Workers) و «شکارچیان جعلیات» تبدیل شویم. کتاب در بحثهای خود دربارهی اخبار جعلی به خوبی نشان میدهد که چگونه دیپفیکها و محتوای دستکاریشده میتوانند افکار عمومی را مسموم کنند. امروز هزینهی تولید یک خبر جعلی با هوش مصنوعی تقریباً به صفر رسیده، اما هزینهای که به ساختار یک جامعه تحمیل میکند ویرانگر است. اینجاست که روزنامهنگار باید بهعنوان ناظر اخلاقی و سَدی در برابر این فریبِ الگوریتمی عمل کند.
اما سطح عمیقترِ این گذار، حرکت به سمت «روزنامهنگاری پیشبین» است. همانطور که در کتاب اشاره شده، «تمام آنچه هوش مصنوعی میخواهد، داده است». روزنامهنگار آینده با تجمیع کلاندادهها (از سنسورهای اینترنت اشیاء گرفته تا دادههای شبکهای) صرفاً نمیگوید «چه اتفاقی افتاد»، بلکه تحلیل میکند که «چه اتفاقی رخ خواهد داد».
البته در اینجا با تناقضی فلسفی مواجهیم: وقتی جامعه به سمت پیشبینیهای الگوریتمی حرکت میکند، شرایط تصمیمگیری بسیار پیچیدهتر میشود. ما با انبوهی از احتمالات مواجه میشویم و برای رهایی از این ابهام، دوباره به خودِ ماشین پناه میبریم! تنها راهِ نجاتِ روزنامهنگار از این چرخه و حفظِ عاملیت انسانی، این است که شاخکهای انتقادیاش را فعال نگه دارد. روزنامهنگار هوشمندِ آینده برای تحلیل این خروجیهای ماشینی، نباید صرفاً به فیدِ اخبار و دادههای روزمره متکی باشد؛ بلکه باید به «دادههای عمیق» یعنی کتابها، پایاننامهها و آرشیوهای تاریخی رجوع کند تا بتواند به ماشین و دادههایش «بافتار» و «معنا» ببخشد.
به نقش روزنامهنگار بهعنوان ناظر اخلاقی و شکارچی جعلیات اشاره کردید و گفتید که باید به دادههای عمیق پناه ببرد. این موضوع بهویژه در کشور ما که در سایه تنشهای منطقهای و بحرانها قرار دارد، بسیار حیاتی است؛ چرا که اطلاعات در زمان بحران به مهمترین سلاح تبدیل میشود. در کتاب «تقاطع هوش مصنوعی و روزنامهنگاری»، مشخصاً چه رویکردی درباره نقش هوش مصنوعی در جنگِ شناختی، تولید و مهار اخبار جعلی (Fake News) مطرح شده است؟
اتفاقاً کتاب در فصل اول خود (بخش ۱.۷: روزنامهنگاری زرد و اخبار جعلی) دست روی همین نقطه میگذارد. وقتی در شرایط بحران و تنشهای منطقهای هستیم، سرعت گردش اطلاعات به شدت بالا میرود و فضای رسانهای مستعدِ آلودگی میشود. کتاب با ارجاع به دستهبندی کلر واردل، نشان میدهد که ما با طیف وسیعی از اختلالات اطلاعاتی روبهرو هستیم؛ از «ارتباط نادرست» و «بافتارِ دروغین» تا «محتوای کاملاً دستکاریشده و جعلی».
در چنین جنگ شناختیِ پیچیدهای، هوش مصنوعی نقشی کاملاً دوگانه و متناقضنما ایفا میکند؛ از یک سو به عنوان تکثیرکنندهی بحران ابزارهای قدرتمندی برای تولید اطلاعات گمراهکننده و دروغ فراهم کرده است. در بخشهای دیگر کتاب به موج تبلیغات مبتنی بر «دیپفیک» (Deepfake) اشاره میشود؛ جایی که هوش مصنوعی با شبیهسازی دقیق صدا و تصویر چهرههای اثرگذار، میتواند افکار عمومی را در حساسترین لحظاتِ یک بحران مهندسی کند.
