好的，根據提供的文字記錄，紐約時報的機器學習工程師兼記者 Dylan Freedman 在演講中，詳細闡述了紐約時報在調查報導中運用人工智慧 (AI) 的主要論點。以下將針對這些論點進行詳盡解釋：
核心論點一：人工智慧主要作為調查報導過程中的「背景元素」或「輔助工具」，而非取代記者的核心判斷。
這是整個演講中最為重要的基礎論點。 Dylan Freedman 一開始就明確指出，紐約時報在調查報導中大量使用 AI，但其角色主要是在幕後協助，作為一個背景元素。 AI 並非獨立完成報導或做出最終判斷的主體。這強調了 AI 在新聞業中的定位：它是一個強大的技術工具，旨在增強記者的能力，處理海量資訊，找出潛在線索，但最終的資訊驗證、重要性判斷、故事撰寫以及倫理考量，仍然由人類記者掌握。
這種「人機協作」模式體現在許多層面。例如，在處理影片或文字資料時，AI 可以先進行初步的篩選或分數評定（例如 0 到 10 分），標示出可能相關或重要的片段，然後由記者手動審查每一個標示出來的範例。這確保了人類的判斷和專業知識始終處於主導地位，記者可以根據經驗和對背景知識的理解，做出最終的決定，判斷哪些資訊真正具有新聞價值或與調查相關。 AI 的作用是極大地提高了記者的工作效率，讓他們能夠在過去不可能處理的龐大資料中尋找關鍵資訊，但並未剝奪記者的決策權。這種模式確保了報導的準確性和深度，同時避免了僅依賴機器可能產生的誤判或偏頗。
核心論點二：人工智慧擅長處理海量數據，協助記者在龐大資訊中尋找「大海撈針」式的關鍵細節。
Dylan Freedman 透過多個案例研究，反覆強調了 AI 在處理巨量數據方面的卓越能力。無論是長達數年的電視新聞片段文字記錄、數千張政府網站截圖，還是數十萬字的內部文章檔案，這些資料量都遠遠超出了人類記者在合理時間內手動審查的範疇。 AI 的強大運算和分析能力使其成為處理這些數據的金鑰。
在參議院聽證會的案例中，記者需要審查某位官員過去十年在電視上的所有發言。這涉及到海量的影片和文字記錄。 AI 被用來快速掃描這些記錄，尋找與特定敏感主題相關的內容。記者不需要觀看或閱讀每一個字，AI 可以幫助他們迅速定位到可能包含重要資訊的片段。同樣，在「消失的字詞」調查中，AI 被用於從五千多張網站截圖中提取文字。如果沒有 AI 的光學字元辨識 (OCR) 能力，手動輸入或複製這些文字將是一項天文數字般的任務。
這種「大海撈針」的能力，正是 AI 在調查報導中最具變革性的應用之一。它使得記者能夠挑戰更大規模、更複雜的數據集，從中發掘出隱藏的模式、變化或關鍵證據，從而開展更深入、更全面的調查。
核心論點三：人工智慧特別適用於資訊的「轉換」和「增強搜尋」，能夠超越簡單的關鍵字匹配，理解語境和概念。
除了處理數據量，AI 的另一個主要優勢在於其處理不同格式資訊以及理解語義的能力。
* 資訊轉換 (Transformation)： AI 可以將一種格式的資料轉換為另一種更容易分析的格式。例如，將影片轉換為文字記錄，或者將圖片（截圖）轉換為可編輯和搜尋的文字。這使得原本難以直接分析的非結構化數據，變成了 AI 和記者都可以進一步處理的結構化數據。在政府網站截圖的案例中，AI 的 OCR 功能就是典型的資訊轉換應用，將圖片中的文字提取出來進行比較分析。
* 增強搜尋 (Enhanced Search)： AI，特別是大型語言模型 (LLM) 和語義搜尋 (Semantic Search)，能夠執行比傳統關鍵字搜尋更為智能和 nuanced 的匹配。
* 不精確匹配 (Inexact Match)： 在搜尋相關主題時，AI 不僅能找到完全匹配的詞語，也能找到意思相近或語義相關的表達。
* 語境理解與意圖判斷 (Contextual Understanding and Intention）： LLM 能夠理解句子甚至段落的語境，從而推斷出隱含的意義。 Pete Hegseth 案例中，LLM 能夠僅憑「Hrix」這個詞（一個金酒品牌名稱）和隨後的「讓我想起其他事情」這句話，就判斷出這可能與酒相關，儘管「Gin」這個詞並未被明確提及。這遠遠超出了簡單的關鍵字搜尋能力。
* 概念理解 (Conceptual Understanding）： 語義搜尋能夠理解詞語背後的概念。在分析紐約時報自身旅遊專欄的案例中，記者想了解他們是否早期就討論過「永續性」(sustainability) 這個概念。如果只用關鍵字搜尋，可能因為早期報導使用了不同的詞語而漏掉。語義搜尋則能理解「永續性」的核心思想，並找出早期雖然沒有使用這個詞，但內容上探討了相關概念的文章。這使得記者能夠追溯和分析主題的演變，而不會受到語言變化的限制。
這兩種能力結合，使得 AI 不僅能幫助記者找到他們明確知道在尋找的東西，更能發現那些他們可能沒有預料到，但通過語境和概念關聯起來的重要資訊。
總結主要論點：
Dylan Freedman 的演講核心在於展示紐約時報如何將 AI 融入其調查報導流程，強調 AI 的作用是輔助性的背景工具，旨在透過處理和分析海量複雜數據來擴展記者的能力。 AI 尤其擅長進行資訊的格式轉換以及執行能夠理解語境和概念的「增強搜尋」，從而在堆積如山的資料中精準地找到關鍵的「針」。然而，所有這些 AI 的工作成果都需要經過人類記者嚴格的手動審查和最終判斷，確保了報導的準確性、深度和新聞專業主義。這種人機協作模式，極大地提升了紐約時報進行大規模、數據驅動型調查報導的效率和可能性。 AI 的應用範圍廣泛，從事實核查政客言論，分析政府政策變化，到挖掘自身新聞檔案的歷史趨勢，都顯示了其作為現代新聞工具箱中不可或缺的一部分的價值。