สฤณี อาชวานันทกุล
ในยุคที่ “ปัญญาประดิษฐ์” – artificial intelligence หรือ AI กำลังมาแรงและสร้างความปั่นป่วนหรืออย่างน้อยก็กังวลใจให้กับคนแทบทุกวงการ แวดวงสื่อมวลชนก็กำลังถูกเขย่าด้วยเทคโนโลยีมาแรงนี้เช่นกัน โดยเฉพาะในเมื่อสื่อหลายค่ายกำลังหาทางลดต้นทุน ลดภาระของนักข่าว และ/หรือลดข้อครหาที่ว่าข่าวบางชิ้นเขียนด้วยอคติ ลำเอียง หรือไม่สนใจที่จะแยกแยะระหว่าง “ข้อเท็จจริง” กับ “ความเห็น” อย่างชัดเจนอีกต่อไป
ตั้งแต่ราว 4-5 ปีที่ผ่านมา การใช้ซอฟต์แวร์และ AI เป็น “ตัวช่วย” หรือถึงขั้นเป็น “ตัวแทน” นักข่าว ในกระบวนการผลิตข่าวเริ่มไม่ใช่เรื่องแปลกในวงการสื่ออีกต่อไป ยกตัวอย่างเช่นค่ายต่อไปนี้
Associated Press (AP): ตั้งแต่ปี 2014 เป็นต้นมา เริ่มใช้อัลกอริทึม (algorithm) ผลิตข่าวการเงิน โดยดึงข้อมูลจากรายงานบริษัทต่างๆ มาประกอบเป็นชิ้นข่าว โดย AP ประมาณการว่า อัลกอรึทึมนี้ช่วยนักข่าวประหยัดเวลาได้กว่าร้อยละ 20 ทำให้พวกเขาสามารถไปทำงานที่ซับซ้อนกว่าและเป็นงานเชิงคุณภาพได้มากกว่า
Reuters, USA Today: เป็นพันธมิตรกับ Wibbitz แพล็ตฟอร์มสร้างคลิปวีดีโออัตโนมัติ โดย Wibbitz ใช้วิธีโค้ดซอฟต์แวร์ที่ขับดันด้วย AI มา “ย่อย” ชิ้นข่าวต่างๆ เป็นสคริปท์วีดีโอ ร้อยเข้ากับภาพหรือคลิปข่าวที่เกี่ยวข้อง เพื่อสร้างคลิปวีดีโอข่าวอัตโนมัติแทบจะในทันทีที่เกิดข่าวด่วน ซอฟต์แวร์ของ Wibbitz สามารถทำได้แม้แต่เติมการอ่านสคริปท์ออกเสียง (narration) โดยใช้เสียงคอมพิวเตอร์ที่ฟังแล้วแทบจะแยกไม่ออกจากเสียงมนุษย์อีกด้วย (synthesized voice)
Reuter: ใช้เครื่องมืออัลกอริทึมชื่อ News Tracer เป็นตัวช่วยของนักข่าวในการประเมินว่า “ทวีต” (tweet หมายถึงข้อความสั้นที่โพสลงทวิตเตอร์ (Twitter) โซเชียลมีเดียยักษ์ใหญ่) แต่ละอันมีระดับ “ความน่าเชื่อถือ” และระดับ “ความน่าจะเป็นข่าว” (newsworthiness) มากน้อยเพียงใด อัลกอริทึมนี้ประเมินจากข้อมูลว่าใครเป็นคนทวีต มันกำลังกระจายไปในเครือข่ายอย่างไรและเร็วเพียงใด และผู้เสพข่าวในบริเวณนั้นเข้ามาใช้ทวิตเตอร์เพื่อยืนยันหรือปฏิเสธกระแสที่กำลังก่อตัวหรือไม่
New York Times: ใช้ซอฟต์แวร์พิเศษช่วยกำกับดูแลการแสดงความเห็นท้ายข่าวออนไลน์ เทคโนโลยีตัวนี้พัฒนาโดย Jigsaw บริษัทบ่มเพาะเทคโนโลยีในเครือกูเกิล (Google)