اینجاست که ما فراتر از عصر «پساحقیقت»، وارد دوران «پیشاحقیقت» (Pre-truth) میشویم. الگوریتمها با بمبارانِ مداومِ ذهنِ مخاطب و تولید انبوه جعلیات، «باورها و سوگیریهای او را پیش از وقوعِ هر رویدادی مهندسی میکنند». در این وضعیت، زمین بازی شناختی از پیش مینگذاری شده است و وقتی حقیقت منتشر میشود، ذهنِ مخاطب دیگر توانایی پذیرش آن را ندارد.
از سوی دیگر هوش مصنوعی میتواند به عنوان سپر شناختی نیز عمل کند. کتاب راهکار را در بازگشت به همان نقشِ «شکارچی جعلیات» میداند، اما این بار مجهز به سلاحِ ماشین. ما نمیتوانیم با ابزارهای دستی به جنگِ الگوریتمها برویم. کتاب به صراحت توضیح میدهد که روزنامهنگاران باید به ابزارهای اعتبارسنجیِ مبتنی بر خودِ هوش مصنوعی (مانند Factual، Check، AI Fabula و ابزارهای تشخیص دیپفیک) مسلط شوند. در واقع، در دلِ این تنشها، تحریریهها باید از هوش مصنوعی نه فقط برای «تولید محتوا»، بلکه به عنوان یک ابزار راستیآزماییِ پرسرعت استفاده کنند تا نگذارند جامعه در تلهی پیشاحقیقت و اخبار جعلی گرفتار شود.
در ادامه بحث اخبار جعلی، آیا نویسندگان کتاب (بیسوال و کولکارنی) راهکاری ارائه میدهند که چگونه روزنامهنگاران میتوانند از ابزارهای هوش مصنوعی برای راستیآزمایی و مقابله با سیل اطلاعاتِ مسموم در شرایط بحرانی استفاده کنند، بدون آنکه خودشان به صورت ناخواسته به ابزار دستِ الگوریتمها تبدیل شوند؟
نویسندگان برای جلوگیری از تبدیل شدن روزنامهنگار به «بازیچهی الگوریتمها»، بر رویکرد«فناوری با چهرهی انسانی» (Technology with a Human Face) و حفظ نقش محوری «دروازهبانی خبر» تأکید دارند. در درجه نخست آنان هوش مصنوعی را به عنوان دستیار در نظر میگیرند، نه تصمیمگیرنده نهایی. کتاب به ابزارهای متنوع مبتنی بر هوش مصنوعی برای مبارزه با اخبار جعلی اشاره میکند، اما راهکار اصلی این است که ماشین تنها باید برای «سرعت بخشیدن به فرآیند راستیآزمایی» (مانند تطبیق الگوهای دادهای کلان یا شناسایی دیپفیک) استفاده شود. قضاوت نهایی درباره صحت و سقم محتوا و نیتِ پشتِ انتشار آن، باید بر عهده ذهنِ تحلیلگرِ انسان باشد. البته نظر شخص من این است که در آیندهی نزدیک میبینیم که ماجرا به این سادگی هم نیست؛ چون کشورهایی مثل ایران در عمل مصرفکنندهی مدلهای مولد هوش مصنوعی هستند و داریم الگوریتمها و جزئیات فرهنگی خود را به یک دیتابیس بزرگ میفرستیم و امکان تسلط صاحبان این صنایع بر خودمان را بیشتر میکنیم.
پیشنهاد دیگری که کتاب مطرح میکند، بحث «حفظ استقلال تحریریه و شناخت سوگیریها»ست. نویسندگان در بخشهای مربوط به عصر اخبار جعلی، روی «بهترین شیوهها برای حفظ تعادل روزنامهنگارانه» دست میگذارند. روزنامهنگار باید سوگیریهای احتمالی در خودِ الگوریتمهای راستیآزمایی را بشناسد تا ناخواسته در تلهی سوگیریِ شرکتهای سازندهی این هوشهای مصنوعی نیفتد. این راهکار نیز با پیچیدگیهای زیادی در ایران مواجه است؛ چون تحریریهها الزاماً به این سواد مجهز نیستند و تنها میتوان امیدوار بود که در آینده شاید بتوان روزنامهنگارانی تربیت کرد که علاوه بر دانش ارتباطی و مهارتهای نوشتاری میبایست روی مباحث مرتبط با هوش مصنوعی نیز مسلط باشند.
