نویسنده «روغن مار هوش مصنوعی» می‌بیند که چت‌بات‌ها به «پیش‌گوی حقیقت» تبدیل می‌شوند و روزنامه‌نگاری به جایی می‌رود که در 200 سال گذشته نبوده است.

آرویند نارایانان فکر می‌کند که هوش مصنوعی احساس اعتماد بیشتری می‌کند و این حرف‌ها را حذف می‌کند که به خوانندگان اجازه می‌دهد بدانند با شیب هوش مصنوعی در طبیعت روبرو هستند. دانشمند کامپیوتر پرینستون حتی پیش‌بینی می‌کند که این چت‌ربات‌های دقیق‌تر در آینده می‌توانند به چیزی تبدیل شوند که بسیاری از مردم آن را به عنوان «پیش‌گوی حقیقت» تلقی می‌کنند. نظرسنجی Pew در سال جاری نشان داد که 10٪ از آمریکایی ها در حال حاضر این کار را انجام می دهند.

نارایانان در سمپوزیوم محاسبات + روزنامه نگاری در مرکز بنیاد مک کورمیک نورث وسترن، جایی که فورچون در آن حضور داشت، سخنرانی کرد. دستور کار شامل چالش های پیش روی رسانه ها و گسترش شیب هوش مصنوعی بود. عنوان اصلی او "هوش مصنوعی و روزنامه نگاری: اسکیت به جایی که جن می رود" بود. او از مخاطبان خواست که برای هوش مصنوعی آماده شوند "نه آنطور که امروز است، بلکه پنج یا 10 سال آینده". او گفت که سوابق علوم کامپیوتر او در تعیین اینکه کدام یک از محدودیت‌های امروزی مشکلات مهندسی قابل حل هستند و کدام یک ذاتی هستند، مفید است. او خاطرنشان کرد: او هرگز در اتاق خبر کار نکرده است.

او قبل از طرح یک استدلال قانع‌کننده هشدار داد: «ممکن است من نمی‌دانم درباره چه چیزی صحبت می‌کنم.

او استدلال خود را به دو بخش تقسیم کرد: اگر چت‌بات‌ها به مکانی پیش‌فرض برای حل و فصل سؤالات واقعی تبدیل شوند - نارایانان گفت: «تقریبا همه» سؤال‌ها در مورد، مثلا، چه کسی برای مناصب سیاسی نامزد می‌شود، به آنجا می‌روند - اتاق خبر یک بخش دیگر از بسته‌اش را از دست می‌دهد، و مسلما اساسی‌ترین آن. آنچه باقی می‌ماند، کاری است که یک ماشین نمی‌تواند حل کند: سؤالات بحث‌برانگیز، روایت، داستان سرایی و صریح بودن در مورد آنچه او «موضعیت» نامید، چالشی برای صنعتی که برای عینیت تلاش می‌کند.

نارایانان مدیریت مرکز سیاست فناوری اطلاعات پرینستون را بر عهده دارد، اما او اخیرا به عنوان یک رهبر فکری در زمینه هوش مصنوعی، آینده کار و صنعت رسانه ظاهر شده است. او با همکاری سایاش کاپور AI Snake Oil را نوشت و خبرنامه او AI as Normal Technology بیش از 87000 مشترک دارد. نارایانان در ماه آگوست در مورد واکنش متقابل هوش مصنوعی که به نظر او چیزی پیچیده است، با فورچون صحبت کرد و بینش خود را در مورد اینکه چرا اندازه گیری بهره وری و بازگشت سرمایه بسیار سخت بوده یا حتی وجود ندارد، گسترش داد.

او این مسئله را مشکل «همبرگر لاغر، نان چربی» می‌نامد، که در آن گوشت اعدام با استفاده از هوش مصنوعی تقریبا به هیچ می‌رسد، در حالی که «نان‌های» تصمیم‌گیری و مشورت با اضطراب و عدم قطعیت زیادی متورم می‌شود.

اوراکل و شیب

نارایانان گفت که تصویر رایج چت بات ها به عنوان پیش بینی کننده های ساده کلمه بعدی منسوخ شده است. او گفت ربات‌های گفتگوی امروزی «سیستم‌های عصبی نمادین» هستند: یک مدل زبان به علاوه ابزارهایی که در وب جستجو می‌کنند، اسناد را بازیابی می‌کنند و برای تجزیه و تحلیل داده‌ها کد می‌نویسند. اشتباهاتی که یک سال پیش رایج بود، مانند اشتباه شمارش حروف در "توت فرنگی" یا مرورهای هوش مصنوعی گوگل که نشان می دهد چسب روی پیتزا وجود دارد، اکنون به ندرت رخ می دهد. او مشکلات باقیمانده را "به تدریج در حال حل شدن" خواند.

