گزارش تکمیلی نشست تخصصی هوش مصنوعی و آینده رسانه

هم‌اندیشی تخصصی" هوش مصنوعی وآینده رسانه" روز دوشنبه 11 مرداد ماه سال جاری از ساعت 10 الی 11:30 در دفتر مطالعات و برنامه‌ریزی رسانه‌ها به صورت ویدئو کنفرانس برگزار شد. هوش مصنوعی فضای جدیدی در دنیای دیجیتال باز کرده است . مزایای هوش مصنوعی منحصر به تولید اطلاعات مستقیم از رسانه نیست . سرعت و میزان اطلاعات حاصل از ابزارهای هوش مصنوعی در بسیاری از شاخه‌های صنعت رسانه کاربردی است. در مبحث هوش مصنوعی حریم خصوصی افراد، نقش فناوری بزرگ، استقلال رسانه و حقوق اساسی و پیامدهای اخلاقی، اجتماعی، حقوقی و دموکراتیک استفاده از هوش مصنوعی در رسانه‌ها مورد بحث است.

در این نشست که با حضور معصومه قربانپور؛ مدیر بخش محتوا و آموزش شرکت راهکارهای توزیع شده کارا، سعید سیاهپوش؛مشاور توسعه کسب و کار، سعید سیاهپوش؛ مشاور توسعه کسب و کار، رضا قربانی ؛ عضو هیئت مدیره سازمان نظام صنفی رایانه‌ای استان تهران، و دکتر گیتا علی آبادی، مدیر کل دفتر مطالعات و برنامه‌ریزی رسانه‌ها برگزار شد محورهایی همچون: نگاهی به هوش مصنوعی و آینده رسانه، کاربردهای هوش مصنوعی و بلاکچین در رسانه و چالش‌ها و راهبردهای هوش مصنوعی در رسانه مورد بحث و بررسی قرار گرفت.

در ابتدای این نشست دکتر گیتا علی‌آبادی؛مدیرکل دفتر مطالعات و برنامه ریزی رسانه ها ،ضمن خوشامدگویی به مدعوین اظهار داشت:موضوع نشست امروز، رسانه‌ها و هوش مصنوعی است که با حضور جناب آقای سعید سیاه‌پوش مشاور محترم توسعه کسب‌وکار و سرکار خانم معصومه قربانپور، مدیر بخش محتوا و آموزش شرکت پروژه توسعه راهکارهای توزیع شده کالا و جناب آقای رضا قربانی عضو هیئت مدیره علمی سازمان نظام صنفی رایانه‌ای استان تهران برگزار می‌شود. البته قرار بود آقای نورمحمدی مؤسس شرکت پروژه توسعه راهکارهای توزیع شده کالا حضور داشته باشند. امیدواریم به ما بپیوندند.

انگیزه‌ای که به برگزاری این نشست منتهی شد، پیشرفت‌های زیاد فناوری‌ها، که زندگی انسان‌ها را دستخوش تغییر کرده و به تبع آن بر رسانه‌ها هم مؤثر بوده است. برای مثال بعضی از سیستم‌ها و تکنولوژی‌ها همچون گوشی‌های هوشمند در زندگی روزمره تاثیر شگرفی داشته‌اند به‌گونه‌ای که از سال 1956 به این طرف به واسطه طرح آقای جان مک کارتی شاهد شروع هوش مصنوعی بوده‌ایم. به‌خصوص در دو سال اخیر به دلیل همه‌گیری کرونا بهره‌گیری از این نوع فناوری جهت ارتباط‌های تصویری و تحلیل داده‌ها بسیار مورد توجه قرار گرفته است. حال اینکه که رسانه‌ها از کدام بخش بیشتر بهره خواهند برد و آیا همه ابزار هوش مصنوعی به کارشان خواهد آمد و آیا همه این اطلاعات برای فعالان رسانه مثمر ثمر خواهد بود و احاطه بر همه ابعاد آن ضروری است یا بخشی از ابعاد این علوم جهت استفاده و زوم کردن بر آن توصیه می‌شود؟ ابعاد گفتگوی ما خواهد بود که از دوستان خواهش می‌کنم در این زمینه دانسته‌های خود را به اشتراک بگذارند.

سعید سیاهپوش؛ مشاور توسعه کسب و کار در پاسخ به پرسش مدیر کل دفتر گفت:قرار است صحبت‌‌هایم در دو بخش مطرح شود. ابتدا تعریفی مختصر از هوش مصنوعی داشته باشم و بعد به تعریف عمومی و خودم که از رسانه در مقام مخاطب وجود دارد بپردازم و در ادامه به ارتباط این دو اشاره کنم و خانم قربانی و آقای قربانپور که تسلط ویژه‌ای بر مقوله بلاک چین و رسانه دارند با صحبت‌های تکمیلی به تشریح موضوعات بپردازند.

کتاب هوش مصنوعی که از کتب دانشگاهی این گرایش در مقطع کارشناسی و کارشناسی ارشد است و آشنایی با شبکه‌های عصبی آقایان راسل بیل و تام جکسون نیز منابعی هستند که تعاریف به کار گرفته در گفت‌وگویم را از این دو کتاب وام گرفته‌ام.

در ابتدا باید تعریفی از هوش مصنوعی داشته باشیم و اینکه اساساً هوش مصنوعی چیست؟ و چه انواعی دارد و بعد با ذکر دو مثال ساده کاربرد هوش مصنوعی در جنبه‌های مختلف کسب‌وکار و زندگی روزمره را بیان می‌کنیم و در ادامه تعریفی از رسانه خواهیم داشت و تلاقی هوش مصنوعی و رسانه و کمک این دو به هم را بررسی خواهیم کرد.

در تعریف هوش مصنوعی می‌گویند مطالعه هر سیستمی که به گونه‌ای رفتار کند که از نظر یک شاهد بیرونی، مجموعه آن عملکرد هوشمند تلقی شود. یا در تعریف دیگری هوش مصنوعی مدل‌سازی رفتار هوشمند انسان‌ها و حیوانات برای حل مسائل پیچیده را گویند. هوش مصنوعی بر دو نوع است: قوی و ضعیف. طرفداران هوش مصنوعی قوی بر آن هستند که کامپیوتری مانند انسان مجهز به ادراک و قدرت تجزیه و تحلیل و استنتاج بسازند. این نظریه که انسان ابزاری بسازد که به نوعی رقیب خود باشد و نتواند کنترلش کند، از طرف گروه زیادی مضحک خواهد بود و حتی اگر ممکن باشد، مفیدنخواهد بود.از سوی دیگر طرفداران این نظریه معتقدند: بسیاری از دستاوردهایی که امروز استفاده می‌شود، در گذشته رویا بوده است. پس رویاها و موضوعات طرح شده در این زمینه به‌زودی محقق خواهد شد. تعاریف هوش مصنوعی قوی و ضعیف دو استدلال دارند و معتقدند هوش مصنوعی قوی اساساً امکان‌پذیر نیست و توجیه آنها بر اساس ساختار مغز انسان با ساختار موازی است به گونه‌ای که یک مغز سالم انسان از 10 به توان 10 واحد نرون تشکیل شده است که اگر محاسبه شود عدد بسیار بزرگی به دست خواهد آمد و نکته جالب‌تر اینکه هر نرون یا واحد مغز انسان در ان واحد با 10 به توان 4 نرون دیگر در ارتباط است به گونه‌ای که اگر بخواهیم 10 به توان 4 نرون را ثبت کنیم در حدود یک دو جین کتاب لازم است. به همین دلیل کارهایی که انسان با حداقل آموزش و به راحتی قادر به انجام آنها هست برای کامپیوتر بسیار سخت است. برای مثال تشخیص شئی‌ای در فاصله 5 متری با رنگ و بو و دمایی خاص برای یک بچه 5 الی 6 ساله بسیار آسان است و اگر کمی آموزش ببیند به جنس و دمای و رنگش پی خواهد برد اما این کار برای کامپیودتر فرایندی بسیار پیچیده است. در مقابل مغز انسان به کندی می‌تواند داده‌های متفاوت را به‌طور همزمان تحلیل کند ولی کامپیوترها با یک ساختار به‌شدت هماهنگ و یک سری عمل خاص تحت یک برنامه‌ریزی و طراحی صحیح، این‌گونه تحلیل‌ها را انجام خواهد داد. برای مثال، محاسبه اعداد جمع شده در یک ستون برای ماهرترین افراد در ریاضیات، ساعت‌ها به طول انجامد ولی برای ساده‌ترین کامپیوترها در کسری از ثانیه انجام می‌شود. این موارد، تفاوت‌های بین مغز انسان و کامپیوتر را نشان می‌دهد. طرفداران و فعالین هوش مصنوعی می‌گویند: اگر بخشی از هوش انسان که در مورد موضوعی خاص هوشمند عمل می‌کند را به ماشین بیاموزیم می‌توان شاهد رفتار هوشمند از کامپیوتر هم بود.

