Είναι η τεχνητή νοημοσύνη (ΤΝ) μια εξωτερικά επιβαλλόμενη μορφή καταπίεσης, στην οργουελιανή της εκδοχή, ή μπορεί να εξελιχθεί σε δύναμη απελευθέρωσης για τη δημοσιογραφία; Θα φτάσουν οι επαγγελματίες του χώρου να εξαρτώνται σε τέτοιο βαθμό από τα εργαλεία της, ώστε να υπονομεύουν τις ίδιες τους τις ικανότητες σκέψης και παραγωγής;
Ή θα καταφέρουν να την εντάξουν δημιουργικά στην καθημερινή τους πρακτική, απελευθερώνοντας χρόνο για πιο ουσιαστικές, ερευνητικές και δημιουργικές εργασίες; Και πού βρίσκεται σήμερα η σχετική έρευνα στα ελληνικά πανεπιστήμια; Την τελευταία τριετία παρατηρείται ραγδαία πρόοδος στην ανάπτυξη συστημάτων και υπηρεσιών ΤΝ με νέες δυνατότητες και χαρακτηριστικά, που, τουλάχιστον φαινομενικά, επιτρέπουν την υποκατάσταση ανθρώπινων λειτουργιών με εντυπωσιακή αποτελεσματικότητα.
Ο όρος «τεχνητή νοημοσύνη» λειτουργεί ως έννοια-ομπρέλα και περιλαμβάνει συστήματα που μπορούν να αυτοματοποιούν διεργασίες και να εκτελούν εργασίες, οι οποίες παραδοσιακά απαιτούσαν ανθρώπινη νοημοσύνη. Κεντρικό ρόλο σε αυτό το οικοσύστημα κατέχει η μηχανική μάθηση (Machine Learning – ML), η οποία αποσκοπεί στην εκπαίδευση ευφυών συστημάτων που μαθαίνουν από δεδομένα και παραδείγματα, χωρίς ρητές και διαφανείς οδηγίες προγραμματισμού τύπου «αν-τότε».
Οι τεχνολογίες αυτές, παρότι πρωτοεμφανίστηκαν ήδη από το 1959, γνώρισαν αλματώδη ανάπτυξη τα τελευταία χρόνια χάρη στην αύξηση της υπολογιστικής ισχύος, τη μείωση του κόστους αποθήκευσης, τη δημιουργία μεγάλων συνόλων δεδομένων και την ανάπτυξη νέων αλγορίθμων εκπαίδευσης. Η λειτουργία τους παρουσιάζει αναλογίες με τη βιωματική μάθηση του ανθρώπου. Δεν μαθαίνουμε τι είναι «κουτάλι» ή «ποτήρι» μέσα από ρητούς κανόνες, αλλά τα αναγνωρίζουμε επειδή έχουμε εκτεθεί σε πλήθος παραδειγμάτων, συνδέοντας εικόνες με λεκτικές ετικέτες. Με αντίστοιχο τρόπο «εκπαιδεύονται» και τα μοντέλα μηχανικής μάθησης.
Η εξέλιξη των αλγορίθμων οδήγησε στη δημιουργία πιο σύνθετων αρχιτεκτονικών, με πολύ περισσότερες παραμέτρους, σηματοδοτώντας τη μετάβαση στη Βαθιά Μάθηση (Deep Learning). Χαρακτηριστικό παράδειγμα αποτελεί το ChatGPT, που παρουσιάστηκε τον Νοέμβριο του 2022 και συνέβαλε καθοριστικά στη μαζική εξοικείωση του κοινού με τη λεγόμενη παραγωγική ΤΝ (Generative AI). Πρόκειται για μια πολύ συγκεκριμένη κατηγορία ΤΝ, τα Μεγάλα Γλωσσικά Μοντέλα (Large Language Models – LLMs), τα οποία παράγουν περιεχόμενο εντοπίζοντας και αναπαράγοντας μοτίβα μέσα από τεράστια σώματα κειμένων.
