1. Bruk av kunstig intelligens i norske redaksjoner⚓︎
«Robotene kommer. Men avhengig av algoritmen kan det være at revolusjonen ikke blir automatisk publisert»
Det har vært mye snakk om Artificial Intelligence, kunstig intelligens (KI) på norsk, når det gjelder å samle informasjon om lesere og for å selge annonser. Det er langt mindre snakk om bruk av KI i redaksjonelt arbeid. Hensikten med denne rapporten er nettopp å belyse KI i redaksjonelt arbeid. For når vi har intervjuet og besøkt norske redaksjoner for å høre hva de bruker KI til, forteller de at det skjer mye. Sannsynligvis arbeider du allerede i en redaksjon der du og dine kolleger bruker maskinlæring til å redigere deler av nettsiden, overvåke eiendomsmarkedet og 5. divisjons kamper i fotball, kobler nye artikler til tekstarkivet og sparer tid på KI-basert transkribering av intervjuopptak rett fra mobiltelefonen.
1.1 Effektiv og ressurssparende⚓︎
Journalistikk basert på automatisering, KI eller maskinlæring, er åpenbart på vei til en redaksjon nær deg. Årsaken er like enkel som den er uunngåelig. Maskiner – eller mer korrekt, programvare - kan nå gjøre noen redaksjonelle oppgaver langt mer effektivt og mye billigere enn deg. Press på økonomi der redaksjonell arbeidstid er den største innsatsfaktoren, og stadig økende redaksjonell arbeidsmengde, gjør at ingen redaksjonelle ledere kan overse muligheter for effektivisering og nye redaksjonelle muligheter for overvåking og avsløringer.
«Vi er jo presset på ressurser, og for å kunne vokse må man hele tiden utvikle. Leserne er like sultne og forventer like mye oppdateringer uansett. Når man kommer ut 24/7 og leserne er der 24/7 selv om du er 2 i redaksjonen eller 60. Så for oss gjelder det å effektivisere, sørge for at i hvert fall de journalistiske ressursene er der, jobbe for det journalistene er aller best på og bruker tiden sin så fornuftig som mulig. Eivor Jerpåsen, utviklingsdirektør, Amedia.
Kort oppsummert kommer det fram i denne rapporten at KI brukes i hele den redaksjonelle arbeidsprosessen, og at norske redaksjoner til dels er i full gang med å utnytte KI. Programvare med KI hjelper journalister med å finne saker basert på overvåking av sosiale medier, eller få tips om saker basert på saks- eller dokumentovervåking av for eksempel alt fra Brønnøysund. I fasen der reportere sjekker og driver research, gis hjelp til å sortere store mengder dokumenter og finne nålen i høystakken. I distribusjonsfasen kan saker automatisk tilpasses flere plattformer, og man får forslag til layout. Algoritmer er med og bestemmer hvor på en nettside saken skal plasseres. Og når saken er ute i verden, kan redaksjonen få hjelp til å overvåke reaksjoner og delinger av den.
1.2 Lys framtid⚓︎
I hovedsak ser norske redaksjoner lyst på framtiden. Våre informanter håper og tror at framtiden byr på mindre rutine og mer journalistikk, og at journalistene om ti år samarbeider med, og blir forsterket av, KI-baserte systemer.
Eivor Jerpåsen, utviklingsdirektør, Amedia
«Det er klart at vi ser at værsaker for eksempel har en kjempeinteresse blant leserne. Men det er ikke det aller beste en journalist kan bruke tiden sin på. Hvis det kan gjøres automatisk og den tiden kan frigis til å gjøre noe annet som kanskje er bedre og med enda mer verdi for leseren, så er redaktørene veldig positive til det. De tjenestene vi har hatt til nå både på eiendomsoverdragelser og skattelister blir jo opplevet slik. Vi ser at de gir merverdi i form av flere abonnenter. Skattelistene er et annet eksempel. Der vi tidligere måtte stå opp klokken fire om natten og endte opp med å lage masse listesaker og fylte fronten, så kan vi nå ha en personalisert bruker som sier "hei, du som er født i 1990, her er de som har tjent mest i ditt årskull i dette geografiske området," og så kan journalisten konsentrere seg om å lage faktisk god journalistikk på den informasjonen som ligger der. Journalistene slipper å lage alle "se hvem som tjente mest i den kommunen og den kommunen og den kommunen». Det er jo ikke veldig motiverende. Så sånn sett så er automatisering/KI med på å frigjøre veldig mye tid til å lage bedre journalistikk.»
