AI có thể mở ra kỷ nguyên báo chí chất lượng không?

Tôi là một nhà báo chuyên nghiệp đã làm việc trong lĩnh vực công nghệ được vài thập kỷ. Kể từ khi truyền thông xã hội bùng nổ, nghề báo đã trở thành một thời kỳ khó khăn khi có quá nhiều tiếng nói xuất hiện và tạp âm chói tai.

Nội dung do AI tạo ra còn bổ sung thêm nhiều thông tin rác hơn nữa. Nhưng thật đáng ngạc nhiên, tôi nghĩ rằng AI ở đây để đưa chúng ta trở lại với chất lượng của báo chí , vừa là yếu tố rủi ro vừa là yếu tố thúc đẩy. Hai bài báo khác từ tuần trước đã khiến tôi suy nghĩ về điều này. Người đầu tiên từ Semafor đã giới thiệu sản phẩm mới của họ: Tín hiệu của Semafor . Bằng cách sử dụng các công cụ của Microsoft và OpenAI, Signals cung cấp những hiểu biết đa dạng về tin tức toàn cầu, thích ứng với những thay đổi kỹ thuật số và thách thức về AI. Reed Albergotti, biên tập viên công nghệ của Semafor, đã viết :

“Đó là một ví dụ tuyệt vời về một sự thay đổi đang diễn ra. Sự ra đời của truyền thông xã hội là một lực lượng làm suy yếu các tổ chức truyền thông. Mặt khác, AI là một công nghệ tăng cường sức mạnh. Phương tiện truyền thông xã hội đã biến một số nhà báo thành ngôi sao và giúp tăng lượng truy cập cho hầu hết các ấn phẩm lớn. Nhưng hoạt động kinh doanh quảng cáo có mục tiêu, được thúc đẩy bởi mạng xã hội, đã bòn rút tiền từ các ấn phẩm chất lượng cao và lưu lượng truy cập chỉ là một lời hứa suông. Khi mọi người nghĩ về AI và tin tức, điều đầu tiên hiện lên trong đầu là các phóng viên đang bị thay thế bởi robot. Mặc dù một số cơ quan truyền thông như CNET và Sports Illustrated đã muốn thử điều này, nhưng những ví dụ đó chỉ là những trường hợp bất thường. Nội dung do AI tạo ra ít nhiều là thư rác, không thay thế được báo chí. Nó thúc đẩy người tiêu dùng hướng tới các nhà xuất bản đáng tin cậy.”

Tôi hoàn toàn đồng ý với điểm này; trong thời đại AI, không có gì quan trọng hơn việc có tiếng nói/phương tiện truyền thông mà bạn tin tưởng. Và đây là nhà báo chuyên nghiệp. Nhà báo có trách nhiệm. Người này là ai? Đó là một câu hỏi khó vì “có trách nhiệm” trong bối cảnh AI trở thành một trò đùa. Trong kỷ nguyên AI, câu hỏi về điều gì tạo nên báo chí có trách nhiệm đạt được những khía cạnh mới. Ví dụ: tuần trước, Goody-2 đã được ra mắt, một chatbot được thiết kế để tránh thông tin sai lệch bằng cách cung cấp các phản hồi mơ hồ và “có trách nhiệm”.

AI có thể nguy hiểm và được sử dụng để — chẳng hạn — để thu âm thanh , nhưng về mặt báo chí, nó cung cấp một loạt công cụ tuyệt vời giúp nâng cao đáng kể việc báo cáo, chỉnh sửa và phân phối nội dung. Ví dụ: các nền tảng kiểm tra thông tin tự động như Full Fact ở Anh sử dụng AI để nhanh chóng xác minh các tuyên bố được đưa ra trong diễn ngôn công khai, nâng cao tính chính xác và độ tin cậy của việc đưa tin. Báo chí dữ liệu cũng đã được cách mạng hóa nhờ AI, với các công cụ như Datawrapper cho phép các nhà báo tạo biểu đồ và hình ảnh tương tác mà không cần kiến thức sâu rộng về mã hóa. Hơn nữa, thử nghiệm của The New York Times với các đề xuất bài viết được cá nhân hóa cho thấy cách AI có thể quản lý nội dung phù hợp với sở thích của từng độc giả, có khả năng tăng tỷ lệ tương tác và đăng ký.

