सामग्री
- मुख्य प्रवाहातील रोबोटिक रिपोर्टर
- फेक न्यूज आणि माहितीचे हेरफेर (एकेए - "द खराब सामग्री")
- बनावट बातम्यांविरूद्धची लढाई - नाण्याची दुसरी बाजू
- कोणतीही दोष नाही, तणाव नाही - आपले जीवन नष्ट न करता जीवन-बदलणारे सॉफ्टवेअर तयार करण्यासाठी चरण चरण बाय चरण
- प्रसारण आणि माध्यमात एआयची ओळख
- शैक्षणिक प्रकाशनावर एआय चा प्रभाव
- निष्कर्ष
स्रोत: सनिफोटो / ड्रीमस्टाइम.कॉम
टेकवे:
वर्धित संशोधन स्त्रोतांपासून पूर्णपणे स्वयंचलित रोबोटिक पत्रकारांपर्यंत, प्रकाशन उद्योग एआयच्या धन्यवाद क्रांतिकारक बदल पहात आहे.
केंब्रिज Analyनालिटिका घोटाळ्यामुळे आम्हाला दिसून आले की रशियन एआय-द्वारा चालवल्या जाणा news्या बनावट बातम्यांमधे अमेरिकन २०१ presidential च्या अध्यक्षीय मोहिमेवर चालत येण्याची शक्ती कशी होती. हे आता खरं आहे की बुद्धिमान मशीन्स मीडिया आणि प्रकाशनाचे भविष्य करीत नाहीत, परंतु उपस्थित. जरी हे शेवटचे वाक्य अशुभ वाटेल, तरीही आमचे भविष्य बनावट बातम्यांसह आणि आमच्या खाजगी माहिती चोरणार्‍या सोशल मीडिया व्यवस्थापकांच्या स्वप्नांशी जोडलेले नाही. कृत्रिम बुद्धिमत्ता, ऑटोमेशन, मशीन लर्निंग आणि गेल्या काही वर्षातील सर्व नवीनतम तंत्रज्ञान ट्रेंड आपल्या सध्याच्या परिस्थितीत आणि कदाचित चांगल्या मार्गाने देखील क्रांतिकारक होणार आहेत.
मुख्य प्रवाहातील रोबोटिक रिपोर्टर
यावर विश्वास ठेवा किंवा नाही, आपण कदाचित मशीनद्वारे संपूर्णपणे लिहिलेले न्यूज लेख वाचले असाल. मुख्य प्रवाहातील प्रकाशकांनी त्यांच्यासाठी त्यांच्या काही कथा लिहिण्यासाठी एआय चा वापर करण्यास सुरवात केली आहे. खरं तर, वॉशिंग्टन पोस्टच्या स्वयंचलित रिपोर्टरने हेलोग्राफचा वापर करून पहिल्या वर्षात तब्बल 850 लेख प्रकाशित केले. अध्यक्षीय निवडणुकीदरम्यान, रोबोट रिपोर्टरने न्यूजरूमला पिंग करण्यास पुरेसे हुशार केले होते प्रत्येक वेळी परिणाम एका अनपेक्षित दिशेने ट्रेंड होऊ लागला, मानवी पत्रकारांना त्यांच्या नोकरीत प्रभावीपणे मदत करत. अन्य एआय अनुप्रयोग न्यूयॉर्क टाइम्स, रॉयटर्स आणि इतर मीडिया दिग्गजांनी सांसारिक कार्ये स्वयंचलित करण्यासाठी, मीडिया वर्कफ्लोला सुव्यवस्थित करण्यासाठी आणि बरेच डेटा क्रंच करण्यासाठी यशस्वीरित्या वापरले आहेत. (या आणि इतर एआय वापरांबद्दल वाचा 5 मार्ग कंपन्या एआय वापरण्याचा विचार करू शकतात.)
फेक न्यूज आणि माहितीचे हेरफेर (एकेए - "द खराब सामग्री")
आपणास ठाऊक आहे काय की स्टॅनफोर्ड युनिव्हर्सिटीच्या अभ्यासानुसार असे दिसून आले आहे की काही एआय मानवांना समजून घेण्यासाठी इतके हुशार आहेत की ते बघून केवळ 81 टक्के यशाची शक्यता असलेल्या व्यक्तीचे लैंगिक प्रवृत्ती शोधू शकतात. एक चित्र? आणि हे खोल न्यूरल नेटवर्क इतके प्रगत आहे की जेव्हा चित्रांची संख्या पाच पर्यंत वाढते तेव्हा यशाची टक्केवारी 91 टक्के होते. आणि लैंगिकता हा एकमेव मापदंड नाही की या चित्तथरारक एआयने फक्त काही यादृच्छिक इन्स्टाग्राम फोटो पाहून अंदाज लावला. भावना, बुद्ध्यांक आणि अगदी राजकीय प्राधान्ये या मशीनद्वारे समजू शकतात जे एखाद्या मनुष्याने कल्पना देखील करू शकत नाही अशा गोष्टी शोधण्यात सक्षम आहेत.
