МИНИСТЕРСТВО КУЛЬТУРЫ РОССИЙСКОЙ ФЕДЕРАЦИИ

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ

«МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ ИНСТИТУТ КУЛЬТУРЫ»

Факультет МАИС

Кафедра журналистики

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА БАКАЛАВРА

 

Нейросети в медиа: генерация и управление контентом 

 

по направлению подготовки 42.03.02 Журналистика

профилю Интернет-журналистика

 

Выполнил студент:

очной формы обучения

4 курса 05427 группы

Карамышева Елизавета Андреевна

Научный руководитель:

кандидат филологических наук, доцент

Скороходов Максим Владимирович

 

Допустить к защите:

Зав. кафедрой журналистики

доктор филологических наук, профессор

Коломийцева Е.Ю. __________________

Дата допуска к защите:

«______»______________2024 г.

Выпускная квалификационная работа защищена

«______»______________2024 г.

Оценка__________________________

Секретарь ГЭК________________________

Химки, 2024

Содержание

 

Введение 3

Глава 1. Нейросети в современных медиа: основные дефиниции 6

1.1. Основные функции нейросетей и их использование в медиа 6

1.2. Особенности генерации контента нейросетями 19

Глава 2. Специфика использования нейросетей в интернет-журналистике 30

2.1 Использование нейросетей в современной редакции интернет-изданий 30

2.2 Перспективы развития нейросетей в журналистке: риски и возможности 41

Заключение 56

Список литературы 59

 

 

Введение

 

На сегодняшний день использование нейросетей как инструмента для создания различного рода контента становится все более популярным. Их используют для генерации текстов, изображений, музыки и других видов контента. Благодаря задействованию искусственного интеллекта процесс создания контента становится значительно быстрее, чем без их применения. Однако, такое широкое развитие и распространение нейронных сетей влечет за собой спектр проблем и опасностей. Начиная нарушением авторского права и заканчивая введением в заблуждение с помощью дипфейков. 

Все это приводит медиаиндустрию к новой форме – синтетической. Как правило, синтетические формы медиа неотличимы от созданных человеком, что затрудняет распознавание их «искусственной природы». Сейчас любой человек может сгенерировать правдоподобные изображения человека или места и даже создать цифровой голосовой аватар, имитирующий живую речь.

Актуальность исследования обусловлена стремительным развитием нейросетей как в медиаиндустрии, как и за ее пределами. Увеличение инвестиций в эту сферу со стороны крупных разработчиков, интерес со стороны рекламодателей и аудитории свидетельствует о сохранении этой тенденции в будущем. Активное исследование и увеличение возможностей нейронных сетей также играет важную роль в актуальности исследования.

Объектом исследования является нейросети, используемые в медиа.

Предметом исследования стала специфика использования нейросетей в медиаиндустрии для генерации и управления контентом. 

Цель выпускной квалификационной работы – изучить опыт использования нейросетей в медиа и определить особенности генерации и управления контентом. 

В соответствии с целью данного исследования ставятся следующие задачи:

– выявить основные функции нейросетей и области их использование в медиа;

– изучить особенности генерации контента нейросетями;

–установить использование нейросетей в современной редакции интернет-изданий;

 – определить перспективы развития нейросетей в журналистике. 

При проведении исследования были использованы следующие методы: описательный, историко-функциональный, аналитический, сравнительно-сопоставительный, исследовательский и др.

Новизна данного исследования заключается в том, что в работе поднимается вопрос о включении в современную практику интернет-журналистики новых информационных технологий, а также изучаются возможных последствия этого процесса как для самих журналистов, так и для читателей.

Теоретическая значимость исследования состоит в определении роли нейросетей в области создания контента в медиаиндустрии. Сохраняя хронологическую последовательность, описаны этапы перехода от первых моделях искусственного интеллекта к синтетическим интернет-изданиям. 

Практическая значимость данного исследования заключается в том, что его можно использовать как материал для проведения лекций по истории журналистики и особенностям специализированных изданий в вузах. Также данное исследование может использоваться для дальнейшего глубокого изучения темы, для написания научных статей, книг или монографий. 

В структуру данного исследования входит введение, обозначающее актуальность, объект исследования, предмет исследования, его цели и задачи, которые решаются во время написания выпускной квалификационной работы. Также во введении обозначены методы, применяемые для исследования, и методологическая база, новизна исследования, теоретическая и практическая значимость работы, структура исследования. 

Основная часть содержит две главы. Первая глава повествует о развитии нейронных сетей и области их применения, также выделяются особенности сгенерированного контента. Во второй главе описывается современный опыт применения нейросетей в интернет-изданиях, а также представлены перспективы применения нейросетей в современных редакциях.

В заключении работы сделаны основные выводы в соответствии с поставленными задачами и приведено кратное обобщение сказанного в основной части.

Далее следует список литературы, включающий 72 наименования.

 

Глава 1. Нейросети в современных медиа: основные дефиниции

1.1. Основные функции нейросетей и их использование в медиа

 

За последние несколько десятилетий развития искусственного интеллекта область нейронных сетей стала одной из самых важных и активно развивающихся от простого сбора различных фактов до высокотехнологичных компьютерных программ, способных к решению глобальных задач и анализу огромного количества информации. Нейронные сети, запрограммированные на автоматическое обучение, позволили решать ряд сложных задач, которые до этого выполняли исключительно люди. 

Нейронная сеть – это математическая модель, представляющая также ее программное воплощение, целью которой является организация функционирования искусственных нейронов, которые, в свою очередь, принимают сигналы с многих источников, обрабатывают их единым образом и передают дальше по цепочке таких же нейронов. Такая работа очень схожа с принципом работы человеческой нервной системы .

Важно заметить, что во время работы с обработкой информации искусственные нейроны запоминают правильный и успешный принцип работы. Это и есть главная особенность работы нейронных сетей – ее способность к самообучению. Таким образом и происходит обучение искусственного интеллекта: чем больше информации через него пройдет, тем меньше впоследствии будет ошибок. Профессионалы в области медиа интересуются потенциальными возможностями применения нейронных сетей для решения практических задач, которые могут упростить работу журналистов, улучшить качество материалов.

Однако стоит заметить, что не каждую задачу можно решить с помощью нейросетей. Важное условие, о котором косвенно упоминалось ранее, это постоянное обеспечение необходимой информации для обработки. Например, чтобы дать запрос создать картинку в стиле художника И.Е. Репина, нейросеть должна получить существующие картины художника для обработки. Иначе говоря, чтобы искусственный интеллект мог выдать необходимый результат, человек должен предоставить уже готовые примеры решения. 

Само понятие «искусственный интеллект» имеет большое количество определений и под ним понимается множество других отдельных направлений. Это понятие используется в самых разных отраслях, таких как технологии, бизнес и различные гуманитарные, социальные, политические и технические процессы, что наполняет это понятие разным содержанием. 

Основные компоненты того, что сейчас принято называть искусственным интеллектом:

– машинное обучение;

– рекомендательные системы;

– глубинное обучение, основанное на нейросетях.

Машинное обучение – одно из направлений искусственного интеллекта, главной задачей которого является выявление закономерностей, а также самообучение, основанное на них . Системы машинного обучения отлично справляются с распознаванием лиц, речи, объектов, переводом и многими другими задачами, поскольку они могут быстро применять знания, полученные в ходе обучения на больших массивах данных. В отличие от программ, в которых инструкции по выполнению конкретных задач задаются вручную, машинное обучение позволяет системе самостоятельно научиться распознавать закономерности и делать прогнозы. Так, например, при появлении новой новости обученная машина может понять ее тему, настроение, которое она передает, определить потенциальную аудиторию, которой она интересна, предсказать ее популярность, репутацию и т.д.

Рекомендательные системы – область искусственного интеллекта, которая применяется для персонализации контента потребителя . Она базируется на нескольких принципах: сравнение самих потребителей на основе их действий и популярности продукта. По первому принципу, если два пользователя смотрят похожие публикации, но некоторые из них вторым не просматривались, то система предложит их и ему. По второму принципу, чем больше влиятельные медиаперсоны и интернет-издания расскажут о продукте, тем больше шансов, что система будет его рекомендовать пользователям. 

Глубинное обучение – подмножество машинного обучения, которое использует некоторые его методы, а также нейронные сети, для решения поставленных задач . Нейронные сети появились в результате исследований в области искусственного интеллекта, в ходе которых возникла идея смоделировать низкоуровневые структуры мозга, чтобы воспроизвести способности биологической нервной системы к обучению и исправлению ошибок.

История развития машинного бучения уходит корнями в середину прошлого века, но одной из главных вех в развитии нейронных сетей стала середина 2000-х. Тогда Джеффри Хинтон представил новые алгоритмы, которые были способны к анализу больших объемов данных. Помимо этого, благодаря новым разработкам удавалось создавать более сложные по функционалу нейронные сети. Возрос и интерес к обучению искусственного интеллекта благодаря увеличению мощности компьютеров и развитию электронных баз, которые можно было использовать. Кроме этого, расширился и функционал, который привлек больше людей незнакомых с IT – сферой. Сегодня нейронные сети широко используются в самых разных областях, таких как распознавание речи, обработка фото и видео и т.д. Рассмотрим несколько самых популярных нейросетей в России:

«ChatGPT» – мощная нейросетевая модель, которая обучается на огромных объемах текстовых данных. Эта нейронная сеть способна создавать тексты на 90 языках и переводить их, отвечать на вопросы, генерировать описания изображений и другие задачи. Она обучается на текстах в открытых источниках и применяет полученные результаты для выполнения запросов. Поэтому для работы с ChatGPT не нужна предварительная настройка. Если резюмировать, то эта нейросеть позволяет работать с естественным языком, который может быть применен для обработки текста в различных областях .

«Midiourney» – нейросеть, которая создает картинку на основе текстового запроса на английском языке. Для работы используются глубокие нейронные сети, которые генерируют изображение, а после определяют, насколько оно реалистично. Одно из главных преимуществ Midiourney – возможность использовать ее для создания уникальных и креативных изображений, которые помогают визуализировать идеи и концепции. Эта нейронная сеть полезна в самых разных областях, включая дизайн, искусство, рекламу, науку и технику .

Голосовой помощник «Алиса» – голосовой помощник, разработанный компанией «Яндекс». Алиса работает на основе искусственного интеллекта и может распознавать естественную речь, отвечать на вопросы и выполнять различные задачи с помощью голосовых команд. В ее функции входит: поиск информации; озвучивание курса валют, времени и погоды; чтение новостей; управление умным домом; заказ еды и такси и т.д. Все это происходит не только через текстовые запросы, но и голосовыми командами, которые нейросеть распознает и обрабатывает. Ее можно использовать на различных устройствах, включая смартфоны, планшеты, компьютеры и автомобили. «Алиса» – удобный инновационный инструмент, который помогает пользователям в решении повседневных задач и обеспечивает простоту использования во многих сферах жизни .

На сегодняшний день благодаря быстрому развитию интернет-сферы активно развивается и применение в ней нейронных сетей. В индустрии средств массовой информации и развлечений внедрение искусственного интеллекта подготовило почву для значительных перемен. Нейронные сети стали грозной силой в сфере разработки игр, кинопроизводства и рекламы, внедряя инновации в творческие процессы во всех отраслях. 

 Развитие нейронных сетей оказало значительное влияние на многие сферы жизни, в том числе и на рынок труда. С каждым годом все больше компаний внедряет искусственный интеллект, чтобы оптимизировать бизнес-процессы, повысить производительность и сократить расходы. Совершенствование технологий и возможностей сбора и обработки данных привело к применению нейронных сетей во многих отраслях – от здравоохранения и финансов до маркетинга и журналистики. Рассмотрим, как нейросети используются в медиа. 

– Маркетинг

Благодаря использованию искусственного интеллекта, появилась возможность собирать и анализировать большое количество данных. Что как раз и дает возможность персонализировать коммуникацию с пользователями, оптимизировав его рекламные компании. Обученные алгоритмы используют для «предсказывания» поведения потенциальных покупателей и определения каналов для продвижения товаров и услуг. Так «Яндекс.Маркет» уже давно использует их в своей работе. От персонализированной рекламы и до создания нейросети «Екатерина» , с помощью которой сервис чаще показывает покупателям «модную» одежду, вне зависимости от брендов и цен. Поскольку искусственный интеллект активно используется в маркетинге для создания персонализированных предложений и анализа потребительского спроса, его использование также может заменить человека в повседневных задачах по предоставлению рекомендаций, анализу данных и прогнозированию результатов маркетинговых кампаний на основе данных предыдущих кампаний.

