AI가 우리를 양질의 저널리즘 시대로 안내할 수 있을까요?

저는 수십 년 동안 기술 분야에서 일해 온 전문 저널리스트입니다. 소셜 미디어가 등장한 이후 너무 많은 목소리가 나오고 불협화음이 귀청이 터질 정도로 저널리즘에 힘든 시기가 되었습니다.

AI 생성 콘텐츠는 더 많은 정보 쓰레기를 추가합니다. 그러나 놀랍게도 저는 AI가 위험 요인이자 조력자로서 우리를 저널리즘의 질로 되돌려 놓기 위해 왔다고 생각합니다. 지난주에 나온 다른 두 기사는 나로 하여금 이에 대해 생각하게 만들었습니다. Semafor의 첫 번째 제품은 Semafor's Signals 라는 새로운 제품을 선보였습니다. Signals는 Microsoft 및 OpenAI 도구를 사용하여 글로벌 뉴스에 대한 다양한 통찰력을 제공하고 디지털 변화와 AI 과제에 적응합니다. Semafor의 기술 편집자인 Reed Albergotti는 다음과 같이 썼습니다 .

“이것은 현재 일어나고 있는 변화의 훌륭한 예입니다. 소셜 미디어의 출현은 미디어 조직을 약화시키는 힘이었습니다. 반면 AI는 강화 기술이다. 소셜 미디어는 일부 언론인을 스타로 만들었고 거의 모든 주요 출판물의 트래픽 수치를 높이는 데 도움이 되었습니다. 그러나 소셜 미디어에 힘입어 타겟 광고 사업은 고품질 출판물에서 돈을 빼앗아 갔으며 트래픽은 공허한 약속에 불과했습니다. AI와 뉴스를 떠올릴 때 가장 먼저 떠오르는 것은 기자가 봇으로 대체되는 일이다. CNET 및 Sports Illustrated와 같은 소수의 매체가 이를 시도하려는 유혹을 받았지만 이러한 예는 단지 예외일 뿐입니다. AI가 생성한 콘텐츠는 저널리즘을 대체하지 못하는 스팸에 가깝습니다. 이는 소비자를 신뢰할 수 있는 게시자로 유도합니다.”

나는 이 점에 전적으로 동의합니다. AI 시대에는 신뢰할 수 있는 목소리/미디어를 갖는 것보다 더 중요한 것은 없습니다. 그리고 전문 기자가 왔습니다. 책임있는 기자. 이 사람은 누구입니까? AI의 맥락에서 '책임'은 농담이 되기 때문에 까다로운 질문입니다. AI 시대에는 무엇이 책임 있는 저널리즘을 구성하는지에 대한 질문이 새로운 차원을 얻게 됩니다. 예를 들어, 지난 주에는 모호한 답변을 제공하고 "책임감"을 제공함으로써 잘못된 정보를 방지하도록 설계된 챗봇인 Goody-2가 출시되었습니다.

AI는 위험할 수 있으며 예를 들어 오디오 재킹 에 사용될 수 있지만 저널리즘 측면에서는 보고, 편집 및 콘텐츠 배포를 크게 향상시키는 놀라운 도구를 제공합니다. 예를 들어, 영국의 Full Fact 와 같은 자동화된 사실 확인 플랫폼은 AI를 활용하여 공개 담론에서 제기된 주장을 신속하게 확인함으로써 뉴스 보도의 정확성과 신뢰성을 향상시킵니다. 데이터 저널리즘은 AI에 의해 혁명을 일으켰습니다. Datawrapper 와 같은 도구를 사용하면 언론인이 광범위한 코딩 지식 없이도 대화형 차트와 시각화를 만들 수 있습니다. 또한 개인화된 기사 추천을 사용한 New York Times의 실험은 AI가 개별 독자의 관심 사항에 맞게 콘텐츠를 선별하여 잠재적으로 참여도와 구독률을 높일 수 있는 방법을 보여줍니다.

지난주 The Platformer에서는 웹과 저널리즘의 미래에 대해서도 고민했습니다 .

