¿Podría la IA llevarnos a una era de periodismo de calidad?

Soy un periodista profesional que ha trabajado en tecnología durante algunas décadas. Desde el florecimiento de las redes sociales, han sido tiempos difíciles para el periodismo, ya que aparecieron tantas voces y la cacofonía era ensordecedora.

El contenido generado por IA agrega aún más basura de información. Pero, sorprendentemente, creo que la IA está aquí para devolvernos a la calidad del periodismo , como factor de riesgo y como facilitador. Otros dos artículos de la semana pasada me hicieron pensar en esto. El primero de Semafor presentó su nueva oferta: Señales de Semafor . Utilizando herramientas de Microsoft y OpenAI, Signals proporciona diversos conocimientos sobre noticias globales, adaptándose a los cambios digitales y los desafíos de la IA. Reed Albergotti, editor de tecnología de Semafor, escribió :

“Es un gran ejemplo del cambio que se está produciendo. La llegada de las redes sociales fue una fuerza debilitante para las organizaciones de medios. La IA, por otro lado, es una tecnología fortalecedora. Las redes sociales convirtieron a algunos periodistas en estrellas y ayudaron a aumentar las cifras de tráfico de casi todas las publicaciones importantes. Pero el negocio de la publicidad dirigida, impulsado por las redes sociales, desvió dinero de las publicaciones de alta calidad, y el tráfico fue sólo una promesa vacía. Cuando la gente piensa en inteligencia artificial y noticias, lo primero que les viene a la mente es que los periodistas están siendo reemplazados por robots. Si bien un puñado de medios como CNET y Sports Illustrated se han sentido tentados a intentar esto, esos ejemplos son sólo anomalías. El contenido generado por IA es más o menos spam, que no reemplaza al periodismo. Lleva a los consumidores hacia editores confiables”.

Estoy totalmente de acuerdo con este punto; En la era de la IA, no hay nada más importante que tener voces/medios en los que confíes. Y aquí viene el periodista profesional. El periodista responsable. ¿Quién es esta persona? Es una pregunta complicada, ya que "responsable" en el contexto de la IA se convierte en una broma. En la era de la IA, la cuestión de qué constituye un periodismo responsable adquiere nuevas dimensiones. La semana pasada, por ejemplo, se lanzó Goody-2 , un chatbot diseñado para evitar la desinformación dando respuestas vagas y siendo “responsable”.

La IA puede ser peligrosa y usarse, por ejemplo, para la captura de audio , pero en términos de periodismo, ofrece un montón de herramientas sorprendentes que mejoran significativamente la presentación de informes, la edición y la distribución de contenido. Por ejemplo, las plataformas automatizadas de verificación de datos como Full Fact en el Reino Unido utilizan inteligencia artificial para verificar rápidamente las afirmaciones hechas en el discurso público, mejorando la precisión y confiabilidad de los informes de noticias. El periodismo de datos también ha sido revolucionado por la IA, con herramientas como Datawrapper que permiten a los periodistas crear gráficos y visualizaciones interactivos sin grandes conocimientos de codificación. Además, el experimento del New York Times con recomendaciones de artículos personalizados muestra cómo la IA puede seleccionar contenido adaptado a los intereses de los lectores individuales, aumentando potencialmente las tasas de participación y suscripción.

La semana pasada, The Platformer también contemplaba el futuro de la web y el periodismo.

“ En la medida en que los periodistas tengan un papel que desempeñar en la red del futuro, tendrán que inventarlo ellos mismos. Use Arc Search, o Perplexity, o Poe, y está claro que no habrá ninguna plataforma que venga a salvar el periodismo. Y hay un número cada vez mayor de plataformas que parecen decididas a acabar con ello. "

Y aquí estoy de nuevo de acuerdo: nadie vendrá a salvar el periodismo, pero con la IA, como riesgo y facilitador, el periodismo finalmente puede volver a su esencia. Al reflexionar sobre el viaje del periodismo a través de las revoluciones digital y de la inteligencia artificial, queda claro que, si bien abundan los desafíos, la esencia del periodismo como pilar de la democracia permanece intacta. Adoptar cuidadosamente la IA permite al periodismo volver a su misión principal: informar, educar y pedir cuentas al poder (tener responsabilidad), garantizando así que siga prosperando como una guía confiable en un mundo cada vez más complejo.

