مرداد
اخبار
خبرنگار هوش مصنوعی از روزنامهنگاران انسانی سبقت گرفت
رسانهای به نام RuntimeWire، با تنها یک انسان پشت فرمان و یک خط تولید کاملاً خودکار، خبر هک هاگینگفیس را زودتر از خبرنگاران حرفهای منتشر کرد؛ اتفاقی که صنعت رسانه را به فکر فرو برده است.
لیست مطالب
۱. رسانهای که تقریباً هیچ خبرنگار انسانی ندارد
ماجرا از یک اسم ساده شروع میشود: RuntimeWire. این نشریه که از ماه مه ۲۰۲۶ فعالیتش را آغاز کرده، خودش را «فستفود اطلاعاتی» توصیف میکند؛ رسانهای که سرعت هوش مصنوعی را با نظارت سبک انسانی ترکیب کرده است. برخلاف روزنامههای سنتی که دهها خبرنگار، ویراستار و دبیر سرویس دارند، پشت این رسانه عملاً یک نفر ایستاده است. اگر میخواهید بیشتر بدانید که چنین رسانهای دقیقاً چه چیزی است و چگونه کار میکند، میتوانید سری کامل اخبار هوش مصنوعی در سایت ما را هم دنبال کنید.
۲. یک نفر چطور توانست یک روزنامه کامل بسازد؟
بنیانگذار این رسانه، رایان مرکت، کارآفرین و سرمایهگذار فناوری مستقر در آستین است. او پیشتر در ردیت، آمازون وب سرویسز و مایکروسافت فور استارتاپس فعالیت کرده و حالا با تکیه بر مدلهای زبانی، خودش را در نقش سردبیر یک روزنامهی کامل قرار داده است. نام او معمولاً در کنار سهم هوش مصنوعی، در بایلاین مقالات دیده میشود. این الگو یادآور بحثی است که پیش از این هم مطرح شده: مرز میان «توسعهدهندهی تنها با کمک هوش مصنوعی» و «مهندس واقعی با تیم کامل» کجاست؟ برای مطالعهی عمیقتر این موضوع، مقالهی توهم هوش مصنوعی؛ توسعهدهندهی تنها در برابر مهندس واقعی را از دست ندهید.
جالب اینجاست که این رسانه خودش هم برای نیروی انسانی آگهی استخدام منتشر میکند؛ اما نه برای خبرنگار سنتی، بلکه برای نویسندگانی که با کار در کنار ابزارهای هوش مصنوعی راحت باشند. به بیان دیگر، مدل کاری RuntimeWire ترکیبی از «انسان بهعنوان ناظر کیفیت» و «هوش مصنوعی بهعنوان موتور تولید» است؛ الگویی که بهسرعت در استارتاپهای رسانهای دیگر هم در حال تکرار شدن است.
۳. خط تولید خبر؛ از پایش منبع تا انتشار خودکار
پشتصحنهی RuntimeWire یک خط تولید چندلایه است که هر بخش آن نقش مشخصی دارد:
نخست، سامانه حدود پنجاه منبع خبری را بهطور مداوم پایش میکند؛ از وبلاگ رسمی شرکتها و فیدهای تحقیقاتی گرفته تا شبکههای اجتماعی و پیشنهادهای کاربران. سپس محتوای نامرتبط فیلتر میشود و آنچه باقی میماند، با معیارهای مکتوبی مانند تازگی، اهمیت برای توسعهدهندگان و امکان راستیآزمایی از منبع اصلی سنجیده میشود. در مرحلهی بعد، یک لایهی تحقیقاتی منابع اصلی را واکشی و حتی تصاویر را برای تایید ادعاها رونویسی میکند. نگارش و ویرایش هم به دو مدل جدا سپرده شده: یکی پیشنویس مینویسد و دیگری آن را از نظر عمق و دقت بازبینی میکند. در پایان، یک لایهی فکتچک خودکار ادعاهای کلیدی را بررسی میکند. کسانی که میخواهند با اصول نوشتن دستور یا پرامپت برای چنین سامانههایی آشنا شوند، میتوانند نگاهی به راهنمای نوشتن پرامپت برای مبتدیان در سایت ما بیندازند.