او سپس پرسید وقتی انتظارات برآورده شود چه اتفاقی می افتد؟ او گفت که کودکان دبستانی او ممکن است هرگز مانند بزرگسالان توهم را تجربه نکنند، درست همانطور که ویکی‌پدیا زمانی از یک مرجع نامعتبر به منبعی «بسیار معتبرتر» تبدیل شد. او گفت: "من نمی گویم این امر اجتناب ناپذیر است. نمی گویم این چیز خوبی است." او اشاره کرد که در X، کاربران از قبل با پرسش از Grok، که عمدتا محافظه‌کارانی هستند که اعتماد کمی به رسانه‌های قدیمی دارند، بحث را حل می‌کنند. او تغییر گسترده تر را حدود یک دهه بعد تخمین زد.

یکی از حضار جرأت کرد که چت‌بات‌ها می‌توانند از چیزی رنج ببرند که منتقد مطبوعات، جی روزن، به دلیل بی‌طرفی کاذب ابراز شده توسط روزنامه‌نگارانی که تمایلی به استفاده از قضاوت خود و اطلاع‌رسانی صحیح به مخاطبین ندارند، «منظره از ناکجا» می‌خواند. دانیل تریلی از دانشگاه مریلند در مورد این خطر پرسید و نارایانان موافقت کرد و گفت که او آن را چالشی برای روزنامه نگاری برای ادامه تعریف آینده می داند.

یکی از مخالف ترین ادعاهای نارایانان این بود که دستور کار توسط رسانه ها نتیجه معکوس داشته است. او گفت که نقش واشنگتن پست در واترگیت «یک خیر بی‌نظیر» بود، اما به تحقیقات «بسیاری از دانشمندان و اقتصاددانان ارتباطات» اشاره کرد که نشان می‌دهد تلاش‌ها برای انجام همین کار در دوره ترامپ، با مخاطبان از هم گسیخته، باعث دوقطبی‌سازی شده و فروپاشی اعتماد را تسریع کرده است.

او گفت که نوشتن هوش مصنوعی به طور مشابه «یک مشکل فنی قابل حل است». یک مدل را می توان طوری آموزش داد که تقریبا به طور کامل از یک نویسنده تقلید کند، عمدتا مسئله هزینه، و آشکارسازها «ممکن است به خوبی کار نکنند».

تفکیک

نارایانان گفت که صحبت‌های او «به همان اندازه که درباره هوش مصنوعی است، درباره تأثیرات مداوم رسانه‌های اجتماعی بر اتاق‌های خبر بود». نارایانان خاطرنشان کرد که اتاق خبر اکنون به عنوان یک نهاد واحد در نظر گرفته می شود که گزارش، تحلیل، بررسی حقایق و توزیع را جمع آوری می کند، اما او استدلال کرد که این یک پیشرفت "تاریخی احتمالی" است و آینده ای مشخص نیست. روزنامه‌های سکه‌ای که در دهه 1830 توسط تبلیغات پشتیبانی می‌شد، چیزی را که به عنوان خبر به حساب می‌آمد، گسترش داد، زیرا روزنامه‌های قبلی بر اساس اشتراک و حمایت سیاسی زندگی می‌کردند.

عینیت در واکنش به تبلیغات جنگ جهانی اول به وجود آمد و خبرنگاران و مصاحبه های پولی نیز «باید اختراع می شد». او خاطرنشان کرد که «خبرنگار اجیر شده» نامیدن شخصی، زمانی توهین بود، «مثل یک تفنگ اجیر شده».

چارچوب نارایانان بر اساس بحث های قبلی است. او از جمله کلای شیرکی نقل کرد که "جامعه به روزنامه نیاز ندارد. آنچه ما به آن نیاز داریم روزنامه نگاری است" و گفت که پل استار از همان دوران هشدار داده بود که از دست دادن اقتصاد روزنامه ها باعث می شود که کالاهای عمومی مانند مسئولیت پذیری بدون بودجه باقی بماند. نارایانان گفت که حق با استار «از بسیاری جهات» ثابت شده است، «اما شاید آنطور که می‌شد آخرالزمانی نبود»، زیرا بشردوستی وارد عمل شده است.

ادعای او این است که تکه تکه، متخصصان اکنون هر کار را ارزان‌تر از اتاق خبر انجام می‌دهند و هوش مصنوعی این روند را تسریع می‌کند. او گفت: «برای هر یک از این قطعات، نوعی رقیب وجود دارد که این قطعه را به روشی مستقل‌تر تولید می‌کند که از نظر ساختاری مجهزتر است، فقط بر اساس اقتصاد تولید». به عنوان مثال، گزارش های تجاری به رسانه هایی مانند Politico، Punchbowl و Stat News رفتند.

