الآن بعد أن أصبح لديك فكرة أفضل عن التعلم الآلي وما هي الأساليب المختلفة لتدريب نموذج ما، ربما تتساءل عن كيفية مساعدة التعلم الآلي في عملك اليومي. سوف يناقش هذا الدرس ذلك بالضبط. 

لم يقم أحد بتأطير هذه المحادثة بطريقة أكثر فاعلية من Quartz AI Studio. في الفقرات التالية، سوف نستعير نموذجهم (بإذنهم) لمساعدتك على فهم بعض المواقف والمشاعر التي قد تكون لديك عندما يساعدك التعلم الآلي.

تميل الأفلام المتعلقة بالصحافة إلى تمجيد التحقيقات حيث يقضي الصحفيون أشهرًا في قراءة صناديق الوثائق في غرفة بدون نوافذ للكشف عن قصص الفساد الكبيرة. ماذا لو استطعنا تحقيق نفس النتائج في وقت أقل؟

يمكن أن يساعدك التعلم الآلي في القيام بذلك بالضبط، ولهذا السبب يتم استخدامه بالفعل من قبل الصحفيين الاستقصائيين في جميع أنحاء العالم.

في عام 2019، تلقى الاتحاد الدولي للصحفيين الاستقصائيين (ICIJ) أكثر من 700000 وثيقة مسربة، تُعرف مجتمعة باسم تسريبات لواندا. من أجل تحليل جميع هذه الملفات، تعاون الاتحاد الدولي للصحفيين الاستقصائيين مع (Quartz)، حيث بنى فريق التحقيق التابع لها نموذجًا للتعلم الآلي لمساعدة الصحفيين في العثور على أنواع الوثائق التي توقعوها في الذاكرة المؤقتة للتسريبات.

قد يواجه الصحفي نوعا آخرا من التحدي عند العمل على قصة وهو القدرة على مقارنة مجموعة من الوثائق مع مجموعة ذات طبيعة مماثلة. على سبيل المثال، قد يرغب مراسل سياسي في مقارنة خطب حالة الاتحاد الخاصة برئيس واحد مع تلك التي أعلنها رئيس آخر بعد عقد من الزمان.

يحدث أن هذا هو تحدٍ آخر للتعلم الآلي وهو جيد جدًا في التعامل معه.

في عام 2017، استخدمت المنظمة غير الربحية (ProPublica) نموذج حاسب آلي لتحليل البيانات الصحفية الصادرة عن أعضاء فرديين في الكونغرس الأمريكي مقارنةً بجميع البيانات الصحفية للكونغرس التي تم نشرها خلال هذه الفترة. وقد سمح هذا للصحفيين بمعرفة الموضوعات التي كان أعضاء الكونغرس يهتمون بها أكثر، أو على الأقل تحدثوا عنها أكثر من أقرانهم.

يتم تصوير عالمنا ملايين المرات في اليوم. وهذا يترجم إلى كمية غير مسبوقة من الصور التي قد يجد الصحفيون قصصًا فيها. إذا كانت هناك طريقة فقط لتعليم أجهزة الحاسب الآلي العثور على تفاصيل محددة في قاعدة بيانات المعلومات المرئية... أنت تعرف إلى أين سوف يؤدي هذا: استخدم التعلم الآلي.

استخدمت وكالة صحافة البيانات الأوكرانية Texty التعلم الآلي للكشف عن مناجم الكهرمان غير القانونية في جميع أنحاء أوكرانيا. من خلال الجمع بين خوارزميات مختلفة، حيث تمكنوا من تدريب نظام التعلم الآلي على الأمثلة الحالية للتعدين الكهرماني، حتى يتمكنوا من العثور على أمثلة جديدة في مجموعة من صور الأقمار الصناعية.

تضمنت القصة الناتجة خريطة على الإنترنت حيث يمكن للمشاهد من خلالها تكبير صور مناجم الكهرمان في جميع أنحاء البلاد.

الكلمات والصور والآن الأرقام. ومن بين الأشياء العديدة التي يمكن أن تؤديها أجهزة الحاسب الآلي أفضل من البشر، معالجة البيانات الرقمية على نطاق واسع. إذا كانت لديك آلاف السجلات الرقمية لتحليلها، خاصةً إذا كنت تريد تحديد الأنماط وأوجه التشابه، فأنت تتعامل مع حالة أخرى يمكن للتعلم الآلي أن يساعدك فيها.

وهذا ما فعلته BuzzFeed News في عام 2017 لقصتها عن طائرات التجسس الخفية، والتي أحدثت بعض الجدل كواحدة من الأمثلة المبكرة رفيعة المستوى للصحافة التي تطبق التعلم الآلي لأغراض إعداد التقارير.

تك تدريب جهاز حاسب آلي للعثور على طائرات المراقبة من خلال السماح لخوارزمية "الغابة العشوائية" بالفرز للطائرات ذات أنماط الطيران، التي تشبه تلك التي يديرها مكتب التحقيقات الفدرالي ووزارة الأمن الداخلي.

مناجم الكهرمان، وفضائح الفساد، وطائرات التجسس، وخطاب حالة الاتحاد…. يمكن أن يكون التعلم الآلي مفيدًا جدًا في دعم عملك من خلال زيادة قدرتك على العثور على القصص المهمة وسردها بالبيانات.

الآن، ورغم ذلك، يجب أن يكون من الواضح أيضًا أن التعلم الآلي ليس سحرًا. يمكنك أن تقول أنه لا يمكن أن يفعل أي شيء لا يمكنك فعله - إذا كان لديك فقط ألف متدرب مجتهدون يعمل من أجلك.

الأمر متروك لك تمامًا في التفكير فيما إذا كان التعلم الآلي هو الأداة الصحيحة للمساعدة في القصة التي تريد الإبلاغ عنها. بعد إجراء هذا التقييم، يمكنك الاعتماد على التعلم الآلي لمساعدتك في التدقيق في كمية معلومات غير قابلة للإدارة، وتمكين كتابتك الصحفية من خلال النتائج.