در مدلی با عنوان اتاق چینی آقای جان راجرز سرل فلسفه‌دان معاصر می‌گوید: فرض کنید تحقیقات هوش مصنوعی منجر به ساخت کامپیوتری شده‌است که می‌تواند زبان چینی را بفهمد. به این صورت که یک سری کاراکتر چینی به عنوان ورودی به آن داده می‌شود و با پردازشی که برنامه آن کامپیوتر انجام می‌دهد تعدادی کاراکتر دیگر چینی را خروجی می‌دهد. سرل می‌گوید فرض کنید این کامپیوتر به خوبی آزمون تورینگ را پشت سر می‌گذارد به این معنی که یک فرد چینی زبان متقاعد می‌شود که این ماشین خود یک فرد زنده چینی زبان است. حال سؤالی که مطرح می‌شود این است که آیا ماشین مذکور به معنی واقعی کلمه چینی می‌فهمد یا این فقط یک شبیه‌سازی از قابلیت چینی صحبت کردن است؟ سرل برای مورد اول از عبارت "هوش مصنوعی قوی" و برای مورد دوم از عبارت "هوش مصنوعی ضعیف" استفاده می‌کند.

سرل سپس ادامه می‌دهد: فرض کنید من درون یک اتاق در بسته محبوس شده باشم و یک کتاب به زبان انگلیسی دارم که در آن قواعد و مراحل اجرای یک برنامه کامپیوتری (همان برنامه‌ای که ماشین به کمک آن قادر است ورودی چینی را به خروجی چینی تبدیل کند) نوشته شده‌است. حال کسانی که بیرون اتاق هستند یک دسته بزرگ نوشته‌های چینی به من می‌دهند. فرض کنید من چیزی از زبان چینی نمی‌دانم نه نوشتن و نه خواندن و حتی من مطمئن نیستم که بتوانم بین نوشته‌های چینی یا زبان‌هایی شبیه آن مثلاً ژاپنی و شکلک‌های بی‌معنی تفاوت قائل شوم. از نظر من نوشته‌های چینی فقط پر از شکلکهای بی‌معنی است. با این حال من قادر هستم ورودی که از بیرون اتاق به زبان چینی دریافت کرده‌ام را به کمک کتاب و مراحل اجرای برنامه گفته شده پردازش کنم و یک یادداشت به زبان چینی را به افراد بیرون اتاق بدهم. او می‌گوید اگر کامپیوتر اینگونه تست تورینگ را پشت سر گذاشته‌است من هم می‌توانم چنین کاری کنم. حال او بیان می‌دارد در این آزمایش فرق جدی بین نقشی که کامپیوتر ایفا می‌کند با نقش او وجود ندارد چرا که هر دو یک سری گام‌هایی را برمی‌دارند و در نهایت برداشتی که از کار آن‌ها می‌شود این است که آن‌ها در یک گفتگو شرکت داشته‌اند. با این حال سرل قادر به فهم مکالمه نیست پس می‌توان اینگونه ادعا کرد که کامپیوتر نیز چنین است و مکالمه را نمی‌فهمد. سپس سرل اینگونه قضیه را بیان می‌کند که بدون "فهم" نمی‌توان عمل ماشین را "فکر کردن" توصیف کرد پس کامپیوتر نمی‌تواند فکر کند و در نتیجه نمی‌توان برای آن ذهن قائل بود. همه صحبت‌های بالا در نهایت سرل را به این نتیجه رهنمون کرد که فرضیه "هوش مصنوعی قوی" غلط است.

اتاق چینی (و همه کامپیوترهای مدرن) برای انجام محاسبات و شبیه‌سازی‌ها، اشیای فیزیکی را دستکاری می‌کنند. محققان هوش مصنوعی، آلن نیوول Alan Newell و هربرت الکساندر سیمون:Herbert Simon به این نوع از ماشین«سیستم نماد فیزیکی» می‌گویند. همچنین این سیستم با سیستم صوری : formal systemدر منطق ریاضیات معادل می‌باشد. سرل بر روی این حقیقت تأکید دارد که این نوع از دستکاری نماد دستوری(syntactic) است. نمادها را بدون هیچ علمی از معنای(semantics) نمادها، با استفاده از نوعی قواعد دستوری دستکاری می‌کند.

سرل توانست بین دو فرضیه مهم تمایز قائل شود و آن‌ها را فرضیه هوش مصنوعی قوی و فرضیه هوش مصنوعی ضعیف نامید: فرضیه اول می‌گوید: یک سیستم هوش مصنوعی می‌تواند فکر کند و ذهن داشته باشد. فرضیه دوم می‌گوید: یک سیستم هوش مصنوعی فقط می‌تواند مثل این عمل کند که فکر می‌کند و ذهن دارد.

کاربرد دیگر هوش مصنوعی در دنیای معامله‌گری و مدیریت سرمایه و سبدگردانی است. این فناوری نقش زیادی در برآورد قیمت مناسب بازار جهت خرید کالا و تبدیل واحدهای پولی در کمترین زمان را فراهم می‌کند. و این نقش آنقدر برجسته است که 75 درصد بورس آمریکا بر اساس الگوریتم‌های تنظیم شده در تعاریف هوش مصنوعی تنظیم شده است. پس مشاهده می‌کنیم که ماشینی که قادر به تشخیص نیست چگونه با آموزش چند منطق ساده و دریافت دیتا ما را در کمترین زمان و بها جهت رسیدن به اهدافمان یاری می‌کند. پس به‌عنوان یک دستیار معامله‌گر می‌تواند بسیار هوشمند عمل کند.