Men KI vil neppe revolusjonere eller robotisere det meste av redaksjonelt arbeid. De fleste ser for seg at KI vil forsterke og utvide journalistikken. I så fall snakker vi om gunstig intelligens. Eller i det minste at teknologien beveger seg i en gunstig retning for journalistikken, i den forstand at maskinforsterket journalistikk vil bli kvalitativt bedre.
Ingeborg Volan, Dagens Næringsliv
«Vi produserer nå hele avisa ved hjelp av en sideproduksjonrobot. Det betyr ikke at alle menneskelige elementer er borte fra jobben. Men vi har forenklet veldig mange prosesser. Vi gjør det veldig mye lettere for eksempel å endre det som skulle ha vært på en helside til en dobbeltside eller bare trekvartside fordi det kom en annonse eller noe sånt. Alle sånne ting som tidligere tok mye arbeid i papirproduksjonen har vi automatisert bort.»
I første omgang er det her snakk om automatisering basert på maler laget av personer. Men i neste omgang kan maskinen lære av erfaringen, og selv komme med forslag til sideoppsettet. Forsterking og effektivisering av det redaksjonelle arbeidet med andre ord.
Espen Andersen, utviklingsredaktør, Kommunal Rapport
«Ja, vi effektiviserer, men ikke nødvendigvis for å spare. Heller for å frita redaksjonelle ressurser fra møkkajobbene.»
1.3 “Full speed ahead”⚓︎
KIs inntog i redaksjonene er ikke problemfritt, og det er mange humper i veien før en maskin overtar kontorstolene i redaksjonen. Men det er også mange svinger på veien inn i redaksjonen som allerede er rettet ut og humper som er slettet. Når det er sagt, har KI fungert som et springbrett i enkelte deler av journalistikken. I 2021 kom det forbedrede språkprogrammer for naturlig språkbehandling (NLP = Natural Language Processing) på norsk. Den nasjonale Språkbanken ved Nasjonalbiblioteket kan fritt brukes til forskning og kommersiell utvikling. Siden starten i 2010 utvides Språkbanken årlig med mer dialektal variasjon, de har fått med seg datasett fra Nordisk språkteknologi som gikk konkurs, og banken er utvidet med bedre teknologi for talegjenkjenning og ortografi fra transkripsjon av møter i Stortinget. Her er også treningsmateriale for navnegjenkjenning.
Det betyr at redaksjoner i større grad, og med større grad av suksess, kan strukturere ustrukturerte data på norsk. Eller for å si det slik, dersom vi hadde fått en lekkasje av typen Panama-papirene på norsk i dag, det vil si enorme mengder dokumenter uten strukturert innhold der journalister må rydde og lete, vil en kunne bruke maskinlæring til å få orden også på norske data. Den 3. april 2016 da Panama Papers sprakk, var jobben med å skaffe oversikt nær uoverkommelig i små redaksjoner, og nær sagt umulig å få til dersom kildespråket hadde vært norsk. Med trening og deling av kunnskap i ettertid, kan journalister nå bruke programvare til å legge grunnlag for avsløringer og uavhengig kritisk journalistikk. Bedre norske språkdata betyr også at dagens ofte ubehjelpelige og dødsens kjedelige automatisk produserte tekster blir bedre og mer lesbare.
1.4 Langt framme i skoene⚓︎
Norske små og store redaksjoner er helt på linje med det som skjer internasjonalt på KI- fronten.