– Генерация текстов

Поскольку исследования в направлении работы с текстом происходит достаточно давно, то эта функция нейросетей считается самой популярной и наиболее востребованной. Нейронные сети могут обрабатывать и анализировать текст на естественном языке, что позволяет автоматически составлять описания товаров, создавать тексты для веб-сайтов и рекламных материалов, а также анализировать тон отзывов и комментариев. Используемые алгоритмы помимо работы с генерацией контента, предоставляют возможность к переводу с иностранных языков, анализ тональности текста и выделение ключевых слов. Самыми популярными нейронными сетями с такими функциями являются :

– «LSTM» (Long Short-Term Memory) и «CNN» (Convolutional Neural Networks) – эти нейросети способны к анализу тональности текста; 

– «Word2Vec» (Word to Vector) и «Seq2Seq» (Sequence to Sequence) – нейросети, которые занимаются машинным переводом текстов;

– «GPT» (Generative Pre-trained Transformer) – нейронная генерация текста на заданную тему. 

Прежде всего, использование нейросетей в работе актуально для копирайтеров. Искусственный интеллект создает текст, который журналист проверяет и корректирует на соответствие теме. «ChatGPT» не только способен к написанию материалов, но и генерации возможных удачных заголовков, подзаголовков, выделяет теги или, анализируя текст, пишет к нему аннотацию и заключение. Поэтому искусственный интеллект подходит для выполнения задач, связанных с написанием новостей, технических текстов, описаний проектов и товаров и т.д. Анализ художественных текстов и написание рецензий нейросети не дается. Как упоминалось ранее, принцип работы искусственного интеллекта завязан на анализе и повторении уже существующих материалов, поэтому представить новые мысли и размышления для машины не представляется возможным .

Таким образом, становится очевидно, что использование нейросети в работе журналиста позволит ему увеличить объём контента, существенно ускорить написание материалов и сделать качественный рерайт. Однако, частая практика показывает, что работу нейросети стоит проверять дополнительно, чтобы избежать возможных фактических и логических ошибок в сгенерированном материале. 

– Дизайн

Нейронные сети помогают и в автоматизации создания дизайна. Их можно использовать в анализе для определения элементов наиболее эффективных для привлечения пользователей. Также в это входит и создание изображений в любых возможных стилях для различных задач. В дизайне нейронные сети могут использоваться для создания макетов, генерирования идей и внесения автоматических корректировок. Некоторые рутинные задачи в дизайне, такие как создание шаблонов для веб-сайтов и логотипов, могут выполняться нейросетями с минимальным участием человека. К примеру, студия дизайна Артемия Лебедева создает уникальные логотипы с помощью нейросети «Николай Иронов» . Такой подход значительно уменьшает время и затраты на разработку изображений. 

– Чат-боты

Помимо выполнения рутинных действий нейросети предлагают и новые возможности уже для пользователей. В последние годы наметился один из главных трендов – создание нейронных сетей, которые могут поддерживать разговор с пользователями, предоставлять актуальные новости и делиться информацией о специальных предложениях. Использование нейросетей для создания чат-ботов – это эффективный способ проинформировать потенциального пользователя о своих услугах, ответить на популярные вопросы или перенаправить его на основной ресурс . Это позволяет персонализировать опыт пользователя в взаимодействии с компанией. Основной площадкой для такого типа нейросетей служат мессенджеры и самым популярным сервисом для чат-ботов является «Telegram». Есть и существенные минусы в их эксплуатации и самый основной заключается в том, что чат боты обычно очень ограничены в своих командах. У них уже есть заготовленный список действий, из которых пользователь уже выбирает необходимую. 

Например, разработчики приложения интернет-издания «Baza» создали в своем приложении чат-бота «Базон», который занимается формированием новостной ленты пользователя в зависимости от его запросов. Несколько раз в день читателю автоматически присылается подборка материалов. 

– Генерация цифровых аватаров ведущих/корреспондентов 

Цифровой аватар – сгенерированное с помощью нейросетей видео, на котором анимированный с фотографии человек или персонаж зачитывает заготовленный текст. Самым ранним примером цифрового ведущего стала «Елена», разработанная «SberDevices» для «РБК». Она некоторое время была соведущей программ «Рынки» и «Календарь инвестора». Позже на региональном телеканале «Свое ТВ. Ставропольский край» прогноз новостей стала вести цифровая ведущая «Снежана Туманова». Впоследствии телеканал не остановился и представил еще одного цифрового ведущего «Роман Цифровой», который ведет уже новостной блок. 

– Генерация видеороликов

Это направление разработки нейросетей самое молодое, но активно развивающееся. Сейчас искусственный интеллект вполне способен создать короткий ролик с озвучкой и субтитрами. Это гораздо привлекательнее статичных картинок и позволяет существенно уменьшить затраты на создание контента. Например, научно-популярный канал «Level One» использует такую практику в оформлении видеороликов своих лекций. Использование материалов от нейросетей позволяют качественно разбавить материал и создать именно то, что подходит под конкретное описание. Нейросетевые технологии, развивающиеся параллельно с виртуальной и дополненной реальностью и ставшие экономически доступными, несомненно, смогут в ближайшем будущем создать целые метавселенные. 

Однако, пока в создание полноценных видеороликов с использованием искусственного интеллекта находится на глубоком зачаточном уровне. Созданные и анимированные персонажи еще визуально непривлекательны для зрителя, хотя и четко видны «кривые» элементы. Самым известным примером анимационного видеоролика является «ANIME ROCK, PAPER, SCISSORS», по сюжету которого два брата борются за право наследования престола, играя в детскую игру «камень, ножницы, бумага». С фотореалистичными видеороликами еще труднее, так как ошибки в генерации изображения в них вызывают сильное отторжение. Пользователи интернет-ресурсов до сих пор загружают на различные площадки видеоролик, на котором нейросеть сгенерировала американского актера Уилла Смита, поедающего спагетти, и удивляются, насколько неприятно и жутко это выглядит. Еще одну тенденцию в этом направлении демонстрирует интернет-проект «НейроШарики» по мотивам известного российского мультфильма «Смешарики». В прямом эфире зрители пишут идеи для сюжетов, «ChatGPT» выбирает одну из них и придумывает сюжет. С помощью второй нейросети – «Tacotron 2», синтезируется речь персонажей и, таким образом, зрители могут посмотреть короткие скетчи с персонажами, полностью созданными нейросетями.

– Генерация изображений 

Изображения всегда играют ключевую роль в распространении материалов. Потенциального читателя к тексту чаще всего привлекает именно сопутствующее иллюстрация. Учитывая эту особенность, журналисты вынуждены подбирать иллюстрации практически к каждому тексту, даже если в нем нет изображения, напрямую связанного с ним. Как правило, есть возможность найти подходящее изображение в бесплатном или стоковом фотобанке. Благодаря же нейросетям с поиском подходящей иллюстрации время на поиски значительно сокращается. Искусственный интеллект может сгенерировать изображение под конкретный текст, что значительно повышает его оригинальность. С таким подходом отпадает надобность покупки лицензии у авторов. 

В настоящее время в медиасфере используется несколько нейронных сетей, генерирующих изображения, каждая из которых работает со своими нюансами:

– «CLIP-guided Diffusion» – создает высококачественные изображения, которые отличаются своей высокой детализацией и точностью;

– «StyleGan» – анализирует и использует общие черты различных изображений для создания изображений с уникальным стилем, позволяя создавать фотореалистичные портреты;

– «DALL-E2» – нейросеть создает оригинальные изображения основываясь на текстовых командах. Преимущество этой нейросети заключается в том, что она способна создавать оригинальные концепции, которых не было в подборке для ее обучения. Помимо этого, она реалистично редактирует изображение: удаляет объекты или добавляет их, меняет композицию, предлагает несколько вариантов итогового изображения; 

– «Midjourney» – благодаря собственной технологии глубокого обучения, создает проработанные и реалистичные изображения. Часто этот сервис используют для создания полиграфической продукции, автоматических рекламных баннеров и других изображений;

– «Stable Diffusion» – эта нейросеть создает изображения на основе контекстных материалов. Главное ее преимущество – открытый исходный код. Благодаря этому, со специальным разрешением эту нейросеть можно запустить на любом локальном компьютере совершенно бесплатно. Но к этому создатели накладывают этические ограничения на конечный материал; 

– «Kandinsky 2.2» – нейросеть от «Сбера», которая специализируется на фотореалистичных иллюстрациях и коротких анимационных роликах. Существенным плюсом является возможность уточнять на изображении конкретные детали и даже задавать примерную стилистику.

– Редактирование фотографий 

Современные интернет-сервисы давно реализуют возможность улучшения качества изображений – «Upscale image». Ее использование дает возможность в несколько раз увеличить разрешение фотографий, что позволит сделать из любительского фото вполне профессиональное и качественное изображение, которое можно использовать для публикации в средствах массовой информации. Такая технология позволит улучшить качество изображений в уже существующих статьях, которые дают трафик через качественный текст, но визуальное оформление которых «страдает». Появление таких сервисов значительно упростило обработку старых фотографий, и теперь их используют многие редакторы интернет-порталов.

К тому же, сервисы по обработке фотографий могут предложить и другую функцию – «окрашивание» черно-белых изображений. Например, таким занимается сервис «Algorithmia». Данная нейросеть обучена на множестве различных тематических фотографий, поэтому, распознав на изображении конкретный элемент, нейросеть окрасит его в вероятный наиболее часто встречающийся цвет. 

– Работа со звуком

 Расшифровать записанные голосовые интервью и преобразовать их в уже готовый текст – и такую функцию позволяют реализовывать нейросети. Помимо того, уже давно существуют голосовые помощники-ассистенты, которые выполняют обратную работу с преобразованием аудиосообщения текст. Это «Siri», «Алиса», «Маруся», а также роботы колл-центров и многие другие. В некоторых средствах массовой информации такую технологию используют для создания сводок или подкастов, которые посвящены текущей ситуации, итогам дня, происшествиям или любому другому сюжету. 

– Видеомонтаж

Появление нейронных сетей в области компьютерного зрения радикально изменило мир видеопроизводства. Технологии глубокого обучения позволяют автоматизировать и улучшить процесс редактирования видео, делая его более эффективным и творческим. Нейронные сети способны не только создавать короткие отрывки видео, но и заняться монтажом: убирают пустые кадры, добавляют субтитры, а также самостоятельно собирают видео по заданному тексту.

– Работа со статистикой и трафиком 

Нейронные сети могут быстро и качественно анализировать различные статистические данные, включая метрики, графики и диаграммы. Таким образом, они могут выявлять общие закономерности и отклонения, что позволяет составлять возможные прогнозы и выявлять аномалии на основе этих данных. Помимо этого, искусственный интеллект может анализировать целевую аудиторию, заниматься таргетированием и персонализацией контента и рекламы на основе предпочтений пользователей . 

Нейронная сеть в режиме реального времени также может анализировать данные дашбордов (сервисы, которые анализируют данные и предоставляют отчеты, графики и важные показатели, связанные с компаниями), трафик сайтов интернет-СМИ. Благодаря этому можно отслеживать набирающие популярность новостные тренды и находить потенциально «вирусные» темы и материалы.

Таким образом, нейронные сети, обладая неограниченным потенциалом, все больше входят в практику повседневной журналистской деятельности. Это поднимает серьезный вопрос того, а не заменит ли искусственный интеллект человека окончательно. Например, немецкая газета «Bild» значительно сократила количество сотрудников на 20%, чтобы заменить их искусственным интеллектом .

С другой же стороны, сами креаторы начинают говорить о проблемах влияния на их работу нейронных сетей. В 2023 году Гильдия актеров и сценаристов США устраивала продолжительную забастовку, одной из причин которых как раз и было использование искусственного интеллекта. Однако связанно это было, скорее, не с самим фактом использования искусственного интеллекта для работы, а с тем, что с помощью него права креатора сильно ограничивают. Подобные обсуждения поднимались и в художественном сообществе, ведь как чаще, всего оказывалось, у художников без их ведома брали цифровые работы для обучения машин. Фактически это считается кражей интеллектуального труда и поднимает серьезные обсуждения этичности такого «обучения». 

На современном этапе развития нейронных сетей в медиапространстве им нашлось применение во многих задачах. Написание текстов, редактирование фотографий, видео и звука, генерация ведущих и еще множество функций, которые значительно упрощают работу журналиста. Но также вместе с этим возникло понимание, что на данном этапе искусственный интеллект не может полностью заменить человека, ему требуется дополнительный контроль со стороны. 

 

1.2. Особенности генерации контента нейросетями

 

За последнее десятилетие благодаря прогрессу медиаиндустрия получила большое количество новых инструментов и технологий. Главным же приобретением, несомненно, являются нейронные сети. Они способны самостоятельно генерировать контент разного жанра, их работу стали активно задействовать и в сервисах по размещению контента. Активное же развитие технологий позволяет не только улучшать уже имеющиеся возможности, но и создавать новые инструменты для работы. Представители медиасферы, следом за IT-сферой, активно включили нейросети в свою практику. 

