Zyski:
- Możliwość eksplorowania zbioru danych za pomocą sztucznej inteligencji, generowania pytań wartych opublikowania i wydobywania wrażliwych danych
- Zamiast zlecać obliczenia sztucznej inteligencji, mieć opisaną metodę i uruchamiać ją w narzędziu podlegającym audytowi oraz wyrabiać nawyk weryfikowania każdego wyniku na podstawie surowych danych.
- Rozumienie, że obowiązkiem dziennikarza jest sporządzić zestawienie wartości odstających, udokumentować powiązania archiwalne i potwierdzić je w oryginalnym źródle.
Dziennikarstwo śledcze często zaczyna się od stosu: arkusza kalkulacyjnego zawierającego tysiące wierszy, bilansu składającego się z setek stron, archiwum e-maili, które wyciekło, zestawu wydatków publicznych o otwartym kodzie źródłowym. Dziennikarstwo oparte na danych — praktyka znajdowania wzorców, anomalii i powiązań w danych liczbowych i dokumentalnych oraz przekształcania ich w wiadomości — polega właśnie na szukaniu sensu w tej masie. W tych stosach, których ręczne przeglądanie zajęłoby całe życie, sztuczna inteligencja (AI) jest potężnym narzędziem do wstępnej kontroli i generowania pomysłów: może podsumować tabelę, wyodrębnić zduplikowane nazwy w archiwum tekstowym, zasugerować, jakie pytania zadać do analizy, a nawet opisać etapy czyszczenia danych. Ale postawmy jedno zdanie od początku: AI jest partnerem w analizie danych; To dziennikarz decyduje o dokładności i wartości informacyjnej wyniku oraz ponownie analizuje liczbę na podstawie surowych danych. Ryzyko halucynacji jest tutaj najbardziej niebezpieczne, wyrażone w liczbach.
Krok po kroku: eksploracja zbioru danych za pomocą sztucznej inteligencji
Krok 1 — Poznaj dane. Najpierw zapoznaj się z kolumnami, liczbą wierszy, zakresem dat i jednostkami. Dowiedz się sam, co to jest, zanim załadujesz surowy plik do AI; W przeciwnym razie „odkrycia” sztucznej inteligencji pozostaną w powietrzu.
Krok 2 — Wyodrębnij wrażliwe dane. Jeśli zawiera dane osobowe (imię i nazwisko, TR ID, adres, stan zdrowia), zanonimizuj go bez podawania publicznego narzędzia AI lub wyślij tylko kolumny do analizy. Usuwane są także ślady dokumentów, które wyciekły, ujawniające źródło (jednostki 1 i 10).
Krok 3 — Wygeneruj pytania odkrywcze za pomocą sztucznej inteligencji. „Jakie wiadomości może kryć ten zbiór danych?” Zacznij od powiedzenia. Sztuczna inteligencja wyświetla listę pytań, które należy zadać: 10 najważniejszych artykułów, powtarzający się dostawcy, nietypowe skoki, obszary pozostawione puste.
Krok 4 — NIE ZMIENIAJ ANALIZY, OPISZ ją. To jest punkt krytyczny. Średnia lub procent, który AI oblicza w głowie, często jest błędny. Zamiast tego poproś AI o kroki, które uruchomiłbyś w niezawodnym narzędziu (formuła arkusza kalkulacyjnego, zapytanie, skrypt). W ten sposób czyniąc rachunek różniczkowy narzędziem podlegającym kontroli, sztuczna inteligencja po prostu podaje metodę.
Krok 5 — Zweryfikuj ustalenia. Zobacz każdą anomalię wskazaną przez sztuczną inteligencję, wracając do pierwotnej linii. Przefiltruj tabelę i policz stwierdzenie „Ta firma wygrała 31 z 40 przetargów”. Wszelkie niezweryfikowane liczby nie dostaną się do wiadomości.
Krok 6 — Ustal kontekst. Sama liczba nie jest nowością. Porównanie (ubiegły rok, podobne instytucje, stosunek liczby ludności), kontekst i opinia ekspercka to zadanie dziennikarza.
Uwaga: najczęstszym błędem dziennikarstwa opartego na danych jest polecenie sztucznej inteligencji „oblicz średnią z tej tabeli” i umieszczenie wyniku bezpośrednio w wiadomościach. AI to model językowy, a nie kalkulator. Niech narzędzie wykona obliczenia, po prostu poproś sztuczną inteligencję o metodę i interpretację.