حال به ارتباط هوش مصنوعی و رسانه می‌پردازیم. هرچند که اهل رسانه نیستم، ولی به عنوان یک مخاطب دقیق قصد دارم از رسانه تعریفی عام و شاید دور از تعاریف آکادمیک،  داشته باشم. رسانه مجموعه فرایندی است که یک پیام و محتوا را تولید و ایجاد می‌کند و در یک بستر ارتباطی قرار می‌دهد و به مخاطب می‌رساند. طبیعتاً رسانه خوب رسانه‌ای است که پیام صحیح و اصولی و مفید به گونه‌ای تولید می‌کند که بستر ارتباطی امن، سریع و کاربرپسند باشد و مخاطب درستش را به خوبی انتخاب کند. اولین مصداقی که به عنوان یک فرد دهه پنجاهی از رسانه دارم در وهله اول رسانه در قالب مجله و روزنامه است و به دنبال آن رادیو و تلویزیون با خصوصیت یک سویه  بودن، به گونه‌ای که ارتباط و ایجاد یک پیام با تاخیر به مخاطب می‌رسید و هیچ سیستم real time و آنی از مخاطب دریافت نمی‌کرد. حسن این رسانه‌ها آن بود که مخاطب مورد نظر خود را با توجه به گرایش آن مجلات می‌یافت. برای مثال برای دریافت اطلاعات علمی به نشریات دانستنی‌ها و دانشمند رجوع می‌شد و مخاطب متوجه وزن علمی نشریات نسبت به هم بود. با این تفاسیر مخاطب با خیال راحت محتوای فاخر و مخاطب درست رسانه را تشخیص می‌داد. پس از آن رادیو و تلویزیون فارغ از گرایشات سیاسی، ساختاری همچون تهیه‌کننده، کارگردان، سردبیر و ... را داشت و در نیمه عمر، متوجه پدیده‌ شبکه‌های اجتماعی شدیم. این فناوری اولین ویژگی ارتباط دوسویه بین فرستنده پیام و گیرنده را دارا است و خبر در سریع‌ترین زمان به مخاطب می‌رسد و مخاطب فرصت نشان دادن واکنش و فیدبک سریع را دارد. حمل و استفاده بسیار راحت دارد و با فرمت‌های گوناگون دیتا مورد استفاده قرار می‌گیرد. اما با احترام به فعالان فضای مجازی باید گفت با این مشکل مواجهیم که پلتفرمی کاربردی، آسان و رایگان با در دسترس عموم قرار گرفتن از طریق بستری به نام گوگل و ویژگی کپی پیست، متاسفانه تعریف اصلی رسانه فراموش شد. به گونه‌ای که فیس‌بوک، اینستاگرام، تلگرام در ذهن ما و حتی اهالی رسانه طرفداران قدرتمندی یافت و با تعاریف چندگانه رسانه برخی از شبکه‌های اجتماعی رسانه نام گرفت. ولی مخاطب عام و در برخی اوقات خاص، رسانه را ساختارمند می‌دانند که سردبیر، مدیرمسئول، نویسنده، ویراستار، ناظر فنی و کیفی از عناصر آن است. اینکه در صفحه اینستاگرام یا تلگرام مطلبی به نقل از دانشمندان، رؤسای دانشگاه‌ها در آمریکا و ... فیک نیوز منتشر می‌شود، مشکلی اساسی است. موضوع پیش‌بینی زلزله 11 ریشتری تهران به نقل از رئیس مرکز انجمن زلزله شناسی و انجمن زمین‌شناسی آمریکا و وجود 5 میلیارد موش زنده‌خواری که بعد از ریختن آوار  انسان‌ها را طعمه خود می‌کنند از آن جمله هستند که در نظر بگیرید گاهی اینچنین رسانه‌ها صدهاهزار نفر مخاطب دارند. عملکرد این رسانه‌ها در زمینه بحران پلاسکو و فرض زنده بودن عده‌ای را فضاسازی می‌کرد و نتایج دردآوری برای خانواده‌های قربانی رقم می‌زد از دیگر دستاوردهای فضای مجازی است. دلیل انتشار و فضاسازی این اخبار فقدان مکانیزمی جهت ارتقای سطح آگاهی مخاطب و نظارت بر صحت و سقم اخبار است و موضوع آنجا دردناک‌تر می‌شود که قانون‌گذاران نیز رسانه بودن آن‌ها را باور داشتند و به جای ارتقای اخبار و تولید محتوا و منابع فیلتر را راه‌حل دانستند. کما اینکه به دلیل تعدد شبکه‌ها، فیلترینگ دچار مشکل خواهد شد. تا زمانی که دید درستی به رسانه نداشته باشیم و بر اجزای مختلف آن از قبیل مخاطب‌شناسی و ایجاد محتوا و ارتقای سطح سواد مخاطبان توجه نکنیم و فقط آن را به‌عنوان بستر ارتباطی بشناسیم و در صدد فیلترش باشیم نتیجه بیرون کردن A جایگزین شدن B خواهد داشت. پس محتواها همان و افزایش روز به روز مخاطب هم همان. در فضای مجازی شاهد صفحات بسیار سخیف با مخاطبان میلیونی هستیم که به نظر بی‌تأثیرند ولی باید گفت مداومت و اصرار بر خبری که نسلی از 5 سالگی در آن محیط کار کرده چندان بی‌تأثیر نخواهد بود چرا که این بچه در 15 سالگی مطالعه کتاب را نخواهد آموخت. پس لازم است مکانیزمی وجود داشته باشد که دو کار انجام دهد 1. به جای جمع‌آوری فیک‌نیوزها، همان‌طور که در نسخه بلاک‌چینی زنجیره تأمین کالا از مبدأ تا مقصد رصد می‌شود، همین ساختار و مکانیزم هم بر اخبار لحاظ شود. یعنی با متدهای بازآموزی ماشین می‌توان منبع تأمین خبر را در ساختارهای مورد نظارت و تأیید، ثبت کرد. همان‌طور که به ماشین خرید و فروش، زبان‌آموزی یاد داده می‌شود، می‌توان به ماشین راستی‌آزمایی، منابع خبری مورد استناد را آموزش داد، تا مخاطب از رسانه‌هاو منابع خبری معتبر و بدون تمرکز و نظارت حاکمیت به صورت بلاک‌چینی و اجماعی بهره ببرد و از تأیید و عدم تأیید آن منابع با مکانیزم علمی مطلع شود. بدین وسبله مخاطب حق انتخاب دارد که به سراغ صفحات علمی بدون تأیید یا دارای تأیید برود. پس همانطور که به ماشین نحوه معامله‌گری، رفت و آمد و ... را می‌آموزیم در رصد اخبار و منابع خبری هم می‌تواند مورد استفاده قرار گیرد که در نهایت اجزای مختلف رسانه با هم دیده شود و بستر ارتباطی امن و سریع، تولید محتوای فاخر و افزایش سطح آگاهی مخاطب فراهم شود.

معصومه قربانپور؛ مدیر بخش محتوا و آموزش شرکت راهکارهای توزیع شده کارا :در بحث امروز من و آقای قربانی قصد داریم چند کاربرد هوش مصنوعی را عنوان کنیم و بحث فوکوس بنده و مجموعه ما که همان بلاک‌چین است را دنبال کنیم. بدین ترتیب ممکن است روند مفیدتری را داشته باشیم.

قبلاً هوش مصنوعی و برنامه‌نویسی را به‌عنوان رشته‌ای تحصیلی در دانشگاه داشتیم، ولی امروزه و در بین افراد جوان‌تر و کم‌سن و سال‌تر، هوش مصنوعی و برنامه‌نویسی تبدیل به ابزار شده است و از حالت آکادمیک خارج شده و در بسیاری از جنبه‌های مختلف زندگی روزمره نموده پیدا کرده و استفاده می‌شود. در بحث مالی که آقای سیاه‌پوش به آن اشاره کردند و سوشیال مدیا و موارد مصرفی هر روزه ما تا حوزه سلامت و پزشکی و یک مقدار گسترده‌تر در حوزه واکسن کرونا هم به دلیل هوش مصنوعی و برنامه‌نویسی‌ها در مقایسه با دیگر واکسن‌ها، شاهد سرعت بیشتر بودیم. و در رابطه با جهش دلتا هم با توجه به دیتاهای قبلی موج‌ها و پندمی‌های آینده پیش‌بینی شد. از انجا که بحث ما به کاربرد AI در رسانه اختصاص دارد، به چند مورد می‌پردازیم.

در مورد اول همانطور که آقای سیاه‌پوش به تعریف رسانه اشاره کردند، محتوایی که تولید می‌شود و به هر شکل سنتی یا مدرن و یا سوشیال مدیا در اختیار مخاطب قرار می‌گیرد اطلاق می‌شود، به‌گونه‌ای که فردی که از 5 سالگی در فضاهای مجازی حضور دارد را نمی‌توان به مطالعه کتاب ترغیب کرد و بسیار درست فرمودند که در حال حاضر نسل‌های جدید بسیار متفاوتند و به همین دلیل گروه Z را داریم که بیشتر از متولدین 1994 به بعد را شامل می‌شوند و قرار است ماکروسافت و گوگل پلتفرم‌هایشان را برای این گروه به‌روز کنند. این افراد در حال حاضر حدود 25 سال یا کمتر را دارا هستند و بیشترین محتوایی که دریافت می‌کنند از طریق ویدئو و لایو استریم است و از این منظر کمتر به سراغ کتاب خواندن می‌روند و به جای کتاب خواندن از پادکست و پست‌های صوتی بهره می‌برند. و این موضوع کاملاً درست است که این گروه که با رسانه و سوشیال مدیا و ... در ارتباطند، نمی‌توان کتاب به دستشان داد. در بحث content  در AI کاربردهای Personalize کردن و شخصی‌سازی content ها کمک بسیاری به مخاطبان می‌کند که در سوشیال مدیا کاملاً مشهود است. برای مثال اینستاگرام و گوگل با توجه به سابقه سرچشان و با استفاده از الگوریتم‌های موجود در هوش مصنوعی، متوجه علائق و نوع محتوای مطلوب شما می‌شوند و آنها را به شما پیشنهاد می‌کنند. شاید در این موارد privacy شما به خطر بیفتد و امنیت شما خدشه‌دار شود، ولی از طرفی به بیزینس‌ها جهت ارائه خدمات بهتر کمک می‌کند.

کاربرد بعدی در بحث تبلیغات است که باPersonalize و تشخیص content مطلوب مخاطب، و استفاده از هوش مصنوعی، تبلیغات آنلاین را هدفمندتر به مخاطب خود ارائه می‌کند. مثال بارزش گوگل اکسنت، گوگل پاندا و ... است. که از طرفی این ویژگی هم به بیزنس‌ها کمک می‌کند و از طرف دیگر شاید به خطر افتادن privacy  برای همه قابل هضم نباشد.

کاربرد بعدی کنترلcontent های broadcast شده است. همانطور که دوستان اشاره کردند در حال حاضر مخاطب‌ها و محتواها در حال افزایش‌اند و کنترل و دسته‌بندی این حجم از مخاطب‌ها و محتواها مستلزم نظارت چیزی غیر از انسان ، و آن هم )هوش مصنوعی)AIاست. از این رو یکی از کاربردهای هوش مصنوعی کنترل بخش محتوا است. به گونه‌ای که با توجه به پیشینه‌ای که از مخاطب دارد سن و جنس وی را تشخیص دهد و محتوای مناسب همان گروه سنی و جنسیتی را عرضه کند. درست است که قبلا نشریه گل‌آقا را در اختیار فرزندمان برای مطالعه می‌دادیم و در حال حاضر با استفاده از تکنولوژی این کنترل و امنیت برقرار می‌شود و بدین صورت می‌توان با رسانه نسل جدید بهتر برخورد کرد.

