从自动化内容製作到协助事实核查工作，人工智能 (AI) 近年来在新闻业的应用越趋广泛；同时，演算法为媒体机构提供的机会也更显着。
人工智能技术尤其能在提高女性在新闻报道的代表性上发挥作用。英国《金融时报》的机器人 She said He said 是最早的例子之一；自 2018 年推出以来，它帮助了这以伦敦为总部的新闻编辑室识别报道中的消息来源多元性。
世界各地的新闻机构同样以不同方式利用人工智能技术来协助他们分析和识别报道中的偏见、探测针对女性的仇恨言论等。
以下是部份例子。
分析媒体中的偏见
Sahiti Sarva 是一位专门以数据科学来研究政策的工程师，她在 2021 年与 Leonardo Nicoletti 合着了一篇题为 When Women Make Headlines（当女性成为头条新闻）的视象专文，分析女性在新闻报道中的代表性。Sarva 和 Nicoletti 的团队为该项目分析了印度、美国、英国和南非的 50 份最大型刊物中超过 10 年的头条新闻。
月前，Sarva 在由伦敦经济学院的 JournalismAI 项目主办的在线工作坊上阐释了他们的分析进路：“我们抓取了所有包含 20 个与妇女、女孩、女性等同义的关键词的标题，然后我们得到了大约 382,139 英语新闻头条。”
这意味着大量的数据。“你以为人工智能会让事情变得更容易，” 然而 Sarva 在为本文撰写的採访中说，在开始应用任何演算法之前，还有很多工作要先行处理，如清理、去掉无用的词，找到合适的代码包去使用。她说，一般情况下，“你需要对将要使用的数据发挥一些创意。”
“我们继续创建了自己的词典，用于计算新闻标题中的性别偏见，” Sarva 在 JournalismAI 工作坊上解释说。“[这包括] 像女演员、女儿、妻子这类性别化修辞，以及围绕性别的行为及社会刻板印象，比如情感支持和关顾。”
团队组建了词典后，他们就会使用一种称为 “情绪分析” 的机器学习方法来了解女性登上头条新闻的呈现模式。“我们发现这当女性成为头条新闻时，有关的故事往往非常耸人听闻；比我们阅读的一般标题更耸人听闻，而且随着时间的推移，这个数字是有增无减的。这可能是因为当女性成为头条新闻时，这些故事往往更倾向涉及暴力，比有着赋权 [效果] 的故事多出两倍，” Sarva 说。
监察厌女的话语
作为公众人物，女性经常成为社交媒体的受攻击目标。谁是肇事者呢？来自巴西的 AzMina、阿根廷的 La Nación 以及拉丁美洲的 CLIP 和 DataCrítica 的记者早前就向 AI 寻求答案。
他们一起开发了一个网络应用程序来发掘 Twitter 上针对女性的仇恨言论。AzMina 的 Bárbara Libório 在同一个 JournalismAI 工作坊上说：“由于意识到仇恨言论的升级，尤其是针对女性的仇恨言论，我们的项目希望能够快速而果断地监察政客何时发起这些厌女的攻击。”
该应用程序发现，这些攻击往往来自政客，以及其他公众人物。“[这] 引发了真正的仇恨言论浪潮，” Libório 解释说，“因为他们的支持者决定更密集地针对这些女性。”
她续说，如果你想要一个模型来探测厌女的信息，人工智能技术必须先了解什麽才算针对女性的仇恨言论。Libório 的团队于是展开第一步，创建了一个例子数据库，用来标注哪些推文属厌女言论。
在人工智能学会了这个过程后，她的团队就开始评估它在识别针对女性的仇恨言论方面的效用。他们创建了一个计分系统，以葡萄牙语和西班牙语进行了测试。
准备好这模型后，他们创建了一个 Web 应用程序来帮助用户分析文本和档案。Libório 希望他们可以与其他希望在社交媒体上纪录性别暴力的倡议计划分享他们的模型之原型。
技术辅助仅是起点
JournalismAI 的项目经理 Sabrina Argoub 说：“人工智能技术可以大大地帮助支持记者更好地完成工作。” 在谈及女性在新闻中的代表性时，她说，人工智能可以用来提高透明度和问责精神，同时提昇认知意识。AIJO 项目就是一个例子，该项目分别比较男性和女性在文章中被引用或在视觉新闻中被呈现的比率。
然而，Argoub 指出，AI 并不是万灵丹。要在这个问题上取得真正的进展，新闻编辑室和记者的支持是必要的。
“机器可以提供数据并帮助我们检视自己的工作做得有多好，这的确是好的，” 她说。“[但] 要採取行动，解决女性在新闻中代表性不足问题的前提和目标，需要由新闻编辑室和记者本身来带动。”
图片来源：Alexis Brown on Unsplash.
阅读的其他作品