Σήμερα, για ένα μεγάλο μέρος του πληθυσμού, η ΤΝ ταυτίζεται σχεδόν αποκλειστικά με τα Μεγάλα Γλωσσικά Μοντέλα. Ωστόσο, ειδικά στους τομείς της Δημοσιογραφίας, των Μέσων και της Επικοινωνίας, η αξιοποίηση της ΤΝ προηγείται κατά πολύ της πρόσφατης «φρενίτιδας». Ηδη από το 2009, στο Εργαστήριο Ηλεκτρονικών ΜΜΕ του Τμήματος Δημοσιογραφίας και ΜΜΕ του ΑΠΘ εκπονήθηκε διδακτορική διατριβή για την «Ανάκτηση μουσικών πληροφοριών για το ραδιόφωνο» , με έμφαση στην αναγνώριση συναισθήματος από τη μουσική. Το 2015 ακολούθησε διατριβή για την εφαρμογή αλγορίθμων μηχανικής εκμάθησης για εξόρυξη και κατηγοριοποίηση πληροφορικών περιεχομένου στα οπτικοακουστικά μέσα , αναπτύσσοντας και εξελίσσοντας τεχνικές για την κατάτμηση, τεκμηρίωση και αναζήτηση/ανάκτηση δημοσιογραφικού οπτικοακουστικού περιεχομένου.
Το 2020 έγινε η υποστήριξη της διατριβής «Αυτοματισμοί ανάλυσης και διαχείρισης οπτικοακουστικών ροών στα ψηφιακά μέσα και τη διαμεσική επικοινωνία» , με προηγμένες δυνατότητες αναγνώρισης ομιλητών, ελέγχου αυθεντικότητας και εξαγωγής συναισθηματικού φορτίου. Τα τελευταία χρόνια, το Εργαστήριο Ηλεκτρονικών ΜΜΕ και η διεπιστημονική ερευνητική ομάδα M3C (Multidisciplinary Media & Mediated Communication research group) συμμετέχουν σε σειρά ερευνητικών έργων που αξιοποιούν την ΤΝ για την ανίχνευση ψευδών ειδήσεων, τη ρητορική μίσους, την περιβαλλοντική παρατήρηση, καθώς και για τον αυτοματισμό της οπτικοακουστικής παραγωγής και την υποστήριξη των δημιουργικών βιομηχανιών.
Στόχος είναι η διαμόρφωση ενός ελληνικού πλαισίου αναφοράς, με εργαλεία όπως η αυτόματη μετατροπή ομιλίας σε κείμενο, η κατάτμηση συμβάντων και ομιλητών, η χρήση της παραγωγικής ΤΝ για αποκατάσταση ενθορύβων καταγραφών, αλλά και η ανίχνευση παραποιημένου περιεχομένου και ψευδών ειδήσεων. Σήμερα, οι περισσότεροι ενημερωτικοί οργανισμοί χρησιμοποιούν εργαλεία βασισμένα στην ΤΝ. Στο άμεσο μέλλον, η μη χρήση τους θα αποτελεί μάλλον την εξαίρεση. Ωστόσο, η βεβιασμένη και χωρίς καθοδήγηση ενσωμάτωση στο ήδη προβληματικό μιντιακό οικοσύστημα μπορεί να έχει αρνητικές συνέπειες για την ποιότητα της ενημέρωσης και την αξιοπιστία της δημοσιογραφίας.
Υπάρχουν πολλά παραδείγματα όπου μιντιακοί οργανισμοί έσπευσαν να υιοθετήσουν την αυτοματοποίηση και τα Μεγάλα Γλωσσικά Μοντέλα, συνήθως για να ρίξουν το κόστος, με επιπτώσεις όπως σοβαρά λάθη ή φαινόμενα λογοκλοπής. Καθώς η ΤΝ προχωρά καλπάζοντας, ο ρόλος της στη δημοσιογραφία και τα Μέσα αναμένεται να επεκταθεί, εγείροντας νέα ερωτήματα και προκλήσεις για το μέλλον του κλάδου.
Το γεγονός αυτό καθιστά επιτακτική την ανάγκη για έναν διαρκή διάλογο ανάμεσα στην τεχνολογική εξέλιξη, τη δεοντολογία και το ρυθμιστικό πλαίσιο, έναν διάλογο στον οποίο η ακαδημαϊκή έρευνα οφείλει να ανοίξει δρόμους, καθοδηγώντας τη σύγχρονη δημοσιογραφία προς ασφαλείς, υπεύθυνες και καινοτόμες λύσεις.
*Η Ιωάννα Κωσταρέλλα είναι Αναπληρώτρια Καθηγήτρια του Τμήματος Δημοσιογραφίας και ΜΜΕ του ΑΠΘ
**Ο Χαράλαμπος Δημούλας είναι Καθηγητής του Τμήματος Δημοσιογραφίας και ΜΜΕ και Διευθυντής του Εργαστηρίου Ηλεκτρονικών ΜΜΕ του ΑΠΘ
