التخصيص المعتمد على الذكاء الاصطناعي في الوسائط الإعلامية: عبده حقي

إن الذكاء الاصطناعي قد أحدث حدث ثورة في العديد من الصناعات، وأحد القطاعات الأكثر تأثرًا هو قطاع الإعلام. لقد أدى التخصيص الذي يعتمد على الذكاء الاصطناعي، وهي الطريقة التي تقوم فيها الخوارزميات بتخصيص المحتوى بناءً على اختيارات المستخدم وسلوكه، إلى تحويل كيفية استهلاكنا للمحتوى عبر منصات مثل خدمات البث المباشر ووسائل التواصل الاجتماعي ومواقع الأخبار. وفي حين أن الفوائد كبيرة، فإن هذا الاتجاه المتطور يثير أيضًا مخاوف، خاصة فيما يتعلق بإنشاء فقاعات التصفية (1) - بيئات المعلومات حيث يتعرض المستخدمون فقط للمحتوى الذي يتماشى مع معتقداتهم الحالية.

إن التخصيص الذي يعتمد على الذكاء الاصطناعي في وسائل الإعلام يستغل كميات هائلة من بيانات المستخدم لتقديم توصيات المحتوى الأكثر ملاءمة للأذواق الفردية. تستخدم شركات البث العملاقة مثل نيتفليكس وسبوتيفي ويوتيوب، إلى جانب منصات الوسائط الاجتماعية مثل فيس بوك وتيك توك، خوارزميات التعلم الآلي لتحليل سلوك المستخدم - مثل أنماط المشاهدة والإعجابات والمشاركات وسجلات البحث - للتنبؤ واقتراح المحتوى الذي من المرجح أن يجذبهم.

على سبيل المثال، يُقال إن نظام التوصيات الخاص بشركة نتفليكس يحرك 80% من المحتوى الذي تتم مشاهدته على المنصة. تحلل هذه الخوارزمية المتطورة تاريخ مشاهدة المستخدم، وتقارنه بسلوك الآخرين الذين لديهم اختيارات مماثلة، وتقدم توصيات مخصصة. وعلى نحو مماثل، تستخدم سبوتيفاي الذكاء الاصطناعي لتنسيق قوائم التشغيل المخصصة، في حين أن محرك التوصيات الخاص بشركة يوتيوب، الذي يعمل بالذكاء الاصطناعي من جوجل، أمر بالغ الأهمية لإبقاء المستخدمين منخرطين من خلال تقديم محتوى يناسب أذواقهم.

لقد أصبحت التخصيصات التي تعتمد على الذكاء الاصطناعي استراتيجية أساسية لشركات الإعلام التي تسعى إلى تحسين تجربة المستخدم وزيادة المشاركة ودفع الربحية. ومن خلال تقديم المحتوى "الصحيح" للمستخدمين في الوقت المناسب، يمكن للشركات أن تبقيهم منخرطين لفترات أطول، وتقلل من معدل التسرب، وتعزز ولاء المستخدمين. وكلما كانت التجربة أكثر تخصيصًا، زادت احتمالية عودة المستخدمين، مما يخلق حلقة مفرغة من المشاركة والاحتفاظ.

تعتمد عملية التخصيص التي تعتمد على الذكاء الاصطناعي على تقنية التعلم الآلي، وهي مجموعة فرعية من الذكاء الاصطناعي تسمح للأنظمة بالتعلم من البيانات وتحسين أدائها بمرور الوقت. تستخدم هذه الخوارزميات طرقًا مختلفة لتحليل بيانات المستخدم واكتشاف الأنماط التي يمكن أن تساعد في تقديم التوصيات المستقبلية. تتضمن بعض التقنيات الأكثر شيوعًا ما يلي:

الفلترة التعاونية : تحلل هذه الطريقة الأنماط في سلوك المستخدم، وتحدد المستخدمين الذين لديهم اختيارات مماثلة وتقدم توصيات بناءً على ما يفضله المستخدمون المتشابهون أو يستهلكونه. على سبيل المثال، إذا كنت أنت ومستخدم آخر تشاهدان الكثير من الأفلام الوثائقية، فقد توصي المنصة بعروض أو أفلام استمتع بها المستخدم الآخر ولكنك لم تشاهدها بعد.