В настоящее время потенциал искусственного интеллекта активно исследуется и развивается. Лингвисты, философы, психологи, математики, инженеры и кибернетики прилагают значительные усилия в этой области. Они работают над тем, чтобы достижения в области вычислительной техники и робототехники влияли на развитие научного мышления. В частности, исследования в области искусственного интеллекта порождают новые методы научных исследований, новые способы рассмотрения научных результатов и их философского осмысления.

В настоящее время разрабатывается широкий спектр продуктов, основанных на технологиях искусственного интеллекта, особое внимание уделяется алгоритмам генерации текста (чат-боты, диалоговые системы). Исследователи пытаются расширить эти области применения, позволяя искусственному интеллекту создавать литературные произведения, сценарии фильмов и онлайн-игр. Эти инновационные начинания поднимают широкий спектр теоретических и правовых вопросов, на которые пока нет четких ответов.

Другой важной проблемой на сегодняшний день является то, что компьютеры в их нынешнем виде все еще не могут понимать человеческий язык. Боты, голосовые помощники, машинные переводчики и другие компьютерные программы лишь имитируют знание языка. Для иллюстрации этого часто используется психологический эксперимент «Китайская комната». Впервые он был описан философом Дж. Серлом в 1980 году в статье «Minds, brainsand programs». Основной вывод заключается в том, что можно провести аналогию между человеком и искусственным интеллектом, запертым в комнате с ограниченной информацией. Оба они вынуждены действовать по одним и тем же алгоритмам с ограниченными данными .

В настоящее время искусственный интеллект может стать нашим помощником, координатором и тестировщиком, но не учителем. По крайней мере, не раньше, чем технология обучения компьютеров языку достигнет значительного прогресса.

Исследования в области нейронных сетей продиктованы желанием понять, как работает мозг и разгадать тайны человеческого разума. Задача состоит в том, чтобы создать машины с человеческим интеллектом. Основная возможность моделирования интеллектуальных процессов заключается в том, что при ограниченном количестве слов любая активность мозга, любая умственная деятельность, описанная на языке с определенной семантикой, в принципе может быть передана электронно-цифровому компьютеру.

Применение технологий для автоматизированного создания медиаконтента – довольно необычный случай в теме, которая в последние годы вызывает интерес практиков и исследователей в различных областях и широкой аудитории. Поскольку она является междисциплинарной и привлекает инвесторов, можно предположить, что терминологическая система, связанная с этой областью, еще не разработана в исследованиях. Технологии искусственного интеллекта сегодня могут выполнять самые разные функции и заменять живых сотрудников в сфере журналистики и медиакоммуникаций, таких как ведущие, редакторы, продюсеры, производители новостного и развлекательного контента и т.д.

Неизбежные ограничения, с которыми сталкивается искусственный интеллект при написании новостных статей, становятся менее значимыми при создании развлекательного контента. Требованиями точности и логики письма, без которых заметка теряет смысл и суть жанра, можно пренебречь, если пользователь знает об экспериментальном или юмористическом характере публикации. Например, в «The Guardian» в 2020 году вышла статья «A robot wrote this entire article. Are you scared yet, human?», которая полностью была написана GPT-3. В ней нейросеть пытается убедить читателя, что не «уничтожит человечество» .

Развитие искусственного интеллекта в качестве инструмента генерации текстов значительно может облегчить труд журналиста. Помимо удобства и экономии ресурсов, нейросеть сопряжена с рядом проблем. Хотя развитие технологии нейронных сетей не стоит на месте и постоянно обновляется, что заметно улучшает качество создаваемого контента, но типовые ошибки, которые могут позволить отличить машинный текст от написанного человеком, остаются. 

Существует также большое количество нейросетей обученных распознавать эти ошибки и выявлять сгенерированный контент. Но даже специализированные инструменты не всегда справляются с этой задачей и ошибаются в определении автора текста. Например, компания «OpenAI», которая и разработала самую известную модель нейросети «ChatGPT», выпустила нейросеть «AI Text Classifier», которая должна была определять тексты, сгенерированные искусственным интеллектом. Но разработчики признали, что оценка, которую дает искусственный интеллект, ненадежная. Вот что они написали на своем веб-сайте: «В нашей тестовой оценке английских текстов классификатор правильно определяет 26% действительно написанных нейросетью текстов как «вероятно сгенерированные нейросетью». В то же время в 9% случаев они относят написанные человеком тексты к «вероятно сгенерированные нейросетью»» .

Поэтому если тексты подвергнуть небольшой обработке, то для программы распознать сгенерированные материалы будет сложно. Из-за чего полностью доверять оценке дополнительных инструментов не стоит, но существует ряд особенностей, по которым можно определить, что текст сгенерирован нейросетью. Которые также стоит учитывать и при работе с ними как с инструментом генерации текстов. 

Перплексия – показатель сложности текста, которая определяет, насколько хорошо нейросеть предсказывает слово в заданной последовательности в предложении. Поэтому, чем ниже уровень этой характеристики, тем текст проще. И наоборот, чем выше перплексия, тем сложнее текст. Когда речь идет о создании контента, этот фактор играет важную роль. Если текст будет слишком сложным, его будет трудно понять, что ведет к потере интереса у читателя. Если же текст будет слишком простым, читатель может не получить нужную информацию .

Берстность – вариация длины предложений в тексте, чем больше эта характеристика, тем разнообразнее они по длине. Текст, написанный с помощью искусственного интеллекта, обычно состоит из предложений, схожих по длине и структуре, как раз из-за низкой характеристики берстности. А вот человек при написании действует спонтанно, поэтому в его случае показатель характеристики высокий, а длина предложений разная .

Отсутствие личного подхода в написании текстов. Статьи, созданные с помощью искусственного интеллекта, отличаются высокой степенью обобщенности, содержат факты и цифры, однако в них не приводятся конкретные точки зрения автора, которые были бы основаны на его знаниях или опыте. Нейросеть – это машинный алгоритм, потому в полной мере разрыть эмоциональную сторону текста машина не сможет. Большинство писателей-людей используют сленг или высказывают личное мнение в своих произведениях. Машина не сможет передать опыт конкретного человека – только попытаться имитировать опыт миллионов людей, на чьих текстах обучена модель. С другой стороны, нейронные сети не настолько хорошо развиты, чтобы генерировать схожие ответы, в них редко можно найти эмоции или убеждения .

Но эта особенность нейросетей нивелируется тем, какая цель задается для генерируемого текста. Использование искусственного интеллекта в новостных СМИ распространено в большей степени, так как при генерации материалов нейросети необходимо использовать информацию только о конкретных фактах и событиях. А вот медиа, в которых имеется собственная стилистика текстов, напрямую обращаются к читателям, в них используются шутки и каламбуры или сленг, к нейросети обращаются не так часто. Так как на данный момент искусственный интеллект с такими запросами не справляется, выдавая посредственный результат. Помимо этого, нейросеть не способна к глубокому анализу темы и очень часто в ответах генерирует поверхностные рассуждения. Если для новостей это не критично, то вот для статей и материалов по другим темам, в которых требуются глубокие знания, возникают проблемы. 

Слабый язык и структура при генерации текстов верный признак того, что контент был создан искусственным интеллектом, – повторяющиеся шаблоны и конструкции предложений. Нейронная сеть не может создать полностью уникальный текст, поэтому зачастую повторяет уже существующие материалы. Помимо этого, в повторяющиеся конструкции входят и ключевые слова. Искусственный интеллект опирается на них при генерации текстов и может упомянуть конкретное слово большое количество раз, не прибегая к его синонимам. 

Контент, созданный искусственным интеллектом, следует алгоритмическому шаблону, что создает невероятную предсказуемость. Поэтому очень часто в сгенерированных текстах происходит повторение одной и той же мысли в разных предложениях. Машина не способна понять, как реализовать грамотное раскрытие темы в тексте, поэтому просто повторяет одно и тоже. Кроме того, в отличие от людей, нейросеть чаще всего использует общеупотребительные слова. Связано это с тем, что при генерации предложений предсказывают наиболее вероятное следующее слово в предложении .

Генеративные нейронные сети, в том числе «ChatGPT», склонны выдавать ответы на запрос в виде списков. Для нейросети такое поведение при создании текстов довольно частое, но для журналиста или любого другого человека, который работает с текстом – нет .

Эффективность генерации текста во многом зависит от количества и качества обучающих данных. Адекватные и разнообразные наборы данных способствуют умению модели генерировать точный и контекстуально релевантный текст. Нейросеть как алгоритм не обладает важной человеческой отличительной чертой – критическим мышлением. Поэтому если для журналиста может быть очевиден факт, что источник информации является ненадежным, то для алгоритма не важно, какой ресурс информации он будет использовать. Следовательно, в тексте, сгенерированном машиной, могут быть задействованы источники, которые несут ложную информацию или предвзяты к предмету материала. Еще одной проблемой является ограниченность источников информации, если человек может посмотреть дополнительные видеоролики, использовать материалы из интервью или книг, обратиться к личному опыту, то нейросеть ограничена ресурсами, доступными только в интернете. 

Искусственный интеллект способен сопоставлять данные из многих источников и анализировать. Однако, если алгоритм нейросети столкнется с противоречивыми данными из нескольких источников или получит доступ к недостоверным источникам, то он может запутаться. Независимо от того, какая задача стоит перед алгоритмом, он может совершить ошибку. 

Это может привести к следующему исходу, когда нейронная сеть придумывает несуществующий факт в своем ответе. При такой ошибке нейронная сеть имеет пробел в своих знаниях и старается его заполнить статистически верными ответами. Случается это, если выборка текстов для обучения была скудной и бот не может сказать, что не знает ответа на вопрос .

Помимо однозначных особенностей сгенерированных материалов существуют также особенности их регуляции действующей законодательной базой, что приводит к ряду проблем и юридических споров.

Необходимо также определить, является ли искусственный интеллект объектом интеллектуальной собственности. Для этого выделим основные признаки:

– искусственный интеллект уже является результатом творчества и процессов интеллектуальной деятельности, как и любой другой объект интеллектуальной собственности; 

– искусственный интеллект может содержать инновационные научные или технические решения, которые подлежат патентной защите;

– искусственный интеллект может иметь коммерческую ценность, поскольку его использование не только может принести прибыль, но и уменьшить затраты;

– право на использование искусственного интеллекта может быть передано путем заключения лицензионного соглашения. Из чего следует, что существует правовую защиту объекта интеллектуальной собственности.

Этих причин достаточно, чтобы объяснить необходимость рассматривать нейросети как интеллектуальную собственность. Это потребует большой работы по разработке новых правовых материалов совместно с квалифицированными экспертами в данной области. Необходимо гражданское законодательство, чтобы окончательно определить отношения между разработчиками и пользователями нейросетей и право на их использование. Важность и ценность нейронных сетей только возрастает по мере того, как их применение в различных областях становится все более широким.

Главным вопросом остается право на результат интеллектуальной деятельности нейросети. Согласно действующему законодательству, в частности статье 1257 Гражданского кодекса Российской Федерации, авторами произведений науки, литературы и искусства являются только граждане, то есть лица, произведения которых созданы их творческим трудом. То есть, из этого следует, что творчество – деятельность, которая присуща исключительно человеку. 

Поэтому за искусственным интеллектом авторское право закреплено быть не может. В таком случае, правообладанием таких материалов может обладать разработчик алгоритма или человек, который его использовал, но этот вопрос все еще является дискуссионным и четкого ответа нет. Но при этом, прежде чем пользоваться нейросетью, стоит внимательно изучить публичную оферту. Например, команда «OpenAI», которая является создателем «ChatGPT» и «DALL·E», вполне допускает авторское право за пользователем нейросетью, но с условием того, чтобы факт использования искусственного интеллекта не был скрыт. А вот «Midjorney», которую используют для создания изображений, в своей оферте оставляет авторское право за собой.

Существует выход, при котором возможно использовать нейросеть для получения прибыли, и это получение от создателей нейросети разрешения на коммерческое использование. Не обязательно это должны быть прямые продажи, но и любое другое применение в рамках коммерческой деятельности. В настоящее время нет четких правил, как можно использовать творческий потенциал нейронных сетей, но практические примеры уже появляются. Например, в начале 2023 года Бюро по авторским правам США отказало художнице Кристине Каштановой в регистрации авторских прав на изображения, созданные с помощью «Midjourney» для комикса «Заря рассвета». За художницей закрепили права на текст и расположение изображений на странице, но вот сами изображения авторским правом защищены не будут.

Соответственно, нельзя продавать сгенерированные искусственным интеллектом материалы по общим правилам. Но вот использовать нейросети во внутренних процессах проблем создать не должно. Журналист может свободно запросить план материала и уже после по нему написать свой текст. 