کاربرد دیگر AI TM یا classification است. یعنی دسته‌بندی‌های مختلف content که قبلاً خیلی سنتی و توسط انسان انجام می‌گرفت و بسیاری از آنها دستکاری می‌شد ولی الان با استفاده از AI به راحتی می‌توان آنها را حتی در حد comments دسته‌بندی کرد. برای مثال در پلتفرم‌هایی چون یوتیوب و ... AI میزان هر نوع محتوا از قبیل فیلم‌ها را تشخیص می‌دهد و از طرفی با توجه به سابقه مخاطب در آن پلتفرم و تشخیص گروه سنی او ژانر مورد علاقه‌اش را پیشنهاد می‌کند.

کاربرد بعدی AI، استفاده از NLPیا natural language processing است که به‌راحتی موضوع زیرنویس یا subtitleیا زیرنویس، voice و دوبله را هم به صورت اتوماتیک انجام دهد. این کاربرد در زمینه رسانه می‌تواند مفید باشد.

کاربرد بعدی این است که همه می‌دانیم که هر سرویسی نیاز مبرم به پشتیبانی دارد. به‌طوری که اگر بخواهیم به مشتری احترام بگذاریم و او را در آن محیط نگه داریم، باید سرویس پشتیبانی داشته باشیم. حال زمانی که این سرویس یا پلتفرم رسانه بزرگتر می‌شود، کار پشتیبانی خیلی سخت‌تر می‌شود. در این شرایط می‌توانیم از AI در بحث رسانه‌ای که در حال دیجیتالی شدن است بهره‌های مطلوبی ببریم. برای مثال می‌توانیم به جای قرار دادن چند اپراتور جهت پشتیبانی از سرویس‌مان، از virtual assistanceها استفاده کنیم. که می‌تواند به وسیله chat box یا voiceو ... از یادگیری ماشینی که به مرور با سازگاری خود با فرد در حال صحبت به جواب‌های بهتر و درک بهتری دست یابد که این کاربرد در رسانه‌های آنلاین و دیجیتالی‌شده بسیار مفید خواهد بود.

کاربرد بعدی AI در detect و کنترل content  ها(محتوا) است. مهم نیست که آن محتوا متنی با سورس، یا ویدئو و تصویر و detect (تشخیص ) نامعتبر است.استفاده از تکنولوژی دیدکت و هوش مصنوعی برای generate  (تولید)کردن،با بهره از همان فناوری می‌تواند در کنترل و تشخیصcontent  های sage فارغ از نوع محتوا بسیار مؤثر باشد.

کاربرد بعدی AI در مدیا، علیرغم زیر سؤال بردن کمی privacy،استفاده از اطلاعات دریافت شده از کاربر در social media و تحلیل sentimental(احساسی) و بازار، اعم از بورس و ... است. این موارد کاربردهای AI در مدیا بود که عنوان شد. حال قصد داریم در زمینه blockchain، case study(مورد مطالعاتی) ارائه کنیم.

همه کاربردهایی که از هوش مصنوعی عنوان کردیم نیازمند big data است و در حال حاضر اکثر big data ها و قدرت‌های هوش مصنوعی ما، کمپانی‌ها و غول‌های تکنولوژی همچونGoogle  و face bookکه اکثر اطلاعات سرچ ما را در سوشیال مدیای زندگی روزمره را در خود دارند. این مهم باعث تمرکز قدرت و دیتا در یک نهاد و به دنبال آن غیرقابل کنترل شدن آن قدرت را بدهد و در نتیجه فساد به بار بیاورد. برای مثال همه ما از تأثیرگسترده فیس بوک در انتخابات آمریکا، به عنوان مسئله مهم آن کشور،آگاهیم. اما از طرفی وجود تکنولوژی بلاک چین که دیتابیسی غیرمتمرکز است از این عارضه جلوگیری می‌کند و به جای اینکه دیتا فقط در گوگل و فیس بوک متمرکز باشد، آن را به دست همه می رساند تا شاهد آن اطلاعات باشند. شاهدیم که بزرگترین تیم‌هایAI  و دیتاهای ما، در اختیار غول‌های بزرگ تکنولوژی، همچون فیس بوک با بزرگترین تیم‌های ML یا Motion learning(آموزش جهشی)است. باید گفت که اکثر قدرت‌ها هوش مصنوعی را در اختیار دارند و اجازه دسترسی به دیگران نمی‌دهند. ولی بلاک چین معتقد است که این تمرکز اطلاعات اشتباه است و همه باید به آنها دسترسی داشته باشند. باید گفت از ویژگی‌های بلاک چین، علاوه بر(غیر متمرکز) re centralize بودن، تغییرناپذیر هم هست یعنی بلاک چین دیتابیس توزیع شده‌ای است که همه شاهد کل اطلاعات قبلی به طور کامل خواهند بود و کسی نمی‌تواند آن‌ها را تغییر دهد. به دلیل مکانیسم اجماعی‌ که در بلاک‌چین وجود دارد اگر قرار باشد کسی اطلاعاتش را تغییر دهد، باید هم جلب موافقت 51 درصد افراد حاضر در آن شبکه را داشته باشد و هم باز بودن و قابل مشاهده بودن آن اطلاعات. پس اگر قرار باشد کسی در آن بنویسد باید اجماعی صورت بگیرد.از دیگر ویژگی‌های بلاک‌چین، شفاف‌بودن آن است، به طوری که اگر موضوعی برای اولین بلاک ذخیره شد، برای بلاک ده هزارم یا بیشتر هم قابل دیدن خواهد بود.

ویژگی بعدی بستری امن است، چرا که از تکنولوژیcryptography (رمزنگاری)وpatientبهره برده است و به‌راحتی مورد حمله قرار نمی‌گیرد.

مورد بعدی بهره وری بالای بلاک‌چین است، چرا که دیتابیس را تقسیم می‌کند و در بسیاری از بلاک‌چین‌ها نیازی به کل دیتا و جمع‌آوری آن نیست. برای مثال  sharingبلاک چین دیتای غیرمتمرکز را تقسیم می‌کند تا ضرورتی بر استفاده از  کامپیوتر قدرتمند نباشد. چرا که اگر قرار باشد فقط صاحبان کامپیوترهای قدرتمند در آن محیط فعالیت کنند، با اهداف بلاک‌چین تناقض خواهد داشت.

علیرغم اینکه بلاک‌چین قدرت مطلق را از غول تک می‌گیرد و غیرمتمرکز می‌کند تا اطلاعات در دسترس همگان باشد، می‌تواند در بحث مدیا، کمک بسیار داشته باشد و با تلفیق AI و بلاک‌چین،دستاورهای وسیع‌تری را ارائه خواهد کرد.

در بحث بلاک‌چین و مدیا، شاهد پروژه تتا هستیم که به خودی خود یک بلاک‌چین است و در حال حاضر دارای محتوای ویدئویی است به نوعی netflix است. که کاربر قادر خواهد بود ویدئو و محتواهای دیگر را روی آن broadcast کند و در یکی دیگر از تارگت‌هایش ورزش الکترونیک را بیاورد. از فواید این محتواها حق امتیاز اثر محتوا برایGenerator contentیا تولیدکننده‌های محتواست که با توجه به ویژگی‌های غیرقابل تغییر بودن و شفاف و امن بودن بلاک‌چین، پلتفرها می‌توانند به صاحبان اثر کمک زیاد کنند تا آنجا که حتی حق امتیاز تا ده سال آتی هم برای تولیدکننده‌ محتوا محفوظ بماند. در پروژه تتا و recentralize بودن پلتفرم بلا‌کچین، چند بحث داریم که یک سری گپ‌های پلتفرم‌های موجود همچون یوتیوب، نت فلیکس و... را پر می‌کند. به‌طوری که تولیدکننده محتوا با گذاشتن ویدئو و محتوا بر این پلتفرم، به ازای هر تعداد مشارکت، از توکن آن پروژه ـ به فرض پولی که از دیده‌شدن آن محتوا به دست آید ـ برای افرادی که این محتوا می‌بینند، در نظر می‌گیرد و حتی این آپشن را قائل شده که اگر مخاطب زمانی برای دیدن تبلیغات اختصاص دهد باید در ازای آن هزینه دریافت کند و بدین صورت مخاطب به رایگان، تبلیغات را play نخواهد کرد و زمانش را مجانی هدر نمی‌دهد و افرادی که در آن شبکه تبلیغ می‌‌کنند باید از توکن‌های آن شبکه خرج کنند. مورد جالب دیگری که در حال حاضر وجود دارد این است که 3/2 پهنای باند اینترنت توسط video streaming اشغال می‌شود. همانطور که گفتیم، افرادی که در حوزه دیجیتال Z نامیده می‌شوند، در صورت آموختن برنامه‌نویسی بلاک‌چین، در یوتیوپ یا آپارات یا پلتفرم‌های دیگر که ویدئو پخش می‌کند، حال ویدئوی آموزشی یا  entertainmentباشد، باید دو سوم پهنای باند را مورد استفاده قرار دهد. حال کار جالب پروژه تتا این است که برای افزایش پخش ویدئوی خودش و کم کردن هزینه و افزایش کیفیت برای تولیدکننده و بیننده محتوا، مکانیزم انگیزیشی ایجاد کرده است بدین‌صورت که هر کس پهنای باندش را لازم ندارد می‌تواند آن را به دیگری قرض و اجاره دهد و بابت این ویژگی هم پلتفرم خود را قوی‌تر کند و هم کیفیت ویدئوهایش را بیشتر کند و هزینه را با راه‌انداختن بازی win bin برای هر دو طرف کاهش دهد و بابت قرض دادن آن پهنای باند پولی دریافت کند.

