ترجمه جعبه سیاه هوش مصنوعی؛ توماس تَگو چگونه به روزنامه‌نگاران غنایی کمک می‌کند تا هوش مصنوعی را قابل‌فهم کنند
با گسترش استفاده از هوش مصنوعی در زندگی روزمره مردم غرب آفریقا، دکتر توماس آماتی تَگو، عصب‌شناس و مروج علم، در برنامه بورسیه «برتری رسانه‌ای در فناوری‌های نوظهور» (UK MEET) حضور یافت تا ابزارهای عملی لازم را در اختیار روزنامه‌نگاران قرار دهد و به آن‌ها کمک کند فناوری‌های پیچیده را برای عموم مردم قابل‌فهم کنند. تَگو مدرس ارشد دانشگاه غنا و از بنیان‌گذاران مجموعه G.H.Scientific است.
او در کارگاهی با عنوان «ویدئوی هوش مصنوعی: ترجمه جعبه سیاه» یک کلاس آموزشی عملی و فشرده برای شرکت‌کنندگان برگزار کرد. این کارگاه بخشی از برنامه بورسیه UK MEET بود که دولت بریتانیا با همکاری Imperial Global Ghana و با حمایت کالج امپریال لندن برگزار می‌کند.
این نشست در چارچوب بخشی از برنامه بورسیه برگزار شد که بر بررسی انتقادی فناوری تمرکز داشت. تَگو روشی عملی در اختیار خبرنگاران گذاشت تا فاصله میان مفاهیم پیچیده فناوری و درک روزمره مردم را کاهش دهند.
محور اصلی کارگاه تَگو، یک اصل اساسی در ارتباطات بود: ارتباط زمانی کامل می‌شود که مخاطب واقعاً پیام را درک کند. این فرایند باید مسیری روشن را از کسب دانش به درک موضوع و در نهایت به اقدام طی کند. او با تأکید بر اینکه خبرنگاران نباید به اصطلاحات فنی بسنده کنند، گفت: «دقیق بودن لزوماً به معنای مفید بودن نیست.»
تَگو برای روشن‌کردن این نکته، توضیحی پیچیده و فنی درباره مدل‌های تولید مصنوعی صدا را با هشداری روشن و کاربردی درباره کلاهبرداری‌های خدمات پول همراه تلفن همراه مقایسه کرد. این مثال نشان داد که گزارش‌های خبری باید اطلاعاتی فوری و قابل‌استفاده در اختیار شهروندان قرار دهند، نه اینکه با اصطلاحات تخصصی آن‌ها را سردرگم کنند.
او در گفت‌وگویی اختصاصی گفت: «روزنامه‌نگاران نقش پلی میان افراد دارای تخصص فنی و کسانی را دارند که از این تخصص برخوردار نیستند. در شرایطی که هوش مصنوعی هر روز پیچیده‌تر می‌شود، دیدن اینکه این برنامه بورسیه به تقویت این پل کمک می‌کند، بسیار خوشحال‌کننده است.»
تَگو برای کمک به خبرنگاران در توضیح سریع مفاهیم پیچیده، چارچوبی ساختاریافته برای تهیه ویدئوهای توضیحی ۶۰ثانیه‌ای معرفی کرد. این چارچوب چهار بخش دارد: بیان زمینه موضوع، ساده‌سازی پیام اصلی، روشن‌کردن یک برداشت نادرست رایج و ارائه گامی عملی که بینندگان بتوانند بردارند. کل توضیح باید با آهنگی آرام و در کمتر از ۱۴۰ کلمه گفتاری ارائه شود.
او تأکید کرد که مقایسه‌های مؤثر باید با شرایط و تجربه‌های محلی متناسب باشند و برای توضیح سازوکارهای انتزاعی، نمونه‌هایی آشنا از زندگی روزمره مردم غنا ارائه داد. برای مثال، داده‌های آموزشی هوش مصنوعی را به کمک‌راننده یک مینی‌بوس عمومی محلی، موسوم به «تروترو»، تشبیه کرد که همه ایستگاه‌های اتوبوس آکرا را می‌شناسد، اما در تاماله سردرگم می‌شود. او همچنین توهم‌زایی چت‌بات‌ها را به رهگذری کنار جاده تشبیه کرد که با اطمینان به راننده‌ای گم‌شده مسیر می‌دهد، درحالی‌که خودش هم راه را نمی‌داند.
در بخش تعاملی کارگاه، شرکت‌کنندگان از میان ۱۲ موضوع فنی مرتبط با «جعبه سیاه» هوش مصنوعی، از جمله تشخیص چهره، امتیازدهی اعتباری در برنامه‌های وام‌دهی و اسکن‌های پزشکی مبتنی بر هوش مصنوعی، موضوعی را انتخاب کردند و متن‌هایی ۶۰ثانیه‌ای متناسب با مخاطبان واقعی در غنا نوشتند؛ مخاطبانی مانند فروشنده وااکیه، یکی از غذاهای محلی، یا یک معلم مدرسه.
خبرنگاران با پیروی از این اصل که «اجازه دهید هوش مصنوعی کمک کند، اما هرگز اجازه ندهید تصمیم بگیرد»، از ابزارهای هوش مصنوعی برای بهبود و روشن‌ترکردن ایده‌های خود بهره گرفتند، اما همه اطلاعات را با منابع انسانی راستی‌آزمایی کردند. سپس متن‌های اولیه در معرض آزمونی با عنوان «آزمون ارتباط با مخاطب» قرار گرفتند؛ تمرینی برای ارزیابی همتایان که در آن هر شرکت‌کننده نقش مخاطب هدف را بازی می‌کرد تا مشخص شود آیا پیام اصلی روشن، دقیق و قابل‌اقدام است یا خیر.
تَگو در پایان از روزنامه‌نگاران خواست سه عادت را به‌طور دائمی در کار تحریریه خود نهادینه کنند: ابتدا گام عملی موردنیاز مخاطب را بنویسند، متن‌ها را با یک فرد واقعی بیازمایند و هرگز مشخص‌کردن مسئولیت‌ها را در صورت خطای یک الگوریتم از قلم نیندازند.
نشست دکتر توماس تَگو با پیوندزدن توضیحات فنی به واقعیت‌های محلی و توانمندسازی مخاطبان، الگویی کاربردی برای تحریریه‌های خبری غرب آفریقا ارائه کرد؛ الگویی که به خبرنگاران کمک می‌کند به راهنمایانی قابل‌اعتماد تبدیل شوند و برای منافع عمومی، پرده از پیچیدگی‌های هوش مصنوعی بردارند.