पुन्हा एकदा, जर आपणास असे वाटते की हे तंत्रज्ञान चेह fac्यावरील ओळखण्याचे भविष्य असू शकते, तर, आपण चुकीचे आहात: हे आश्चर्यकारक शोध प्रत्यक्षात एक गोष्ट आहे भूतकाळ - जरी अलीकडील सर्वात आधी मनात येणारी गोष्ट म्हणजे, "जर ही आश्चर्यकारक सामग्री केवळ दोन चित्रांकडूनच अचूक अंदाज बांधू शकत असेल तर लोकांच्या सोशल मीडिया अकाउंटवर प्रवेश करून किती डेटा काढला जाऊ शकतो?" बरेच काही, वरवर पाहता - इतकेच दिसते की इतर समान एआय कदाचित मोठ्या प्रमाणात राजकीय कारणास्तव वापरल्या गेल्या असतील. डोनाल्ड ट्रम्प हे आता अमेरिकेचे राष्ट्राध्यक्ष आणि ब्रिटनने ब्रेक्सिटच्या माध्यमातून युरोपियन संघ सोडल्याची काही कारणे कदाचित अगदी चांगली असू शकतात.
एआय-शक्तीने चाललेल्या सायकोमेट्रिक प्रोफाइलिंगचा वापर सोशल मीडिया प्रोफाइलमधून डेटा काढण्यासाठी केला जातो आणि संभाव्य मतदारांना लक्ष्यित बनावट बातम्यांचा किंवा राजकीय जाहिरातींचा एक विशिष्ट उपसमय दर्शविण्यासाठी ही माहिती वापरली जाते. अशी कल्पना आहे की एखाद्या डिग्रीवर माहिती फेरफार करणे जेथे मानवांना काय खरे आणि काय नाही हे समजू शकत नाही. गोष्टींकडे दृष्टिकोन ठेवण्यासाठी, हे तंत्र इतके प्रभावी आहे की काहींनी असा आरोप केला की तो पुन्हा इटलीमध्ये वापरला गेला आणि अगदी कमी सूक्ष्मतेने.
सर्वात वाईट म्हणजे एआय केवळ बनावट बातम्यांसाठी योग्य लक्ष्य शोधण्यात मदत करत नाही, परंतु प्रत्यक्षात ते देखील करू शकते उत्पन्न करा वेगाने बनावट बातम्या ज्या कोणत्याही मानवी लेखकाला कधीही प्राप्त करण्याची आशा नसते. हे केवळ काही सेकंदात लाखो लेखन आणि स्पॅम लिहिण्याची संपूर्ण प्रक्रिया स्वयंचलित करू शकते.
एआय पूर्णपणे विश्वासार्ह बनावट व्हिडिओ तयार करू शकते आणि एखाद्या मुलाखती दरम्यान एखाद्या व्यक्तीने काय म्हटले आहे ते बदलू शकते. किंवा हे सुरवातीपासून वास्तववादी, आयुष्यमान छायाचित्रे तयार करु शकते जे वास्तविक मनुष्यापासून पूर्णपणे वेगळ्या आहेत. आणि जेव्हा आपण आपल्या स्वतःच्या डोळ्यांवर विश्वास ठेवू शकत नाही तेव्हा सत्य काय आहे हे समजणे कठीण आहे.
बनावट बातम्यांविरूद्धची लढाई - नाण्याची दुसरी बाजू
निराश होऊ नका, सर्व हरवले आहेत. वेबवर टीका करण्यासाठी आणि त्या सर्व खोटे खोटेनाटे शोधण्यासाठी काही सर्वात शक्तिशाली मशीन लर्निंग सॉफ्टवेअर तैनात करण्यास सज्ज आहे - गूगलपासून, ज्यांचे न्यूज प्लॅटफॉर्म आता दिशाभूल करणारी किंवा फक्त खोटी ठरविलेली सर्व माहिती फिल्टर करू शकेल. . गूगलच्या प्रवक्त्यांनुसार, एआय विश्वसनीय माहितीच्या विशिष्ट श्रेणीतून माहितीच्या विश्वासार्हतेबद्दल डेटा काढेल आणि लोकांना सत्य आणि मत यांच्यातील फरक जाणून घेण्यास मदत करण्यासाठी बातम्या, मते आणि विश्लेषणामध्ये सामग्री एकत्रित आणि विभक्त करेल.