فاندرهای پروژه تتا در سیلیکون ولی حضور دارند و با سرمایه‌گذاری سونی، کار جالبی در حوزه video streaming انجام می‌شود.

هدف از ارائه اینcase studyاشاره به کاربردهای بلاک‌چین در مدیا جهت حذف گپ‌های موجود در این دنیا است.

باعنوان کردن کاربردهای بلاک‌چین در AI و ترسیم یک big picture،  می‌توان در آینده از تلفیق AI و بلاک‌چین، تحولی بزرگ در رسانه و سوشیال مدیا راشاهد بود.

رضا قربانی ؛ عضو هیئت مدیره سازمان نظام صنفی رایانه‌ای استان تهران:

قصد دارم در 7 محور به صورت خلاصه صحبت کنم و برای جدایی این محورها، اسامی خاص و ویژه‌ای را به آنها اختصاص خواهم داد.

در محور اول که مقدمه است، از آنجا شروع خواهم کرد که علیرغم اینکه خانم قربانپور به کمک هوش مصنوعی در خلق واکسن اشاره کردند باید گفت که در دوران کرونا، هوش مصنوعی عملکرد خوبی نداشت و انتظاری از آن در کرونا می‌رفت، نقطه منفی‌ای شد و نتوانست پاندمی و گسترش کرونا را پیش‌بینی کند. و یکی از دلایلش کافی نبودن اطلاعات و دیتا از پاندمی بود و متحمل گذشت زمان است و احتمال می‌دهم خدای ناکرده در پاندمی دیگری، هوش مصنوعی کاربرد خواهد یافت. نکته خیلی مهم که در مورد هوش مصنوعی باید دانست، آن است که هوش مصنوعی، قوه عاقله‌ای که استتناج می‌کند و بدون داده و اطلاعات می‌تواند چاره کار را بگوید، نیست و مثل هر سیستم دیگری ورودی دارد و بر مبنای ورودی‌ها می‌تواند به ما خروجی بدهد. از زمانی که در دهه 50 آلن تورین آن بازی تقلید را برای تشخیص موجودیت در کامپیوتر یا هوش مصنوعی شروع کرد، و آن آزمون ساده که فردی در برابر دو کاراکتر یکی کامپیوتر، شروع به صحبت کردن می‌کند به گونه‌ای که فردی که آن طرف مکالمه هست قادر به تشخیص طرف دیگر که همان کامپیوتر است یا انسان، نباشد. می‌توان گفت که کامپیوتر در این آزمون موفق شده است. حال مدت‌هاست که از این مرحله گذر کرده‌ایم و چیزی که بر مبنای هوش مصنوعی به وجود آمده و کاربردهای منفی‌اش که گاهی اوقات خیلی برجسته می‌شود، deep fake ها هستند. یعنی نه‌تنها در فضای متن که در فضای ویدئو، دستاوردهایی غیر واقعی دارند که واقعی جلوه می‌کنند. بنابراین اینکه بتوانیم چیزی را بسازیم که به انسان شباهت داشته باشد، ریشه ‌ای تاریخی دارد و سؤالی جدی از 50 یا 60 سال گذشته وجود داشته که آیا ماشین می‌تواند مثل انسان فکر کند؟ این سؤالات مفهومی را در دنیا به نام فلسفه هوش مصنوعی ثبت کرده‌اند. ما به دلایل متعددی، مقداری از این فضاها دودریم. چه در فضای رسانه، چه در فضای تکنولوژی و صنعت کمتر به فلسفه هوش مصنوعی می‌پردازیم و تمرکزمان بیشتر بر ابزارها است و فراموش می‌کنیم که اگر بر این مفاهیم از منظر فلسفی و جامعه‌شناسی مدل نداشته باشیم و به سؤالات موجود جواب داده باشیم و صرفاً نگاه ابزاری داشته باشیم، دچار مشکل خواهیم شد. موضوعاتی همچون هوش، خودآگاهی، معرفت‌شناسی و اختیار، مسائلی هستند که باید به آنها جواب داد. سؤال مهمی که در فلسفه هوش مصنوعی وجود دارد آن است که آیا ماشین می‌تواند خلاق باشد یا نه؟ این پرسشی است که به نظرم در روزنامه‌نگاری و موضوعات رسانه‌ای مطرح می‌شود. چراکه  ماشین‌ها از گذشته تاکنون توانسته‌اند شدیدترین و سخت‌ترین عملیات محاسباتی را انجام دهند ولی یک سری کارهای ساده که انسان‌ها قادر به انجامش هستند را نمی‌توانند انجام دهند. از جمله خلاقیت که البته پیشرفت تکنولوژی نشان می‌دهد که شاید بتواند بر این مقوله هم ورود کند و حداقل به شکل منفی این کار را انجام داده‌اند. پس از گذشت از بخش مقدمه در هفت محور صد گفت‌وگو دارم که یکی را در قالب مقدمه بیان کردم.

دومین محور، «موضوع اژدها وارد می‌شود» است که جواب سؤال آیا ماشین می‌تواند خلاق باشد، در این بخش شرح داده خواهد شد.متأسفانه کاربردهای منفی این بعد سریعتر در حال بروز است. یعنی اگر از پر سر و صداترین ابزارهایی که در این 10 الی 15 سال خلق شده، بلک‌چین را در نظر بگیریم، شاید آن مفاهیمی که افراد بیشتر دیدند، بیت‌کوین و رمزارزها و بلافاصله پولشویی و دورزدن قانون و افراد متقلب و منفی‌ای که در حال استفاده از این ابزارها هستند به ذهن خطور ‌کند. قبل از اینکه هوش مصنوعی، در دسترس روزنامه‌نگارها و رسانه‌ها قرار گیرد و خروجی‌های ارزشمند داشته باشد، در اختیار افرادی قرار می‌گیرد که از فیک‌نیوز آن بهره‌مند شدند. یکی از آفت‌هایی که این روزها، دامن جامعه را گرفته فیک‌نیوز است. پیش از این بحث هژمونی رسانه را داشتیم. برای مثال تصویری از سیل آلمان در یکی از شبکه‌های فارسی‌زبان، با وجود قربانی شدن 200 نفر، بسیار نجات‌دهنده و امیدبخش نشان داده شد. ولی سیل کرمان که 4 نفر قربانی داشت، بسیار آخرالزمانی تصویر شد. ‌سالها این موضوعات تجربه شده است. به نظرم در حال حاضر در حال ورود به مرحله‌ای جدیدتر هستیم چرا که واقعا اگر فیک نیوز برای دنیا بد است برای ما بدتر خواهد بود. چون هژمونی رسانه‌ای بالای سر ماست. و هوش مصنوعی در خدمت سیستم رسانه‌ای است که سعی در محدود کردن و عقب‌ماندگی ما داشته، قرار خواهد گرفت. اگر به طور جدی و با یک مدل ذهنی باز به سراغش نرویم بیشتر دچار آسیب خواهیم شد.

خودروهای بدون سرنشین که در بازارهای جهانی عرضه شده، نشان می‌دهد در موارد پیچیده‌ای همچون رانندگی هم می‌توان از هوش مصنوعی بهره برد. پس موضوع، خیلی غیرقابل دسترس نیست که به سمت خبرهایی که اتوماتیک نوشته می‌شود، برویم و به‌عنوان روزنامه‌نگاری خودکار از نام برده شود. به گونه‌ای که منتقدان فیلمی را داشته باشیم که انسان نیستند و ماشین هستند یا گزارشگرانی داشته باشیم که در سریع‌ترین زمان ممکن با گردآوری اطلاعات، به صورت جدی آنها را تدوین و منتشر می‌کنند.