Tuần trước, The Platformer cũng đang suy ngẫm về tương lai của web và báo chí.

“ Trong chừng mực mà các nhà báo có vai trò trên mạng lưới tương lai, thì đó là vai trò mà họ sẽ phải tự mình phát minh ra. Sử dụng Arc Search, Perplexity, hoặc Poe, và rõ ràng là không có nền tảng nào có thể cứu được ngành báo chí. Và ngày càng có nhiều nền tảng dường như có ý định tiêu diệt nó. ”

Và ở đây tôi đồng ý một lần nữa: không ai đến để cứu báo chí, nhưng với AI - với vai trò là rủi ro và khả năng hỗ trợ - báo chí cuối cùng có thể trở lại bản chất của nó. Suy ngẫm về hành trình của báo chí thông qua các cuộc cách mạng kỹ thuật số và AI, có thể thấy rõ rằng mặc dù có rất nhiều thách thức nhưng bản chất của báo chí với tư cách là trụ cột của nền dân chủ vẫn còn nguyên vẹn. Việc sử dụng AI một cách chu đáo cho phép báo chí quay trở lại sứ mệnh cốt lõi của mình: thông tin, giáo dục và nắm quyền giải trình - có trách nhiệm - từ đó đảm bảo rằng báo chí tiếp tục phát triển như một người dẫn đường đáng tin cậy trong một thế giới ngày càng phức tạp.

Tin tức từ The Usual Suspects ©

Vesuvius và Pompeii

• Bằng cách sử dụng AI, ba sinh viên đã đọc được hơn 2.000 bức thư Hy Lạp được chôn ở Pompeii vào năm 79 sau Công Nguyên và giành được 700.000 USD.

Roblox

• Công ty trò chơi đã giới thiệu các bản dịch trò chuyện thời gian thực được hỗ trợ bởi AI bằng 16 ngôn ngữ.

Sam Altman

• Sam Altman tìm kiếm 5–7 nghìn tỷ USD để mở rộng sản xuất chip AI toàn cầu. (Đó là rất nhiều…). Gary Marcus đưa ra 7 lý do tại sao thế giới nên nói không (không nhiều lắm…)

Trong khi đó OpenAI

• OpenAI đạt doanh thu 2 tỷ USD hàng năm và là một trong những công ty công nghệ phát triển nhanh nhất.
• OpenAI đang làm việc trên hai tác nhân AI để tự động hóa các tác vụ đa dạng.

Microsoft

• Bản tóm tắt nghiên cứu gần đây của Microsoft và trên toàn thế giới có thể giúp chúng ta tạo ra một tương lai làm việc mới và tốt đẹp hơn với AI.

NVIDIA

• Nvidia muốn bắt đầu sản xuất chip cá nhân hóa cho các công ty AI

Google

• Google đổi tên Bard thành Gemini. Đọc Ethan Mollick về những điểm mạnh và điểm yếu khác nhau .

Một vài

• Nvidia, OpenAI, Microsoft và gần 200 công ty khác đã tham gia Hiệp hội Viện An toàn AI Hoa Kỳ (AISIC) để hỗ trợ phát triển và triển khai AI tổng hợp một cách an toàn.

