Локальные контексты в адаптации искусственного интеллекта: человеческое и машинное понимание казахстанских новостей

Локальные контексты в адаптации искусственного интеллекта: человеческое и машинное понимание казахстанских новостей

Авторы статьи исследуют возможности генеративных моделей искусственного интеллекта применительно к задачам репрезентации новостной повестки Казахстана для глобальной англоязычной аудитории. Цель работы — выявление и систематизация ошибок в функционировании нейросетей, приводящих к искажению смысла оригинальных медиатекстов.

В условиях глобализации медиа, утверждают во введении авторы, важную роль играет адаптация и перевод новостного контента для международной аудитории, особенно в регионах с уникальным культурно-ценностным ландшафтом, таких как государства Центральной Азии. Современные ИИ-модели эффективно переводят тексты, но посредственно решают задачи передачи глубоких локальных контекстов и исторических нюансов. В подобных случаях требуется участие профессионального журналиста, способного распознавать чувствительные темы и корректно их интерпретировать, используя ИИ как вспомогательный инструмент.

В ходе исследования авторами была проведена экспериментальная оценка способности ChatGPT адаптировать русскоязычные новостные тексты для англоязычной международной аудитории и выявлять поверхностные контексты в ограниченных по объему данных. Особое внимание уделялось анализу способности ИИ интерпретировать глубинные локальные контексты — исторические, культурные и социальные аллюзии, которые обычно воспринимаются опытным журналистом или местным читателем, но явно не выражены в тексте. В условиях активного внедрения языковых моделей (LLM) в журналистику вопросы точной передачи аутентичных значений и предотвращения искажений их смысла обретают особую актуальность.

Методика исследования базируется на сравнительном анализе смыслов, выявленных как человеком, так и ИИ в локальных новостных текстах, с последующим смысловым анализом и категоризацией результатов. В качестве эмпирической базы авторы использовали оригинальные новости казахстанских СМИ, отобранные вручную по жанрам и тематике. Для эксперимента применялись два запроса: первый для адаптации текста на английский с разъяснением поверхностных контекстов, второй — для выявления глубоких культурных и социальных значений. При этом для сохранения реалистичности взаимодействия, типичного для журналистской практики, авторы отказались от использования техники «цепочки мышления». Само исследование состояло из двух уровней анализа: первичный выявлял поверхностные контексты и их адаптацию, после чего проводился сравнительный анализ с результатами работы ИИ.

Результаты первого уровня анализа показали, что с учетом объема и типов материалов перевод текстов с русского на английский был выполнен на уровне, не вызвавшим существенных нареканий. ChatGPT успешно адаптировал 11 новостных текстов, точно сохраняя их смыслы и добавляя необходимые пояснения для англоязычной аудитории, включая расшифровку аббревиатур, пояснение географических и временных контекстов. Единственной явной ошибкой ИИ стала путаница в названии двух разных государственных программ, что не вызвало системной проблемы. При этом отмечалось, что и человек-переводчик мог допускать недочеты из-за ограниченного знания контекста и языка.

Второй уровень анализа включал сопоставление глубоких культурных, политических и социальных контекстов, выявленных авторами и ChatGPT, с последующим привлечением экспертов для уточнения и дополнения. Итоговый сравнительный анализ продемонстрировал, что ИИ способен адекватно обнаруживать глубинные контексты, однако экспертная проверка и дополнительный анализ остаются важными для повышения точности и полноты интерпретаций.

Выводы исследовательской работы показывают, что модель ChatGPT демонстрирует высокое качество перевода и адаптации поверхностных контекстов в русскоязычных новостях Казахстана. Однако на втором уровне анализа выявлены характерные искажения при работе с локальными социально значимыми глубинными контекстами. Такая ограниченность, по мнению авторов, связана с универсальным характером обучающих текстовых корпусов, которые не всегда включают регионально-специфичные культурные и исторические сведения, что снижает чувствительность модели к уникальной локальным специфике.

Тем не менее, исследование показало, что ChatGPT способен генерировать нестандартные и альтернативные смысловые интерпретации, отсутствующие у экспертов, что открывает перспективы использования ИИ не только для автоматизации журналистских процессов, но и для синтеза новых идей. Выводы работы, утверждают авторы, имеют практическую значимость для журналистов и редакторов, работающих с международной аудиторией, а также могут быть полезны для усовершенствования методик верификации контента и создания гибридных форм взаимодействия человека и ИИ. Полученные результаты актуальны не только для Казахстана, но и для других билингвальных регионов с русским языком и могут послужить основой для дальнейших исследований в медиалингвистике и цифровой журналистике.

Источник.