Il termine Intelligenza Artificiale (AI) è un termine un po ‘generico che si riferisce alle diverse possibilità offerte dai recenti sviluppi tecnologici. Dall’apprendimento automatico all’elaborazione del linguaggio naturale, le testate giornalistiche possono utilizzare l’intelligenza artificiale per automatizzare un numero enorme di attività che costituiscono la catena di produzione giornalistica, tra cui il rilevamento, l’estrazione e la verifica dei dati, la produzione di storie e grafici, la pubblicazione (con ordinamento, selezione e prioritizzazione filtri) e contrassegnare automaticamente gli articoli.
Questi sistemi offrono numerosi vantaggi: velocità nell’esecuzione di procedure complesse basate su grandi volumi di dati; supporto alla routine giornalistica attraverso alert sugli eventi e fornitura di bozze di testi da integrare con informazioni contestuali; un’espansione della copertura mediatica ad aree che in precedenza non erano coperte o non erano ben coperte (i risultati delle partite tra club sportivi “piccoli”, ad esempio); ottimizzazione della copertura delle notizie in tempo reale; rafforzare i legami di un media con il suo pubblico fornendo loro un contesto personalizzato in base alla loro posizione o preferenze; e altro ancora.
Ma c’è un rovescio della medaglia: l’efficienza di questi sistemi dipende dalla disponibilità e dalla qualità dei dati in essi immessi. Il principio di garbage in, garbage out (GIGO), provato e testato nel mondo IT, afferma essenzialmente che senza un input affidabile, accurato e preciso, è impossibile ottenere un output affidabile, accurato e preciso.
L’automazione delle notizie è l’aspetto più visibile di questo fenomeno e ha indubbiamente dato origine ai dibattiti più accesi all’interno della professione giornalistica. L’idea di “giornalismo robotico”, come viene spesso chiamato, ha contribuito a visioni distopiche e utopiche.
Nel peggiore dei casi, l’automazione potrebbe minacciare i posti di lavoro e l’identità giornalistica assumendo il controllo del lavoro solitamente svolto dagli esseri umani. Nella migliore delle ipotesi, potrebbe portare a un rinnovamento del giornalismo assumendo compiti ripetitivi e dispendiosi in termini di tempo, consentendo ai giornalisti di concentrarsi sulla produzione di contenuti ad alto valore aggiunto.
Ma l’automazione dei metodi di produzione giornalistica non si limita alla generazione di testi. La BBC ha recentemente introdotto una voce sintetica per leggere ad alta voce gli articoli pubblicati sul suo sito web; lo scorso anno, Reuters ha lanciato un sistema video automatizzato per coprire le partite sportive.
Nella sua indagine del 2019 su 71 testate giornalistiche in 32 paesi in Europa, Nord America, Sud America e Asia, Charlie Beckett, direttore del progetto Journalism AI, ha riferito che quasi quattro organizzazioni su dieci hanno già implementato strategie di intelligenza artificiale. I principali ostacoli allo sviluppo di queste tecnologie risiedono nella resistenza culturale legata ai timori relativi alla perdita del lavoro e al cambiamento delle routine lavorative, e talvolta anche all’ostilità generale verso la tecnologia. Ma sono anche legati agli alti costi di sviluppo, il che spiega perché le aziende più grandi hanno un maggiore accesso ad essi.
In quella che potrebbe essere vista come un’offensiva di charme volta ad allentare le tensioni con gli editori di giornali che criticano Google per l’utilizzo dei loro contenuti senza compenso, il Google Digital News Innovation Fund ha dato un contributo significativo al finanziamento di progetti in Europa che esplorano le possibilità delle nuove tecnologie. Al momento del lancio del fondo nel 2015, Carlo D’Asaro Biondo, presidente delle partnership strategiche di Google Europe, ha dichiarato quanto segue: “Credo fermamente che Google abbia sempre voluto essere amico e partner dell’industria dell’informazione, ma io accetta anche di aver commesso alcuni errori lungo la strada. ” Google DNI ha continuato a supportare non meno di 662 progetti per un importo di 150 milioni di euro.
Uno di questi progetti è RADAR (Reporter e dati e robot) nel Regno Unito, che ha ricevuto un finanziamento di 706.000 euro. Secondo il sito web del progetto: “Abbiamo creato l’unica agenzia di stampa locale automatizzata al mondo. Forniamo articoli basati sui dati a centinaia di siti web di notizie, giornali e stazioni radio in tutto il Regno Unito “. Il servizio non è completamente automatizzato: un team di giornalisti lavora a stretto contatto con gli algoritmi per garantire il controllo editoriale.
In Italia, il gruppo SESAAB ha ricevuto 400.000 euro per sviluppare algoritmi che organizzano i contenuti in base al comportamento degli utenti di Internet. Il suo sistema di raccomandazione su misura ha lo scopo di aumentare il volume degli abbonamenti e con esso le entrate in modo che i giornalisti dei giornali regionali possano dedicarsi alla creazione di contenuti di “alta qualità”.
Esistono modi per sfruttare gli strumenti di intelligenza artificiale che non richiedono risorse così sostanziali. Oltre alle tecnologie sviluppate per soddisfare i requisiti specifici di un determinato media, sono disponibili anche pacchetti software per la generazione di linguaggio naturale che non sono particolarmente fuori dalla portata di una testata giornalistica.
Secondo un rapporto della società di consulenza Gartner, il costo di accesso a queste piattaforme varia da $ 250 a $ 4.800 all’anno. Il loro principale vantaggio risiede nel controllo che offrono ai propri utenti finali, che sono in grado di determinare i parametri del software – dalla scelta dei dati alla forma che assumeranno i testi generati – senza richiedere competenze specialistiche. Il gruppo mediatico svizzero Tamedia ha optato per questa soluzione per automatizzare la rendicontazione sui risultati delle votazioni popolari in Svizzera. Il sistema è in grado di generare circa 40.000 articoli in pochi minuti. Cinque giornalisti politici hanno impiegato due o tre giorni di lavoro per configurare “Tobi” come veniva chiamato il textbot.