محور سوم را «خوب، بد، زشت» نام گذاشتم و گاهی اوقات با صحبت راجع به مفاهیم، از علوم و دانش بشری و موقعی از تکنولوژی می‌گوییم. علیرغم تفاوت، شاید کلمه‌ای در هر سه اینها وجود داشته باشد و با یک مفهوم باشد ولی دانش و تکنولوژی‌ای در پس آن وجود دارد. مرحله بعدی ابزارها هستند. ما واقعاً دانش و مفاهیم تکنولوژی را نمی‌بینیم. آن چیزی را که می‌بینیم ابزارها هستند. به همین خاطر گاهی اوقات تکنولوژی را با ابزار اشتباه می‌گیریم. موبایل یک ابزار است که در ورای آن هزاران تکنولوژی وجود دارد که در این ابزار خلاصه شده است. گاهی اوقات تکنولوژی موبایل را با ابزاری به نام مویابل جابه‌جا می‌‌گیریم. در رابطه با هوش مصنوعی هم راجع به تکنولوژی حرف می‌زنیم، تا وقتی که به ابزار تبدیل نشده است ملموس نیست و باید در زندگی روزمره آن را ببینیم. برای مثال بلاک‌چین، مصادیق تکنولوژی‌های مربوط به اینترنت همچون ایمیل و ارتباطاتی که امروزه داریم را تا زمانی که در زندگی روزمره نبینیم، نمودی نخواهند داشت. در ادامه وقتی که این ابزارها رشد می‌کنند صنایع شکل می‌گیرند یا صنایع قدیمی از بین می‌روند و صنایع جدید خلق می‌شوند و اتفاقا صنایع رسانه‌ای یکی از صنایعی است که در این سالها به شدت تحت فشار بوده است. همچون کمپانی‌هایی که در زمینه  فیلم‌های شیمیایی عکاسی کار می‌کردند و نمونه معروفش کداک از آن جمله هستند که با امدن فضای دیجیتال، متحول شدند. در حال حاضر در کل جهان شاهد یک آشفتگی رسانه‌ای و بلاتکلیفی دررابطه با فضای رسانه‌ای هستیم که فقط مختص ما نیست. گاهی اوقات روندها ما را با خود می‌برند و ممکن است بیش از حد شیفته انها شویم. باید دقت کنیم که همیشه پایمان روی زمین باشد. چون مجموعه‌ای چون گاردنر، مجموعه‌های تکنولوژی را منتشر می‌کنند. قرار نیست مدام دنبال روندها باشیم و قرار نیست ضدروندها باشیم. باید استفاده کنیم. ان مرحله مهمی که معمولاً از دست می‌دهیم بحث استانداردها، قوانین و مقررات است. تدوین استانداردها، قوانین و مقررات نه با رویکرد محدودیت بلکه با رویکرد صیانت واقعی.

محور چهارم در ادامه محور قبلی هرمی داریم که هرم اطلاعات و داده ها است که پایین هرم داده‌ها قرار گرفته‌اند. همه اصوات، نمادها، چیزهایی که می‌شناسیم و ارزش وکاربرد زیادی هم ندارند ولی همه دانش بشری از کنار هم قرار گرفتن این داده‌ها شکل گرفته است. وقتی به بالا می‌رویم و معمولاً بیشتر با ان سر و کار داریم، با اطلاعات مواجه می‌شویم که از نظم دادن و کنار هم چیدن داده‌ها به وجود آمده است. یک مرحله بالاتر فضایی است که دانشگاه‌ها و مکان‌های آموزشی باید به سراغش بروند و آن بحث دانش است. و دانش نظم جدی‌تر دادن به این اطلاعات است. اتفاقی می‌افتد گاهی اوقات انبوهی از اطلاعات را بدون منطق در کنار هم داریم و ارتباطش را نمی‌شناسیم که دانش راهگشا خواهد بود. مرحله سخت‌تری هم هست که با فرایندهای معمولی که می‌شناسیم شاید به آن دست‌یابی پیدا کنیم. چرا که تجربه می‌خواهد و یک عمر کفاف نمی‌دهد و آن خرد است. خرد فراتر از دانش است و ما می‌توانیم دانشمند شویم ولی خردمند شدن با این روش‌های شناخته شده امکان‌پذیر نیست. همانطور که در ادبیاتمان وجود دارد، خام بدم، پخته شدم، سوختم. به گونه‌ای که برای رسیدن به آن فرد از بین می‌رود و خرد ویژگی‌ای است که در اکثر موضوعات جامعه به ما کمک می‌کند. حال این تقسیم‌بندی را داشته باشید و وقتی از فضای رسانه صحبت می‌کنیم این درهم آشفتگی اینجاست. گاهی اوقات رسانه، تولید محتوا و ژورنالیسم ـ که به فارسی روزنامه‌نگاری می‌شود و محدود می‌شود ـ را هم در هم تنیده و گاهی اوقات مرزشان را اشتباه می‌کنیم. بعضی مواقع تولید محتوا را ژورنالیسم اطلاق نمی‌کنیم، چرا که ژورنالیسم می‌تواند در هر فضایی کار کند. ولی رسانه مهم‌ترین جایی است که ژورنالیست‌ها حضور دارند. آن چیزی که از گذشته به رسانه گفته می‌شد، رسانه چاپی را رسانه می‌گوییم. متأسفانه به دلیل گسترش تکنولوژی نگاه اشتباهی شکل گرفته که رسانه‌های چاپی در حال از بین رفتن هستند. همانطور که مسائل معروف تلویزیون، رادیو را از بین نبرد و این دو در کنار هم یکدیگر را تکمیل کردند، صحبت از بین رفتن رسانه‌های چاپی هم صحبت اشتباهی است. شاید در ایران مشکلات متعددی از قبیل مشکل کاغذ باشد ولی در دنیا اینطور نیست. درست است که بسیاری از رسانه‌های چاپی که در دنیا گستره‌ای نداشتند، از بین رفتند یا شاهد از بین رفتن بسیاری از تلویزیون‌ها، وب‌سایت‌ها و رادیوها بودیم، ولی بر حسب اتفاق در این سالها شاهد پیشرفت رسانه‌ها هم بودیم و روزنامه‌ها در فضای چاپی هم منتشر شدند. بعضی‌ها تصور می‌کنند رسانه‌ها فقط در فضای دیجیتال و آنلاین هستند که اصلاً این‌گونه نیست. در فضای چاپی، روزنامه‌ها، مجلات و کتاب‌ها را داریم. مخصوصاً اخیراً در فضای چاپی ایران بسیار پیشرفت کرده‌ایم. برای مثال کاغذهای بالکی که در فضای کتاب آمده تغییرات مهمی ایجاد کرده است. انواع رسانه‌های دیگر را داریم که در کنار چیزی که به صورت سنتی رسانه می‌نامیم خلق شده اند. تلویزیون، رادیو را می‌شناسیم ولی فیلم، سینما سالهاست که رسانه مهمی شده‌اند. در حال حاضر بازی‌های ویدئویی نوعی رسانه هستند. کسانی که بازی‌های ویدئویی می‌سازند فقط به ساختن یک سری تصاویر ویدئویی و متحرک بسنده نمی‌کنند بلکه بعضی متخصصان رسانه در فضای موسیقی و فیلم‌نامه نویسی و ... در تولید این محصولات نقش دارند. وقتی از رسانه می‌گوییم و هوش مصنوعی را بررسی می‌کنیم باید این موارد را در نظر گرفت و نباید صرفاً محدود به فضای سنتی بود. در سالهای گذشته به مدلی از رسانه‌ها ،رسانه‌های نوین می‌گفتیم که خود دسته‌بندی‌های جدی‌ای پیدا کرده‌اند که یکی از آنها موبایل است. اگر به ده سال برگردیم خواهیم دید که به اندازه امروز، جدی نبود. درست است که ابزار تلقی می‌شود ولی از جایی به بعد به تکنولوژی تبدیل شده که اصطلاحاً موجو یا موبایل ژورنالیسم گفته می‌شود که تدوین کتابی را در این زمینه شروع کرده‌ام. موبایل در فضاهایی که می‌شناسیم یک روند جدی‌ای را ایجاد کرده است. نرم‌افزارها و اینترنت هم انواع رسانه‌های نوین را خلق کرده‌اند. وقتی فضای رسانه را نظاره‌گریم باید این محورها را در کنار هم ببینیم.