 

الفلترة القائمة على المحتوى : في هذا النهج، تقوم الخوارزمية بتحليل خصائص المحتوى (مثل الأنواع أو الممثلين أو الموضوعات) الذي يتفاعل معه المستخدم وتوصي بمحتوى آخر له سمات مماثلة. على سبيل المثال، إذا كنت تشاهد أفلام الإثارة أو الخيال العلمي بشكل متكرر، فستقترح الخوارزمية عناوين مماثلة، حتى لو لم تكن شائعة بين المستخدمين الآخرين.

الأنظمة الهجينة : تستخدم العديد من المنصات مزيجًا من التصفية التعاونية والتصفية القائمة على المحتوى لتحسين توصياتها. يمكن لهذا النهج الهجين زيادة الدقة من خلال الاعتماد على نقاط بيانات متعددة، مما يساعد الخوارزميات على التنبؤ باختيارات المستخدم بشكل أفضل.

وتعتمد فعالية هذه الخوارزميات في تقديم محتوى مخصص على الكم الهائل من البيانات التي يتم جمعها من المستخدمين. ويتم تحليل كل نقرة وإعجاب ومشاركة ووقت مشاهدة لضبط التوصيات. ومع ذلك، فإن هذا النهج القائم على البيانات، على الرغم من قوته، يثير مخاوف بشأن الخصوصية وأمن البيانات. وكثيراً ما يزود المستخدمون المنصات ببيانات شخصية، إما عن علم أو بغير علم، مما يؤدي إلى تساؤلات أخلاقية حول كيفية استخدام هذه المعلومات.

فوائد التخصيص المدعوم بالذكاء الاصطناعي

تتمتع عملية التخصيص المدعومة بالذكاء الاصطناعي بمزايا عديدة للمستخدمين وشركات الإعلام.

تجربة مستخدم محسّنة : تساعد توصيات المحتوى المخصصة المستخدمين على اكتشاف المحتوى بسهولة أكبر، مما يوفر تجربة سلسة مصممة لتناسب أذواقهم. وهذا يعني قضاء وقت أقل في البحث عن شيء لمشاهدته أو قراءته وقضاء وقت أطول في الاستمتاع بالمحتوى ذي الصلة.

زيادة المشاركة : تعمل التخصيصات على تعزيز المشاركة، حيث يصبح المستخدمون أكثر ميلاً إلى التفاعل مع المحتوى الذي يتماشى مع اهتماماتهم. ومن خلال تقديم محتوى جديد وذو صلة بشكل مستمر، يمكن للمنصات الحفاظ على انتباه المستخدم لفترات أطول.

فرص تحقيق الربح : بالنسبة لشركات الوسائط، غالبًا ما تؤدي التوصيات المخصصة إلى زيادة تفاعلات المستخدم، وهو ما قد يترجم إلى زيادة إيرادات الإعلانات أو الاشتراكات أو المشتريات. وقد استفادت المنصات المتميزة في التخصيص، مثل نيتفليكس والامازون، من هذه التقنيات لتصبح لاعبين مهيمنين في صناعاتها الخاصة.

اكتشاف المحتوى : تعمل الأنظمة التي تعمل بالذكاء الاصطناعي على تعريف المستخدمين بمحتوى ربما لم يتمكنوا من العثور عليه بطريقة أخرى، مما يساعدهم على توسيع اهتماماتهم واكتشاف أنواع أو مبدعين جدد.

المخاطر: فقاعات الترشيح وغرف الصدى

وعلى الرغم من هذه الفوائد، فإن التخصيص الذي يعتمد على الذكاء الاصطناعي يطرح تحديات أيضا، وخاصة خطر فقاعات الترشيح وغرف الصدى. وتحدث فقاعات الترشيح عندما تقوم خوارزمية بتخصيص المحتوى على وجه التحديد بما يتناسب مع اختيارات المستخدم بحيث لا يتعرض إلا للمعلومات التي تؤكد معتقداته الحالية، مما يؤدي إلى رؤية ضيقة للعالم. وهذا أمر مثير للقلق بشكل خاص عندما يتعلق الأمر بالأخبار ووسائل التواصل الاجتماعي، حيث يمكن أن يساهم التعرض المتحيز أو المحدود للمعلومات في الاستقطاب السياسي والتضليل.