BuzzFeed: โค้ดบอท (bot) ของตัวเองชื่อ BuzzBot ทำงานผ่าน Facebook Messenger บอทตัวนี้ตอนแรกออกแบบมาช่วยรวบรวมข่าวรายงานโดยมวลชน (crowdsource) ที่ไปร่วมงานประชุมใหญ่ของพรรครีพับลิกันกับพรรคเดโมแครตในสหรัฐอเมริกา ก่อนการเลือกตั้งใหญ่ปี 2016 แต่หลังจากนั้นก็ได้รับการปรับปรุงและเปิดเป็นซอฟต์แวร์แบบโค้ดเปิด (open source) ให้ทุกคนดาวน์โหลดไปใช้ได้ฟรีๆ จาก https://github.com/buzzfeed-openlab/buzzbot
นอกจากตัวอย่างข้างต้นในการทำข่าวแบบอัตโนมัติแล้ว ผู้เขียนคิดว่าพัฒนาการอีกสองประการที่น่าติดตามอย่างยิ่ง คือ 1) โครงการวิจัยชื่อ Reporters and Data and Robots (RADAR) ของสมาคมนักข่าวแห่งสหราชอาณาจักร (UK Press Association) ซึ่งได้รับทุนสนับสนุนกว่า €706,000 (27.4 ล้านบาท) จากกูเกิล และ 2) นักข่าวหุ่นยนต์ (robot reporter) ชื่อ Heliograf ของ The Washington Post
โครงการ RADAR เป็นความร่วมมือระหว่างสมาคมนักข่าวอังกฤษกับ Urbs Media สตาร์ทอัพเน้นสื่อที่ขับดันด้วยข้อมูล เป้าหมายคือจะให้บริการข่าวโดย AI ที่จะผลิตชิ้นข่าวได้ในหลักหมื่นชิ้นต่อเดือน โดยใช้ข้อมูลที่เปิดเผยต่อสาธารณะ
วิธีทำงานของ RADAR ที่วางแผนอยู่ก็คือ อาจให้นักข่าวที่เป็นคนระบุชุดข้อมูลเปิด (open data sets) ที่มีอยู่แล้ว และสร้าง “แม่แบบเนื้อเรื่อง” (story templates) อย่างละเอียด ที่เหมาะสมสำหรับหัวข้อต่างๆ อาทิ อาชญากรรม สุขภาพ สถานการณ์การจ้างงาน ฯลฯ จากนั้นนักข่าวที่เป็นหุ่นยนต์ก็จะเข้ามาสานต่อ สแกนข้อมูล ใช้ซอฟต์แวร์สร้างภาษา เขียนเนื้อหาข่าวจากข้อมูลที่มี ผลิตภาพและคลิปวีดีโอที่เกี่ยวข้องโดยอัตโนมัติ
เป้าหมายของ RADAR นับว่าน่าสนใจอย่างยิ่ง แต่นี่ไม่ใช่โครงการแรกที่เน้นการผลิต “นักข่าวหุ่นยนต์” เพราะ The Washington Post (Post) ใช้ระบบ AI ทำนองนี้มาตั้งแต่ปี 2016
“นักข่าวหุ่นยนต์” ชื่อ Heliograf ของ Post เผยโฉมครั้งแรกต่อสาธารณะด้วยการผลิตและตีพิมพ์ข่าวโดยอัตโนมัติเกี่ยวกับมหกรรมกีฬาโอลิมปิกฤดูร้อนที่ Rio ในบราซิล ปี 2016 หลังจากนั้น Post ก็ปล่อยเวอร์ชั่นที่ก้าวหน้ามากกว่า มี “สุ้มเสียง” เชิงบรรณาธิการที่เข้มกว่า ออกมาทำข่าวการเลือกตั้งใหญ่ในอเมริกาปีเดียวกัน