28.februar 2023 gjennomførte Associated Press et internasjonalt webinar med tittelen Chat GPT & Dall-E: What generative AI means for journalism. Der deltok journalister fra hele verden. Ikke på noe punkt ble det presentert bruk av KI, som ikke allerede er kjent og eller i bruk i Norge. Snarere tvert imot: Tech Designer Yifan Hu, forklarte verden hvordan Schibsted bruker KI til å oppsummere artikler.
I mars 2023 skriver redaktør i Energiwatch.No Anders Lie Brenna i Journalisten.no, at han har testet bruk av GPT for å måle sammenheng mellom to tekster (Brenna, 2023). Poenget her er at Brenna ønsker at titlene i Energiwatch.no skal være mest mulig informative ved å oppsummere mest mulig av informasjonen fra artikkelen i en kort tittel. Ved å la GPT sammenlikne artikkelteksten med foreslått tittel, får han fram en prosentvis sammenheng. Jo høyere likhetsgrad, jo bedre sammenheng mellom innhold og tittel. Dersom likhetsgraden er liten, er faren stor for at tittelen vil fungere som en luretittel (clickbate). Det er lett å tenke seg at det kan bli et nyttig redskap for tittelsnekkerne på desken.
Hvert år gir Reuters Institute ut en rapport om digitale medier (Newman, 2022). Rapporten bygger på informasjon fra 246 ledere fra mediebedrifter i 52 land. 85 prosent av medielederne mener KI vil bli viktig for få til bedre personalisering og anbefalinger til brukerne. Medielederne har og store forventninger til at KI skal hjelpe dem med bedre arbeidsflyt i redaksjonen, med automatisk merking av innhold, direkte undertekster på video, og gi mer hjelp i gravejournalistikken. Automatisk generering av tekster er ikke lenger like høyt på lista. Det siste til tross for at Google har tatt i bruk språkmodellen Gropher og Microsoft har et nytt språkverktøy kalt The Megatron-Turing Natural Language Generation Model (MT-NLG) for å lage bedre autogenererte tekster.
Redaksjonene har store forventninger til automatiske illustrasjoner basert på en tekstbestilling, og til bedre verktøy for å lage nye versjoner av tekster for forside, innside og automatisk tilpassing av tekster til flere plattformer.
1.5 Kan roboter lage journalistikk?⚓︎
Oppmerksomme lesere vil legge merke til at denne teksten ikke inneholder ord som robotjournalistikk.
“Hvorfor skal noen gidde å lese en sak som ingen journalister har giddet å skrive?” spør nyhetsredaktør i Europower (nå redaktør i Energiwatch.no), Anders Lie Brenna (Brenna, 2021).
Roboter har så langt ikke generert journalistikk, men lager avanserte former for referater og faktabaserte tekster. BBCs News Lab driver for eksempel ikke lenger forsøk med automatisk robotjournalistikk, men med semi-automatisk journalistikk forstått i retning maskinstøttet journalistikk der roboten hjelper til. Journalistikk krever langt mer enn å referere eller samle fakta. Det krever at en kan dra nye slutninger, og finne nye og originale måter å se og vise sammenhenger. Gjerne via originale og ikke-skjematiske fortellerteknikker.
Journalistikk krever kritisk og uavhengig avstand, og bred forståelse av saker og samfunn, slik at saker kanbli satt inn i kontekst. Journalister kan generelt sies å ha bred og relevant, men relativt grunn, viten. KI spesialiserer seg på smal og dyp kunnskap. Men det er ventet at robotene vil lage journalistikk i framtiden ved å bruke nyhetskriterier som konflikt, vesentlighet, identifikasjon, sensasjon og aktualitet, for å identifisere saker, og sette dem i kontekst når de overvåker saksfelt eller dokumenter.