يشير مصطلح "غرفة الصدى" إلى تعزيز وجهات نظر الشخص السابقة من خلال التعرض المتكرر لمحتوى مماثل. في غرفة الصدى، يتم تصفية الآراء المعارضة، ويتم تغذية المستخدمين باستمرار بمحتوى يتماشى مع تحيزاتهم. تعرضت منصات التواصل الاجتماعي مثل فيس بوك وتويتر لانتقادات بسبب مساهمتها في هذه الظاهرة، وخاصة في السياقات السياسية حيث تعطي الخوارزميات الأولوية للمحتوى الذي يولد أكبر قدر من المشاركة، وغالبًا ما تفضل المنشورات المثيرة أو المشحونة عاطفياً.

وقد يكون هذا التأثير إشكالياً بشكل خاص في استهلاك الأخبار والمعلومات. فقد لا يواجه المستخدمون في فقاعة التصفية وجهات نظر متعارضة، مما يؤدي إلى تصور مشوه للواقع. على سبيل المثال، أثناء الانتخابات أو الأحداث السياسية الكبرى، قد تؤدي فقاعات التصفية إلى تلقي الناخبين فقط للأخبار التي تعزز آرائهم الحالية، مما يجعل من الصعب عليهم تقييم وجهات النظر الأخرى بشكل نقدي.

ورغم أن المخاطر المرتبطة بفقاعات الترشيح وغرف الصدى كبيرة، فإن بعض الاستراتيجيات يمكن أن تخفف من هذه التأثيرات. وتستكشف منصات الوسائط بشكل متزايد طرق تحقيق التوازن بين التخصيص والتعرض لمحتوى متنوع. وتشمل بعض الأساليب ما يلي:

شفافية الخوارزمية : يمكن للمنصات أن توفر للمستخدمين مزيدًا من المعرفة حول كيفية إنشاء توصياتهم، مما يسمح لهم بفهم العوامل التي تؤثر على خلاصات المحتوى الخاصة بهم واتخاذ خيارات أكثر استنارة.

التحكم في المستخدم : إن السماح للمستخدمين بتخصيص مدى التخصيص يمكن أن يساعد في التخفيف من فقاعات الفلترة. تتيح الميزات مثل التبديل بين التوصيات الأوسع أو الأكثر تنوعًا للمستخدمين القدرة على الخروج من فقاعاتهم بنشاط.

اختيار المحتوى من قبل البشر : في حين أن الذكاء الاصطناعي يدير معظم محركات التوصية، فإن الاختيار البشري للمحتوى يمكن أن يكمل الخوارزميات من خلال ضمان مجموعة أوسع وأكثر توازناً من المواد.

خاتمة

إن التخصيص الذي يعتمد على الذكاء الاصطناعي في وسائل الإعلام يوفر فوائد لا يمكن إنكارها، مثل تحسين تجارب المستخدم، وزيادة المشاركة، والطرق المبتكرة لاكتشاف المحتوى. ومع ذلك، فإن المخاطر المحتملة - وخاصة إنشاء فقاعات الترشيح وغرف الصدى - تشكل تحديًا للمجتمع. ومع استمرار شركات الإعلام في الابتكار باستخدام الذكاء الاصطناعي، من الضروري تحقيق التوازن بين التخصيص والحاجة إلى عرض محتوى متنوع. سيكون الاستخدام المسؤول للذكاء الاصطناعي والاستراتيجيات للتخفيف من هذه المخاطر أمرًا بالغ الأهمية لضمان بقاء المشهد الإعلامي الرقمي جذابًا وغنيًا بالمعلومات.

Posted in: مقالات إعلامية