A szarkazmust például nem érti, Elon Musk megítélésével nehezen jut dűlőre, viszont egy IKEA-ról szóló cikk elég egyértelműnek tűnik az AI számára: Csizmadia Ádám, az OBSERVER Médiafigyelő és Kutató Kft. ügyvezetője Mesterséges intelligencia integrálása a médiafigyelésbe címmel tartott előadást a Digital Marketing Forumon.
Milyen célt szolgál a médiafigyelés?
A médiafigyelés vagy média monitoring egy olyan tevékenység, amely a médiában megjelenő tartalmak figyelésére és elemzésére irányul azzal a céllal, hogy egy vállalat, szervezet, márka vagy személy számára összegyűjtse a saját magáról, versenytársairól vagy akár az iparágáról szóló információkat, amelyek a print és az online cikkekben, a különböző televíziós és egyéb videóanyagokban, illetve a közösségi médiában megjelennek.
Célunk a média hatalmas terében megtalálni ezeket az információkat, rendszerezni, és a releváns tartalmakat eljuttatni a partnereinknek. Ezeket aztán tovább is lehet elemezni, különböző statisztikai és más adatkezelési szempontokból megvizsgálni, ezt a szolgáltatást kiegészíteni olyan egyéb, adatalapú tevékenységekkel, piackutatással, amelynek révén még átfogóbb képet kaphat egy piaci szereplő arról, milyen értékekkel, visszajelzésekkel bír a médiában a hozzá kapcsolódó brand
– magyarázta Csizmadia Ádám.
Egyre több figyelnivaló van
A hagyományos médiafigyelés munkamódszere alatt azt a több tíz éves, vagy bizonyos szempontokból akár pár éves gyakorlatot értjük, ami még a pre-automatizáció időszakát jelenti. A médiafigyelők ennél összegyűjötték a releváns cikkeket a médiában, kiválogatták a cégek számára, illetve különböző szempontok szerint elemezték azokat.
Ezt a feladatot egy folyamatosan bővülő médiatérben egyre nehezebb ellátni, egyre több munkát, időt követel, és egyre kevésbé tudtunk ezzel a munkamódszerrel megfelelni az ügyfelek igényeinek
– sorolta a médiafigyelés kihívásait a szakember.
A hagyományos médiafigyelést meghaladva – de az AI-t még nem alkalmazva – egyszerűbb automatizmusokat kezdtek el használni a médiafigyelésben, mint amilyen például a kulcsszó alapú keresés. De ez sem volt elég, mert a szövegkörnyezettől is függ, hogy szükség van-e kulcsszót tartalmazó információra.
Tegyük fel, hogy például egy adott településről megjelenő anyagokat kutatunk. Azt tapasztalhatjuk, hogy a város neve rengeteg cikkben szerepel, de ezek nem mindegyike lesz fontos, csak bizonyos szempontok szerinti publikációk. Így ez az automatizmus nem elég a munkához, további szűrőfeltételeket szükséges integrálni a médiafigyelésbe. Ebben a munkamódszerben megint csak az embereknek kell az előszűrt tartalmat továbbválogatnia
– összegezte Csizmadia Ádám. Így érkeztünk el ahhoz a ponthoz, hogy miért van szükség az AI-ra.
Hogyan segít az AI?
A médiafigyelés szempontjából a legrelevánsabbak eszközök a nagy nyelvi alapú modellek (LLM).
A média alapvetően szövegalapú inputot jelent, akkor is, ha hanganyagról vagy videóról van szó, ezeket az AI jól tudja kezelni. Mivel érti is a szövegkörnyezetet, nemcsak megtalál ezekben a szövegekben bizonyos szavakat, hanem értelmezni is képes a szövegkörnyezetet, ami hasznos például névazonosságok esetén, ha egy megbízó neve túl általános, így más, azonos nevű személyeket ki kell zárni a keresésből
– mutatott rá a nehézségekre a szakember.
Szintén a nyelvi modellek előnye, hogy képeket is képesek felismerni, azokon értelmezni akár alakzatokat, szavakat, és ennek szintén sok felhasználási lehetősége van a médiafigyelésben.
Amikor jól teljesített az AI
Csizmadia Ádám több olyan példát is bemutatott, amelyek esetében az általuk használt AI-eszközök hatékonyan dolgoztak.