او گفت که روزنامه‌نگاری مدنی و محلی تا حد زیادی به سمت «الگوی کمک‌های بشردوستانه» رفته است و تحقیقات به طور فزاینده‌ای با پول غیرانتفاعی انجام می‌شود - «بازگشت به الگوهای تاریخی». او تاکید کرد که تحلیل به سمت روزنامه نگاران مستقل، سازندگان رسانه های اجتماعی و "افرادی مثل من" رفته است. او با بازگشت به آنچه که «نقطه اساسی» صحبت‌هایش نامیده می‌شود، گفت که ایده جمع‌آوری همه چیز در یک اتاق خبر «دیگر به صرفه‌ترین راه برای تولید خبر نیست».

یکی از مخالف ترین ادعاهای نارایانان این بود که دستور کار توسط رسانه ها نتیجه معکوس داشته است. او گفت که نقش واشنگتن پست در واترگیت "یک خیر غیرقابل تجمیع" بود، اما شواهدی وجود دارد که نشان می‌دهد تلاش‌ها برای انجام همین کار در دوره ترامپ، با تماشاگرانی که قبلا از هم جدا شده‌اند، باعث دو قطبی‌سازی شده و فروپاشی اعتماد را تسریع کرده است.

تحلیل، همانطور که نارایانان آن را تعریف می کند، «لایه ای است که بین واقعیت و عقیده قرار دارد». او با استناد به نوآ اسمیت، وبلاگ نویس اقتصادی، استدلال کرد که روزنامه نگاران بیش از حد طولانی و اغلب این خط تقسیم را به عنوان دوتایی تلقی می کنند، بنابراین لایه تحلیلی «هیچ وقت واقعا خانه ای در اتاق های خبر نداشت». او مثالی ارائه کرد که آیا صنعت هوش مصنوعی حباب است یا خیر، به عنوان چیزی که یک تحلیل می تواند با آن مقابله کند. او استدلال کرد که اقتدار یک تحلیلگر در حال حاضر از یک مجموعه کار ناشی می شود تا یک دکل. (هوش فورچون و فورچون اغلب قطعاتی را به عنوان تجزیه و تحلیل، برای آنچه ارزش دارد، اجرا می کنند.)

وی گفت: اینترنت «توزیع دموکراتیک» و هوش مصنوعی اکنون در حال «دموکراتیزه کردن تولید» هستند، او گفت: «اکنون می‌توان محتوای روزنامه‌نگاری درجه یک از انواع مختلف را با یک تیم یک یا دو نفره تولید کرد. او گفت که این "آنقدر کاهش اخبار نیست" بلکه "کوچ به سوی یک دسته از نهادهای دیگر" است.

او همچنین کتاب‌های درسی در مورد بیت کوین و عدالت در یادگیری ماشین نوشت و پروژه شفافیت و پاسخگویی وب را رهبری کرد که نحوه جمع‌آوری داده‌های شخصی شرکت‌ها را بررسی می‌کرد. او گفت که مزیت یک دانشمند کامپیوتر نشان می دهد که کدام یک از محدودیت های امروزی مشکلات مهندسی قابل حل هستند و کدام یک ذاتی هستند. او آن را در حقوق، مهندسی نرم افزار و آموزش عالی با نویسنده همکار سیاش کاپور و اکنون در روزنامه نگاری اعمال کرده است. او گفت که هرگز در اتاق خبر کار نکرده است.

چه کسی پرداخت می کند

نارایانان گفت: «بحران واقعی» شکاف قدرت بین شرکت‌های هوش مصنوعی و ناشران است. او گفت که ناشران به توزیع چت بات بیشتر از شرکت های هوش مصنوعی نیاز دارند، بنابراین قراردادهای صدور مجوز روزنامه نگاری را پایین می آورند.

او به "محور به ویدئو" اشاره کرد، زمانی که تغییر الگوریتم فیس بوک سازمان های خبری را مجبور کرد مدل های کسب و کار خود را بازسازی کنند، به عنوان "تصویری وحشتناک از عدم تقارن شدید قدرت". راه حل او ورودی دموکراتیکی است که چگونه شرکت‌های هوش مصنوعی الگوریتم‌های خود را تنظیم می‌کنند - چیزی شبیه به هیئت نظارت متا، اما روزنامه‌نگاران «صندلی پشت میز» دارند.

پاسخ نارایانان این بود که روزنامه‌نگاران باید یک جنبش سیاسی گسترده تشکیل دهند و با هم متحد شوند تا از آینده این حرفه دفاع کنند، احتمالا شامل مالیات بر هوش مصنوعی و شرکت‌های رسانه‌های اجتماعی. او گفت که باید «مبنای گسترده» داشته باشد، نه «به عنوان جناحی تلقی شود» و شامل سازندگان به همراه خروجی های قدیمی باشد.

اما گزینه جایگزین، که عمدتا در اتاق ذکر نشده است، این است که روزنامه‌نگاری صرفا یک پدیده دو قرن اخیر بود و فناوری و اقتصاد به عنوان یک صنعت سازمان‌یافته و انبوه از آن دور می‌شوند.

این داستان در ابتدا در سایت Fortune.com منتشر شد