Analiza metadanych i dokumentów
Oprócz tablic liczbowych dziennikarstwo śledcze zajmuje się także dużymi archiwami tekstowymi: e-mailami, protokołami, umowami. W tym przypadku sztuczna inteligencja może tworzyć mapy relacji, takie jak „kto z kim rozmawiał, kiedy”, „który temat się powtarza”, „które nazwiska są wymienione razem”. Ponownie zasada jest ta sama: AI daje początkową mapę; Każdy link jest potwierdzony w oryginalnym dokumencie, ponieważ sztuczna inteligencja może w przekonujący sposób wyjaśnić link, który nie istnieje.
trzy mini etui
Przypadek 1 — Ukryta kondensacja. Reporter miał arkusz kalkulacyjny dotyczący zamówień publicznych zawierający 2400 wierszy. Kazał sztucznej inteligencji zadać pytania eksploracyjne; Pytanie „ile ofert otrzymał ten sam dostawca?” wysunęło się na pierwszy plan. Reporter nie miał możliwości obliczenia tego przez sztuczną inteligencję; Przeanalizował formułę arkusza kalkulacyjnego zasugerowaną przez samego YZ i odkrył, że jedna firma otrzymała 380 (15,8%) z 2400 pozycji. Sprawdził go ręcznie i numer był prawidłowy. Początkowe „szacunki” sztucznej inteligencji mówiły o 22%, więc jeśli można ufać sztucznej inteligencji, wiadomości będą błędne.
Przypadek 2 — Oszczędność czasu, archiwum e-maili. Ręczne wyszukiwanie informacji o aktualnych tematach w archiwum zawierającym 6000 e-maili zajęłoby kilka dni. Sztuczna inteligencja stworzyła zarys grup tematycznych w 15 minut; Spośród nich reporter wybrał 3 obiecujące grupy i przeczytał oryginalne e-maile. Całkowity czas wyszukiwania został skrócony do ~3 dni, ale każda opublikowana oferta została zweryfikowana dosłownie na podstawie oryginalnej wiadomości e-mail.
Przypadek 3 — Złapano halucynację. Reporter ekonomiczny otrzymał podsumowanie od YZ, z którego wynika, że „wydatki na personel wzrosły o 60% w ciągu jednego roku” z bilansu. Kiedy wrócił do tabeli surowej, zobaczył, że wzrost wyniósł 6% i że sztuczna inteligencja błędnie odczytała jedną cyfrę. Pojedyncza weryfikacja faktów zablokowała fałszywy i pretensjonalny nagłówek w rodzaju „eksplozja 60%”.
Szablony do kopiowania
1) Pytania dotyczące rozpoznawania i odkrywania zbiorów danych:
Podam ci nagłówki kolumn i pierwsze 20 wierszy zbioru danych. Wygeneruj 10 pytań dziennikarskich, które MOŻNA zadać, korzystając z tych danych: dotyczące koncentracji, wartości odstających, skoku w czasie, brakujących/pustych obszarów, powtarzających się aktorów. Brak obliczania liczb; po prostu napisz, jakie pytania warto zadać i dlaczego mogą trafić do wiadomości. Dane: [nagłówki + przykładowe wiersze]
2) Nie dokonywanie obliczeń, ale opisywanie ich:
Chcę przeprowadzić następującą analizę: [np. znajdź całkowitą kwotę oferty i udział procentowy każdego dostawcy]. Chcę to uruchomić samodzielnie w arkuszu kalkulacyjnym. Napisz mi krok po kroku jakie formuły/ustawienia przestawne zainstalować. Wynik obliczenia SEN; po prostu podaj metodę. Moje kolumny: [nazwy kolumn]
3) Polowanie na wartości odstające:
Poniżej podam statystyki podsumowujące (min., maks., średnia, mediana). Wyjaśnij, które wartości są niezwykłe/podejrzane i dlaczego powinienem je sprawdzać w poszukiwaniu nowych wiadomości. Nie dokonuj ostatecznych osądów; Pojawi się lista kontrolna w formacie „należy sprawdzić ręcznie następujące wiersze”. Streszczenia: [tutaj]
4) Mapa powiązań archiwum dokumentów (szkic):
Dam ci zestaw tekstu dokumentu. Wyprowadź w formie PROJEKTU następujące elementy: imiona, które często występują razem, powtarzające się tematy, godne uwagi daty. Zaznacz dokument, z którego pochodzi każdy link, np. [B12]. Nie dodawaj żadnych relacji, które nie są wyraźnie zapisane w dokumencie. Dokumentacja: [tutaj]
Słaba zachęta/silna zachęta
Słaba podpowiedź: „Przeanalizuj ten wykres i podaj wszelkie istotne wnioski”.