۴. لحظهی سبقت: چطور خبر هک هاگینگفیس زودتر منتشر شد
نقطهی اوج این ماجرا در یک کنفرانس فنی رقم خورد. در جریان یک ارائه، کارمندان شرکت OpenAI جزئیات تازهای دربارهی هک شناختهشدهی پلتفرم هاگینگفیس فاش کردند؛ همان حادثهای که پیشتر با محوریت حملهی گروهی از عاملهای هوش مصنوعی به آن پرداخته بودیم. رایان مرکت در همان لحظه یک لینک پخش زندهی زیرنویس کنفرانس را در شبکهی ایکس پیدا کرد. او متن زیرنویس را ضبط کرد و مستقیماً به سامانهی گزارشنویسی رسانهاش سپرد. در عرض چند دقیقه، سامانه خبر را تحقیق، تدوین و فکتچک کرد و مقاله را منتشر ساخت؛ سرعتی که حتی خبرنگاران باسابقهای مثل نویسندهی حوزهی امنیت سایبری مجلهی وایرد را جا گذاشت. برای درک بهتر اینکه چرا شرکت OpenAI و رقبایش اینقدر در کانون توجه هستند، مقالهی اوپنایآی چیست راهنمای خوبی است.
واکنش سریع در برابر عمق تحلیلی
البته سرعت بهتنهایی معیار کیفیت نیست. بسیاری از خوانندگان و منتقدان معتقدند سرعت بالای این رسانه، به بهای از دست رفتن لایههای تحلیلی و زمینهای گزارش تمام شده است؛ چیزی که در بخش بعد به آن میپردازیم.
۵. اعداد و ارقام: نرخ انتشار، بازدید و نرخ رد خبر
آمار این رسانه گویای مقیاس کار آن است. تاکنون بیش از هفتاد و یک هزار خبر بالقوه بررسی شده، اما تنها ۱۶۲۷ مورد از آنها به مرحلهی انتشار رسیدهاند؛ یعنی نرخ انتشار چیزی حدود دو و سهدهم درصد. به بیان دیگر، این سامانه تقریباً نود و هشت درصد از خبرهای بالقوه را رد میکند و فقط موارد واقعاً مهم را منتشر میسازد. بازدید ماهانهی این رسانه هم از مرز دویستهزار عبور کرده و شامل تصاویر سرصفحهی تولیدشده با هوش مصنوعی و حتی یک پادکست خودکار است. این رقمها نشان میدهند که رسانههای خودکار میتوانند در مقیاسی فعالیت کنند که برای یک تیم انسانی کوچک عملاً غیرممکن است.
برای مقایسه، یک روزنامهنگار حرفهای بهطور معمول در بهترین حالت چند خبر در روز منتشر میکند؛ در حالیکه خط تولید RuntimeWire بهطور همزمان دهها منبع را رصد میکند و در عرض چند دقیقه از لحظهی وقوع رویداد، مقالهی نهایی را آماده میسازد. همین سرعت است که باعث شده حتی رسانههای بزرگ هم به رصد فعالیت این نشریهی کوچک روی بیاورند.
۶. نگرانیها: کیفیت، عمق تحلیل و آیندهی شغل خبرنگاری
در کنار این دستاوردها، نگرانیهای جدی هم مطرح شده است. مقالهای که خبر هک هاگینگفیس را پوشش داد، از سوی برخی منتقدان «خشک و مکانیکی» توصیف شده؛ متنی که بیشتر شبیه یک گزارش لحظهبهلحظه است تا تحلیلی با عمق و لایههای بینخطی که در گزارشهای خبرنگاران باتجربه دیده میشود. این نگرانی بیربط به بحث گستردهتری نیست که دربارهی محدودیتهای واقعی هوش مصنوعی مطرح میشود؛ موضوعی که در مقالهی پتانسیل واقعی و محدودیتهای هوش مصنوعی بهطور مفصل بررسی شده است. سوال کلیدی این است: آیا چنین رسانههایی در بلندمدت جای خبرنگاران انسانی را میگیرند، یا صرفاً ابزار تازهای در دست آنها میشوند؟
۷. واکنش صنعت رسانه و مقایسه با فارمهای محتوایی هوش مصنوعی
نکتهی مهم این است که ناظران صنعت رسانه، RuntimeWire را از فارمهای محتوایی کمکیفیتی که سازمانهایی مانند نیوزگارد بهطور مرتب رصد و افشا میکنند، متمایز میدانند. دلیل اصلی این تمایز، وجود لایههای متعدد راستیآزمایی، انتخابگری شدید (رد کردن نزدیک به ۹۸ درصد خبرهای بالقوه) و حضور یک انسان در نقش سردبیر نهایی است. با این حال، سوال باقی میماند که آیا این مدل با رشد مقیاس، همچنان میتواند همین استانداردهای ویرایشی را حفظ کند یا خیر. این پرسش دقیقاً همان چالشی است که کسبوکارهای زیادی هنگام بهکارگیری هوش مصنوعی در فرایندهای حساس با آن روبهرو میشوند؛ موضوعی که در مقالهی چرا هوش مصنوعی برای کسبوکار ۲۰۲۵ اهمیت دارد بررسی شده است.