“ 언론인들이 미래의 웹에서 수행할 역할이 있는 한, 그것은 스스로 창안해야 할 역할입니다. Arc Search, Perplexity 또는 Poe를 사용하면 저널리즘을 구할 플랫폼이 없다는 것이 분명해집니다. 그리고 그것을 죽이려는 의도로 보이는 플랫폼이 점점 더 많아지고 있습니다. ”

그리고 여기에 다시 한 번 동의합니다. 누구도 저널리즘을 구하러 오지 않을 것입니다. 그러나 위험이자 조력자로서 AI를 사용하면 저널리즘은 마침내 그 본질로 돌아갈 수 있습니다. 디지털과 AI 혁명을 통한 저널리즘의 여정을 되돌아보면, 많은 어려움이 있지만 민주주의의 기둥인 저널리즘의 본질은 그대로 남아 있다는 것이 분명해집니다. AI를 신중하게 수용하면 저널리즘은 정보를 제공하고, 교육하고, 설명할 권한을 갖고 책임을 지는 핵심 임무로 되돌아가서 점점 더 복잡해지는 세상에서 신뢰할 수 있는 가이드로서 계속해서 성장할 수 있습니다.

일반적인 용의자의 뉴스 ©

베수비오와 폼페이

• AI를 사용해 세 명의 학생이 서기 79년 폼페이에 묻힌 2,000개 이상의 그리스 문자를 읽고 70만 달러를 받았습니다.

로 블록 스

• 게임 회사는 16개 언어로 AI 기반 실시간 채팅 번역을 도입했습니다 .

샘 알트만

• Sam Altman은 글로벌 AI 칩 생산 확장을 위해 5~7조 달러를 추구합니다. (많습니다…). 게리 마커스(Gary Marcus)는 세상이 거절해야 하는 7가지 이유를 제시합니다. (그다지 많지는 않습니다…)

그동안 OpenAI

• OpenAI는 가장 빠르게 성장하는 기술 기업 중 하나로 연간 매출 20억 달러를 기록하고 있습니다.
• OpenAI는 다양한 작업을 자동화하기 위해 두 가지 AI 에이전트를 개발하고 있습니다.

마이크로소프트

• AI를 통해 새롭고 더 나은 업무 미래를 창조하는 데 도움이 될 수 있는 Microsoft 및 전 세계의 최근 연구 요약입니다.

엔비디아

• Nvidia는 AI 기업을 위한 맞춤형 칩 생산을 시작하고 싶어합니다.

Google

• Google은 Bard의 브랜드를 Gemini로 변경했습니다 . 혼합된 강점과 약점 에 대해 Ethan Mollick을 읽어보세요.

몇 가지

• Nvidia, OpenAI, Microsoft 및 기타 200여개 기업이 미국 AI 안전 연구소 컨소시엄(AISIC) 에 가입하여 생성 AI의 안전한 개발 및 배포를 지원했습니다.

귀하의 편의를 위해 분류된 최신 연구 논문

대규모 언어 모델 및 향상된 기능

• 더 많은 에이전트가 필요한 전부입니다 . 샘플링 및 투표 방법을 통해 LLM의 에이전트 수를 늘리면 성과가 어떻게 향상되는지 보여줍니다. 논문 읽기
• Tag-LLM : 도메인 및 작업별 동작에 대한 사용자 정의 입력 태그를 사용하여 특수 도메인에 범용 LLM을 적용합니다. 논문 읽기
• BiLLM : LLM에 대한 1비트 사후 훈련 양자화 접근 방식을 도입하여 매우 낮은 비트 폭에서 고성능을 유지합니다. 논문 읽기
• 온라인 AI 피드백을 통한 직접 언어 모델 정렬 : 온라인 피드백을 통해 모델 정렬을 향상하여 탐색 및 성능을 향상합니다. 논문 읽기
• The Hedgehog & the Porcupine : Transformers의 소프트맥스 어텐션을 모방한 학습 가능한 선형 어텐션 메커니즘인 Hedgehog를 소개합니다. 논문 읽기
• 대화형 에이전트 기반 모델 : 시각적 자동 인코더, 언어 모델링 및 동작 예측을 통합하여 로봇 공학 및 의료와 같은 영역을 위한 새로운 AI 프레임워크를 제안합니다. 논문 읽기
• DeepSeekMath : 개방형 언어 모델에서 수학적 추론의 한계를 뛰어넘습니다. 논문 읽기
• SELF-DISCOVER : LLM이 복잡한 문제 해결을 위한 추론 구조를 자체 구성할 수 있습니다. 논문 읽기
• Mamba는 배우는 방법을 배울 수 있나요? : 상태 공간 모델과 Transformer 모델의 상황 내 학습 능력을 비교합니다. 논문 읽기
• 대규모 언어 모델의 다운스트림 작업 성능을 위한 확장 법칙 : 사전 학습 데이터 크기 및 유형이 LLM의 다운스트림 성능에 미치는 영향을 조사합니다. 논문 읽기
• 작은 언어 모델을 위한 최적화 및 아키텍처 재고 : 모바일 장치에 대한 작은 언어 모델 최적화를 연구합니다. 논문 읽기
• 단축된 LLaMA : LLM 추론 효율성을 향상시키는 방법으로 깊이 가지치기를 살펴봅니다. 논문 읽기