محور پنجم تغییراتی است که هوش مصنوعی در فضای رسانه اعمال می‌کند. مهمترین کاربردی که امروزه هوش مصنوعی پیدا کرده تولید گفتار است و همانطور که deep fake می‌تواند تصاویر ویدئویی افراد را بازسازی کند، کسب و کارهایی وجود دارند که صدای افراد را شبیه‌سازی می‌کنند. یعنی مدل‌هایی وجود دارد که در وب‌سایتی با صدای خود افراد برای آنها متن خوانده می‌شود که به نظرم اتفاق بزرگی است و نباید با نسخه‌های صوتی پادکستی اشتباه گرفته شود. برعکس این فرایند هم وجود دارد یعنی تبدیل گفتار به متن. با توجه به اینکه روزنامه‌نگاران سنتی با قلم و نوار کاست کار می‌کنند اگر این اتفاق به صورت جدی رخ دهد بسیار خوشحال‌کننده خواهد بود و سختی پیاده‌سازی بسیاری از مصاحبه‌ها کاسته می‌شود. در حال حاضر در یوتیوب و ... که به تولید زیرنویس می‌پردازند از این تکنولوژی بهره می‌گیرند. گاهی اوقات فعالان رسانه‌های جریان اصلی، خود را کنار می‌کشند و افرادی که در بخشی از این فضا مؤثرند نمود می‌یابند. این تکنولوژی که علما به آن پردازش زبان اصلی می‌گویند اتفاقات بسیار عجیبی را خلق می‌کئنند. مورد بعدی بحث دستورپذیری یا I found them ها، است  یعنی با همین واژگانی که داریم تمام اپ ها به هم وصل می‌‌شود به طوری که اگر در یک اپی اتفاقی بیفتد در اپ دیگر هم آن اتفاق رخ خواهد داد. برای مثال در توئیتر نوتیفیکیشنی آمد، در اینستاگرام این پیام پست می‌شود. در حال حاضر  این اتفاقات در فضای داده‌های باز، در حال رخ دادن است. ممکن است به دلیل ساختارهای فکری و بحث فلسفی مقدارای محدودیت داشته باشیم. همانطور که گفتم با داده‌های باز و دسترسی به اطلاعات، خیلی راحت نیستیم. زیرمجموعه وزارت ارشاد به گونه‌ای است که همه مردم می‌توانند درخواست حق دسترسی اطلاعات غیرمحرمانه را داشته باشند و شاهدیم که به دلیل مقاومت زیاد چقدر اعمال این حق سخت است.

مورد بعدی بحث استنتاج و استدلال است که از آن موضوعاتی است که بسیار حرف و حدیث دارد و بعضی معتقدند که در نهایت انسانها هستنند که می‌توانند استنتاج و استدلال کنند و ماشین هرگز نمی‌تواند به این نقطه برسد. بحث یادگیری ماشین یکی از حوزه‌های جدی است که با آن مواجهیم. و مثبت و منفی این موضوع شامل خیلی از گروه‌ها می‌شود. در این حوزه مثال‌هایی از اتفاقات داریم و ماشین‌هایی داریم که حتی بهتر از انسان، استدلال و استنتاج خواهند کرد و یا حتی فیلمنامه و گزارش خواهد نوشت. در حال حاضر خبرهای ساده را می‌نویسند و به این توانایی رسیده‌اند که خبرهایی که هرم وارونه را رعایت می‌کند را بنویسند. ولی آیا می‌توانند گزارش‌های تحلیلی هم بنویسند. آیا ماشین می‌تواند همچون فرید زکریا، گزارش تحلیلی بنویسد. این سؤال است و هنوز جواب قطعی ندارد و چون هنوز در حال بررسی هستند امکان دارد به جایی برسد که مشخص شود یک توانایی خاص درون انسان‌ها است. یکی از حوزه‌هایی که بسیار خوب نمود کرده است، بخش تشخیص الگو است. آن موردی که هوش مصنوعی می‌توانست خوب کند همین جا بود که به علت فقدان داده ضعیف عمل کرد و قادر به تشخیص الگو نشد. در حال حاضر هر چقدر جلوتر برویم الگوها را بهتر تشخیص خواهد داد. به همین دلیل در حال حاضر اپلیکیشن‌هایی را داریم که در آینده به صورت جدی‌تر قادر به تشخیص جهت‌گیری رسانه‌ها و خبرها خواهند بود و این موضع جدای بحث فیک نیوز است. هر رسانه برای خود رویکردی دارد و آن رویکرد را در خبرها و گزارش‌های خود لحاظ خواهد کرد. چرا که در فضای رسانه، استقلال یک افسانه است و رسانه‌ها مالکانی دارند که خواه ناخواه بر رسانه تأثیرگذارند. ولی تشخیص جهت‌گیری رسانه‌ها و خبرها برای سواد رسانه‌ای بسیار مفید خواهد بود.

محور ششم بحث شمایل‌های گرافیکی است که مثال ساده آن که هوش مصنوعی زیاد در آن دخیل نیست، ایموجی‌ها هستند. مخصوصاً نسل z که خانم قربانپور به ان اشاره کردند از این ایموجی‌ها بسیار استفاده می‌کنند. شاید برای ما طنز باشد که ایموجی‌هایی بر مبنای چهره افراد خلق می‌شود. یعنی ارائه‌دهندگان ابزارهایquality روی این نرم‌افزارها کار می‌کنند و با عکسی که از صورت خود می‌گیرند تبدیل به اموجی می‌شوند که کاربرد بسیار ساده این ابزارها است.

مورد که هوش مصنوعی خیلی خوب عمل می‌کند، سرعت عکس‌العمل بالای آن است. چرا که با حجم بالای اطلاعات تولید شده، قادر نخواهیم فقط به طرق سنتی مدیریت محتوا را انجام دهیم. برای مثال plug inهایی  چون آتیس منت که در نرم‌افزارهای مدیریت محتوا چون word press کار می‌کنند کار تشخیص spamها را به عهده دارند. حجم spam آنقدر در فضای وب زیاد است که با ابزار انسانی قابل کنترل نیست و ماشین باید spam ها تشخیص دهد و انها را نادیده بگیرد و فیلتر کند. البته باید عنوان کرد که هنوز ماشین به اندازه کافی موفق نشده است. برای مثال در کمپانی‌های همچون فیس‌بوک که در این زمینه در خط مقدم هستند هنوز علاوه بر هوش مصنوعی از انسان نیز استفاده می‌کنند و هزاران کارمند برای تشخیص گزارش‌ها و مطالب در این زمینه فعال‌اند.

محور ششم meta dataها هستند که در حال تأثیرگذاری هستند. با توجه به اینکه تقریباً هرکسی یک اثر انگشت یا ردپایی در فضای وب دارد و هر انسانی را در این محیط می‌توان از 250 بعد به آن ورود کرد و تا حدودی می‌توان گفت همه رفتارهای آینده‌اش پیش‌بینی خواهد شد. حال باید پرسید این کاربرد از نظر اخلاقی باید چه مسیری را طی کند؟ باید در این موضوعات نهادی همچون وزارت ارشاد ورود جدی داشته باشد. چون متا دیتاهای افراد به‌راحتی پخش شده است. برای مثال کارهایی که کمپانی‌های آمازون، دیجی‌کالا و دیگر فروش‌گاه‌های آنلاین انجام می‌دهند مثل میزان مکثی که کاربران بر صفحات دارند و ... به تجمیع این اطلاعات و تبدیل آنها به متادیتا، افراد را از خودشان بهتر خواهند شناخت. در میان گروهی به این موضوعات با دید مثبت و گروهی نیز با دیدمنفی می‌نگرند. موضوع این است که بدون اینکه افراد به کالایی نیاز داشته باشند، بر مبنای متادیتا تشخیص می‌دهند که اگر آن کالا را در منظر دیدشان قرار دهند منجر به خرید می‌شود که شاید انسان در حالت عادی مقداری خویشتن‌دار باشد ولی در فضایی که ناخودآگاه همه چیز جلوی دیدمان هست، در آن مسیر برده می‌شود. حال در این شرایط بعضی از منظر بازاریابی به آن نگاه مثبت دارند ولی باید پرسید از منظر رسانه، اخلاق رسانه چطور دیده می‌شود؟ اینها موضوعاتی است که باید ابعاد فنی‌اش دیده شود و در حال حاضر هم رها شده، نیست. در حال حاضر در اروپا با بحث GTPR به صورت جدی به مسئله ورود کرده‌اند و چارچوب می‌گذارند و هرکس نباید از متادیتای افراد و اطلاعات شخصی وprivacyآنها استفاده داشته باشد. مورد بعدی موضوع k.y.c کاربران است. ما هیچ وقت درسی به کاربر را در رسانه‌های سنتی نداشتیم. این که وی کیست و کجاست و چه شغلی دارد. این موضوعات در بحث دیتا بسیار مورد بررسی قرار خواهد گرفت.

و در آخر با توجه به اتفاقاتی که در حال رخ دادن است موضوع همکاری است. به گونه‌ای که در همین مدت شیوع کرونا، بحث دورکاری جدی شد.  حدود 10 یا 12 سال است که تله ورکینگ در جهان به طور جدی مطرح شده است که اصطلاحاً به کارکردن از هر جایی اطلاق می شود. همکاری به کمک CMS هایی که از هوش مصنوعی استفاده می‌کنند. نکته مهم این است که ما هوش مصنوعی را نمی‌بینیم و تکنولوژی است که ابزارهایش را طبق آن مدلی که بیان شد از جمله مدل CMS ها و نرم‌افزارهای مدیریت محتوا نظاره‌گریم.