Các tài liệu nghiên cứu mới nhất, được phân loại để thuận tiện cho bạn

Mô hình ngôn ngữ lớn và những cải tiến của chúng

• Thêm đại lý là tất cả những gì bạn cần : Thể hiện cách tăng số lượng đại lý trong LLM sẽ nâng cao hiệu suất thông qua phương pháp lấy mẫu và bỏ phiếu. Đọc tờ giấy
• Tag-LLM : Điều chỉnh LLM có mục đích chung cho các miền chuyên biệt bằng cách sử dụng thẻ đầu vào tùy chỉnh cho hành vi của từng miền và nhiệm vụ cụ thể. Đọc tờ giấy
• BiLLM : Giới thiệu phương pháp lượng tử hóa sau đào tạo 1 bit cho LLM, duy trì hiệu suất cao trong độ rộng bit cực thấp. Đọc tờ giấy
• Căn chỉnh mô hình ngôn ngữ trực tiếp từ phản hồi AI trực tuyến : Tăng cường liên kết mô hình thông qua phản hồi trực tuyến, cải thiện khả năng khám phá và hiệu suất. Đọc tờ giấy
• Con nhím và con nhím : Giới thiệu Hedgehog, một cơ chế chú ý tuyến tính có thể học được, mô phỏng sự chú ý softmax trong Transformers. Đọc tờ giấy
• Mô hình nền tảng đại lý tương tác : Đề xuất khung AI mới cho các lĩnh vực như Robotics và Chăm sóc sức khỏe, tích hợp bộ mã hóa tự động hình ảnh, mô hình hóa ngôn ngữ và dự đoán hành động. Đọc tờ giấy
• DeepSeekMath : Đẩy lùi các giới hạn của lý luận toán học trong các mô hình ngôn ngữ mở. Đọc tờ giấy
• TỰ KHÁM PHÁ : Cho phép LLM tự soạn các cấu trúc lý luận để giải quyết vấn đề phức tạp. Đọc tờ giấy
• Mamba có thể học cách học không? : So sánh khả năng học tập trong ngữ cảnh của Mô hình không gian trạng thái với mô hình Transformer. Đọc tờ giấy
• Luật mở rộng quy mô cho hiệu suất nhiệm vụ hạ nguồn của các mô hình ngôn ngữ lớn : Điều tra tác động của kích thước và loại dữ liệu tiền đào tạo đối với hiệu suất hạ lưu của LLM. Đọc tờ giấy
• Xem xét lại việc tối ưu hóa và kiến trúc cho các mô hình ngôn ngữ nhỏ : Nghiên cứu tối ưu hóa các mô hình ngôn ngữ nhỏ cho thiết bị di động. Đọc tờ giấy
• LLaMA rút gọn : Khám phá việc cắt tỉa độ sâu như một phương pháp để cải thiện hiệu quả suy luận LLM. Đọc tờ giấy

Mô hình ngôn ngữ đa phương thức và tầm nhìn

• λ-ECLIPSE : Đạt được khả năng tạo văn bản thành hình ảnh được cá nhân hóa bằng cách tận dụng không gian tiềm ẩn của CLIP. Đọc tờ giấy
• SPHINX-X : Đề xuất một loạt Mô hình ngôn ngữ lớn đa phương thức tiên tiến tập trung vào hiệu suất mô hình và hiệu quả đào tạo. Đọc tờ giấy
• SpiRit-LM : Tích hợp văn bản và lời nói trong mô hình ngôn ngữ nền tảng đa phương thức để cải thiện khả năng hiểu và diễn đạt ngữ nghĩa. Đọc tờ giấy
• Công cụ biến đổi tầm nhìn nhận biết câu hỏi cho lý luận đa phương thức : Nhúng nhận thức câu hỏi vào bộ mã hóa tầm nhìn để nâng cao khả năng suy luận đa phương thức. Đọc tờ giấy
• EVA-CLIP-18B : Cân CLIP lên 18 tỷ tham số, đạt được những cải tiến hiệu suất đáng kể trong phân loại hình ảnh. Đọc tờ giấy