Noticias de Los sospechosos habituales ©

Vesubio y Pompeya

• Utilizando IA, tres estudiantes leyeron más de 2.000 letras griegas enterradas en Pompeya en el año 79 d.C. y ganaron 700.000 dólares.

Roblox

• La compañía de juegos presentó traducciones de chat en tiempo real impulsadas por IA en 16 idiomas.

Sam Altman

• Sam Altman busca entre 5 y 7 billones de dólares para la expansión mundial de la producción de chips de IA. (Eso es mucho…). Gary Marcus ofrece 7 razones por las que el mundo debería decir no (no son tantas…)

Mientras tanto, OpenAI

• OpenAI alcanza unos ingresos anuales de 2.000 millones de dólares y se encuentra entre las empresas tecnológicas de más rápido crecimiento.
• OpenAI está trabajando en dos agentes de IA para automatizar diversas tareas.

microsoft

• Un resumen de investigaciones recientes de Microsoft y de todo el mundo que pueden ayudarnos a crear un nuevo y mejor futuro del trabajo con IA.

Nvidia

• Nvidia quiere empezar a producir chips personalizados para empresas de inteligencia artificial

Google

• Google cambió el nombre de Bard a Gemini. Lea a Ethan Mollick sobre las fortalezas y debilidades mixtas .

Algunos

• Nvidia, OpenAI, Microsoft y casi 200 empresas más se unieron al Consorcio del Instituto de Seguridad de IA de EE. UU. (AISIC) para respaldar el desarrollo y la implementación seguros de la IA generativa.

Los artículos de investigación más recientes, categorizados para su conveniencia.

Grandes modelos de lenguaje y sus mejoras

• Más agentes es todo lo que necesita : demuestra cómo aumentar el número de agentes en los LLM mejora el rendimiento a través de un método de muestreo y votación. Lee el papel
• Tag-LLM : adapta los LLM de propósito general a dominios especializados utilizando etiquetas de entrada personalizadas para comportamientos específicos de dominios y tareas. Lee el papel
• BiLLM : presenta un enfoque de cuantificación posterior al entrenamiento de 1 bit para LLM, que mantiene un alto rendimiento con anchos de bits ultrabajos. Lee el papel
• Alineación directa del modelo de lenguaje a partir de comentarios de IA en línea : mejora la alineación del modelo a través de comentarios en línea, mejorando la exploración y el rendimiento. Lee el papel
• The Hedgehog & the Porcupine : Presenta Hedgehog, un mecanismo de atención lineal que se puede aprender y que imita la atención softmax en Transformers. Lee el papel
• Un modelo de base de agente interactivo : propone un marco de inteligencia artificial novedoso para dominios como robótica y atención médica, que integra codificadores automáticos visuales, modelado de lenguaje y predicción de acciones. Lee el papel
• DeepSeekMath : supera los límites del razonamiento matemático en modelos de lenguaje abierto. Lee el papel
• AUTODESCUBRIMIENTO : permite a los LLM autocomponer estructuras de razonamiento para la resolución de problemas complejos. Lee el papel
• ¿Puede Mamba aprender a aprender? : Compara las capacidades de aprendizaje en contexto de los modelos espacio-estado con los modelos Transformer. Lee el papel
• Leyes de escalamiento para el desempeño de tareas posteriores de modelos de lenguaje grandes : investiga el impacto del tamaño y tipo de datos previos al entrenamiento en el desempeño posterior de los LLM. Lee el papel
• Repensar la optimización y la arquitectura para modelos de lenguaje diminutos : estudios que optimizan modelos de lenguaje diminutos para dispositivos móviles. Lee el papel
• LLaMA abreviado : explora la poda de profundidad como método para mejorar la eficiencia de la inferencia de LLM. Lee el papel