Az egyik esetben egy olyan cikket vettek alapul, amely az IKEA saját kutatását mutatta be a branddel kapcsolatos megjelenésekről, az írás az eredményekről szólt. Megkérték a mesterséges intelligenciát, értékelje a cikket, hogy az IKEA szempontjából jó, rossz vagy semleges benyomást kelt-e az olvasóban. Az AI semlegesnek ítélte a cikket, ami helytálló volt, mivel alapvetően nem hangzott el értékítélet a céggel kapcsolatban, tárgyszerű volt a bemutatás.
Egy másik példa egy újságcikkből kivágott képről szólt. Ebben az esetben arra kérték az AI-t, hogy mondja meg röviden, milyen autómárka található a képen, ha van rajta ilyen. Azért kérdezték ezt tőle, mert az AI-nak adott esetben több ezer képet is végig kell néznie, amelyek közül sok fotón nem biztos, hogy szerepel a keresendő objektum. Az is fontos volt, hogy röviden válaszoljon, mivel csak adatbázisban kezelhető válaszokkal tudnak tovább dolgozni ezután.
Ezt szépen meg is ugrotta a mesterséges intelligencia, szimplán csak a MAN márkanevet adta nekem vissza. Ez a feladat több ezer fotó esetén jóval gyorsabban végezhető AI-jal, mintha mi próbálnánk meg egyesével megnyitni a cikkeket és végiggörgetni azokat. Az AI a nagy adatmennyiséget is nagyon gyorsan tudja kezelni, habár nem garantált, hogy mindig ilyen pontossággal
– számolt be eredményekről Csizmadia Ádám.
Az AI korlátai
Az OBSERVER tapasztalatai szerint az AI a humort, a szarkazmust még nehezen tudja kezelni.
Ha például humorosan, alapvetően kedves szavakkal kritizálok valakit, de a szövegkörnyezetből sejteni, hogy ez szarkazmus, akkor azt az AI nem érti. Ezt nekünk kezelni kell, ha az adott megjelenések között előfordulhatnak ilyen cikkek, felül kell bírálnunk az AI-t
– világított rá a szakember.
Ugyanakkor a modellek fejlesztései is rejtenek magukban problémákat, ha például kitapasztalták, hogyan kell jól promptolni, melyik prompt hogyan működik, milyen eredményre vezet, milyen hiányosságai vannak, amikre figyelni kell, akkor egy modellváltás után a régi, addig jól működő promptok már nem ugyanúgy hatnak az AI-ra. Ilyenkor mindig felül kell vizsgálniuk a promptokat.
Hoztam rossz példákat is az AI munkavégzéséről. Egy esetben arra kértük, hogy Elon Musk szempontjából vizsgáljon meg egy adott cikket, hogy az rá nézve pozitív, negatív vagy semleges. Negatívként határozta meg, holott a cikk arról számolt be, hogy Elon Musk milyen értékítéletet mondott Zelenszkij elnökről, tehát a negatív értékítélet Zelenszkijt érte, a cikk Elon Musk szempontjából semleges volt
– idézett fel egy esetet a szakember.
Szintén egy Elon Muskra vonatkozó feladat esetében a cikk egy róla megfogalmazott nyilatkozatról szólt. A nyilatkozó pozitív színben tüntette fel Elon Muskot, de egy részben a demokratákról szólva azt írta, hogy kinevethetik őt. Valószínűleg emiatt ítélte úgy tévesen az AI, hogy Elon Musk szempontjából negatív a cikk, pedig inkább pozitív volt.
Emberre mindig lesz szükség
Van az AI-nak egy blackbox jellege is, a fejlesztők sem feltétlenül tudják, hogyan kell egy problémát megoldani. Ha azt látjuk, hogy egy kérdésre következetesen rosszul válaszol, akkor a kísérletezésen kívül nincs nagyon más mód arra, hogy ezt megoldjuk
– összegezte a problémákat Csizmadia Ádám.
A szakember meglátása szerint továbbra is szükség lesz emberi munkára, folyamatos minőségbiztosításra, utólagos ellenőrzésre. Ez végső soron azt fogja eredményezni, hogy a most elemző feladatokat ellátó kollégák később kontrollerként dolgozhatnak tovább.