۸. مدل درآمدی و برنامههای آینده
از نظر مالی، RuntimeWire هنوز سودآور نیست. رایان مرکت برنامه دارد این رسانه را از چند مسیر درآمدزا کند: جایگاههای اسپانسری در ابزارهای برنامهنویسی محبوب مانند ویاسکد و کلود کد، بخش آگهی استخدام، و اسپانسرشیپ مستقیم سایت. هدف او این است که با تمرکز بر تبلیغدهندگان حوزهی ابزارهای توسعه، دسترسی خوانندگان را رایگان نگه دارد. در حال حاضر این رسانه در حال آزمایش تبلیغات برای بهینهسازی کیفیت و فیلتر کردن ترافیک رباتی است؛ رویکردی که نشان میدهد حتی رسانههای خودکار هم باید با همان چالشهای اقتصادی رسانههای سنتی دستوپنجه نرم کنند.
۹. این رویداد برای اکوسیستم هوش مصنوعی چه معنایی دارد؟
داستان RuntimeWire را باید در بستر بزرگتری دید. این روزها شرکتهای بزرگ فناوری، از رقابت مدلهای متنباز گرفته تا عاملهای خودکار امنیتی، همه در حال بازتعریف مرز میان ابزار کمکی و جایگزین کامل انسان هستند. برای مثال، رقابت میان مدلهای مختلف هوش مصنوعی در حوزههای تخصصی مثل شطرنج، نمونهی خوبی از این روند است که در مقالهی چتجیپیتی در برابر دیپسیک؛ نبرد هوشهای مصنوعی شطرنج بررسی شده است. اگر رسانهای مثل RuntimeWire بتواند با یک انسان، رقیب خبرگزاریهای بزرگ باشد، باید منتظر موج تازهای از رسانههای مشابه در سراسر جهان، از جمله ایران، باشیم.
در واقع، اتفاقی که برای RuntimeWire افتاد، میتواند نقطهی عطفی برای کل صنعت رسانه باشد. اگر یک نفر با کمک چند مدل زبانی بتواند رسانهای بسازد که در سرعت با غولهای خبری رقابت کند، آیندهی شغل خبرنگاری، ویراستاری و حتی تولید محتوای بازاریابی هم دستخوش تغییرات جدی خواهد شد. کسبوکارهای کوچک و متوسط هم میتوانند از همین الگو الهام بگیرند تا با منابع محدود، حضور محتوایی گستردهتری داشته باشند.
پرسشهای متداول
آیا RuntimeWire بهطور کامل بدون دخالت انسان کار میکند؟
خیر. رایان مرکت شخصاً بخشی از مقالات را پیش از انتشار بازبینی میکند، اما بسیاری از مطالب بهطور خودکار و بدون بازبینی انسانی منتشر میشوند.
چرا این خبر مهم است؟
چون برای نخستینبار یک رسانهی تقریباً کاملاً خودکار، در یک خبر مهم فناوری، از خبرنگاران باسابقهی رسانههای بزرگ جلو زده است؛ اتفاقی که آیندهی صنعت خبر را به چالش میکشد.
آیا کیفیت این مقالات قابل اعتماد است؟
به گفتهی منتقدان، دقت واقعیتها معمولاً بالاست، اما عمق تحلیلی و لحن روایی هنوز به پای خبرنگاران انسانی نمیرسد.
آیا کاربران فارسیزبان هم میتوانند از چنین ابزارهایی استفاده کنند؟
بله؛ اگر تازه با هوش مصنوعی و ابزارهای چتجیپیتی آشنا میشوید، آموزشهای عملی موجود در بخش آموزش چتجیپیتی نقطهی شروع خوبی است.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