Другой правой вопрос касается нарушением уже самой нейросетью авторского права людей. Как уже было указано выше, нейросети для своего обучения используют материалы, автоматически собранные в интернете, будь это текст, код или аудиовизуальный объект. Многие модели искусственного интеллекта работают через выявление общих закономерностей, а затем их воспроизведения. Пока законодательство никак не регулирует этот момент. 

Поэтому на данный момент использование авторских материалов для обучения нейросетей не запрещено. Но вот вопрос об определении авторского права произведений, созданных такой нейросетью, остается дискуссионным вопросом не только правовой, но и этической стороны. Но в этой части правового поля все гораздо сложнее и зависит от конечных результатов. Например, в ситуации, когда искусственный интеллект обучают на работах конкретного человека, то тут уже больше оснований для обращения в суд. Существует возможность, что на такое произведение вообще не зарегистрируют авторские права, как уже было с упомянутым выше примером комиксом «Заря рассвета». 

Хотя генерация текста с помощью искусственного интеллекта достигла значительных успехов, она не лишена проблем и ограничений. Этические, правовые проблемы и риск дезинформации являются серьёзными препятствиями, требующими постоянного внимания. Отсутствие понимания контекста и периодическое создание бессмысленного или неточного контента создают дополнительные препятствия. 

Следует заметить, что алгоритмы искусственного интеллекта развиваются с огромной скоростью. Ошибки, которые были актуальны для старых версий нейросетей, исправляют и с каждым днем сгенерированные тексты становятся совершеннее и правдоподобнее. Поэтому спектр применения технологий генерации текста очень широк. Но на данный момент, если механизм использования роботов для написания несложных материалов уже давно разработан, то применение нейронных сетей для создания развлекательного контента, привлекающего и удерживающего внимание зрителей, является активно развивающейся областью. Качество получаемого текста требует дальнейшего технологического развития и совершенствования, но разработки в этой области ведутся огромными темпами.

В этот момент журналисту требуется не только ориентироваться в быстроменяющейся сфере технологий, но и находить баланс в их использовании с традиционными методами.

 

Глава 2. Специфика использования нейросетей в интернет-журналистике

2.1 Использование нейросетей в современной редакции интернет-изданий

 

В исследовании «Состояние журналистики в 2024 году» компании «Muck Rack», которая специализируется на связях с общественностью и помощи сотрудникам СМИ, говорится, что почти 30% современных журналистов используют для своей работы искусственный интеллект . Речь идет о технологии «GenAI», которая позволяет генерировать тексты и изображения, а также производить поиск конкретной информации в базах данных.

По данным исследования, среди журналистов, которые уже используют «GenAI» или планируют использовать его в будущем, большинство рассматривают его как способ найти темы для своих статей или помочь в проведении исследований. Использование «GenAI» для написания статей также является популярной функцией. По оценкам экспертов, в ближайшие несколько лет около 25% интернет-контента будет создаваться с помощью искусственного интеллекта .

Помимо этого, в докладе отмечается и возрастающая роль социальных сетей в деятельности журналиста. Отмечается, что около 70% сотрудников средств массовой информации используют их как каналы для продвижения новостей и мнений, а больше половины опрошенных используют социальные сети для создания материалов. 

Но также в исследовании «Состояние журналистики в 2024 году» отмечается, что около 31% журналистов не планирует использовать новые технологии в своей работе. Информационный портал «Лениздат» провел опрос среди главных редакторов интернет-порталов, которые высказались об работе искусственного интеллекта в СМИ неоднозначно. Например, главный редактор журнала «Город-812» Сергей Балуев высказался так: «С помощью ChatGPT мы проводили эксперимент – смогут ли читатели отличить созданный нейросетью текст от материала, написанного живым человеком. Давали нейросети задания: написать материал о том, почему молодежь аполитична, нужно ли отказаться от интернета, должны ли горожане сами убирать снег зимой и т.д. Колонки у ChatGPT получились очень среднего качества: набор очевидных суждений без оригинальных мыслей» .

Область синтетических медиа сложна, запутанна и постоянно меняется. Сфера их применения постоянно расширяется, поскольку компании, занимающиеся синтетическими медиа, стремятся разрушить все больше и больше элементов традиционных медиа, упрощая создание новых вещей. Но несмотря на большой спектр возможностей нейронных сетей в сфере медиа, на деле не многие СМИ используют их функционал в полном объёме.

Всего можно выделить несколько сфер, в которых уже применяют искусственный интеллект в медиа : сбор данных, создание контента, распространение информации. Рассмотрим их подробнее:

– Сбор данных

Сбор и анализ данных прошли долгий путь по сравнению с традиционными методами ручного ввода и анализа данных. С появлением искусственного интеллекта этот процесс стал более сложным и рационализированным. Инструменты и алгоритмы на базе искусственного интеллекта теперь способны собирать, обрабатывать и интерпретировать огромные объемы данных с беспрецедентной скоростью и точностью. 

Обработка естественного языка (Natural Language Processing) – одна из технологий, которую используют журналисты, для анализа набора данных. Данная технология позволяет распознавать структуру, семантику предложений, определять повторяющиеся паттерны. Например, благодаря таким технологиям, можно проводить исследования популярности публикаций и определять возможные паттерны, делающие одни материалы более популярными .

Новостное агентство «Reuters» внедрило в свои новостные отелы программу искусственного интеллекта «Lynx Insight», которая позволяет журналистам не тратить время на поиск потенциальных новостных тем. Нейросеть анализирует огромные массивы данных и выявляет шаблоны, изменения или необычные явления: быстро меняющегося курса акций, изменений на рынке или более тонких закономерностей. Журналисты получают эту информацию любым удобным для них способом – по электронной почте или через мессенджер, когда они приступают к работе, вместе с ключевым контекстом и справочной информацией, которые помогут им начать исследование, если они сочтут, что история заслуживает внимания. Они также могут ввести информацию о конкретной компании в систему, чтобы получить краткий обзор, удобный для изучения предыстории и подготовки к интервью .

Хотя искусственный интеллект произвел революцию в области сбора и анализа данных, он также порождает определенные проблемы и этические соображения. Вопросы конфиденциальности, предвзятости данных и прозрачности алгоритмов являются одними из важнейших проблем, которые необходимо решить. Обеспечение этичного использования искусственного интеллекта при сборе и анализе данных крайне важно для поддержания доверия и целостности экосистемы, основанной на данных.

Некоторые новостные издания ограничили «GenAI» доступ к своему контенту. Веб-сканер нейросети «ChatGPT» не может использовать публикации «New York Times», «CNN», «Reuters» и «The Guardian» и других изданий. Большие языковые модели, такие как «ChatGPT», требуют огромных объемов информации для обучения своих систем, которое позволяет им отвечать на запросы пользователей ответами, напоминающими шаблоны человеческого языка. Но компании, которым принадлежат нейросети, часто скрывают наличие материалов, защищенных авторским правом, в своих наборах данных. Поэтому запрет на использование своих сайтов для обучения нейронных сетей, стал попыткой защиты своего авторского контента .

– Создание контента

В отличие от предыдущих технологических революций, искусственный интеллект способен изменить журналистику на всех уровнях. При эффективном использовании он способен генерировать сделать контент более точным и своевременными. При несерьезном использовании нейросети создается «море» некачественного материала. Везде, где производство и распространение новостей можно автоматизировать или сделать «умнее», искусственный интеллект, несомненно, сделает шаг вперед. Но будущее еще не определено. Искусственный интеллект в медиа будет настолько плохим или хорошим, насколько его создадут разработчики и пользователи.

Примером грамотного использования нейросети в создании контента может являться SMM-агентство «Реклама, человек и нейросеть», в котором 90% работы выполняется с помощью нейросетей . Над проектом работают Максим Перлин, основатель агентства «Blacklight», а также Ева Деменкова и Миша Солодин, основатели «РИЧ» («Реклама и человек»). Создатели агентства утверждают, что искусственный интеллект вовлечен во все SMM-процессы. В эти задачи входит как написание текста и генерация изображений, так и анализ целевой аудитории или ответы на комментарии. 

В своей работе агентство использует чат-бот «ChatGPT» для написания текстов и «Midjourney», «Stable Diffusion» и «DALL-E 2», соответственно, для создания изображений. Для внедрения искусственного интеллекта компания полностью перестроила проектную команду и провела обучение – в результате нейронная сеть стала полноценным членом SMM-команды.

Также на своем сайте команда отмечает одно существенное преимущество – значительное сокращение бюджета на персонал. Так в «Реклама, человек и нейросети» смогли урезать смету на SMM до 50%. ИИ-контент-менеджер смог заменить такие должности, как копирайтер, корректор, креатор, аналитик и дизайнер. 

Использование искусственного интеллекта в СМИ может нести и развлекательный характер. Способность нейросетей пародировать тематику и стилистические особенности автора также нашла свое воплощение в развлекательном проекте «Жириновский». Искусственный интеллект был обучен на публичных выступлениях, высказываниях и интервью политика. Существует множество других независимых разработчиков, которые проводят свои эксперименты в области обучения нейросетей. Поэтому вполне можно говорить о том, что сама технология создания пародийных текстов относительно доступна, если есть соответствующая идея.

Такие технологии «пародирования» применимы и в средствах массовой информации. Тут можно вспомнить для примера интервью Марка Цукерберга для газеты «The Guardian». «Оригинал» отказался давать интервью, а журналисты издания задали те же вопросы нейросети «Zuckerbot», которая была обучена на выступлениях Цукерберга, и получили ответы в стиле его речей. Неудача на интервью обернулась развлекательным контентом, который уже своим существованием создал резонанс и привлек внимание читателей. 

Создание текстового и визуального медиаконтента с помощью нейросетей, конечно, не претендует на статус творчества в полном смысле этого слова, но может быть использован для привлечения внимания потребителей и иметь вирусный эффект. Например, в 2020 году «Яндекс» запустил сервис «The Artificial Eight», в котором предлагал создавать открытки для поздравлений . Нейросети генерировали картинку и подпись-поздравление к ней. Проект получил хороший отклик в СМИ, но в то же время было много критики со стороны пользователей, не все открытки были удачны, а предложения логичны.

Стоит отметить, что примеров удачного использования искусственного интеллекта в качестве инструмента для создания контента в среде интернет-пространства не так много. Например, интернет-издание «Лайфхакер» выпустило статью, в которой описало свой опыт взаимодействия с нейросетями. В 2023 году SMM-отдел издания в качестве эксперимента использовал нейросеть ChatGPT для ведения двух телеграм-каналов – «Лайфхакер» и «Постельный режим». 

С помощью искусственного интеллекта планировалось создавать карточки, анонсы, лонги и рекламу. «Сначала мы планировали использовать ChatGPT для фановых постов и разгона креативов. Но в процессе обсуждения захотели пойти дальше и протестировать нейросеть как полноценного создателя контента. Было интересно проверить, насколько обоснована паника некоторых специалистов из диджитала, что ИИ отнимет у них работу», – прокомментировала Ася Пушкина, которая является руководительницей SMM-отдела «Лайфхакера» .

Как отмечается в статье, с первыми ограничениями от использования нейросети SMM-отдел столкнулся сразу. Например, искусственный интеллект не мог подкрепить тексты данными, ведь машина пока не способна самостоятельно определять, насколько достоверным является источник. Поэтому нейросети использовали исключительно для написания легких или шуточных постов. Стоит отметить, что на данный момент попытки разработки программы, способной выполнять функции фактчекинга, активно ведутся.  

Еще одной проблемой, выявленной во время работы с нейросетями, стала неспособность искусственного интеллекта корректно обрабатывать запрос от человека.  В нейронную сеть загружали материал и давали команду сгенерировать лид и заголовок, но очень часто полученные результаты не соответствовали написанному в тексте. Только после того, как запрос для нейросети стал включать команду «прочитать», искусственный интеллект начал корректно отвечать на запросы. Дополнительно стали вводиться описания тона текста, его контекст или цель. 

Таким образом, на данном этапе развития искусственного интеллекта использование его как отдельного «журналиста», что будет занят написанием оригинального материла, не представляется возможным. Но это не мешает использовать альтернативных подходов в работе с нейросетью в качестве инструмента для деятельности журналиста. 

«Berrow’s Worcester Journal» выпускается с 1690 года в Великобритании и представляет собой бесплатный номер журнала, в котором публикуются новости города Вустера. Это одно из нескольких изданий, принадлежащих второму по величине региональному новостному издательству Великобритании, нанимающему журналистов, которые с помощью искусственного интеллекта освещают местные новости.

