Hỡi cộng đồng báo chí, đừng sợ "nhà báo robot"

Hầu hết những chủ đề bàn luận trong làng báo về trí tuệ nhân tạo (AI) thường xoay quanh chuyện về phóng viên robot với câu hỏi rằng liệu có khi nào máy móc thay thế con người viết bài. Nhưng cũng khá thú vị là người ta thường bỏ quên vai trò thực tế của AI trong tòa soạn, vai trò mà thực ra công nghệ này đã đang đóng góp.

Về nghĩa rộng, AI là khái niệm tổng hợp của nhiều định nghĩa và phương thức khác nhau, bao gồm cả hình dung trong khoa học viễn tưởng. Ngày nay AI hầu như được hiểu đồng nghĩa với thuật toán máy học. Đó là một hệ thống, dưới sự giám sát của con người, có khả năng xử lý khối lượng lớn dữ liệu và trong khi đó tự nâng cấp chính nó.

Và mặc dù những hệ thống này có thể đạt kết quả ấn tượng và giải quyết được những vấn đề phức tạp cũng như viết được những đoạn tin cơ bản, thì hệ thống vẫn thiếu một kỹ năng quan trọng mà các nhà báo luôn trau dồi, đó là tạo bối cảnh bài viết. Hệ thống máy học bị hạn chế trong mảng kiến thức hạn hẹp và không thể kiểm soát vấn đề bên ngoài đó.

Tương lai của AI trong các tòa soạn vì thế không phải chuyện tự động hóa và thế chỗ nhà báo, mà là chuyện bổ trợ cho nhà báo. Và điều hay nhất trong viễn cảnh tương lai này là gì? Đó là tương lai này đã bắt đầu.

Ví dụ, tờ The New York Times dùng hệ thống nhận diện khuôn mặt bởi AI để giúp các phóng viên nhận biết trên 500 nghị sỹ quốc hội. Trang ProPublica thì dùng công nghệ máy học để nhận định những chủ đề quan trọng nhất được bàn thảo bên trong tòa nhà quốc hội, từ đó giúp tòa soạn và độc giả theo sát được diễn biến chính trường.

Hay hãy thử hình dung hàng trăm giờ làm việc có thể được những hệ thống AI như Trint hay Otter.ai tiết kiệm cho tòa soạn bằng cách hỗ trợ phóng viên bóc băng ghi âm.

Máy học cũng có thể hỗ trợ cho công việc điều tra của tòa soạn. Kênh truyền thông Texty của Ukraine đào tạo ra được một thuật toán để phát hiện hàng nghìn mỏ khai thác đá quý trái phép trong những khu rừng rộng lớn trải khắp đất nước qua hình ảnh vệ tinh. Như hệ thống Global Fishing Watch thì có khả năng truy ra những vụ chuyển hàng trái phép giữa các tàu biển trên toàn cầu.

Và sự kết hợp giữa ảnh vệ tinh với công nghệ máy học còn có thể tạo ra các kết quả thú vị khác. Ví dụ những hệ thống như Orbital Insight hay ICEYE có thể dự báo giá cổ phiếu của những nhà bán lẻ dựa trên quan sát số lượng và loại xe hơi trong khu để xe của họ.

Hoặc người ta có thể mở rộng suy đoán bên ngoài giới hạn dữ liệu, như dùng vệ tinh để đoán biết mức độ giàu có của một khu nhà bằng cách đếm số lượng và kích thước bể bơi, hoặc thậm chí nhận định sự phát triển của cả một quốc gia dựa trên số lượng nguồn chiếu sáng vào ban đêm.

Nhưng máy học không chỉ có khả năng nhận biết tổng quan, mà còn có thể nhận ra những sự sai khác trong một tập dữ liệu. Phóng viên của tờ LA Times có thể nhận biết sự bất đồng giữa số liệu thống kê vụ án mà Sở Cảnh sát thành phố Los Angeles cung cấp với số lượng vụ phạm tội thực tế.

Xét đến luồng thông tin diễn ra hàng ngày, công nghệ máy học thực sự là công nghệ xuất hiện đúng lúc đúng chỗ để giúp giải thích đúng thế giới phức tạp hơn bao giờ hết như hiện nay, đặc biệt khi thấy sự tăng mạnh của số lượng cảm biến và hệ thống đo lường trong mọi mặt của đời sống toàn cầu như kinh tế, xã hội, hay môi trường sống.

Ngày nay, những vụ rò rỉ tài liệu như Hồ sơ Panama lên đến hàng terabyte văn bản, email, và file ảnh; dữ liệu chừng đó có thể khiến cả tòa soạn ngừng hoạt động chỉ để đọc trong mấy tháng.

Nhưng việc sử dụng công nghệ máy học hợp lý có thể giúp các nhà báo không chỉ hệ thống lại chồng dữ liệu thô, mà còn hỗ trợ tìm ra ý nghĩa còn ẩn giấu đằng sau dữ liệu. AI vì thế giúp ích cho các nhà báo điều tra nhanh hơn và toàn diện hơn.

Mặc dù vậy công nghệ học máy không phải không có hạn chế và nguy cơ. Vì hầu hết các dịch vụ này hiện nay dựa trên nền tảng đám mây và đi liền với các hãng phần mềm lớn, nên nhà báo cần lưu tâm về nguy cơ vô ý gửi dữ liệu nhạy cảm sang máy chủ nước ngoài nơi mà sự bảo vệ pháp lý chưa có.

Hơn nữa, không thuật toán nào hoàn hảo, dù có tối tân đến đâu. Đặc biệt công nghệ máy học luôn phải đối mặt với vấn đề, đó là không phải mẫu dữ liệu nào cũng chuẩn. Kết quả có thể chệch hướng hoặc hoàn toàn sai lệch.

Vì thế các nhà báo không chỉ cần hiểu rõ công nghệ máy học hoạt động như thế nào và biết được những nguy cơ, mà còn phải luôn nắm bắt tình hình và kiểm soát.

Và vì thế, giờ chúng ta nên thôi lo nghĩ về “nhà báo robot”, thay vào đó hãy bắt đầu bàn đến tương lai của sự kết hợp giữa con người và máy móc. Bởi tương lai đó đã bắt đầu đến và sẽ tiếp tục định hình…

*Bài viết trên được dịch lại từ bài của tác giả đến từ nhóm phát triển tờ Süddeutsche Zeitung của Đức (các tiêu đề và lời dẫn do Blog ONECMS đặt).

*Trong bài viết, chúng ta có thể biết thêm việc AI đang được ứng dụng sâu rộng như thế nào trong báo chí trên thế giới để hỗ trợ công việc hiệu quả hơn, chuẩn xác hơn. Mặc dù vậy qua đó thông điệp vẫn là các nhà báo không cần lo ngại về vai trò của mình trong thời AI lên ngôi.