다중 모드 및 비전 언어 모델

• λ-ECLIPSE : CLIP의 잠재 공간을 활용하여 개인화된 텍스트-이미지 생성을 실현합니다. 논문 읽기
• SPHINX-X : 모델 성능과 훈련 효율성에 초점을 맞춘 고급 다중 양식 대형 언어 모델 시리즈를 제안합니다. 논문 읽기
• SpiRit-LM : 의미론적 이해와 표현력 향상을 위해 텍스트와 음성을 다중 모드 기반 언어 모델에 통합합니다. 논문 읽기
• 다중 모드 추론을 위한 질문 인식 비전 변환기 : 향상된 다중 모드 추론을 위해 비전 인코더 내에 질문 인식을 내장합니다. 논문 읽기
• EVA-CLIP-18B : CLIP을 180억 개의 매개변수로 확장하여 이미지 분류 성능을 크게 향상시킵니다. 논문 읽기

로봇 공학, 자율 시스템 및 대화형 에이전트

• 대규모 언어 모델 정책 적응으로 어디서나 운전 : LLM을 사용하여 자율주행차에 대한 현지 교통 규칙에 적응할 수 있습니다. 논문 읽기
• 오프라인 배우 평론가 강화 학습은 대규모 모델로 확장됩니다 . 오프라인 배우 평론가 강화 학습이 대규모 모델로 효과적으로 확장될 수 있음을 보여줍니다. 논문 읽기

웹 탐색, 대화 시스템 및 실제 응용 프로그램

• WebLINX : 대화형 웹 탐색에 대한 벤치마크를 도입하여 새로운 웹 환경에 적응하는 모델의 필요성을 강조합니다. 논문 읽기
• 실수로부터의 맥락 내 원리 학습 : 실수를 유도하고 이를 반영하여 업무별 원리를 추출함으로써 LLM 학습을 강화합니다. 논문 읽기
• 다중 라인 AI 지원 코드 작성 : 단일 라인 및 다중 라인 인라인 제안을 모두 제공하는 AI 지원 코드 작성 도구인 CodeCompose를 소개합니다. 논문 읽기

시계열 예측, 객체 감지 및 기타 혁신

• Lag-Llama : 강력한 제로샷 일반화를 보여주는 단변량 확률 시계열 예측을 위한 기본 모델을 소개합니다. 논문 읽기
• InstaGen : 확산 모델에서 생성된 합성 데이터 세트에 대한 교육을 통해 객체 감지를 향상합니다. 논문 읽기
• Implicit Diffusion : 효율적인 샘플링을 위해 확률적 확산으로 정의된 분포를 최적화하는 알고리즘을 제시합니다. 논문 읽기
• Memory Consolidation Enables Long-Context Video Understanding : 과거 활성화를 통합하여 비디오 이해를 향상시키는 방법을 제안합니다. 논문 읽기
• 검색 없는 그랜드마스터 수준 체스 : 명시적인 검색 알고리즘 없이 그랜드마스터 수준 체스 성능을 달성하도록 변환기 모델을 교육합니다. 논문 읽기

코드 표현 및 양자화 기술

• 규모에 따른 코드 표현 학습 : 2단계 사전 훈련 체계를 갖춘 코드 표현 학습을 위한 고급 모델인 CODSAGE를 소개합니다. 논문 읽기

해석 가능성 및 기초 모델

• 대규모 언어 모델 시대의 해석 가능성 재검토 : 해석 가능성의 더 넓은 범위를 옹호하면서 LLM의 출현과 함께 해석 가능성의 역할을 검토합니다. 논문 읽기

다른 뉴스레터에서는

• EUV 이후 반도체 제조에 대한 가장 혁신적인 혁신에 대해 궁금한 사람들을 위한 - 세미분석 의 하이브리드 본딩
• Vision Pro를 40시간 동안 사용한 후의 모든 생각 by Wait But Why
• Anthropic의 Jack Clark이 AGI를 달성했다고 주장하는 논문에 대한 재미있는 해석(AI 뉴스레터 가져오기)
• Vitalik Buterin의 암호화폐 + AI 애플리케이션의 약속과 과제