В прошлом году «Newsquest Media Group Limited», которая публикует более 200 изданий, включая «Glasgow Herald», «Brighton and Hove Argus» и «Lancashire Telegraph», наняла восемь репортеров с «искусственным интеллектом» в несколько отделов новостей по всей стране .

Репортеры используют собственный инструмент для копирайтинга, основанный на технологии «ChatGPT» – усовершенствованный чат-бот, который использует информацию, почерпнутую из текста в интернете. Журналисты вводят «достоверный контент», например, протоколы заседаний комитета по планированию местного совета, и нейросеть генерирует сжатые новостные сообщения в стиле издательства.

По словам редактора «Worcester News» Стефани Прис: «Искусственный интеллект не может присутствовать на месте аварии, в суде, на заседании городского совета, он не может навестить скорбящую семью или посмотреть кому-то в глаза и сказать, что они лгут. Все, что он делает, – освобождает журналистов для более активной работы».

Она добавляет, что нейросети используемые в «Newsquest», не генерируют контент – обученный журналист помещает в чат-бот информацию, которая при необходимости редактируется и дорабатывается редактором новостей. Что в свою очередь должно помочь избежать неточностей, который допускает технология нейросети. 

То, что искусственный интеллект улучшит журналистику, не является предрешенным фактом. Если менеджеры и редакторы решат использовать его, чтобы помочь журналистам лучше выполнять свою работу, это будет означать повышение качества. Но необходимо принять решение об использовании технологии для этой цели.

В погоне за повышением производительности, которую дает использование нейросети, качество производимого контента может сильно упасть. Обратное также возможно, если издательство, которое заинтересовано в охвате большой аудитории, но не качестве производимого продукта. Ярким примером такой ситуации в сфере медиа является случай с изданиями, принадлежащими «The Arena Group». Издание «Futurism» опубликовало свое расследование, в котором оказалось, что несколько профилей авторов сайтов принадлежат не людям, их изображения профиля сгенерированы нейросетью, а публикуемые от их имени материалы содержат ряд ошибок, характерных для искусственного интеллекта. В другом издании этого холдинга – финансовом портале «TheStreet.com», также были замечены схожие ошибки в материалах. По данным «Futurism», за 2023 год сгенерированный контент без специальных пометок также публиковали издания «CNET», «BuzzFeed» и «Gizmodo» .

Однако многие СМИ открыто публикуют положения об использовании искусственного интеллекта в своей работе. Газета «The Guardian» опубликовала свой подход к использованию нейросетей: «Инструменты "GenAI" интересны, но в настоящее время ненадежны. В нашей журналистике, а также в нашей маркетинговой, творческой и инженерной работе нет места ненадежности. На простом уровне это означает, что использование "GenAI" требует контроля со стороны человека. Мы будем стремиться использовать инструменты "GenAI" в редакторской деятельности только там, где это способствует созданию и распространению оригинальной журналистики».

– Распространение информации

В современной цифровой среде распространение контента играет ключевую роль в привлечении целевой аудитории. В связи с постоянно растущим объемом производимого контента компаниям становится все труднее добиться того, чтобы он нашел свою потенциальную аудиторию. Именно здесь на помощь приходит искусственный интеллект, предоставляющий мощные инструменты и методы, которые могут помочь организациям улучшить стратегии продвижения и распространения контента.

Использование искусственного интеллекта значительно упрощает дистрибуцию контента. Например, в «The Wall Street Journal» была разработана нейросеть, которая определяет, с какой вероятностью читатель оформит подписку на журнал. В зависимости от этого нейронная сеть определяет, сколько и какого формата бесплатных статей может прочитать посетитель сайта. Пользователь, что нашел статью, воспользовавшись поиском на сайте издания, оформит подписку с большей вероятностью, поэтому такому человеку будет доступно больше бесплатных материалов. Соответственно, меньше бесплатного контента сможет получить читатель, который обнаружил статью в социальных сетях . 

Самый значительный вклад искусственного интеллекта в продвижение и распространение контента – его способность персонализировать контент для отдельных пользователей. Анализируя огромные объемы данных, алгоритмы нейронных сетей могут определять предпочтения, поведение и атрибуты пользователей и предоставлять релевантный и увлекательный контент. СМИ тоже не отстают и создают индивидуализируемый опыт для читателей. В мобильном приложении газеты «The New York Times» существует раздел «Для вас», в котором нейросети подбирают новости специально под читателя. Так в газете стараются привлечь пользователя к своим материалам, а большее вовлечение означает как увеличение продаж подписки, так и ее удержание .

Одной из первых функций алгоритмов в новостных редакциях можно считать их применение в дата-журналистике, этот термин появился в конце 2000-х годов. Программа может выявлять закономерности в базе данных, выделять случаи, которые заслуживают внимания журналиста, работающего с данными, и развивать историю.

Еще одна «специализация», которую алгоритмы могут в той или иной степени освоить в новостных редакциях, – это роль редакторов. В их задачи входит формирование алгоритмических новостных лент в соответствии с интересами пользователей на основе их прошлого поведения. Такие нейронные сети могут сами формировать повестку дня, отбирать потенциально наиболее актуальные темы, определять способ публикации материала и распределять контент по различным сайтам.

Однако главный интерес исследователей заключается в возможности искусственного интеллекта генерировать новостные тексты, а также в структуре и стилистических особенностях, которые генерирует алгоритм. В то же время, помимо потенциальных возможностей применения нейросети в качестве создателя текстов многие указывают на проблемы, связанные с развитием этого направления. Во-первых, это ограниченность тематики, на которую пишет искусственный интеллект. Спорт, финансы или погода, проще говоря, темы для которых существует постоянный поток структурированной информации. Во-вторых, это шаблонность текстов. Как уже было упомянуто, нейросети обучаются за счет других работ, поэтому написать оригинальный текст – сложная задача. В-третьих, затратность на внедрение и поддержку технологии. Эти факторы привели к малой распространённости искусственного интеллекта в отечественных СМИ. В этой практике исключениями можно назвать «Интерфакс», «ТАСС» и «Sports.ru», которые используют эту технологию в той или иной степени. 

Контент, созданный или управляемый искусственным интеллектом охватывают широкий спектр типов контента. От дипфейков до творческих текстов, чат-ботов – искусственный интеллект открывает как возможности, так и привносит проблемы. По мере развития технологий нейросетей медиа будут продолжать развиваться, предлагая новые возможности для инноваций и самовыражения.

Сгенерированный контент на современном этапе может выполнять как информационную, так и развлекательную функцию в массовых и других средствах массовой информации. Исследователи отмечают трансформацию традиционных функциональных систем в этом веке, утрату ведущей роли информационной функции, активное проникновение развлекательных элементов в медиаконтент и развитие гибридных форматов. Это становится все более актуальным по мере развития цифровой среды, поскольку развлекательный контент является отличным инструментом для привлечения и удержания внимания отвлекающихся пользователей в цифровой среде. Такая ситуация, когда СМИ не используют или не имеют возможности использовать технологии искусственного интеллекта, является недостатком для самих СМИ в конкуренции с другими массмедиа, использующими роботизированный развлекательный контент.

В то же время, если сотрудники редакции начнут использовать искусственный интеллект для работы во всех возможных ролях (редактор, ведущий, автор заметок и развлекательных материалов), это само по себе станет информационным поводом и привлечет внимание аудитории к медиа-бренду.

Несмотря на то, что освоение искусственного интеллекта в качестве инструмента работы для журналиста требует к себе дополнительных затрат, СМИ продолжают осваивать новые технологии в работе. Самой активной сферой применения нейросетей в работе журналиста можно новостные агентства, так как нейросеть способна в значительной мере ускорить процесс публикации новостей. Но в других областях журналистики, где требуется более глубокое осмысление темы, проблемы с нейросетями, до сих пор наблюдаются.  

 

2.2 Перспективы развития нейросетей в журналистке: риски и возможности

 

Публичный выпуск «ChatGPT» в конце ноября 2022 года продемонстрировал возможности с таким очевидным и глубоким потенциальным влиянием на журналистику, что инновации, основанные на искусственном интеллекте, теперь находятся в центре внимания средств массовой информации. Ажиотаж в СМИ вокруг «ChatGPT» и других систем искусственного интеллекта с большими языковыми моделями охватывает широкий ряд тем: от замены нейросетями веб-поиска в интернете   до замены алгоритмами рабочих мест. Все эти темы имеют общий знаменатель: большие языковые модели предвещают искусственный интеллект, который вытеснит человечество.

На данный момент технологии нейронных сетей активно развиваются и с каждым годом значительно расширяют свои возможности как инструмент для работы в медиа. Генерация текста, видео, фотографии, музыки уже давно осваивается журналистами как средство эффективной экономии времени и ресурсов, но возможностей у искусственного интеллекта гораздо больше. Нейронные сети – это лишь инструменты для выполнения конкретных задач, и они бесполезны без человеческих идей. «ChatGPT» и подобные нейросети не могут учиться, совершенствоваться или даже идти в ногу со временем без того, чтобы люди не предоставляли базы для обучения и контролировали интерпретацию этих данных, не говоря уже о программировании моделей, создании, обслуживании и питании аппаратного обеспечения. 

Искусственный интеллект не может самостоятельно сравнивать, анализировать или оценивать информацию. Он может генерировать только последовательности текста, аналогичные тем, которые другие люди использовали при сравнении, анализе или оценке. Таким образом, когда модель дает вам хороший ответ, она использует большое количество человеческого труда, который уже затрачен на то, чтобы определить, что является хорошим ответом, а что нет. За работой нейросетей скрывается очень много людей, и они всегда будут нужны, чтобы модель продолжала совершенствоваться или расширяла охват контента. Явным примером этому является недавнее расследование, опубликованное журналистами «Time». Для того чтобы научить «ChatGPT» не использовать при ответах неэтичную лексику и материалы, сотни кенийских рабочих потратили тысячи часов на чтение и маркировку расистских, сексистских и тревожных материалов, включая графические описания сексуального насилия .

Поскольку крупные языковые модели на самом деле не понимают и не оценивают информацию, алгоритмам необходимо пройти обучение со стороны человека, который оценит правильность или неправильность ответов нейросети. Когда в их обучающие наборы данных добавляются новые источники, им требуется дополнительное объяснение, как следует строить предложения на основе этих источников. Искусственный интеллект не может оценить, является ли новостное сообщение точным или нет. Нейросети даже не могут прочитать страницу энциклопедии и делать соответствующие ей утверждения или точно резюмировать сюжет фильма .

Из этого следует, что на сегодняшний день развитие искусственного интеллекта пока не может позволить автономное функционирование. Ему все еще нужен контроль со стороны человека. Однако, несмотря на растущую популярность нейросетей контент, создаваемый искусственным интеллектом, все еще далек от совершенства и часто подвергается критике за отсутствие человеческого подхода и креативности, которые необходимы для хорошей журналистики. Подобно тому, как фотографическим технологиям на ранних этапах их развития было отказано в статусе искусства, «креативность» нейронных сетей на данный момент кажется смехотворной. Однако именно сама идея использования таких инструментов делает эту технологию актуальной и значимой. 

Например, большой шаг в развитии технологии искусственного интеллекта стало появление дипфейков. Дипфейк – это синтетическое медиа, часто видео- или аудиоклип, сгенерированный искусственным интеллектом, чтобы создать впечатление, будто кто-то говорит или делает что-то, чего он на самом деле никогда не говорил и не делал. Дипфейки генерируются с помощью обучающих алгоритмов машинного обучения на большом наборе данных изображений или аудио-видеоклипов для изучения уникальных черт и движений лица или голоса человека. После обучения эти алгоритмы могут генерировать высокореалистичный и убедительный поддельный контент.

 Например, по всему интернету разлетелся короткий видеоролик с американским актером Томом Крузом. Нейронные сети смогли не только воссоздать внешний облик мужчины, но и голос. Технологию активно развивают в сфере кинопроизводства, например, в фильме «Манюня: Приключения в Москве» с помощью этой технологии воссоздали советского и российского актера Юрия Никулина . В СМИ эта технология применяется крайне редко, к примеру, для создания нейроведущих в новостных выпусках, таких как «Снежана Туманова». Но у такой технологии, может быть, потенциал для развития и в других направлениях журналистики. 

Стоит также учитывать, что любая технология может развиться в потенциально проблемное направление. Отсюда исходит ряд серьезных проблем. Опасность в создании дипфейков заключается в вероятном массовом распространении ложной информации, так как сгенерированный материал может ввести в заблуждение. Также это серьезно усложняет фактчекинг для журналиста, так как фотографии и видеоролики, созданные искусственным интеллектом, выглядят слишком реалистично, а из-за массового распространения не всегда удается отследить источник. 