پیشنهاد سوم کتاب نیز بحث «تکیه بر حقوق بشر و اخلاق رسانهای در بحران» است. نویسندگان با ارجاع به دستورالعملهای یونسکو، نقش انسان را در حفظ درک متقابل و حقوق بشر برجسته میکنند. در شرایط بحرانی، الگوریتم فاقد درکِ اخلاقی و زمینهای (Contextual) از تبعاتِ انتشار یا ردِ یک خبر است.
به طور خلاصه، راهبرد محوری کتاب مبتنی بر رویکرد «انسان در حلقه» (Human-in-the-loop) است: «واگذاریِ پردازشِ سریعِ دادههای مسموم به ماشین و حفظِ انحصارِ قضاوتِ اخلاقی و راهبردی برای انسان». اینگونه روزنامهنگار از یک «میرزابنویس منفعل»، به یک «مدیر ارشدِ شناختی» ارتقا مییابد.
بیایید به درونِ کتاب نگاهی بیندازیم. در میان فصلهای مختلف این اثر، کدام بخش یا کدام فناوریِ مشخصِ مبتنی بر هوش مصنوعی را برای تحریریههای امروز ایران (که هم با محدودیت منابع مواجهند و هم نیاز به سرعت عمل دارند) کاربردیتر میدانید؟ نویسندگان، نقطه اتصالِ اصلیِ ماشین و خبرنگار را کجا تعریف کردهاند؟
نقطهی اتصال اصلی ماشین و خبرنگار در «پردازش کلاندادهها و خودکارسازی روندهای تکراری تحریریه» تعریف شده است. ماشین دیگر «ابزاری صرف برای تسریع کارها» نیست، بلکه به عنوان یک «همکار، رقیب و دروازهبان» عمل میکند. برای تحریریههای امروز ایران که با محدودیت شدید منابع و فشار زمان مواجهاند، کاربردیترین فناوریهای معرفیشده در کتاب حول محور «دادهنگاری» (Data Journalism) (فصلهای ۷ و ۸) میچرخد. نویسندگان به طور مشخص به ابزارهایی نظیر تبلو پابلیک (Tableau Public) برای مصورسازی سریع دادهها و داکیومنت کلاد (DocumentCloud) برای تحلیل و استخراج اطلاعات از انبوه اسناد متنی اشاره میکنند. راهکار کتاب این است که بارِ سنگینِ پردازش اولیه و یافتن الگوهای پنهان در میان دادهها به دوش ماشین گذاشته شود، تا روزنامهنگارِ تحت فشار محدودیت منابع، انرژی خود را صرفِ روایتگری، تحلیل عمقی و رعایت ملاحظات اخلاقی کند.
بگذارید این را هم اضافه کنم که با وجود ارزش علمی این اثر، باید در نظر داشت که کتاب در سال ۲۰۲۴ (۱۴۰۳ شمسی) منتشر شده است؛ مقطعی که پارادایم «عاملهای خودمختار هوشمند» (AI Agents) هنوز به بلوغ فعلی خود در سال ۱۴۰۵ نرسیده بود.
از منظر علمی و راهبردیِ امروز، روزنامهنگاران صرفاً نباید مصرفکننده ابزارها باشند، بلکه میبایست معماری و ساخت «عاملِ روزنامهنگار» (Journalist Agent) را بیاموزند. این رویکرد مستلزم «ترجمهی الگوریتمیِ رویههای شناختیِ تحریریه» است. در واقع، کافی است مسیرهای روزمره و الگوریتمهای کاری یک خبرنگار برای ماشین مدلسازی شود.
طراحی این مسیر (Workflow Mapping) در ابتدا پیچیدگیهای فنی و شناختی خود را دارد؛ اما زمانی که بتوانیم متغیرهایی نظیر «شیوهی کشف سوژه»، «الگوهای جستوجو و اعتبارسنجی» و «سبکشناسیِ نگارشِ رسانه» را به عنوان یک چارچوب مفهومی به ماشین بیاموزیم، این عاملِ هوشمند میتواند وظایف فرسایشی تحریریه را بر عهده بگیرد. به عنوان مثال، بازنویسی و تنظیم ساختاری اخبار خام، یا پردازش و پاسخدهی هوشمند به کامنتهای سایت، میتواند به این عاملها سپرده شود.
