Jetzt, wo Sie ein besseres Gespür dafür haben, was maschinelles Lernen ist und welche verschiedenen Ansätze es für die Ausbildung eines Modells gibt, fragen Sie sich wahrscheinlich, wie maschinelles Lernen in Ihrer täglichen Arbeit helfen kann. In dieser Lektion wird genau das behandelt. 

Niemand hat diese Diskussion effektiver eingerahmt als das Quartz AI Studio. In den folgenden Absätzen leihen wir uns ihr Modell (mit Erlaubnis), um Ihnen zu helfen, einige der Situationen und Gefühle zu verstehen, die Sie haben könnten, wenn maschinelles Lernen helfen könnte.

Filme über den Journalismus neigen dazu, Ermittlungen zu verherrlichen, bei denen Reporter monatelang in einem fensterlosen Raum Kartons mit Dokumenten lesen, um große Geschichten über Korruption aufzudecken. Was wäre, wenn wir die gleichen Ergebnisse in einem Bruchteil der Zeit erreichen könnten?

Das maschinelle Lernen kann Ihnen genau dabei helfen und wird aus diesem Grund bereits von investigativen Journalisten auf der ganzen Welt eingesetzt.

Im Jahr 2019 erhielt das Internationale Konsortium von Enthüllungsjournalisten (ICIJ) mehr als 700.000 durchgesickerte Dokumente, die zusammen als die Luanda Leaks bekannt sind. Um all diese Dateien zu analysieren, hat sich das ICIJ mit Quartz zusammengetan, dessen Ermittlungsteam ein maschinelles Lernmodell entwickelt hat, um Journalisten dabei zu helfen, die Art von Dokumenten zu finden, die sie im Cache der Leaks erwarten.

Eine andere Art von Herausforderung, der sich ein Reporter bei der Arbeit an einer Geschichte stellen kann, ist die Fähigkeit, eine Reihe von Dokumenten mit einem Korpus ähnlicher Art zu vergleichen. Ein politischer Reporter könnte zum Beispiel die Reden eines Präsidenten zur Lage der Nation mit den Reden anderer Präsidenten vergleichen, die er Jahrzehnt für Jahrzehnt gehalten hat.

Dies ist eine weitere Herausforderung, mit der das maschinelle Lernen ziemlich gut umgehen kann.

Bereits 2017 hat ProPublica ein Computermodell verwendet, um die Pressemitteilungen einzelner Mitglieder des US-Kongresses im Vergleich zu allen Pressemitteilungen des Kongresses, die in der gleichen Zeit veröffentlicht wurden, zu analysieren. Auf diese Weise konnten die Reporter erfahren, welche Themen den Mitgliedern des Kongresses am meisten am Herzen lagen oder zumindest mehr als ihren Kollegen.

Unsere Welt wird täglich milliardenfach fotografiert. Und das führt zu einer noch nie dagewesenen Menge an Bildern, in denen Reporter Geschichten finden könnten. Wenn es nur eine Möglichkeit gäbe, Computern beizubringen, bestimmte Details in einer Datenbank mit visuellen Informationen zu finden... Sie wissen, wohin das führt: Einstieg in das maschinelle Lernen.

Die ukrainische Datenjournalismus-Agentur Texty setzte maschinelles Lernen ein, um illegale Bernsteinminen in der Ukraine aufzuspüren. Durch die Kombination verschiedener Algorithmen konnten sie das ML-System an bestehenden Beispielen des Bernsteinabbaus trainieren, so dass es neue Beispiele in einer Reihe von Satellitenbildern finden konnte.

Die daraus resultierende Geschichte beinhaltete eine Online-Karte, auf der ein Betrachter in Bilder von Bernsteinminen im ganzen Land hineinzoomen konnte.

Worte, Bilder und jetzt Zahlen. Unter den vielen Dingen, die Computer besser als Menschen können, gibt es die Verarbeitung numerischer Daten in großem Maßstab. Wenn Sie Tausende von numerischen Aufzeichnungen zu analysieren haben, insbesondere wenn Sie Muster und Ähnlichkeiten erkennen wollen, haben Sie es mit einem anderen Fall zu tun, bei dem maschinelles Lernen helfen kann.

Das hat BuzzFeed News 2017 für deren Geschichte über versteckte Spionageflugzeuge getan, die als eines der ersten hochrangigen Beispiele für den Journalismus, der maschinelles Lernen für die Berichterstattung einsetzt, einiges an Lärm verursachte.

Sie trainierten einen Computer, um Überwachungsflugzeuge zu finden, indem sie einen „Random Forest“-Algorithmus nach Flugzeugen mit Flugmustern absuchen ließen, die denen des FBI und des Heimatschutzministeriums ähnelten.

Bernsteinminen, Korruptionsskandale, Spionageflugzeuge und Reden zur Lage der Nation. Wie Sie sehen, kann maschinelles Lernen Ihre Arbeit recht praktisch unterstützen, indem es Ihre Fähigkeit, wichtige Geschichten anhand von Daten zu finden und zu erzählen, erweitert.

Inzwischen sollte aber auch klar sein, dass maschinelles Lernen keine Magie ist. Man könnte sogar sagen, dass es nichts tun kann, was Sie nicht auch tun könnten - wenn Sie nur tausend unermüdliche Praktikanten für sich arbeiten lassen würden.

Es liegt immer noch ganz bei Ihnen, zu überlegen, ob maschinelles Lernen das richtige Tool ist, um die Geschichte, über die Sie berichten wollen, zu unterstützen. Nach dieser Einschätzung können Sie sich darauf verlassen, dass das maschinelle Lernen Ihnen hilft, eine unüberschaubare Menge an Informationen zu sichten und Ihren Journalismus mit den Ergebnissen zu stärken.