Такие примеры показывают только одно – что существует неоспоримый потенциал для развития искусственного интеллекта в любой сфере медиа. Это дает возможность рассмотреть перспективы, которыми обладает использование в журналистике нейросетей. В настоящее время нейросети чаще всего используются в качестве дополнения к журналистам-людям, а не в качестве замены. Тем не менее, нынешнее состояние искусственного интеллекта в медиа быстро развивается, что неоспоримо вызывает интерес о дальнейшем развитии отрасли с новейшими технологиями. 

Наиболее очевидные возможности применения генеративного искусственного интеллекта – в новостной журналистике, так как и на сегодняшний день, эта сфера наиболее активно задействует для своих внутренних процессов нейронные сети. Для нынешних реалий самой вероятной точкой для начала активного развития нейросетей в качестве инструмента журналиста станет оптимизация в создании уже существующих медиапродуктов, что и показывает опыт изучения примеров применения искусственного интеллекта в медиасфере.

Искусственный интеллект может автоматизировать многие рутинные и повторяющиеся задачи, освобождая журналистов-людей, чтобы они могли сосредоточиться на более творческой и стратегической работе. Это может привести к созданию эффективной и действенной редакции новостей, в которой люди и машины будут сотрудничать для создания более качественного контента. Эта вариация развития нейросетей в медиасфере привлекательна своей простотой, но ее преимущества почти наверняка будут недолговечными, поскольку существующая медиасфера быстро развивается, поэтому появится необходимость в постоянном переобучении алгоритмов. Рынок программного обеспечения нейронных моделей постоянно развивается, поскольку новые конкуренты и передовые технологии бросают вызов устоявшимся стандартам. И в этой ситуации журналист остается в выигрышной ситуации. Пока человек может быстро реагировать на происходящие изменения, искусственному интеллекту необходима помощь в «улавливании» трендов .

Становится все более вероятным, что грядут большие изменения в конкурентной среде, производственных процессах и бизнес-моделях новостных организаций, по мере повсеместного использования нейросетей и появления медиапродуктов на основе искусственного интеллекта .

Более амбициозная возможность для развития в новостной журналистике заключается в переосмыслении и расширении объема и масштаба новостных продуктов способами, которые становятся возможными только с использованием нейросетей. Одной из идей этого направления развития становится создание для аудитории нового читательского опыта. Например, создание персонализированного раздела новостей, в котором публикации ориентированы в первую очередь на интересы пользователя. Благодаря способности анализировать огромные объемы данных и выявлять закономерности и тенденции, нейронная сеть может помочь читателям оставаться в курсе наиболее важных тем и предоставлять самые актуальные новости. Подобные технологии уже существуют в отдельных изданиях, но пока не являются новым медиа–трендом .

Нейросети также могут помочь воспринимать медиапродукты новыми и инновационными способами. Например, аудио- и видеоконтент, созданный искусственным интеллектом, может предоставить читателям более захватывающий и увлекательный читательский опыт, а виртуальная и дополненная реальность на основе искусственного интеллекта может воплотить материалы в жизнь способами, которые раньше были невозможны.

Развитие в этом направлении даст возможность конкурировать в развивающейся новостной экосистеме, основанной на искусственном интеллекте, продолжая при этом использовать преимущества, которыми уже обладают новостные организации – бренд, доверие к редакционным процессам, привычки и т. д. 

Более того, эта конкуренция должна быть не просто нацелена на существующую целевую аудиторию, но теперь может также распространиться на совершенно новую аудиторию с помощью новых журналистских продуктов, что было бы невозможно с редакционной точки зрения без нейросетей . Даже небольшие редакции теперь имеют возможность предлагать комплексные мультимедийные новостные продукты разнообразной аудитории с совершенно разным потребительским поведением и предпочтениями.

Существуют и более интересные пути развития искусственного интеллекта в журналистике, но они могут оказаться менее привлекательными, чем кажутся на первый взгляд. Например, обучение собственной языковой модели с использованием архива редакции. Вероятно, это плохая идея для большинства изданий любого направления по целому ряду причин, включая трудности с привлечением специалистов в области машинного обучения, необходимых для создания полезной языковой модели, небольшой размер архивов даже крупнейших новостных организаций, по сравнению с потребностями в обучении полезной языковой модели, а также существенные затраты. Также это значительно увеличивает затраты на периодическое переобучение, поддержание и эксплуатацию собственной языковой модели в условиях быстро совершенствующихся технологий.

Однако, обучение частной модели нейросети дает мало очевидных преимуществ, даже если она конкурирует по производительности с коммерческой языковой моделью или моделью с открытым исходным кодом. Опасения по поводу безопасности данных, привязки к поставщику или потребности в нишевой функциональности, вероятно, можно решить гораздо более простыми способами, в том числе на контрактной основе, с помощью абстрагирования пользовательских интерфейсов, тонкой настройки модели или использования модели с открытым исходным кодом.

Несмотря на то, что развитие собственной нейронной сети, возможно, является не целесообразным из-за большого количества затрат и ресурсов на создание и поддержания рабочего алгоритма, существует более дешевая и простая в исполнении модель нейросети. Речь идет о чат-боте, который мог бы обеспечивать интерактивный доступ к текущим новостям и архиву издания в режиме диалога. Этот вариант кажется привлекательным, учитывая успех «ChatGPT». 

Помимо прочего, искусственный интеллект, который сейчас в сфере медиа скорее ассоциируется с фейковыми новостями, в будущем, возможно, предложит решение для поиска не только сгенерированных, но и дезинформирующих материалов. Распространение дезинформации и фейковых новостей стало серьезной проблемой в современном медиа-ландшафте. Развитие социальных сетей и легкость распространения ложной информации в интернете привели к тому, что людям становится все труднее различать достоверные и ненадежные источники информации. В этом контексте искусственный интеллект может сыграть решающую роль в борьбе с дезинформацией и фейковыми новостями.

Один из способов, с помощью которого нейросети могут помочь в борьбе с дезинформацией, – использование алгоритмов машинного обучения для выявления и пометки ложной информации. Например, системы искусственного интеллекта могут анализировать большие объемы данных для выявления закономерностей и тенденций распространения дезинформации, а затем использовать эту информацию для разработки алгоритмов, которые могут автоматически обнаруживать и отмечать ложную информацию.

Еще один способ, с помощью которого алгоритмы могут помочь в борьбе с дезинформацией, – автоматизация процесса проверки фактов. Например, системы искусственного интеллекта могут анализировать новостные статьи и сообщения в социальных сетях для выявления и проверки информации, а затем предоставлять журналистам отчет, указывающий, является ли информация точной или нет. Помимо этого, агрегаторы новостей на базе искусственного интеллекта и алгоритмы персонализации могут анализировать читательские привычки чтения и предлагать статьи и новости, которые с наибольшей вероятностью будут достоверными и точными.

Общая цель почти всех изданий в предстоящей трансформации, вызванной искусственным интеллектом, – это сохранение актуальности.  Любое издательство, независимо от того, финансируются ли оно за счет рекламы, подписки, государственных фондов или благотворительности, будет стремиться оставаться достаточно ценным для большого количества людей, чтобы гарантировать, что эти механизмы финансирования продолжат функционировать.

Таким образом, задача предстоящего перехода к информационной экосистеме, которая включает в себя нейросети, состоит в том, чтобы пройти путь, который позволит использовать преимущества краткосрочных возможностей повышения эффективности, среднесрочных возможностей для новых продуктов и услуг для аудитории, а также долгосрочных возможностей для повторного использования. представляя, какими могут стать новости в трансформированной информационной экосистеме . Этот путь, очевидно, сопряжен со значительным сопутствующим риском, в частности с риском потери существующей ценности и неспособности создать новую ценность взамен ее, и, следовательно, может потребовать большей терпимости к риску со стороны журналистских изданий. Развитие большей толерантности к риску, возможно, более близкой к той, которую имеют технологические компании, инициировавшие этот переход, может стать самым важным стратегическим шагом, который может предпринять издательство. 

Все это приводит журналистское сообщество к новому понятию – синтетическое медиа. 

Синтетические медиа – это новый тип виртуальных медиа, полностью или частично созданных с использованием искусственного интеллекта. За последние несколько лет были достигнуты значительные академические успехи в области глубокого обучения, а генеративные состязательные сети ускорили рост синтетических медиа. Это привело к быстрому улучшению их качеств, поэтому вскоре они могут быть просто неотличимы от традиционных СМИ .

Синтетические медиа включают в себя не только сами средства массовой информации, но и различные программы, например, маски в социальных сетях. Они адаптируются к лицу и мимике пользователя и преобразуют их, чтобы сделать результат максимально правдоподобным.

К основным преимуществам синтетических носителей относятся:

– продукты нейросети создаются быстро, с минимальным участием человека. Они могут охватывать различные темы и быть модифицированы для любой аудитории в любой точке мира; 

– они часто более удобны, потому что доступны круглосуточно. Поскольку они динамичны, вероятность их устаревания также ниже;

– синтетические медиа имеют широкий спектр возможностей. Такая гибкость позволяет использовать различные способы передачи смысла с помощью медиа;

– обладая высокой гибкостью, синтетические медиа могут быть реализованы на различных платформах. В дополнение к играм компании применяют их в приложениях и веб-сайтах, виртуальной или дополненной  реальности и многих других цифровых каналах. Это делает его легко адаптируемой формой, которая может широко использоваться во многих отраслях, таких как маркетинг, образование, журналистика, развлечения и искусство;

– это может создать иллюзию подлинности. Этот тип медиа позволяет компаниям устанавливать контакт со своей аудиторией, не платя актерам и не нанимая профессиональных фотографов или видеооператоров.

Область синтетических носителей сложна, запутанна и постоянно меняется. Некоторые типы синтетических медиа сегодня включают музыку, написанную искусственным интеллектом, генерацию текста, изображений и видео, синтез голоса и многое другое. Она также очень универсальна и может применяться во многих областях, таких как оптика, хранение энергии, передача, коммуникация или даже онлайн-бизнес. Область постоянно расширяется, поскольку компании, занимающиеся синтетическими медиа, стремятся разрушить все больше и больше элементов традиционных медиа, упрощая создание новых вещей. 

На данный момент нейросеть начинает испытывать трудности в развитии. Заметили ухудшения в работе генеративной модели искусственного интеллекта последних поколений не так давно. Например, в марте 2024 года появилась новость, что «Chat GPT-4 Turbo» плохо показала себя на экзамене МФТИ. Конкретное количество баллов, которые набрал искусственный интеллект, не уточняется, но во многих источниках указывается, что количество баллов немного больше 36, при этом проходной балл считается 85. Также отмечается, что искусственный интеллект справился с простыми задачами, где нужно применить формулу, а с более сложными задачами возникли трудности. Ошибки были в финальных расчётах, терминах и формулировках, а также были сделаны неверные выводы. 

На сайте вуза главный аналитик Центра искусственного интеллекта МФТИ Игорь Пивоваров прокомментировал результаты эксперимента: «Одно дело выдать правильный ответ на задачу, а другое дело – понимать глубинно физику. Ощущение понимания есть, но оно иллюзорно» . Схожие результаты были на экзамене по литературе и истории, искусственный интеллект правильно отвечал на однозначные вопросы, но задания на рассуждения полностью провалил. 

Возможное объяснение причины провала нейросети обнаружилось годом ранее.  В 2023 году в Стэнфорде провели исследование-сравнение двух версий алгоритмов искусственного интеллекта: «GPT-3.5» и «GPT-4».  Исследователи поставили перед алгоритмом несколько задач – определение простых чисел, ответы на опасные или спорные вопросы, написание кода, сложные наукоемкие вопросы. Результаты оказались неожиданными, ведь последняя версия искусственного интеллекта с течением временем значительно снизила точность результатов. Например, «GPT-4» в марте при определение простых чисел показал результат точности 84%, но уже в июне точность снизилась до 51% . А вот предыдущая модель алгоритма только улучшила свои результаты. 

Вероятной причиной ухудшения работы послужило стремление улучшить работу нейросети: пока одни функции алгоритма совершенствуют, то другие ее сферы деятельности терпят деградацию. Но наверняка о причине такого феномена сказать нельзя, ведь компания «OpenAI» скрыла код «GPT-4», чего не было с предыдущими версиями «ChatGPT». Что только лишний раз подтверждает необходимость крайне осторожного обращения в работе с нейросетями. 

Еще одна очень вероятная причина, почему нейросети сталкиваются со сложностями в развитии – обилие в интернете контента, созданного нейросетью. Контент, на котором обучается искусственный интеллект, преимущественно существует в всемирной паутине, а с бурным развитием нейросетей сгенерированных материалов становится все больше. Сгенерированный контент не несет в себе оригинальной ценности, может искажать реальность и совершать фактические ошибки. И если человек может избежать сомнительный контент, то для нейросети разница не очевидна. Отсутствие достоверной информации о количестве данных, которые были созданы нейросетями, затрудняет оценку серьезности проблемы на данный момент. В результате следующие модели искусственного интеллекта, обученные на сгенерированных материалах, могут давать еще более искаженные результаты. А создаваемый ими контент будет еще более далеким от реальности .

