Ir al contenido principal
Ir al panel
¿No sabes por dónde empezar? Responde un breve cuestionario para obtener recomendaciones personalizadas.
Lección 3 de 8
Cómo puede usted utilizar el aprendizaje automático
Introducción al aprendizaje automático
¿Cómo aprende una máquina?
Aprendizaje automático, periodismo y usted
Sesgos y aprendizaje automático
Looking ahead to ML-powered journalism
Curso
0% completada
5 minutos para completar

Cómo puede usted utilizar el aprendizaje automático

4.6.jpg

Comprenda en qué casos el aprendizaje automático podría ser la solución a su problema.

4.6.jpg

De qué forma puede ayudarlo el aprendizaje automático

4.1.jpg

Ahora que usted ya tiene una idea más clara sobre qué es el aprendizaje automático y sobre cuáles son los diferentes enfoques para entrenar un modelo, es probable que se pregunte en qué puede ayudar el aprendizaje automático en su trabajo diario. Este es el tema de esta lección. 

Un buen modo de abordar esta cuestión es el de Quartz AI Studio. En los apartados que siguen tomaremos prestado su modelo (con permiso) para ayudar a comprender algunas de las situaciones en las que el aprendizaje automático puede ayudar.

4.1.jpg

¿Cómo podré yo leer todos estos documentos?

4.2.jpg

Las películas sobre periodismo tienden a glorificar investigaciones en las que los reporteros pasan meses leyendo cajas de documentos en una sala sin ventanas, para descubrir grandes historias de corrupción. ¿Qué pasaría si pudiésemos alcanzar los mismos resultados en una fracción de dicho tiempo?

El aprendizaje automático puede ayudarle exactamente a esto y, por esta razón, ya empiezan a utilizarlo periodistas de investigación de todo el mundo.


En 2019, el Consorcio Internacional de Periodistas de Investigación (ICIJ) recibió más de 700 000 documentos filtrados, colectivamente denominados Luanda Leaks. Para analizar todos estos archivos, el ICIJ se asoció con Quartz, cuyo equipo de investigación construyó un modelo de aprendizaje automático que ayudaba a los periodistas a encontrar los tipos de documentos que esperaban en las filtraciones.

4.2.jpg

¿Cómo puedo encontrar qué es único de este texto?

4.3.jpg

Otro tipo de reto al que un reportero se puede enfrentar cuando trabaja en un artículo es la capacidad de comparar un conjunto de documentos con un corpus de naturaleza análoga. Por ejemplo, un reportero político quizás quiera comparar los discursos de un presidente con los pronunciados por otros, década tras década.


Es otro reto que el aprendizaje automático sabe resolver bastante bien.


En 2017, ProPublica utilizó un modelo informático para analizar notas de prensa de miembros individuales del Congreso de los Estados Unidos en comparación con todas las notas de prensa del Congreso publicadas durante el mismo periodo. Así los reporteros pudieron averiguar qué temas preocupaban más a los miembros del Congreso, o, como mínimo, de qué temas hablaban más que sus colegas.

4.3.jpg

¿Cómo podré yo analizar tantas imágenes?

4.4.jpg

Nuestro mundo se fotografía una infinidad de veces al día. Esto se traduce en una cantidad sin precedentes de imágenes en las que los reporteros pueden encontrar historias. Si al menos hubiese una forma de enseñar a los ordenadores a encontrar detalles específicos en una base de datos de información visual... Ya adivina a dónde lleva esta reflexión: al aprendizaje automático.


La agencia periodística de datos de Ucrania Texty utilizó el aprendizaje automático para detectar minas de ámbar ilegales en Ucrania. Combinando diferentes algoritmos, supieron entrenar el sistema de aprendizaje automatico sobre ejemplos existentes de minería de ámbar, de modo que se pudiesen encontrar nuevos ejemplos de un mismo conjunto de imágenes de satélite.


El artículo resultante incluyó un mapa en línea en el que un visualizador podría ampliar y reducir imágenes de minas de ámbar en todo el país.

4.4.jpg

¿Cómo puedo encontrar registros como estos?

4.5.jpg

Palabras, imágenes y, ahora, números. Entre las muchas cosas que los ordenadores pueden hacer mejor que los humanos está el tratamiento de datos numéricos a escala. Si usted tiene miles de registros numéricos por analizar, especialmente si desea detectar patrones y similitudes, el aprendizaje automático puede ayudar.


Esto es lo que BuzzFeed News hizo en 2017 para su artículo sobre aviones espías ocultos. El trabajo tuvo gran repercusión y se convirtió en un ejemplo temprano de periodismo de alto nivel aplicando aprendizaje automático para generar información.


El medio entrenó un ordenador para encontrar aeronaves de vigilancia al detectar aviones con patrones de vuelo que se asemejaban a los operados por el FBI y el Departamento de Seguridad Interior.

4.5.jpg

¿Con qué problemas puede ayudarle el aprendizaje automático?

4.6_ZyBnwc2.jpg

Minas de ámbar, escándalos de corrupción, aviones espías y discursos del Estado de la Unión. Como puede ver, el aprendizaje automático puede resultar bastante práctico como apoyo para su trabajo, incrementando su capacidad para descubrir e ilustrar artículos importantes con datos.

Sin embargo, hay que tener claro que el aprendizaje automático no es mágico. Incluso podría decirse que no puede hacer nada que usted no pueda hacer, aunque necesite para ello mil empleados incansables trabajando en esa tarea.

Es exclusivamente decisión suya analizar en qué situaciones el aprendizaje automático es la herramienta apropiada. Es una tecnología que siempre podrá ayudarlo a procesar minuciosamente una cantidad ingente de información y a enriquecer su trabajo periodístico con los hallazgos que aporte.

4.6_ZyBnwc2.jpg
¡Felicitaciones! Ya terminaste Cómo puede usted utilizar el aprendizaje automático Sí, lo estoy haciendo
Recomendaciones para ti
¿Cómo calificarías esta lección?
Tus comentarios nos ayudarán a mejorar continuamente nuestras lecciones.
¿Salir y perder el progreso?
Si sales de esta página, perderás todo el progreso de la lección actual. ¿Confirmas que quieres continuar y perder el progreso?