Con gli esperimenti di automazione in aumento, le agenzie di stampa sono tra le parti più interessate nonostante le aree piuttosto limitate che l’IA copre (sport, economia, ambiente e risultati elettorali). In uno studio del 2017, il giornalista austriaco Alexander Fanta ha scoperto che la maggior parte delle agenzie di stampa europee aveva abbracciato l’automazione. Secondo Fanta, “le storie scritte a macchina mancano di un esame approfondito e critico dei fatti presentati, ma possono fornire un rapido riassunto delle notizie o una prima versione di una storia”.
Attualmente non ci sono prove che suggeriscano che l’automazione della produzione di notizie sia collegata alla perdita di posti di lavoro. L’unica azienda che ha fatto ricorso alla ridondanza di massa nel tentativo di “automatizzare completamente” è il gigante tecnologico Microsoft nel suo portale MSN News. Ma sebbene rari, ci sono prove che suggeriscono che i liberi professionisti occasionalmente perdono un lavoro a causa dell’automazione, la prova che non esiste un rischio zero in un contesto di fragilità economica per i media.
Ma mentre le ansie riguardanti l’occupazione sono legittime, è importante ricordare che il giornalismo è più della semplice somma delle sue parti e il carattere umano della professione non può essere automatizzato. I giornalisti forniscono più che semplici informazioni. Come sostiene l’ex giornalista e professore all’Università di Porto Fernando Zamith: “L’accuratezza richiede una verifica adeguata. I robot non riescono a farlo bene ogni volta. “
Può un programma per computer scrivere articoli migliori di un giornalista? The Guardian ha riacceso il dibattito nel settembre 2020 quando ha pubblicato un testo scritto interamente da GPT-3, un generatore di linguaggi sviluppato dalla società americana OpenAI. Nonostante l’abilità del software, in grado di analizzare 45 terabyte di dati con i suoi 175 miliardi di parametri, non è senza limiti. Ad esempio, il sistema non capisce cosa sta scrivendo ed è quindi suscettibile di incongruenze. Ma GPT-3 ha aperto nuovi orizzonti offrendo narrazioni più approfondite rispetto ai generatori di linguaggio più tradizionali.
Secondo il ricercatore Nick Diakopoulos, gli Stati Uniti, che sono stati un pioniere nelle notizie automatizzate, hanno già visto l’emergere di nuovi profili professionali, compreso il lavoro che è sia a monte dei sistemi automatizzati (preparazione di modelli di testo da automatizzare, parametrizzazione del software, controllo della qualità dei dati) e a valle (monitoraggio della qualità dei dati e dei contenuti).
L’integrazione di questi tipi di competenze nell’educazione al giornalismo rappresenta una sfida dato il gran numero di materie che già compongono un master di due anni. Sarebbe necessario lavorare sulla comprensione di cosa sono questi algoritmi, studiare elementi di programmazione, statistica e probabilità e affrontare aspetti legati all’ingegneria linguistica e alla qualità dei dati. Significherebbe anche coltivare un necessario approccio critico.
Allo stesso tempo, molte voci all’interno dei circoli accademici invitano i giornalisti a sviluppare il pensiero computazionale per facilitare il dialogo con gli informatici. Questo tipo di pensiero, che consiste nello scomporre i problemi logici in sequenze, è paragonabile alle routine giornalistiche, che sono anche caratterizzate da una successione di scelte (fonti, angolazione, storia) volte a risolvere un problema (raccontare una notizia).
Considerando che una procedura informatizzata si basa su scelte umane, per definizione non neutre, non è assurdo pensare che i passi debbano essere fatti anche nella direzione opposta. I “nuovi attori nel mondo del giornalismo” sono ingegneri informatici, linguisti e data scientist. Le aziende che forniscono ai media soluzioni tecnologiche non si considerano fare giornalismo anche se sono attivamente coinvolte nella catena di produzione giornalistica.
Le organizzazioni professionali dovrebbero riflettere su come condurre politiche inclusive, nella misura in cui l’esercizio della responsabilità sociale dei mezzi di informazione è tanto individuale quanto collettivo. Le principali sfide dell’integrazione delle tecnologie di intelligenza artificiale nel giornalismo riguardano anche il campo dell’etica. Come scrive l’economista francese Michel Volle: “Il bene e il male stanno nell’intenzione, non nello strumento”.
Secondo uno studio del 2017 del Tow Center of Digital Journalism, le tecnologie di intelligenza artificiale dovrebbero integrare i valori editoriali nel loro design. Il rapporto sottolinea inoltre che “i lettori meritano di ricevere una metodologia trasparente su come lo strumento di intelligenza artificiale è stato utilizzato per eseguire un’analisi, identificare un modello o segnalare un risultato. Ma quella descrizione deve essere tradotta in termini non tecnici, e raccontata in modo sintetico…”.
Alla fine del 2020, il Consiglio per i mass media in Finlandia ha pubblicato un rapporto in cui raccomandava che gli organi di autoregolamentazione della professione non tardassero ad occuparsi delle questioni del trattamento dei dati, delle scelte nelle procedure informatiche e della trasparenza nei confronti del pubblico. Secondo il rapporto, se i consigli dei media non prendono l’iniziativa, altri lo faranno: “E chiunque sia – che si tratti di legislatori nazionali, UE o società di piattaforma – potrebbero mettere a repentaglio la libertà di stampa”.