Но эта проблема более выражена для англоязычных моделей нейросетей, так как именно на английском на данный момент больше всего сгенерированных текстов. С высокой вероятностью модель искусственного интеллекта на более локальном языке в скором времени будет даже качественной, чем ее англоязычный прародитель .

 На сегодняшний день существуют алгоритмы, которые выявляют сгенерированные материалы, но их точность невысока. И сколько времени и ресурсов понадобится, чтобы настроить такие алгоритмы и внедрить их в систему обучения нейросетей, вопрос остается открытым. 

В эпоху искусственного интеллекта роль журналистов меняется, но она еще далека от устаревания. Журналисты-люди привносят в сферу медиа уникальные навыки и взгляды, и их роль в журналистике будет оставаться важной, даже несмотря на то, что искусственный интеллект станет более распространенным. Работая вместе с алгоритмами искусственного интеллекта, журналисты-люди могут помочь создавать более качественный и точный контент, сохраняя при этом человеческий подход, который так важен для хорошей журналистики.

Будущее журналистики в мире, где преобладает искусственный интеллект, одновременно захватывающе и неопределенно. С одной стороны, нейросети потенциально способны произвести революцию в способах производства и потребления материалов, позволяя журналистам создавать больше контента за меньшее время и с большей точностью, а также предоставляя людям возможность получать доступ к новостям и информации новыми, инновационными способами. С другой стороны, растущее использование искусственного интеллекта в журналистике поднимает важные вопросы о роли журналистов людей, – точности и достоверности новостей, а также этичности использования нейронных сетей для производства и распространения информации.

Одной из ключевых тенденций будущего журналистики станет более широкое использование искусственного интеллекта при производстве новостей и информации. Системы искусственного интеллекта будут использоваться для автоматизации рутинных и повторяющихся задач, таких как сбор и анализ данных, что позволит журналистам сосредоточиться на более творческой и стратегической работе. Искусственный интеллект также будет использоваться для создания новых форм контента, таких как виртуальная и дополненная реальность, а также для охвата новой и разнообразной аудитории. Но для того, чтобы получить максимальную отдачу от искусственного интеллекта в средствах массовой информации, этим процессом не могут руководить исключительно ориентированные на прибыль компании. В таком случае, за счет увеличения качества контента, который обеспечивает нейросеть, значительно может ухудшиться его качество.

В то же время растущее использование нейросетей в журналистике также поднимет важные этические вопросы. Несмотря на то, что оно может в значительной мере облегчить работу журналиста, использование алгоритмов в работе также может способствовать широкому ряду проблем. В погоне за количеством контента может значительно ухудшиться его качество, что может подорвать доверие аудитории.

Заключение

 

Применение нейросетей в различных сферах деятельности человека становится все более актуальным и важным. Искусственный интеллект способен улучшить качество и эффективность работы во многих отраслях, таких как медиасфера, бизнес, медицина и другие. Нейросети являются важным и актуальным инструментом для анализа и обработки данных в различных областях. Они обладают высокой точностью, скоростью и адаптивностью, однако требуют большого количества данных и качественного обучения.

Хотя искусственный интеллект появился достаточное количество времени назад и уже активно вошел в нашу повседневность, но большой интерес в ним возник несколько лет назад в связи с крупными успехами на медиарынке. Сначала на них обратили внимание простые пользователи, а затем эту тенденцию подхватили и участники медиасферы. 

Искусственный интеллект решает множество задач в совершенно разных направлениях. Он способен создать текст, провести фактчекинг, выявить последние тенденции, создать и отредактировать изображение, создать и смонтировать видеоролик и даже заменить ведущего в кадре, при этом его движения губ будут полностью синхронизированы с речью. Это открывает достаточное количество возможностей перед создателями контента и значительно упрощает их работу. Не обязательно теперь учиться некоторым навыкам в создании медиапродуктов, ведь этим может заняться нейросеть, а пользователь только соберет результаты и применит их по своему усмотрению. 

Однако на данном этапе у нейросетей все еще существует ряд существенных проблем и недоработок, которые в будущем должны будут решиться. Первый аспект – качество самих нейросетей, на данном этапе развития нейросети только выходят на достаточно достоверный уровень развития, когда они могут своей достоверностью посоперничать с контентом реально созданным человеком. Искусственный интеллект продолжает совершать множество ошибок, которые бы не сделал реальный автор. И несмотря на постоянные обновления алгоритмов, проблемы с сгенерированным нейросетями контентом остаются. Поэтому сейчас искусственный интеллект способен предстать только как инструмент для работы и требует дополнительного контроля со стороны журналиста-человека. На данный момент перед сферой медиа стоит выбор: избегать новой технологии или же включить нейросети в современную практику. 

Наиболее часто технологии искусственного интеллекта применяются для новостной журналистики из-за простоты сгенерированных текстов. Для других направлений журналистики «искусственные тексты» требуют куда более серьезных доработок со стороны человека.

Мы находимся в начале смены парадигмы. Создание контента переходит из физической сферы в цифровую, что позволяет нам создавать то, что нам никогда раньше не удавалось. Синтетические медиа постепенно становятся все более реалистичными и простыми в использовании, а также дают отличные результаты. Искусственный интеллект при грамотном развитие позволит журналистам значительно ускорить процесс написание материалов, поможет с фактчекингом материалов. Аудиторию также затронет введение нейросетей в работу интернет-изданий, например «умная» лента новостей, которая подстраивается под предпочтения пользователя или маркировка фейковых материалов. Искусственный интеллект позволит журналистике начать новый этап развития медиасферы. 

С этим появляются серьезный ряд проблем, например, как фейковые сгенерированные материалы, ошибки в анализе данных и неточности. Под вопрос также ставится место журналиста человека в этой новой системе. Однако, на данный момент развития искусственного интеллекта, чтобы сохранять объективность и точность материалов, журналист человек нужен, и нейросеть выступает в качестве его инструмента для работы.  Несмотря на большую проделанную работу над возможностями нейронных сетей, они не показывают себя как автономная единица. 

Важно также отметить, что искусственный интеллект и связанные с ним технологии не могут быть созданы без учета этических норм. Принципы должны быть в центре внимания, это неотъемлемый компонент каждой организации, отраженный в этих революционных технологиях. И пока не существует действительных мер регуляции работы нейросети в интернет-журналистике. 

 

 

 

Список литературы

 

Бернард Марр, Мэтт Уорд Искусственный интеллект на практике. – М.: МАНН, ИВАНОВ И ФЕРБЕР, 2020. – 215 с.

Бессмертный И.А. Интеллектуальные системы. – М.: Юрайт, 2024. – 243 с.

Бутл Р. Искусственный интеллект и экономика: Работа, богатство и благополучие в эпоху мыслящих машин. – М.: Альпина Про, 2023. –  552 с. 

Воронов М.В. Системы искусственного интеллекта. – М.: Юрайт, 2024. – 268 с.

Иванов А.Д. Современное состояние роботизированной журналистики // Журналистика цифровой эпохи: как меняется профессия. –Екатеринбург: УрФУ, 2016. – С. 106–109.

Кастельс М. Будущее журналистики: сетевая журналистика // Как новые медиа изменили журналистику. 2012−2016. – Екатеринбург: Гуманитарный университет, 2016. – С. 268–297.

Пиковер К. Искусственный интеллект. – М.: Синдбад, 2021. – 278 с.

Платонов А.В. Машинное обучение. – М.: Юрайт, 2024. – 85 с.

Коломийцева Е.Ю. Нейросети в работе медиа: грани взаимодействия // Управление Коммуникациями 2023. Материалы III Международной научно-практической конференции. — 2024. — С. 98—105.

Рабчевский А.Н. Синтетические данные и развитие нейросетевых технологий. – М.: Юрайт, 2024. – 187 с.

Ashish Jaiman Deepfakes aka Synthetic Media: Humanity at the Edge of an Uncanny Valley. – Independently published, 2022. – 271 с. 

Электронные ресурсы

Аулих С. Журналисты The Guardian сделали интервью с ботом Марка Цукерберга // Buro247.ru [Электронный ресурс] – URL: https://www.buro247.ru/news/life/23-dec-2019-the-guardian-zuckerbot-interview.html / (дата обращения 28.03.2024).

Багинова А. С – Синтетические медиа: как нейросеть помогает создавать контент // Trends.rbc.ru [Электронный ресурс] – URL: https://trends.rbc.ru/trends/education/619210689a7947dd7ac3d795 (дата обращения 23.04.2024).

Бортник А.Д. Как искусственный интеллект изменит мир медиа рынка // Сyberleninka.ru [Электронный ресурс] – URL: https://cyberleninka.ru/article/n/kak-iskusstvennyy-intellekt-izmenit-mir-media-rynka (дата обращения 28.03.2024).

Ботарев С. Искусственный интеллект в журналистике: помощник или конкурент? // Supernova.is [Электронный ресурс] – URL: https://supernova.is/editorial/iskusstvennyj-intellekt-v-zhurnalistike (дата обращения 23.04.2024).

Герман А. «Нейросеть хочет ТЭФИ»: как искусственный интеллект используется в медиа // Lenizdat.ru [Электронный ресурс] – URL: https://lenizdat.ru/articles/1163021/ (дата обращения 23.04.2024).

 Гурова М.Е. Право интеллектуальной собственности: авторское право на труды искусственного интеллекта // Сyberleninka.ru [Электронный ресурс] – URL: https://cyberleninka.ru/article/n/pravo-intellektualnoy-sobstvennosti-avtorskoe-pravo-na-trudy-iskusstvennogo-intellekta (дата обращения 28.03.2024).

Дворянкин О.А. Нейронные сети в Интернете // Cyberleninka.ru [Электронный ресурс] – URL: https://cyberleninka.ru/article/n/neyronnye-seti-v-internete (дата обращения 17.03.2024).

Джикаева Ф.З., Лолаева А.С. Понятия и признаки интеллектуальной собственности // Сyberleninka.ru [Электронный ресурс] – URL: https://cyberleninka.ru/article/n/ponyatie-i-priznaki-obektov-intellektualnoy-sobstvennosti (дата обращения 28.03.2024).

Дмитрова Д. Нейросеть «Жириновский» предложила наказание за неучастие в выборах» // Gazeta.ru [Электронный ресурс] – URL: https://www.gazeta.ru/social/news/2024/03/16/22563649.shtml (дата обращения 28.03.2024).

Загоруйко С., Малафеев А. Нейросетевой коллапс: почему вскоре может остановиться развитие алгоритмов ИИ // Forbes.ru [Электронный ресурс] – URL: https://www.forbes.ru/mneniya/491738-nejrosetevoj-kollaps-pocemu-vskore-mozet-ostanovit-sa-razvitie-algoritmov-ii (дата обращения 23.04.2024)

Иванов А.Д. Чат-бот в Telegram и ВКонтакте как новый канал распространения новостей // Сyberleninka.ru [Электронный ресурс] – URL: https://cyberleninka.ru/article/n/chat-bot-v-telegram-i-vkontakte-kak-novyy-kanal-rasprostraneniya-novostey (дата обращения 28.03.2024).

Иващенко М. Дипфейк Юрия Никулина появится в новом фильме // Snob.ru [Электронный ресурс] – URL: https://snob.ru/news/dipfeik-iuriia-nikulina-poiavitsia-v-novom-filme/ (дата обращения 23.04.2024).

Ильин А.В. России создали SMM-агентство, в котором до 90% работ делает ИИ // Tinkoff.ru [Электронный ресурс] – URL: https://secrets.tinkoff.ru/novosti/v-rossii-sozdali-smm-agentstvo-v-kotorom-do-90-rabot-delaet-ii/ (дата обращения 28.03.2024).

Кинякина.Е., Арялина М. Минцифры с МВД и Роскомнадзором определят наказание за дипфейки // Vedomosti.ru [Электронный ресурс] – URL: https://www.vedomosti.ru/technology/articles/2024/02/16/1020587-mintsifri-s-mvd-i-roskomnadzorom-opredelyat-nakazanie-za-dipfeiki (дата обращения 28.03.2024).

 Киреев А. ИИ создал полноценный комикс, но его отказались признать автором // Hightech.fm [Электронный ресурс] – URL: https://hightech.fm/2022/12/25/comic-book-ai (дата обращения 28.03.2024).

Котов П. Интеллектуальные способности ChatGPT деградировали из-за попыток его улучшить, выяснили учёные // 3dnews.ru [Электронный ресурс] – URL: https://3dnews.ru/1091179/u-neyrosetey-obnarugen-fenomen-dreyfa-degradatsii-intellektualnih-sposobnostey (дата обращения 23.04.2024).