این گذار تکاملی، روزنامهنگار ایرانی را از یک «کاربرِ نرمافزار» به یک «طراح و مدیر سیستمهای خودمختارِ خبری» ارتقا میدهد که میتواند با حداقلِ نیروی انسانی، بازدهی ماشین را به حداکثر برساند.
یکی از دغدغههای همیشگی در پیوندِ رسانه و هوش مصنوعی، مسئلهی «جایگزینی» است. آیا این کتاب، هوش مصنوعی را رقیبی میبیند که قرار است جایِ نویسندگان و گزارشگران را بگیرد، یا مدلِ همزیستیِ متفاوتی را پیشنهاد میدهد؟ نقشِ «خلاقیت و عاملیت انسانی» در پارادایمِ جدیدی که کتاب معرفی میکند کجاست؟
پاسخ به این دغدغه، پاسخی تکبعدی نیست. چون ما دیگر با هوش مصنوعی صرفاً به عنوان یک «ابزار» برای تسریع کارها روبهرو نیستیم؛ بلکه ماشین اکنون به یک «همکار، رقیب، دروازهبان و گاه نیرویی خلاق یا مخرب» در تحریریهها تبدیل شده است.
کتاب در فصلهای مختلف به نگرانیهای اقتصادی مبنی بر «جایگزینی ماشین با کار انسان» و به خطر افتادنِ امنیت شغلیِ کارگران دانش میپردازد. با این حال، راهکاری که ارائه میدهد، حرکت به سمت «فعالیتهای تقویتی به جای جایگزینی» و شکلگیری یک مدل همزیستی و همکاریِ تنگاتنگ میان روزنامهنگاران و توسعهدهندگان فنی است.
اما در اینجا، با نگاهی بومی و راهبردی به مسئله، باید نکتهی بسیار مهمی را به بحثِ کتاب اضافه کنم؛ میخواهم از «استعمار الگوریتمی؛ فراتر از دغدغهی جایگزینی» بگویم. برای ما در ایران، پیش و بیش از آنکه بحثِ جایگزینیِ شغلی مطرح باشد، خطر «استعمار الگوریتمی» مطرح است. الگوریتمهای هوش مصنوعی، موجودیتهایی خنثی نیستند. آنها بر اساس معماری شناختی و ارزشهای سازندگانشان (بیشتر در آمریکا یا چین) طراحی شدهاند. ورودِ بدونِ واسطهی این سیستمها به چرخهی تولید محتوا، میتواند آنها را به واسطهای پنهان برای دستکاری، جهتدهی و اقناعِ افکار عمومی در ایران تبدیل کند.
موضوع بعدی بحث «عاملیت انسانی، ارتباط قصدمند و مرزهای ماشین» است. اگرچه این فناوری در حالِ بازآفرینی و ارائهی تعریف تازهای از کار روزنامهنگاری است (و همانطور که اشاره شد، قرار نیست به صورت کامل جایگزین روزنامهنگارِ مؤلف شود)، اما بسیار واضح است که مؤلفههایی نظیر «خلاقیت انسانی» و «ارتباط قصدمند» (Intentional Communication)، مهارتها و تواناییهایی نیستند که یک ماشین بتواند به دست بیاورد.
باید به خاطر داشته باشیم که این ماشینِ هوشمند، در بنیادیترین لایهی خود، مدام در حالِ محاسبه روی عددها و توزیعهای احتمال است و خروجیِ آن، در واقع بازتابی از «میانگینها» و الگوهایِ گذشتهی زبان و دادههاست. در حالی که برای داشتنِ یک «تفکر انتقادی» و خلقِ روزنامهنگاریِ جریانساز، تنها دسترسی به میانگینها و میانههای آماریِ یک جامعه کافی نیست؛ روزنامهنگارِ انسان باید عاملیت داشته باشد تا برای نقدِ وضعیت موجود، ساختارهای مرسوم و میانگینهای فکریِ فعلی را به هم بزند. ماشین، بازتولیدکنندهی معدلِ گذشته است، اما روزنامهنگار، خالقِ روایتهای انتقادیِ آینده.