कोणतीही दोष नाही, तणाव नाही - आपले जीवन नष्ट न करता जीवन-बदलणारे सॉफ्टवेअर तयार करण्यासाठी चरण चरण बाय चरण
जेव्हा कोणालाही सॉफ्टवेअर गुणवत्तेची काळजी नसते तेव्हा आपण आपली प्रोग्रामिंग कौशल्ये सुधारू शकत नाही.
एखाद्या लेखाची मथळा लेखाच्या मुख्य भागामध्ये अचूकपणे प्रतिबिंबित झाला आहे की नाही हे अंदाज लावण्यासाठी अन्य सॉफ्टवेअर उपलब्ध आहे किंवा सध्या विकसित केले आहे. हे सर्व त्या भितीदायक बातमी लेखांना तणात टाकण्यात आश्चर्यकारकपणे उपयुक्त आहे जे लोकांच्या आळशीपणाची शिकार करण्यासाठी दिशाभूल करणार्‍या मथळ्याचा वापर करतात ज्यांनी लेखाची सामग्री वाचण्यासाठी लेख देखील उघडत नाही. थोडक्यात, लोकांना टोकाची, कपटपूर्ण सामग्रीपासून दूर ठेवणे आणि त्यांना अधिक विश्वासार्ह आणि निःपक्षपाती लेखांकडे पाठविण्याची कल्पना आहे. तर्कसंगत निवडीऐवजी लोकांना भावनिक बनवण्यापासून रोखण्याचे उद्दीष्ट आहे.
प्रसारण आणि माध्यमात एआयची ओळख
असा युक्तिवाद केला जाऊ शकतो की प्रसारण हे त्या तंत्रज्ञानांपैकी एक आहे जे अद्यापही बर्‍याच मार्गांनी अप्रचलित होत आहे, तरीही मागील दशकांमध्ये त्याच्या व्यापक लोकप्रियतेबद्दल केवळ धन्यवाद टिकून आहेत. एआय दत्तक घेण्यामुळे या क्षेत्राचे पुनरुत्थान करण्यास मदत होऊ शकते, जरी प्रक्रिया अद्याप सुरुवातीच्या टप्प्यावर आहे. सुमारे percent 56 टक्क्यांपर्यंतचे मीडिया तंत्रज्ञान खरेदीदार म्हणाले की ते येत्या २- 2-3 वर्षांत ते स्वीकारतील.
नेटफ्लिक्स, उदाहरणार्थ, ऑटोमेशनद्वारे नियमित कामकाजाचा भार कमी करण्यासाठी एआयची कार्यक्षमता यापूर्वी वापरलेल्यांपैकी एक आहे.आणि परिणाम प्रत्येकाच्या डोळ्यासमोर असतात (शापित हेतू). वेगाने वाढणारी कंपनी असा दावा करते की त्याने दर वर्षी जवळजवळ 1 अब्ज डॉलर्सची बचत केली, तसेच ग्राहकांची मंथन कमी करण्याच्या एआयच्या क्षमतेबद्दल धन्यवाद. मशीन-लर्निंग अल्गोरिदम सोशल मीडियावरून डेटा काढू शकतात आणि दर्शकांशी अधिक वैयक्तिक संबंध प्रस्थापित करण्यासाठी त्याचा वापर करू शकतात, जे ग्राहक आपला विश्रांतीचा काळ कसा घालवणार याबद्दल बोलत असल्याने हे प्रभावी आहे.
सामग्री कार्यक्षमतेने व्यवस्थापित आणि व्यवस्थापित करण्यासाठी एआय देखील मदत करू शकते, जे परंपरागतपणे व्हिडिओ आणि ऑडिओ डेटाच्या अलिखित संरचनेमुळे गंभीर समस्या बनली आहे. भाषण आणि भावना ओळख, तसेच संगणकाच्या दृष्टीकोनातून झालेल्या सर्व अलीकडील प्रगतींनी सर्वात अलीकडील एआय साधनांना सामर्थ्य दिले जे आता सहजपणे प्रवेश न करता समजल्या जाणार्‍या संग्रहांचे वर्गीकरण करू शकतात. नेटवर्कची कार्यक्षमता सुधारित करण्यासाठी आणि कार्यक्षमतेत सुधारणा करण्यासाठी अल्गोरिदम आणि ऑटोमेशन देखील तैनात केले जाऊ शकतात जे पे-टीव्ही ऑपरेटरसाठी उत्कृष्ट वरदान आहे जे स्ट्रीमिंग सेवांमध्ये त्यांचे बँडविड्थ समस्या कमी करू इच्छितात. (वेगवेगळ्या उद्योगांमध्ये एआयची अंमलबजावणी सुरू राहिल्यास मानवाचे जीवन जगणे कसे शक्य आहे? एआय क्रांती सार्वभौम उत्पन्न आवश्यक बनवणार आहे का ते पहा.)