Modelos multimodales y visión-lenguaje

• λ-ECLIPSE : logra una generación personalizada de texto a imagen aprovechando el espacio latente de CLIP. Lee el papel
• SPHINX-X : Propone una serie avanzada de modelos de lenguaje grande multimodales que se centran en el rendimiento del modelo y la eficiencia del entrenamiento. Lee el papel
• SpiRit-LM : integra texto y voz en un modelo de lenguaje básico multimodal para mejorar la comprensión semántica y la expresividad. Lee el papel
• Transformador de visión con reconocimiento de preguntas para razonamiento multimodal : incorpora el conocimiento de preguntas dentro del codificador de visión para mejorar el razonamiento multimodal. Lee el papel
• EVA-CLIP-18B : Escala CLIP a 18 mil millones de parámetros, logrando importantes mejoras de rendimiento en la clasificación de imágenes. Lee el papel

Robótica, Sistemas Autónomos y Agentes Interactivos

• Conducir a todas partes con adaptación de política de modelo de lenguaje grande : permite la adaptación a las normas de tráfico locales para vehículos autónomos que utilizan LLM. Lee el papel
• El aprendizaje por refuerzo actor-crítico fuera de línea se escala a modelos grandes : demuestra que el aprendizaje por refuerzo actor-crítico fuera de línea puede escalarse efectivamente a modelos grandes. Lee el papel

Navegación web, sistemas conversacionales y aplicaciones del mundo real

• WebLINX : Introduce un punto de referencia para la navegación web conversacional, destacando la necesidad de modelos que se adapten a los nuevos entornos web. Lee el papel
• Aprendizaje de principios en contexto a partir de errores : mejora el aprendizaje de LLM al inducir errores y reflexionar sobre ellos para extraer principios específicos de la tarea. Lee el papel
• Creación de código asistida por IA de varias líneas : presenta CodeCompose, una herramienta de creación de código asistida por IA que ofrece sugerencias en línea de una sola línea y de varias líneas. Lee el papel

Previsión de series temporales, detección de objetos y otras innovaciones

• Lag-Llama : presenta un modelo básico para el pronóstico de series temporales probabilísticas univariadas, que muestra una fuerte generalización de tiro cero. Lee el papel
• InstaGen : mejora la detección de objetos mediante el entrenamiento en conjuntos de datos sintéticos generados a partir de modelos de difusión. Lee el papel
• Difusión implícita : Presenta un algoritmo que optimiza distribuciones definidas por difusiones estocásticas para un muestreo eficiente. Lee el papel
• La consolidación de memoria permite la comprensión de vídeos de contexto prolongado : propone un método que mejora la comprensión de los vídeos mediante la consolidación de activaciones pasadas. Lee el papel
• Ajedrez a nivel de gran maestro sin búsqueda : entrena un modelo transformador para lograr un rendimiento de ajedrez a nivel de gran maestro sin algoritmos de búsqueda explícitos. Lee el papel

Técnicas de cuantificación y representación de código

• APRENDIZAJE DE REPRESENTACIÓN DE CÓDIGOS A ESCALA : Presenta CODESAGE, un modelo avanzado para el aprendizaje de representación de código con un esquema de preentrenamiento de dos etapas. Lee el papel

Modelos de interpretabilidad y fundamentos.

• Repensar la interpretabilidad en la era de los grandes modelos lingüísticos : examina el papel de la interpretabilidad con la llegada de los LLM, abogando por un alcance más amplio en la interpretabilidad. Lee el papel

En otros boletines

• Para aquellos curiosos acerca de la innovación más transformadora para la fabricación de semiconductores desde EUV: enlace híbrido mediante semianálisis
• Todos mis pensamientos después de 40 horas en Vision Pro por Wait But Why
• Una versión divertida de un artículo que afirmaba que Jack Clark de Anthropic (boletín Import AI) había logrado AGI.
• La promesa y los desafíos de las aplicaciones cripto + IA por Vitalik Buterin