新闻媒体中的生成AI：这里有6个原则来解决多样性和包容性问题（这只是很好的新闻报道）。
人工智能在多样性方面面临深层次的问题：机器学习算法受历史数据影响可能存在制度性歧视，自然语言处理和生成式人工智能也面临同样的问题，而人工智能行业本身也面临多样性挑战。
令人惊讶的是，围绕生成式人工智能的讨论在该行业出现，却迄今未能涉及这些问题：英国监管机构Ofcom本月早些时候发布的新闻稿没有提及；美国广播电视数字新闻协会的新指南也没有提及。BuzzFeed从其对该技术的使用中吸取的经验和讨论未涉及此问题；虽然受到该技术的影响，但CNET的政策没有提到偏见。
Wired在关于使用生成 AI 的声明中提到了偏见，但仅涉及生成内容的部分，而没有涉及生成想法或研究的部分。我见过的组织中最接近的是卫报新发布的原则，在广泛的范围内提到“防范偏见”。但是看看WAN-IFRA所进行的行业调查中有关生成 AI 的主要关注点，你不会看到偏见被提及。
而“多样性”这个词呢？在这些文件中你找不到它。
这就是为什么我和伯明翰城市大学的同事Diane Kemp和Marcus Ryder两周前坐下来起草一些核心原则，以开启关于这个问题的重要讨论。
使用生成型人工智能与多元包容的负责任新闻学原则六项
使用生成AI和多样性和包容性的负责任新闻使用的六项原则旨在提供一个起点，讨论我们如何确保涉及生成AI的新实践和工作流程不重复历史上的错误，并确保新闻记者有一些实用的技巧开始尝试生成工具。
原则是：
- 注意内置偏差：很容易忘记，生成式人工智能本质上具有偏见，就像任何来源一样。我们需要确保记者从这个角度开始考虑，这会导致...
- 将多样性融入您的提示：良好的提示编写对于有效使用人工智能至关重要，就像优秀的记者知道如何询问好问题一样，他们也应该知道如何编写好的提示-这包括确保多样性得到积极提示。
- 认识到来源材料和引用的重要性：这是另一项熟悉的新闻技巧：我们应该始终知道信息的来源，并确保这些来源不仅代表最响亮的声音。例如，当被提示“20世纪最重要的20位演员是谁？”时，ChatGPT没有列出任何有色彩的演员；当被问及温斯顿·丘吉尔或美国开国元勋时，它未包含重要的关键事实。我们会反驳人类的这些答案，所以对于生成式AI来说，做同样的事情非常重要。
- 报告错误和偏见：人工智能仍在学习中-了解您的使用如何反馈到其中非常重要。
- GAI 生成的文本应该以新闻学的怀疑态度来看待：再次强调一个核心新闻学特征（我会争辩认为生成 AI 生成文本的能力将被证明是它较不实用的应用之一）。
- 在适当的情况下保持透明：AI的应用范围非常广泛，很难说你应该总是透明，但这应该是一个考虑因素。
这些原则是起点。我们非常欢迎您提供反馈、示例、技巧和其他想法，以便我们继续完善它们。
该帖子最初发布于在线新闻博客上。