วิธีทำงานของ Heliograf คล้ายกับแผนการทำงานของ RADAR: บรรณาธิการ (ที่เป็นคน) สร้าง “แม่แบบเนื้อเรื่อง” สำหรับหัวข้อต่างๆ รวมถึงเลือกประโยคเด่นๆ ที่จะสรุปผลลัพธ์จากการเลือกตั้งทุกกรณีที่น่าจะเป็นไปได้ (ตั้งแต่ “รีพับลิกันรักษาเสียงข้างมากในสภาได้สำเร็จ” ไปถึง “เดโมแครตกอบกู้เสียงข้างมากในสภาคืนมาได้”) จากนั้นก็เชื่อมต่อ Heliograf เข้ากับแหล่งข้อมูลที่มีโครงสร้างชัดเจน (structured data) ซึ่งในกรณีการเลือกตั้ง แหล่งนั้นก็คือฐานข้อมูลเปิดของเว็บ VoteSmart.org จากนั้นซอฟต์แวร์ของ Heliograf ก็จะดึงข้อมูลที่เกี่ยวข้อง เชื่อมมันเข้ากับประโยคที่ถูกต้องในแม่แบบเนื้อหา หลอมรวมมันเป็นชิ้นข่าว เสร็จแล้วก็ตีพิมพ์เผยแพร่ข่าวนั้นออกไปในแพล็ตฟอร์มต่างๆ
นอกจากจะผลิตข่าวเองแล้ว Heliograf ยังสามารถส่งสัญญาณเตือนนักข่าว (ผ่านซอฟต์แวร์สื่อสารสำหรับงานกลุ่มชื่อ Slack) เวลาที่พบความผิดปกติในข้อมูล เช่น ผลแพ้ชนะในเขตเลือกตั้ง ก. ออกมากว้างกว่าที่คาด เพื่อให้นักข่าวหันมาสืบสาวประเด็นน่าสังเกตนั้นได้
ไม่ต่างจากการได้รับ “เบาะแส” จากแหล่งข่าวที่ไม่ประสงค์จะออกนาม เพียงแต่คราวนี้ได้จากนักข่าวหุ่นยนต์ที่ไร้ตัวตนเท่านั้นเอง
เป้าหมายหลักของ Post สำหรับโครงการ Heliograf มีสองด้านด้วยกัน ด้านแรกคือการเพิ่มจำนวนผู้อ่าน แทนที่จะพุ่งเป้าไปยังคนเสพสื่อกลุ่มใหญ่ (mass) ด้วยเรื่องราวจำนวนน้อยที่ใช้แรงนักข่าวค่อนข้างมาก Heliograf สามารถพุ่งเป้าไปยังคนเสพกลุ่มย่อยๆ แต่มีมากมายหลายกลุ่ม ด้วยข่าวจำนวนมหาศาลที่สร้างโดยอัตโนมัติ เกี่ยวกับหัวข้อเฉพาะหรือหัวข้อข่าวท้องถิ่นที่คนแต่ละกลุ่มสนใจ
ผู้บริหารที่รับผิดชอบการพัฒนา Heliograf ย้ำว่า ระบบนี้ไม่ได้มีเจตนาที่จะทำให้นักข่าว “พ้นสมัย” หรือไร้ประโยชน์ ซึ่งนั่นก็หมายถึงเป้าหมายด้านที่สองของ Heliograf: ทำให้ห้องข่าวมีประสิทธิภาพมากกว่าเดิม ผู้บริหารและบรรณาธิการหลายคนใน Post พูดเป็นเสียงเดียวกันว่า Heliograf ช่วยปลดปล่อยนักข่าวออกจากงานน่าเบื่อที่ต้องใช้เวลามาก อย่างเช่นการไปเกาะติดผลการเลือกตั้งและเสนอผลการเลือกตั้งในเวลาจริง (real-time) ทำให้นักข่าวมีเวลามาทำข่าวคุณภาพที่ต้องใช้ความคิดจริงๆ มากกว่าเดิมมาก
ผลลัพธ์รูปธรรมก็คือ ในการเลือกตั้งใหญ่ปี 2012 นักข่าว 4 คน Post ใช้เวลากว่า 25 ชั่วโมงในการรวบรวมและโพสผลการเลือกตั้งไม่กี่ชิ้น ต่อมาสี่ปี ในการเลือกตั้งใหญ่ปี 2016 Heliograf ผลิตข่าวกว่า 500 ชิ้น โดยที่คนแทบไม่ต้องแทรกแซงอะไร และข่าวทั้งหมดนั้นก็ดึงดูดคนกว่า 500,000 คลิก.
ข่าวหรือบทความที่เกี่ยวข้อง
