Технологии искусственного интеллекта активно внедряются в процессы создания контента, в том числе журналистского. Современные журналисты могут применять ИИ на разных этапах создания медиапродукта — от сбора информации до генерации идей и черновиков для новых материалов. Автоматизация рутинных задач с помощью нейросетей экономит время, позволяя сосредоточиться на более глубоком исследовании тем и детальной проработке материала. Например, нейросети справляются с транскрибацией аудиоматериалов, проверкой текста на ошибки, сбором и классификацией данных — задачами, которые ранее требовали много времени. Ирина Кедровская, главный редактор IQ Media и руководитель Центра цифровых коммуникаций НИУ ВШЭ рассказала редакции о том, как современные издания применяют ИИ сегодня.
Как журналисты могут применять ИИ сегодня?
Редакциям необходимо регулярно работать с объемными текстами: данными исследований, научными докладами, расшифровками дискуссий. И здесь нейросети приходят на помощь в том случае, когда нужно выделить главное в тексте. Алгоритмы могут сортировать информацию по темам (например, политика, экономика, культура), выделять ключевые источники и выявлять связи между материалами. Такая автоматизация упрощает работу с архивами, что особенно востребовано в редакциях при подготовке аналитических материалов. ИИ-модели можно также применить для мгновенной транскрибации аудиоматериалов: интервью, пресс-конференций, дискуссий и комментариев. Нейросети могут не только преобразовывать речь в текст, но и структурировать материал по смысловым блокам. Это ускоряет процесс подготовки текстов и позволяет редакторам оперативно публиковать актуальные новости и материалы.
Нейросети также могут обрабатывать тысячи публикаций в медиапространстве, выявлять повторяющиеся темы и отслеживать динамику новостной повестки, помогая редакциям быстрее реагировать на актуальные события. Например, при всплеске интереса к определённой теме ИИ может определить её источник, проанализировать тональность и выявить ключевые моменты в интересе аудитории к ней. Это не только ускоряет работу, но и повышает точность анализа материалов. Крупные медиакомпании уже используют эти возможности: так, в 2023 году издание Bloomberg представило собственную нейросеть для анализа и систематизации финансовых новостей.
Нейросети упрощают работу над черновыми версиями материалов: новостных заметок, пресс-релизов и дайджестов. Это помогает журналистам быстро формировать основу текста, сокращая время на подготовку и уделяя больше внимания финальной редактуре и анализу, а также справиться с «боязнью чистого листа» — состоянием, когда человек не понимает, с чего начать процесс создания материала. Однако при создании контента, требующего глубокой экспертизы — научных статей, аналитических материалов со сложной статистикой или специализированных исследований — к информации, сгенерированной ИИ, следует относиться критически. В частности, все материалы IQ Media, основанные на научно доказательной базе, написаны или проверены экспертами.
Нейросети могут предлагать варианты заголовков, учитывая особенности целевой аудитории и формата материалов, а также автоматически генерировать описания к статьям, инфографике и видео. Так, в 2019 году Forbes внедрил в сайт ИИ-платформу Bertie, которая на основе анализа новостей предлагает авторам актуальные темы и заголовки для материалов.
ИИ способен генерировать иллюстрации, инфографику и даже предлагать сюжетные линии для видеоконтента. Это позволяет представить сложную информацию наглядно и повысить вовлеченность аудитории. В 2022 году вышла первая обложка журнала, сгенерированная ИИ — её создала нейросеть DALLE вместе с редакторами журнала, сотрудниками OpenAi и художницей Карен X. Визуальное оформление текстов IQ Media в 90% создается помощью нейросетей, однако этот процесс требует осознанного подхода. Редактор, формулирующий запрос для генерации изображения, должен четко представлять конечный результат и его соответствие содержанию материала. То есть полностью полагаться на «фантазию» нейросетей нельзя.
Особенно востребованы нейросети при создании баннеров и иллюстраций для социальных сетей. Аудитория обращает внимание на идею иллюстрации, поэтому очень важно чтобы визуальный ряд коррелировал с тем, что мы хотим ей сказать. Даже если подписчики могут визуально отличить изображения, сгенерированные ИИ от созданных человеком, то не обращают на это внимания. В работе мы придерживаемся гибридной модели «человек-ИИ-человек»: профессиональный дизайнер формулирует креативную идею для нейросети, а редактор или журналист осуществляет финальную проверку и доработку. Таким образом, нейросети выступают в роли инструмента, дополняющего, но не заменяющего человеческий интеллект и профессиональную экспертизу.
Что нужно помнить при работе с ИИ в журналистике?
Нейросети совершенствуются, но они не обладают критическим мышлением, поэтому могут ошибаться и не всегда корректно интерпретировать данные из интернета. Особенно при работе со сложными темами, где требуется глубокий контекстуальный анализ. Поэтому журналисты не могут полагаться исключительно на алгоритмы при подготовке материалов. Полученные с помощью ИИ данные необходимо проверять на достоверность и соответствие контексту, поэтому роль человека останется незаменимой в сфере СМИ.
Дополнительной мерой контроля может стать маркировка материалов, созданных с использованием ИИ. Чёткое указание на то, что текст или визуальный контент сгенерирован нейросетью, позволяет аудитории более критически воспринимать информацию, а также стимулирует редакции к тщательной проверке материалов перед публикацией. В конечном счёте, маркировка не только повышает информационную прозрачность, но и помогает формировать культуру ответственного использования технологий в медиасреде.
Будущее ИИ в медиа
Будущее применения ИИ в журналистике будет зависеть от качества самих моделей и от того, как журналисты будут подходить к их применению. Искусственный интеллект станет привычным инструментом, но заменить «живых» авторов не сможет — нейросети не способны критически мыслить, рефлексировать и пользоваться интуицией, а это качества, которые лежат в основе профессии. Поэтому любых творческих решений остается за человеком.
Что касается качества самих моделей — их потенциал в журналистике будет расти только вместе с качественным обучением. Для этого будут нужны большие объемы данных, в том числе и качественные журналистские материалы — они позволят нейросетям точнее понимать контекст, учитывать нюансы информации и корректно отвечать на запросы пользователей. Такой подход не только сделает их более надежными в работе с информацией в будущем, но и позволит сохранить баланс между технологическими возможностями и журналистскими стандартами.