Robotics, hệ thống tự trị và tác nhân tương tác

• Lái xe mọi nơi với Thích ứng chính sách mô hình ngôn ngữ lớn : Cho phép thích ứng với các quy tắc giao thông địa phương đối với các phương tiện tự hành sử dụng LLM. Đọc tờ giấy
• Học tập tăng cường diễn viên-phê bình ngoại tuyến mở rộng quy mô sang các mô hình lớn : Chứng minh rằng việc học tăng cường diễn viên-phê bình ngoại tuyến có thể mở rộng một cách hiệu quả sang các mô hình lớn. Đọc tờ giấy

Điều hướng web, Hệ thống đàm thoại và Ứng dụng trong thế giới thực

• WebLINX : Giới thiệu điểm chuẩn cho điều hướng web đàm thoại, nêu bật sự cần thiết của các mô hình thích ứng với môi trường web mới. Đọc tờ giấy
• Nguyên tắc trong bối cảnh Học từ sai lầm : Nâng cao việc học LLM bằng cách tạo ra những sai lầm và suy ngẫm về chúng để rút ra các nguyên tắc cụ thể của nhiệm vụ. Đọc tờ giấy
• Tác giả mã nhiều dòng được AI hỗ trợ : Trình bày CodeCompose, một công cụ soạn thảo mã được AI hỗ trợ cung cấp cả đề xuất nội tuyến một dòng và nhiều dòng. Đọc tờ giấy

Dự báo chuỗi thời gian, phát hiện đối tượng và những cải tiến khác

• Lag-Llama : Giới thiệu mô hình nền tảng để dự báo chuỗi thời gian xác suất đơn biến, thể hiện khả năng khái quát hóa mạnh mẽ về điểm không. Đọc tờ giấy
• InstaGen : Tăng cường phát hiện đối tượng bằng cách đào tạo trên các bộ dữ liệu tổng hợp được tạo từ các mô hình khuếch tán. Đọc tờ giấy
• Khuếch tán ngầm định : Trình bày một thuật toán tối ưu hóa phân phối được xác định bằng khuếch tán ngẫu nhiên để lấy mẫu hiệu quả. Đọc tờ giấy
• Hợp nhất bộ nhớ cho phép hiểu video theo ngữ cảnh dài : Đề xuất một phương pháp nâng cao khả năng hiểu video bằng cách hợp nhất các kích hoạt trong quá khứ. Đọc tờ giấy
• Cờ vua cấp đại kiện tướng không cần tìm kiếm : Huấn luyện mô hình biến hình để đạt được thành tích chơi cờ cấp đại kiện tướng mà không cần thuật toán tìm kiếm rõ ràng. Đọc tờ giấy

Kỹ thuật biểu diễn và lượng tử hóa mã

• HỌC TÌM HIỂU MÃ Ở QUY MÔ : Giới thiệu CODEAGE, một mô hình nâng cao để học biểu diễn mã với sơ đồ đào tạo trước hai giai đoạn. Đọc tờ giấy

Các mô hình nền tảng và khả năng diễn giải

• Suy nghĩ lại về khả năng diễn giải trong kỷ nguyên của các mô hình ngôn ngữ lớn : Xem xét vai trò của khả năng diễn giải với sự ra đời của LLM, ủng hộ phạm vi rộng hơn về khả năng diễn giải. Đọc tờ giấy

Ở các bản tin khác

• Dành cho những người tò mò về sự đổi mới mang tính biến đổi nhất đối với sản xuất chất bán dẫn kể từ EUV - Liên kết lai bằng phương pháp phân tích bán dẫn
• Tất cả suy nghĩ của tôi sau 40 giờ trên Vision Pro của Wait But Why
• Một nhận định hài hước về một bài báo tuyên bố rằng Jack Clark đã đạt được AGI từ Anthropic (Bản tin AI nhập khẩu)
• Lời hứa và thách thức của ứng dụng tiền điện tử + AI của Vitalik Buterin