Wynik: sztuczna inteligencja wymyśla procenty i średnie, wyobraża sobie anomalie, nie jest jasne, na której linii się opiera. Nie da się tego zweryfikować.
Potężna zachęta: „Podaję kolumny i pierwsze 20 wierszy tej tabeli. (1) Lista analiz, które mogą być warte opublikowania. (2) Zaproponuj formułę arkusza kalkulacyjnego dla każdej analizy, abym mógł ją przeprowadzić. (3) Nie obliczaj żadnych wyników. (4) Zaznacz wiersze do sprawdzenia, np. [S45]”.
Różnica: Silna zachęta pozostawia obliczenia sterowanemu narzędziu, redukując sztuczną inteligencję do roli metody i kierunku; zapobiega przedostawaniu się halucynacji do numeru.
tabela porównawcza
Scena
AI tak
Dziennikarz tak
weryfikacja
Rozpoznawanie danych
Podsumowanie kolumny/wzoru
Zna jednostkę i kontekst
Słownik danych źródłowych
pytania odkrywcze
Generuje listę pytań
Wybiera wartość wiadomości
—
obliczenia
Opisuje metodę
Uruchamia formułę w pojeździe
Ręczne udostępnianie
odstający
zaznacza kandydatów
Patrzy na surową linię
Filtruj i licz
Komentarz/kontekst
rama robocza
Porównanie, ekspert
drugie źródło
Typowe błędy
- Wykonywanie obliczeń AI. Posiadanie sztucznej inteligencji obliczającej średnią, procentową, całkowitą itp. i wykorzystującą wynik; Sztuczna inteligencja często popełnia błędy, pozwól pojazdowi wykonać obliczenia.
- Brak połączenia wyniku z surową linią. Pisanie stwierdzenia „Ta firma wygrała większość przetargów” bez filtrowania tabeli i liczenia.
- Publikowanie liczb bez kontekstu. Podawanie samych liczb bez porównania i współczynnika wprowadza w błąd.
- Przesyłanie wrażliwych danych w niezmienionej postaci. Podanie danych osobowych lub dokumentu ujawniającego źródło pojazdu bez jego oczyszczenia.
- Myślenie, że fałszywy związek jest prawdziwy. Przetwarzanie linku, który AI „widzi” w archiwum, na mapę bez potwierdzania tego w oryginalnym dokumencie.
Podsumowując
W dziennikarstwie danych sztuczna inteligencja jest partnerem w zakresie odkryć i wglądu: skanuje stos, generuje pytania, które należy zadać, opisuje metodę analizy, oznacza kandydatów jako wartości odstające. Jednak zlecanie AI obliczenia samej liczby jest najbardziej ryzykownym błędem; Zleć obliczenia narzędziu podlegającemu audytowi, zweryfikuj każde ustalenie, wracając do surowych danych, a następnie dodaj kontekst i porównanie do liczb. W archiwach dokumentów sztuczna inteligencja udostępnia mapę początkową; Każde łącze jest potwierdzone w oryginalnym dokumencie.
Zadanie aplikacji
Weź zbiór danych, który posiadasz (lub jest publicznie dostępny). Najpierw poproś ich o wygenerowanie 10 pytań z podpowiedzią „Pytania eksploracyjne”. Wybierz pytanie, pobierz formułę z AI za pomocą monitu „Opisz obliczenia” i uruchom ją samodzielnie. Następnie poproś AI bezpośrednio o te same obliczenia i porównaj oba wyniki; Zwróć uwagę na różnicę i płynącą z niej lekcję.
lista kontrolna
- [ ] Zrozumiałem kolumny, jednostki i wrażliwe pola przed przekazaniem danych do narzędzia.
- [ ] Nie pozwalam AI wykonywać obliczeń; Opisuję metodę i uruchamiam ją w narzędziu podlegającym audytowi.
- [ ] Ręcznie weryfikuję każdy wynik, wracając do nieprzetworzonego wiersza.
- [ ] Dodaję porównanie i kontekst do liczby; Nie podaję samych liczb.
- [ ] Potwierdzam każdą relację znajdującą się w archiwum w oryginalnym dokumencie.