Круглый стол: Журналист нового времени: вызовы, навыки, компетенции // VK Видео – 16 ноября 2023 [Электронный ресурс] – URL: https://vk.com/video32851_456240207?list=426cabf0088a9381d8 (дата обращения 17.03.2024).

Кузьмин Е. Как распознать текст, написанный нейросетью ChatGPT? // Journal.tinkoff.ru [Электронный ресурс] – URL: https://journal.tinkoff.ru/chatgpt-detector/ (дата обращения 23.04.2024

 Ладыжец Н.С. Социальные аспекты управления рисками и возможностями опережающего развития нейросетей // Сyberleninka.ru [Электронный ресурс] – URL: https://cyberleninka.ru/article/n/sotsialnye-aspekty-upravleniya-riskami-i-vozmozhnostyami-operezhayuschego-razvitiya-neyrosetey (дата обращения 28.03.2024).

Лактюшин Н. Бесконечные «Смешарики»: в сети запустили необычный стрим // Lenta.ru [Электронный ресурс] – URL: https://hi-tech.mail.ru/news/101358-beskonechnyie-smeshariki-v-seti-zapustili-neobyichnyij-strim/ (дата обращения 28.03.2024).

Лиханова Е. Как понять, что текст написан нейросетью // Rb.ru [Электронный ресурс] – URL: https://rb.ru/story/kak-ponyat-chto-tekst-sgenerirovan-ii/ (дата обращения 23.04.2024)

Лукина М.М., Замков А.В., Крашенинникова М.А., Кульчицкая Д.Ю. Искусственный интеллект в российских медиа и журналистике: к дискуссии об этической кодификации // Cyberleninka.ru [Электронный ресурс] – URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-v-rossiyskih-media-i-zhurnalistike-k-diskussii-ob-eticheskoy-kodifikatsii (дата обращения 17.03.2024).

Лукьянова А. Нейросеть провалила вступительный экзамен в российском вузе: ее отправили на пересдачу // Kp.ru [Электронный ресурс] – URL: https://www.kp.ru/daily/27586.5/4912279/ (дата обращения 23.04.2024).

Мартынова П. Bild начнет сокращения для замены журналистов искусственным интеллектом // Rbc.ru [Электронный ресурс] – URL: https://www.rbc.ru/technology_and_media/20/06/2023/6491f5f99a7947746d313ed7 / (дата обращения 28.03.2024).

Матвеев Д. В России появилось SMM-агентство, где 90 % работ выполняет искусственный интеллект // Telesputnik.ru [Электронный ресурс] – URL: https://telesputnik.ru/materials/tech/news/v-rossii-poyavilos-smm-agentstvo-gde-90-rabot-vypolnyaet-iskusstvennyy-intellekt (дата обращения 23.03.2024).

Мельникова Д.А., Лопаткин Д.С., Кожева А.А. Искусственный интеллект как способ создания нового контента // Cyberleninka.ru [Электронный ресурс] URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-kak-sposob-sozdaniya-novogo-kontenta (дата обращения 17.03.2024).

 Потехина К.А., Ананьева Е.О. Нейросеть как новый объект интеллектуальной собственности // Сyberleninka.ru [Электронный ресурс] – URL: https://cyberleninka.ru/article/n/neyroset-kak-novyy-obekt-intellektualnoy-sobstvennosti (дата обращения 28.03.2024).

Пушкина А. Телеграм-каналы «Лайфхакера» целый день вела нейросеть. Вот что из этого вышло // Vc.ru [Электронный ресурс] – URL: https://vc.ru/media/665723-telegram-kanaly-layfhakera-celyy-den-vela-neyroset-vot-chto-iz-etogo-vyshlo?comments (дата обращения 23.04.2024).

Романова Т. Визуальный персонаж от Сбера Елена стала соведущей телеканала РБК // Lenta.ru [Электронный ресурс] – URL: https://lenta.ru/news/2021/11/17/elenasber/ (дата обращения 28.03.2024).

Сидорова Д. Почему чат-боты выдумывают факты и как с этим бороться // Rb.ru [Электронный ресурс] – URL: https://rb.ru/story/ai-hallucinations/ (дата обращения 23.04.2024

Суходолов А.П, Бычкова А.М., Ованесян С.С. Теория журналистики и средств массовой информации // Cyberleninka.ru [Электронный ресурс] – URL: https://cyberleninka.ru/article/n/zhurnalistika-s-iskusstvennym-intellektom (дата обращения 17.03.2024).

Фролов А. «Яндекс» сделал нейросетевой генератор поздравлений к 8 марта // Vc.ru [Электронный ресурс] – URL: https://vc.ru/flood/111215-yandeks-sdelal-neyrosetevoy-generator-pozdravleniy-k-8-marta / (дата обращения 28.03.2024).

Хайдаров Д. Как мы проанализировали 250,000 статей на VC, и поняли что делает посты успешными (возможно) // Habr.com [Электронный ресурс] – URL: https://habr.com/ru/articles/809859/ (дата обращения 23.04.2024).

 Хакназаров А. В России нейросеть год заменяла дизайнера, и никто не заметил // Liter.kz [Электронный ресурс] – URL: https://liter.kz/v-rossii-polgoda-rabotala-nejroset-i-ee-prinimali-za-zhivogo-cheloveka/ (дата обращения 28.03.2024).

Шевцев Н. Нейросеть «Екатерина» от Яндекс.Маркета стала законодателем моды // Texterra.ru [Электронный ресурс] URL: https://texterra.ru/blog/neyroset-ekaterina-ot-yandeks-marketa.html (дата обращения 17.03.2024).

AIGener8. Will Smith eating Spaghetti and Meatballs // YouTube. – 13 мая 2023 [Электронный ресурс] – Режим доступа: https://www.youtube.com/watch?v=Zfk8mcRECiM (дата обращения: 25.02.24).

Albasi M. State of Journalism 2024 // Muckrack.com [Электронный ресурс] – URL: https://muckrack.com/blog/2024/03/12/state-of-journalism-2024 (дата обращения 23.04.2024).

Baker.G. Microsoft is cutting dozens of MSN news production workers and replacing them with artificial intelligence // TheSeattleTimes.come [Электронный ресурс] – URL: https://www.seattletimes.com/business/local-business/microsoft-is-cutting-dozens-of-msn-news-production-workers-and-replacing-them-with-artificial-intelligence/ (дата обращения 28.03.2024).

Bhat.S. What Is Synthetic Media? Types, Benefits, and Best Practices // Learn.com [Электронный ресурс] – URL: https://learn.g2.com/synthetic-media (дата обращения 28.03.2024).

Bogle А. New York Times, CNN and Australia’s ABC block OpenAI’s GPTBot web crawler from accessing content // Theguardian.com [Электронный ресурс] – URL: https://www.theguardian.com/technology/2023/aug/25/new-york-times-cnn-and-abc-block-openais-gptbot-web-crawler-from-scraping-content (дата обращения 23.04.2024).

Brahambhatt R. Deepfake videos are already taking over the internet // Zmescience.com [Электронный ресурс] – URL: https://www.zmescience.com/science/news-science/deepfake-videos-are-already-taking-over-the-internet/ (дата обращения 28.03.2024).

Caswell D. AI and journalism: What's next? // Кeutersinstitute.politics.ox.ac.uk [Электронный ресурс] – URL: https://reutersinstitute.politics.ox.ac.uk/news/ai-and-journalism-whats-next (дата обращения 23.04.2024).

 Chandler. S. Reuters Uses AI To Prototype First Ever Automated Video Reports // Forbes.com [Электронный ресурс] – URL: https://www.forbes.com/sites/simonchandler/2020/02/07/reuters-uses-ai-to-prototype-first-ever-automated-video-reports/?sh=42deeb387a2a (дата обращения 28.03.2024). 

Corridor. Anime rock, paper, scissors // YouTube. – 26 февраля 2023 [Электронный ресурс] – Режим доступа: https://www.youtube.com/watch?v=GVT3WUa-48Y (дата обращения: 25.02.24).

Doctor К. Newsonomics: The New York Times puts personalization front and center – just For You // Niemanlab.org [Электронный ресурс] – URL: https://www.niemanlab.org/2019/06/newsonomics-the-new-york-times-puts-personalization-front-and-center-just-for-you/ (дата обращения 23.04.2024).

Dupré M.X. Sports Illustrated Published Articles by Fake, AI-Generated Writers // Futurism.com [Электронный ресурс] – URL: https://futurism.com/sports-illustrated-ai-generated-writers (дата обращения 23.04.2024).

GPT-3 «A robot wrote this entire article. Are you scared yet, human?» // Theguardian.com [Электронный ресурс] – URL: https://www.theguardian.com/commentisfree/2020/sep/08/robot-wrote-this-article-gpt-3 / (дата обращения 28.03.2024).

Heikkilä M.How to spot AI-generated text» // Technologyreview.com [Электронный ресурс] – URL: https://www.technologyreview.com/2022/12/19/1065596/how-to-spot-ai-generated-text/ (дата обращения 23.04.2024).

Kirchner H., J., Ahmad L., Aaronson S., Leike J. New AI classifier for indicating AI-written text // Openai.com [Электронный ресурс] – URL: https://openai.com/index/new-ai-classifier-for-indicating-ai-written-text (дата обращения 23.04.2024).

Kobie H. Reuters is taking a big gamble on AI-supported journalism // Wired.com [Электронный ресурс] – URL: https://www.wired.com/story/reuters-artificial-intelligence-journalism-newsroom-ai-lynx-insight/ (дата обращения 23.04.2024).

Level One. Ведьмовской Салем: что там, под слоем истории? // YouTube. – 2 февраля 2024 [Электронный ресурс] – Режим доступа: https://www.youtube.com/watch?v=LGA98x5Nm4k&t=267s (дата обращения: 25.02.24). 

Mehdi Y. Reinventing search with a new AI-powered Microsoft Bing and Edge, your copilot for the web // Blogs.microsoft.com [Электронный ресурс] – URL: https://blogs.microsoft.com/blog/2023/02/07/reinventing-search-with-a-new-ai-powered-microsoft-bing-and-edge-your-copilot-for-the-web/ (дата обращения 23.04.2024).

Nelson J.P. ChatGPT and Other Language AIs Are Nothing without Humans // Scientificamerican.com [Электронный ресурс] – URL: https://www.scientificamerican.com/article/chatgpt-and-other-language-ais-are-nothing-without-humans/ (дата обращения 23.04.2024).

Ofgang E. 7 Ways to Detect AI Writing Without Technology // Techlearning.com [Электронный ресурс] – URL: https://www.techlearning.com/news/7-ways-to-detect-ai-writing-without-technology (дата обращения 23.04.2024).

Perrigo B. Exclusive: OpenAI Used Kenyan Workers on Less Than $2 Per Hour to Make ChatGPT Less Toxic // Time.com [Электронный ресурс] – URL: https://time.com/6247678/openai-chatgpt-kenya-workers/ (дата обращения 23.04.2024).

Searle J.R. Minds, brains, and programs // Cambridge.org [Электронный ресурс] – URL: https://www.cambridge.org/core/journals/behavioral-and-brain-sciences/article/abs/minds-brains-and-programs/DC644B47A4299C637C89772FACC2706A (дата обращения 17.03.2024).

Settles.G. How to detect deepfake videos like a fact-checker // Politifact.com [Электронный ресурс] – URL: https://www.politifact.com/article/2023/apr/19/how-to-detect-deepfake-videos-like-a-fact-checker/ (дата обращения 28.03.2024).

Topping А. How one of the world’s oldest newspapers is using AI to reinvent journalism // Theguardian.com [Электронный ресурс] – URL: https://www.theguardian.com/technology/2023/dec/28/how-one-of-the-worlds-oldest-newspapers-is-using-ai-to-reinvent-journalism (дата обращения 23.04.2024).

Vecanoi. Very realistic Tom Cruise Deepfake | AI Tom Cruise // YouTube. – 28 февраля 2021 [Электронный ресурс] – Режим доступа: https://www.youtube.com/watch?v=iyiOVUbsPcM (дата обращения: 15.03.24).

Viner K., Bateson A. The Guardian’s approach to generative AI // Theguardian.com [Электронный ресурс] – URL: https://www.theguardian.com/help/insideguardian/2023/jun/16/the-guardians-approach-to-generative-ai (дата обращения 23.04.2024).

Wang S. After years of testing, The Wall Street Journal has built a paywall that bends to the individual reader // Niemanlab.org [Электронный ресурс] – URL: https://www.niemanlab.org/2018/02/after-years-of-testing-the-wall-street-journal-has-built-a-paywall-that-bends-to-the-individual-reader/ (дата обращения 23.04.2024).