शैक्षणिक प्रकाशनावर एआय चा प्रभाव
शैक्षणिक जग हे अनेक प्रकारे बंद जग आहे. मूठभर हस्तिदंत बुरुजांवर बसून, आधुनिक अभ्यासपूर्णपणे प्रकाशित होणारी पर्यावरणीय प्रणाली 2001 च्या नुसार मॅन्युअल वेब शोध घेण्यास सक्षम असलेल्या विद्वानांच्या क्षमतेवर अवलंबून असते. व्यावसायिकांमध्ये सुधारित आणि परिष्कृत शोध अल्गोरिदम असलेल्या बर्‍याच प्रगती ब्लॉग शैक्षणिक साहित्याच्या जगात पोहोचला नाही, जे ब्लॉग, प्रेस विज्ञप्ति आणि सोशल मीडियाद्वारे प्रसारित होणार्‍या बर्‍याच किरकोळ शोधांपासून मुक्त आहे.
उदाहरणार्थ, सामान्य शैक्षणिक पेपरचे "संबंधित कार्य" घ्या. दिलेल्या शास्त्राच्या कथित समकालीन घडामोडींचा संपूर्ण क्रॉस सेक्शन बर्‍याचदा उणे असतो आणि त्या विशिष्ट उपक्षेत्राच्या संदर्भातील कृत्रिमरित्या विभागल्या गेलेल्या संचापर्यंत मर्यादित असतो. उद्धरणे ही सर्व काही सर्वसमावेशक आहेत आणि इतरही कितीतरी तत्सम अभ्यास आणि कार्य यापूर्वीच प्रकाशित केले गेले आहे हे समजून घेण्यास विद्वान अपयशी ठरले आहेत, जे खरेतर त्याच गोष्टीचे वर्णन केले आहे (शक्यतो त्याहूनही चांगली पद्धत वापरुन).
एआय पुन्हा एकदा या शोधांचा विस्तार वाढविण्यात मदत करू शकते आणि या सर्व डेटा सबटचा समावेश करू शकतो की मानवांना फक्त देखरेख ठेवण्याची आणि पचण्याची कोणतीही आशा नसते. वैज्ञानिक आकडेवारी "वाचन" केली जाऊ शकते आणि मेटाडेटा संरचना असलेल्या मशीनद्वारे वर्णन केले जाऊ शकते जे त्यांना अखेरीस क्रमवारी लावण्यास, त्यांचे विश्लेषण करण्यास आणि शोध घेण्यास सक्षम करते. नैसर्गिक भाषा प्रक्रिया (एनएलपी) एआयला कागदाचे खरे स्वरुप समजून घेण्यास आणि बाह्य स्रोतांकडून (कंपनी ब्लॉग्ज, टेक मासिके इत्यादी) डेटा एकत्रित करण्यास मदत करते आणि मूळ अनुशासनाच्या बाहेर असलेल्या इतर संबंधित अभ्यासाशी तुलना केली जाते.
मशीन शिक्षण हे सरदार पुनरावलोकन प्रक्रिया सुधारण्यासाठी स्वयंचलित सांख्यिकी विश्लेषण विश्लेषित करू शकते, मानवी पुनरावलोकनकर्त्यांचे स्त्रोत दर्शवितो की त्यांना कदाचित चुकले असेल. उद्धरणांची पडताळणी करण्याची प्रक्रिया देखील सुव्यवस्थित केली गेली आहे कारण एआय लवकरच दुसर्या लेखाला चुकीच्या पद्धतीने श्रेय दिलेला कोट ध्वजांकित करण्यास किंवा चुकीचे कोट किंवा साहित्य चोरीची सामग्री शोधण्यासाठी काही मिनिटांत संपूर्ण कागदपत्रात शोधून काढू शकते. त्याहूनही चांगले, आधुनिक प्रतिमा मूल्यांकन अल्गोरिदम बायोमेडिकल जर्नल्समध्ये प्रतिमा हाताळणीचे कोणतेही चिन्ह सहज शोधू शकले.
निष्कर्ष
ज्यांना हा लेख एआयने लिहिले आहे की नाही याबद्दल आश्चर्यचकित आहे, उत्तर आहे, नाही. कमीतकमी आत्ता तरी माणुसकी आवश्यक आहे. सर्जनशीलता आणि कला हे लिखाणाचे मूलभूत आणि अपरिवर्तनीय भाग असल्याने आणि संभाव्य संभाव्यतेसह मानवांना प्रकाशनात आणि माध्यमात रोबोटद्वारे कधीही बदलता येणार नाही. खरं तर, जसे आपण मानवी लेखकांना एआय द्वारे सहाय्य केले जाईल, आपली रोजगार सुकर होईल आणि आमच्या उत्पादनांची सरासरी गुणवत्ता आणखी चांगली होईल.