Автоматизация постепенно проникает во все сферы работы редакций. Сбор и обработка информации, написание материалов, фактчекинг, дистрибуция контента, взаимодействие с аудиторией и рекламодателями — все эти процессы частично или полностью уже умеют выполнять роботы. Инструменты автоматизации могут быть самые разные. Например, это программы или отдельные коды (скрипты), которые позволяют собирать (скрейпить) данные из интернета, вместо того чтобы собирать их вручную. Или анализировать большие массивы данных, чтобы, например, находить в них связи, не видимые человеку, как это было с расследованием Panama Papers. Или писать небольшие и, как правило, формализованные новостные тексты, как это делают в спортивных редакциях. Или распространять с помощью чатботов новости в социальных сетях и мессенджерах. Или отслеживать поведение пользователей на сайте и даже за его пределами и на основе этой информации персонализировать его новостную ленту.
Пока не существует единого термина, обозначающего все эти изменения. Алгоритмизированная, вычислительная (computational), дополненная (augmented) и другие журналистики фактически обозначают одно и то же — внедрение программирования, нейросетей, машинного обучения и других инструментов искусственного интеллекта в работу масс-медиа. Естественно, что такие изменения вызывают вопросы и страхи у представителей журналистской профессии: не останутся ли они без работы, если роботы смогут выполнять ее за них? Не потеряют ли они свою независимость, если аудиторные показатели и алгоритмы агрегаторов могут влиять на то, как и какие новости создавать?
Академические исследователи также изучают процессы автоматизации редакций. В этой статье я обозначу три наиболее видимых направления академической дискуссии, которые также важны и для практиков.
НЕПРЕДВЗЯТЫЕ, НО НЕСОВЕРШЕННЫЕ АЛГОРИТМЫ
Если ранние исследования роботизации и автоматизации журналистики выражали скорее оптимистичное любопытство, что алгоритмы могут изменить в редакциях и в работе журналистов, то в последнее время позиция стала более критической. Стало понятно, что, с одной стороны, изменения отрасли под влиянием искусственного интеллекта носят более сложный, структурный характер, нежели просто замена людей роботами, а с другой стороны, являются многофакторными и нелинейными.
Например, Мэтт Карлсон из Университета Сент-Льюиса в США пишет о природе различий между человеческим суждением (judgment) и суждением алгоритмов. Работа редакций состоит из постоянного принятия решений — какая информация является интересной или важной, чтобы стать новостью, а какая — нет, что эта новость должна включать, какие ее элементы должны быть более видимы и т.д. Все эти суждения в форме знания затем формируют картину мира для аудитории. Что меняется, когда этими процессами начинает заниматься алгоритм?
Считается, что при поиске инфоповода журналист полагается на опыт и чутье, а алгоритм — на метрики и показатели. Таким образом, журналистское суждение более субъективно, а алгоритмизированное — более беспристрастно и справедливо. Принятие решения для человека — это социальный процесс, укорененный в его предыдущем опыте и подстраиваемый под каждую конкретную ситуацию. Алгоритм же разные данные на входе всегда подвергает одной и той же процедуре (алгоритму) обработки. На этом базируется идея нейтральности алгоритма.
Другое принципиальное различие в суждениях человека и робота связано с принятием решения о важности той или иной новости. Традиционно журналист обладает определенным социальным статусом и независимостью в принятии решения о том, какие новости являются важными для общества. То есть принятие решения журналистом связано с определенной работой по интерпретации и упорядочиванию хаотичного мира в новостную повестку.
,
,
Логика алгоритмов вместо формирования единой общей повестки предполагает индивидуализированную и персонализированную новостную картину в зависимости от характеристик и запросов пользователя. Таким образом, традиционный вопрос для журналистской профессии «Что заслуживает внимания? Что является важным?» заменяется при принятии решения алгоритмом на «Что хочет пользователь? Что является важным конкретно для него?». И если в экономическом смысле для редакций второй вопрос является продуктивным для более эффективного размещения рекламы, то для профессиональных ценностей журналистики он представляется скорее причиной для пересмотра логики принятия решений в гибридных редакциях.
Но важно и другое. Карлсон обращает внимание, что при кажущейся нейтральности и объективности алгоритмизированное суждение в не меньшей степени подвержено ошибкам, которые ведут к дезинформации и фейковым новостям. Например, когда в августе 2016 года Facebook перешел к полностью автоматизированному составлению ленты актуальных тем, в первые же дни работы в топ попала полностью сфабрикованная новость.
Можно вспомнить и резонансный российский пример 2017 года, когда новости о протестах Алексея Навального не попали в топ российского агрегатора «Яндекс.Новости». В компании объяснили это тем, что алгоритм не смог связать несколько событий в разных регионах в единое. В этом же примере объяснялась возможность манипулировать алгоритмом, «продвигая» в топ определенную новость.