به عنوان سوال پایانی؛ پیامِ اصلیِ شما برای همکارانِ روزنامهنگارتان که میخواهند کتابِ «تقاطع هوش مصنوعی و روزنامهنگاری» را بخوانند چیست؟ در دنیایی که از یک سو با هوش مصنوعی احاطه شده و از سوی دیگر در داخل با چالشهای زیرساختیِ جدی دستوپنجه نرم میکند، خواندن این کتاب چه کمکی به حفظِ بقا و اثرگذاریِ یک روزنامهنگار میکند؟
بیشترِ دوستانِ جوانی که امروز پا به تحریریهها میگذارند، از نسلهای هزاره، Z و به زودی آلفا هستند؛ آنان در واقع «بومیان دیجیتال»اند و با فناوری قد کشیدهاند. پس قصد ندارم توصیه فنی به آنها داشته باشم. اما خواهش دوستانه و مؤکدِ من این است که پیش از غرق شدن در جهانِ الگوریتمها، حتماً به سراغ متون و کتابهای کلاسیک روزنامهنگاری بروند.
آنان باید با «ارزشهای بنیادین خبری» و «اخلاق حرفهای» عجین شوند تا درک کنند که «عاملیت انسانیِ»شان در گردآوری و اعتبارسنجیِ شواهد (Facts) تا چه حد حیاتی است. اگر این بنیانهای انتقادی در ذهنشان شکل نگیرد، در مواجهه با سیستمهای هوشمند، از یک روزنامهنگارِ مؤلف به «کارگزاران ماشین» و اپراتورهایِ کپیپیستِ غولهای فناوری تقلیل پیدا میکنند. شک نکنید که در آیندهای بسیار نزدیک، رسانهها با «عاملهای هوشمند» (Smart Agents) کار خواهند کرد؛ در آن زمان، تحریریه نیازی به نیرویی که صرفاً خوب کپی میکند ندارد، بلکه تشنهی روزنامهنگاری است که دارای چارچوبِ تحلیلی و تفکر انتقادی باشد.
باید بدانیم که کار با هوش مصنوعی پیچیدگیهای پنهانی دارد؛ ما دیگر با یک رسانه یا ابزارِ منفعل طرف نیستیم. این سیستمها به واسطهی یادگیری ماشین، ردپای شناختی و علایق ما را میشناسند و تمایل دارند خروجی را دقیقاً بر اساس سلیقه و سوگیریهای ما تنظیم کنند. این خطرِ افتادن در دامِ «حباب فیلتر» و «اتاق پژواک» است که ما را از رسالتِ اصلیِ روزنامهنگاری، یعنی اطلاعرسانی شفاف و چندسویه، دور میکند. از سوی دیگر، در شرایط دشوار اقتصادیِ امروز، وسوسه بسیار بالایی وجود دارد که روزنامهنگار برای کسب درآمد بیشتر، کارِ جستوجو و پژوهش چند ساعته را در چند دقیقه به ماشین بسپارد و کمّیت را فدای کیفیت کند؛ اینجاست که اخلاق حرفهای باید به عنوان ترمزِ ماشین عمل کند.
اما روی دیگرِ صحبتِ من با استادان و پیشکسوتانِ تحریریههاست. از این عزیزان صمیمانه خواهش میکنم که ادبیاتِ تعامل با این سیستمهای پردازشی را بیاموزند و در برابر آن گارد نگیرند. اگر آنان «دانش ضمنی»، تجربه زیسته و «شمّ خبریِ» بیبدیلِ خود را با قدرتِ پردازش و پایشِ دادهی ماشین پیوند بزنند، اتفاقی استثنایی رخ میدهد. در این پیوندِ مبارک، ماشین کارِ گِل و پردازشِ انبوه اطلاعات را انجام میدهد و پیشکسوتِ روزنامهنگاری میتواند با رهایی از لایههای سطحیِ خبر، به دادهها «معنا» ببخشد و روزنامهنگاریِ تحقیقی و عمقی را در ایران یک گام به جلو ببرد. از این رو، این کار خیلی مفیدتر و سودمندتر از جبهه گرفتن مقابل هوش مولّد است؛ چون متاسفانه در پایان بازی این عزیزان بازنده خواهند بود. در عوض میتوانند واسطهی انتقال تجربه و دانش خود به نسل بعد به کمک این ابزار باشند.
نظر شما