مورد بعدی، مدیریت پیچیدگی و خلاقیت و اخلاق است. در سیستم‌های پیچیده که می‌توان آن را در جامعه، اقتصاد و فضای رسانه‌ای متصور شد، مسئله پیدا کردن سوزن در انبار کاه است. ما دسترسی به جم انبوه داده و ها و اطلاعات را داریم ولی به دانش آن درسترسی نداریم. در واقع باید گفت هیچ زمانی مثل امروزه توانایی دسترسی به دانش را داشته باشیم و به همان اندازه ناتوان از دسترسی به آن باشیم و دلیل آن انبوه اطلاعات است. برای ماثال بنده کارشناس این امور هستم و قصد باز کردن کتابی را در موبایلم داریم به دلیل تنوع اپ‌ها، ناخودآگاه سرگرم و از هدفم دور می‌شوم و شاهد از دست رفتن زمانی تخصیص یافته خواهم بود. حال در نظر بگیرید برای افرادی که سواد رسانه‌ای کمتری دارند چه اتفاقی رخ خواهد داد. در این راستا موتورهای جست‌وجو مثل گوگل و پایگاه‌ها داده‌های پیشرفته بلاک‌چین، بخشی از مسئله را حل کرده‌اند ولی قادر به حل آن مسئله اصلی نیستند. قرار بود رسانه را جهت انجام فضای اطلاعاتی و آموزشی و در نهایت پاره‌ای کاربرد سرگرم‌کننده به کار گیریم ولی تأثیرگذاری اطلاع‌رسانی و آموزش به قدر کافی نبود و کاربردهای اطلاع‌رسانی کمرنگ شد و آموزش به فراموشی سپرده شد و بسیار پنهان انجام گرفت و مسر دیگری را پیمود. و کاربرد سرگرم‌کنندگی رسانه بسیار مشهود است و تمام تولید محتواها به این بعد اختصاص یافته است، در صورتی که گاهی اوقات اطلاع‌رسانی نمی‌تواند سرگرم‌کننده باشد. در حال حاضر انسانهایی شدیم که از همه چیز خبر داریم و بی‌خبریم. هوش مصنوعی قادر نیست همه این مسائل را در فضای رسانه حل کند ولی اگر بدان بی‌توجهی کنیم قطعاً مسیر سخت‌تری در پیش رو خواهیم داشت. به آن معنی که باید برای تکنولوژی و روند‌های پیش رو زمان لازم را اختصاص داد.

محور بعدی را عنوان اجاره‌نشین‌ها، نام نهادم. دو پیشنهاد کلی برای اتفاق‌های آینده با توجه به مسیر پیش رو،ارائه می‌کنم. یکی بحث آموزش و تحول در آن، که دفتر مطالعات و برنامه‌ریزی رسانه‌ها، همانطور که قبلاً هم حضور داشته است، می‌تواند در خط مقدم، ایفای نقش مثمرثمری داشته باشد و با برگزاری دوره‌های روزنامه‌نگاری به هدف نزدیک تر شود. برای مثال در شرایط شیوع کرونا دوره‌های آنلاین برگزار شد. که در جایگاه خود بسیار مفید بود و در نوع خود ساده‌ترین کار. حال اگر روزنامه‌نگاران و ژورنالیست‌ها در خیلی از حوزه‌های مفید بسیار پراکنده و با آزمون و خطا مسیر آموزش را پیموده‌اند، بهتر است با فراهم‌کردن بستر گفتگو و تعامل به شیوه‌های نوین و به شکل ناهمزمان به انتقال تجارب و هموارتر کردن مسیربپردازند.

بخش بعدی تنظیم‌گری و رگولاتوری وزارت ارشاد است که متأسفانه در حوزه‌های صوت و تصویر، سازمان‌های دیگر در حال گرفتن فضا از وزارت ارشاد هستند. همه این سازمان‌ها به دلیل ساختار سنتی که دارند همچون صدا و سیما ژورنالیسم تافته و جدابافته هستند و دیگر نمی‌توان حوزه‌های دیگر را هم در این مسیر گنجاند. پس اجازه دهیم وزارت ارشاد خیلی جدی‌تر در بخش تنظیم‌گری و رگولاتوری ورود کند که در این میان به نظرم دفتر مطالعات می‌تواند نقش مؤثری داشته باشد. برای مثال در موضوعاتی چون طرح صیانت مخالفت همه دلسوزان را شاهدیم که انگ منافق و کامنت‌گذار به آنها زده می‌شود در صورتی‌که همه دلسوزان این امر را برگشت به عقب و رفتن به جنگ موضوعات پیچیده‌ با ابزار به شدت اشتباه و دارای آثار منفی می‌دانند.

بنابراین بلاک‌چین و تکنولوژی‌هایی چون هوش مصنوعی و ابزارهایی که در آینده بر مبنای تکنولوژی خلق خواهند شد، اتفاقاتی هستند که به شدت به ما کمک خواهند کرد و به‌نظرم فضای وب برای روزنامه‌نگاری ایران که سالها گرفتار و محدود به روزنامه سنتی و صدا و سیما بود، فضای جدیدی را خلق کرده که اگر تنظیم و رگولاتوری نداشته باشد از دستاوردهایش محروم خواهد شد.

مجموعه رادپرداخت، ماهنامه تراکنش و ... تیم خوبی هستند که فعالان رسانه‌های سنتی که با تکنولوژی همراهند، هر کمکی که از دستشان برآید دریغ نخواهند کرد و به هر شکلی آماده‌اند و تا به حال نه‌تنها فرصت را از دست نداده‌اند بلکه آن را به تهدید تبدیل نکرده‌اند.

مدیر کل دفتر در ادامه افزود:

با تشکر از دوستان و وقوف به گستردگی بحث به دلیل محدودیت زمان همانطور که دوستان  اشاره کردند، سعی داریم در برنامه‌های دیگر هم با برگزاری نشست‌هایی در زمینه آموزش با موضوعات سواد رسانه‌ای، هوش مصنوعی برای فعالان و مدیران نشریات و روزنامه‌ها از تجربیات شما استفاده کنیم. از این مباحث بسیار آموختم و از حضور همه عزیزان بسیار سپازسگزارم و امیدوارم باز در خدمت شما باشم.

سعید سیاهپوش؛ مشاور توسعه کسب و کار در این مورد گفت:متأسفانه حال دل همه ما به دلیل اتفاقاتی که رخ داده، خوب نیست و آستانه تحمل افراد کاهش یافته است. با توجه به فضای دولتی و مراعات بعضی جوانب باید گفت ادبیاتی که در مورد طرح صیانت به کار گرفته شد به واقع یکی از مسائلی بود که آستانه تحمل افراد زیادی را دوچندان کاهش داد و علیرغم سعی در برخورد مسالمت‌آمیز، اسباب کدورت و دلگیری را موجب شد. آبراهام مازلو می‌گوید: «وقتی تنها ابزار شما یک چکش است، تمام مسائل برای شما تبدیل به میخ می‌شود.» همانطور که اشاره شد رسانه فقط بستر ارتباطی‌ای رها و آلوده نیست. رسانه یعنی مخاطب، تولید محتوا و رساندن آن. بیاییم در زمینه آموزش سطح آگاهی مخاطب، تقویت تشکل‌های علمی و فنی و انجمن‌ها و آکادمی‌ها ژورنالیست‌ها و فعالان رسانه‌ای به گونه‌ای تلاش کنیم که محتوای درست به مخاطب متناسبش برسد. باید اعتراف کرد که بسترهای ارتباطی جای خود را پیدا خواهد کرد. همانطور که این روزها صحبت اینترنت ماهواره‌ای با هر صحت و سقمی رواج یافته، موضوعی است که اتفاق خواهد افتاد. برای مثال با توجه به فیلتر سایت‌ها در گذشته اکنون شاهد صفحات اینستاگرامی آنها هستیم. پس همه این موارد نگاه نوینی را می‌طلبد و همانطور که آقای قربانی اشاره کردند، از دفتر مطالعات و وزارت ارشاد در جهت ایفای نقش برجسته‌تر در تجمع و تجمیع و همدلی بین اهالی رسانه و مخاطب، انتظار بیشترمی‌رود. و بنده به‌عنوان مخاطبی که در این مسیر فعالم هر کمکی که از دستم برآید، دریغ نخواهم کرد.

معصومه قربانپور؛ مدیر بخش محتوا و آموزش شرکت راهکارهای توزیع شده کارا در خاتمه اظهار داشت:

با تشکر از شما به‌دلیل فراهم کردن این بستر در جهت انتقال تجربیات، به‌عنوان کسی که با تکنولوژی بسیار مواقفم در مورد موضوع استارلینک باید بگویم که تکنولوژی راه خود را می‌پیماید همانطور که کسی فکر نمی‌کرد تکنولوژی‌های نوین در زمینه پست به این اندازه خوش بدرخشد و امیدوارم با وجود طرح صیانت، شاهد اتفاقات خوب در بستر آموزش و کسب و کار باشیم.

دکترگیتا علی‌آبادی:

امید است با طرح این پیشنهادات سهمی در اجرای آنها داشته باشیم.

پیاده سازی و ویرایش اولیه:احترام السادات قدیمی وحید

ویرایش نهایی:مهرداد امیررضایی رودسری