Подверженность новостных и рекомендательных алгоритмов ошибкам, манипуляции и абьюзу усугубляется тем, что, как правило, они являются «черным ящиком», а это исключает какой-либо общественный или пользовательский контроль за тем, как такие системы принимают решение.
«НЕЗВАНЫЕ ГОСТИ» В РЕДАКЦИЯХ
Автоматизация сопровождается не только появлением новых технологий, но и новых людей в редакциях. Скотт Элдридж называет их незваными гостями, которые занимали ранее место на периферии профессии, а теперь становятся одними из главных людей в редакциях. К таким людям относят разработчиков и программистов, SMM-менеджеров.
Никки Ушер в своей книге «Интерактивная журналистика: хакеры, дата и код» отмечает, что новые люди в редакциях не обязательно приходят извне, из других индустрий, часто сами журналисты переучиваются, переориентируются на другой вид деятельности. К таким «своим» чужакам можно отнести, например, дата-журналистов, инфограферов.
Что объединяет эти две группы и противопоставляет их «традиционным» журналистам? Обладая другими знаниями и техническими навыками, новые специалисты по-другому видят работу редакции, имеют отличающиеся, а часто и конфликтующие с традиционными журналистскими представления об эффективности и инновациях в редакциях.
Взаимодействие «старых» и «новых» заметно затруднено. Не только в переносном, но и в прямом смысле они говорят на разных языках. Поэтому, например, в некоторых редакциях есть специальный посредник, который фактически переводит с «программистского» на «журналистский» и обратно. И без того сложное взаимодействие усугубляется тем, что часто такие сотрудники сидят в разных отделах или даже на разных этажах.
,
,
Растущее значение программистов и технических специалистов в редакциях влияет на переосмысление того, кто есть «хороший» журналист в современной редакции, растущее влияние аудиторных метрик и количественных показателей журналистской работы. Со стороны традиционных журналистов это расценивается как покушение на автономность, зависимость от данных и метрик при выборе темы и в ходе работы с ней. Такая реакция еще сильнее затрудняет продуктивное взаимодействие двух групп профессионалов между собой.
ВЗАИМОДЕЙСТВИЕ ЧЕЛОВЕКА И МАШИНЫ: НОВАЯ ОТВЕТСТВЕННОСТЬ ЖУРНАЛИСТОВ
Искусственный интеллект в СМИ представляется исследователям не очередным технологическим новшеством, а более глубокой, структурной трансформацией, качественно меняющей представления о том, что значит производить новости, взаимодействовать с аудиторией и кого считать информированным гражданином. Поэтому исследователи предлагают рассматривать алгоритмы в медиа как формирующуюся систему инструментов, практик, ценностей и этики, совокупность которых формирует дополненные (augmented) СМИ — социотехнические альянсы, в которых человеческий интеллект будет сосуществовать с машинным.
Роль человека при этом не уменьшается, скорее наоборот, но она обретает новые смыслы и вызовы. Ник Диакопоулус в своей книге «Автоматизация новостей: как алгоритмы переписывают медиа» отмечает, что алгоритмы сами по себе инертны. Это человек «оживляет» их в процессе создания, развития и управления. Также именно человек решает, как и какие данные обрабатывать машинному коду, на каких данных тренировать нейросеть и т. д. Учитывая, что алгоритмы позволяют в разы увеличивать масштаб, скорость, точность и персонализацию новостного контента, значение и ответственность человека в автоматизированной редакции возрастает в разы.
Новая ответственность журналистов лежит в плоскости создания и «оживления» алгоритмов, закладывания в них редакторских ценностей. При этом новые нормы этики и ответственности находятся в процессе формирования и осмысляются в процессе внедрения новых технологий в редакциях. Например, обучаемая нейросеть позволяет создавать инструменты автоматизированного модерирования комментариев пользователей. Однако параметры и характеристики того, что именно нейросеть будет распознавать как «токсичный» или вредный комментарий, решает разработчик совместно с редактором. Аналогично, новостные сайты экспериментируют с персонализацией новостных лент, однако это решение редакции, какая доля контента будет персонализирована, а какие новости или темы будут показаны всей аудитории.
Проблема новой ответственности и этики напрямую связана с коммуникацией и взаимодействием между новыми и традиционными медиапрофессионалами. Нейросеть пишет разработчик, но редакционные ценности формирует по-прежнему редактор.
Российские редакции также вовлечены в процесс автоматизации, хотя он и развивается у нас довольно неравномерно и со своими особенностями. Если, например, взаимодействие с новостными агрегаторами или рекомендательными сервисами — это уже повседневная практика даже для региональных редакций, то нейросети для модерации комментариев или автоматизация управления поведением аудитории — это пока точечные истории. Можно прогнозировать, что по мере развития и удешевления технологий инструменты автоматизации будут приобретать большее распространение в российских редакциях, актуализируя указанные выше вопросы для журналистской профессии и образования в России.
,