Fortsatt er det altså den grunnleggende journalistikken som teller. «Det største behovet er fortsatt å være en drita god journalist og skjønne hva leseren vil ha og hva som gjør en god sak og hvorfor.» Eivor Jerpåsen, utviklingsdirektør, Amedia
Mange vil ha prøvd bruk av språkprogrammet ChatGPT og hatt mye moro med det. Det er åpenbart i stand til å produsere mye godt innhold der programvaren syntetiserer og oppsummerer innhold i artikler og synspunkter. Mange har også merket seg at programvaren gjøre mange underlige logiske krumspring som gir like underlige og overraskende resultater. Mye er direkte feil og «politisk korrekte» tekster som ikke hører hjemme i journalistikken.
Det vil nok snart bli bedre. Men i utgangspunktet er ChatGPT et program for konversasjon basert på statistisk bruk av ord og bokstaver. Ikke for å frambringe kunnskap, men for å lage lesbare maskinproduserte tekster. Det er ventet at Bing skal bli den neste store utfordreren av OpenAi og ChatGPT (så langt i 2023 er Bing Chat en skuffelse). Størst forventninger er det til Googles egen KI-assisterte søkemotor Bard.
1.6 Papegøyer⚓︎
Grunnleggende kritikk av KI-baserte språkprogrammer er at de ikke dreier seg om å forstå språket, men å manipulere bruken av språket slik at det gir illusjon av forståelse. Derav uttrykket «Stochastic Parrots» - skolerte papegøyer. En underliggende kritikk er at teknologigigantene tjener penger på illusjonen om intelligent forståelse, og ikke bruker penger på å utvikle KI for å finne ekte ny kunnskap (Bender, 2021).
1.7 Falskneri⚓︎
En annen grunnleggende kritikk er at kunstig intelligens kan brukes til å lage falske nyheter og propaganda. På Pressefrihetens dag 3. Mai, kom 2023 versjonen av World Press Freedom Index fra Reportere uten grenser (RSF).
2023-indeksen setter søkelyset på effektene den falske innholdsindustri har hatt på pressefriheten. I 118 land (to tredjedeler av de 180 landene som ble evaluert i indeksen) ble det rapportert at politiske aktører i deres land ofte eller systematisk er involvert i massive desinformasjons- eller propagandakampanjer.
Resultatet er at forskjellen utviskes mellom sant og usant, ekte og kunstig, fakta og kunstgrep, noe som setter retten til informasjon i fare. Den enestående evnen til å tukle med innhold blir brukt til å undergrave de som legemliggjør kvalitetsjournalistikk og svekker selve journalistikken. Russland har for eksempel fjernet uavhengig journalistikk og knust dissentere, slik at staten har bort imot monopol på sin egen fortelling. Poenget med propaganda er ikke nødvendigvis er å få deg til å tro noe som ikke er sant, det er ofte tilstrekkelig å så nok tvil slik at du ikke tror noe i det hele tatt.
Den raske utviklingen av KI skaper ytterligere kaos i medieverdenen, som allerede er undergravd av Web 2.0. Og Twitter-eier Elon Musk presser en vilkårlig, betalingsbasert tilnærming til informasjon til det ekstreme. Det viser at sosiale medier kan være kvikksand for journalistikk.
Desinformasjonsindustrien sprer manipulativt innhold i stor skala. Forbidden Stories, et prosjekt stiftet av Reportere uten grenser (RSF) viser at KI baserte systemer tar til seg informasjom og innhold og eksporterer det på tvers av alle krav om streng bruk av kilder og pålitelighet.
Et eksempel er femte versjon av Midjourney, et KI-program som genererer bilder med svært høy oppløsning og som lager bilder basert på spørsmål gitt på vanlig språk. Resultatet er stadig mer plausible og falske "bilder" brukt i sosiale medier. Illustrasjoner som er nær umulige å oppdage og skille fra faktiske bilder. Et falskt, men realistisk, «bilde» av Donald Trump som blir stoppet av politifolk og et «bilde» av en komatøs Julian Assange i tvangstrøye har begge gått viralt.
Kvaliteten på falskt innhold har blitt så sofistikert at det er svært vanskelig å skille fra hverandre det sanne og det usanne enten den gjelder KI-genererte artikler eller bilder. I tillegg mangler statlige regulering. Det gjør at praktisk talt ingen begrensende tiltak er på plass.