मशीन लर्निंग (ML) पहले ही कई उत्पादों को संचालित कर रही है, जिनका हम अपने प्रतिदिन उपयोग करते हैं। लेकिन यह हमारे लिए हमेशा स्पष्ट नहीं होता कि है कि उनके पीछे ML है। कुछ उदाहरण:

• GPS नेविगेशन सॉफ़्टवेयर, जैसे Google मानचित्र और Waze
• स्ट्रीमिंग सेवाएँ, जैसे Netflix और Spotify
• खोज इंजन, जैसे Google खोज, Baidu और Yahoo
• सामाजिक मीडिया, जैसे TikTok, Facebook, और Instagram

मशीन लर्निंग को स्वास्थ्य से लेकर खुदरा तक, और खुद-ड्राइव होने वाले वाहनों के विकास तक की विस्तृत रेंज के क्षेत्रों में लागू किया जा सकता है।

हो सकता है कि आपको इसका एहसास न हो, लेकिन हम सभी पहले ही अपने दैनिक जीवन में मशीन लर्निंग के संपर्क में आ चुके हैं। 

पत्रकार के रूप में, हो सकता है कि आपने अपने न्यूज़रूम में पहले ही मशीन लर्निंग प्रौद्योगिकी का उपयोग किया हो। हो सकता है कि आपने Google अनुवाद या अन्य अनुवाद टूल का उपयोग किया हो। शायद आपने अपने लेखन की समीक्षा करने के लिए Grammarly या Hemingway का उपयोग किया। या हो सकता है कि Trint ने आपके साक्षात्कारों को स्वचालित रूप से ट्रांस्क्राइब करके आपका बहुत अधिक समय बचाया हो।

न्यूज़रूम में या स्वतंत्र पत्रकार के रूप में आपकी भूमिका जो भी हो, बहुत संभावना है कि मशीन लर्निंग किसी समय आपके काम का पहले ही समर्थन कर चुकी हो।

तो वे मुख्य तरीके कौन-से हैं, जिनमें रिपोर्टिंग प्रक्रिया के विभिन्न चरणों के माध्यम से पत्रकारिता मशीन लर्निंग का उपयोग कर रही है?

हमारे द्वारा पहले ही उल्लेख किए गए विशिष्ट टूल से परे, मशीन लर्निंग धीरे-धीरे, लेकिन निश्चित रूप से पत्रकारिता प्रक्रिया में अपना रास्ता बना रही है। जैसा कि JournalismAI रिपोर्ट में बताया गया है, यह अधिकतर मौजूदा प्रक्रियाओं के आवर्धन के माध्यम से ऐसा कर रही है: पत्रकारों को दोहराव वाले के कामों से मुक्त करना और उन्हें ऐसी स्टोरीज़ पर काम करने देना, जो प्रौद्योगिकी की मदद के बिना रिपोर्ट करने में बहुत जटिल या बहुत अधिक समय लेने वाली हों।

तो, न्यूज़रूम के लिए मशीन लर्निंग वास्तव में क्या कर सकती है? और पत्रकार इसका उपयोग अपने संपादकीय कामों को बढ़ाने के लिए कैसे कर सकते हैं? 

अगले अनुच्छेदों में हम कुछ ऐसे व्यावहारिक उदाहरणों पर नज़र डालेंगे, जिनसे पता चलता है कि समाचार एकत्र करने के समर्थन के लिए मशीन लर्निंग को कैसे नियोजित किया जा सकता है, और साथ ही, समाचार और जानकारी के उत्पादन और वितरण के उदाहरण भी दिए जाएँगे।

2018 में, रॉयटर्स ने न्यूज़ ट्रैसर और लिन्क्स इनसाइट विकसित किए थे। दोनों टूल समाचार एकत्रित करने की प्रक्रिया में रॉयटर्स के पत्रकारों का समर्थन करने के लिए मशीन लर्निंग और कृत्रिम बुद्धि प्रौद्योगिकी (अगले अध्याय में इन दो शब्दों पर अधिक दिया गया है) का उपयोग करते हैं।

न्यूज़ ट्रेसर को पत्रकारों को Twitter पर ब्रेक हो रही घटनाओं को ढूँढ़ने में मदद करने के लिए डिज़ाइन किया गया है। संभावित ब्रेकिंग न्यूज़ स्टोरीज़ को फ़्लैग करने के लिए टूल वास्तविक समय में लाखों ट्वीट्स का विश्लेषण करता है और न्यूज़रूम नियमित समाचार संग्रहण अभ्यासों के साथ संभव हो सकने की तुलना में ब्रेकिंग न्यूज़ को तेज़ी से ढूँढ़ सकते हैं।

इसी तरह, लिन्क्स इनसाइट को बड़े डेटासेट्स में रुझानों और मुख्य तथ्यों की पहचान करने के लिए बनाया गया है, जो अतिरिक्त संदर्भ और पृष्ठभूमि जानकारी प्रदान करते हुए रिपोर्टरों को नई स्टोरीज़ का सुझाव देता है।

साक्षात्कार ट्रांस्क्राइब करने और जानकारी का अनुवाद करने वाले समय लेने वाली प्रक्रिया को स्वचालित करने के लिए मशीन लर्निंग का उपयोग करने वाले टूल इस बात के अच्छे उदाहरण हैं कि प्रौद्योगिकी द्वारा समाचार के उत्पादन को कैसे आवर्धित किया जा सकता है। लेकिन समाचार उत्पादन की प्रक्रिया में मशीन लर्निंग का उपयोग इससे भी आगे जाता है।

ब्लूमबर्ग, द वाशिंगटन पोस्ट और एसोसिएटेड प्रेस सहित – विस्तृत रेंज के मीडिया संगठन ने स्वचालित रूप से बड़े पैमाने पर समाचार स्टोरीज़ उत्पन्न करने के लिए अलग-अलग AI और मशीन लर्निंग प्रौद्योगिकी को नियोजित करना शुरू कर दिया है। 

मुख्य लक्ष्य है कि पत्रकार अपने काम के सबसे रचनात्मक पहलुओं पर ध्यान केंद्रित करें, और दोहराव वाले काम मशीन पर छोड़ दिए जाएँ, लेकिन हाल के मामलों के अध्ययन से पता चलता है कि इसके लाभ हमारे विचार से बड़े हो सकते हैं।

फ़िनिश पब्लिक ब्रॉडकास्टिंग कंपनी में येल न्यूज़ लैब ने अपनी निजीकृत समाचार Yle NewsWatch के लिए स्मार्ट समाचार सहायक Voitto बनाने के लिए मशीन लर्निंग का उपयोग किया। 

Voitto सहायक मोबाइल डिवाइस की लॉक स्क्रीन पर रहता है और उपयोगकर्ता को सतर्क, या सूचनाओं के माध्यम से दिलचस्प समाचार सामग्री की सिफ़ारिश करता है। उपयोगकर्ता द्वारा लॉक स्क्रीन पर इंटरैक्शन से और उनके पठन इतिहास से सीखकर Voitto अपनी सिफ़ारिशों को बेहतर बनाने के लिए मशीन लर्निंग का उपयोग करती है। इसके अतिरिक्त, उपयोगकर्ता अधिसूचनाओं के माध्यम से और खुद समाचार ऐप में भी सहायक को सीधे फ़ीडबैक देकर उसे सिखा सकता है।

मशीन लर्निंग समाचार संगठनों को अपने व्यापार मॉडल को बेहतर बनाने में भी मदद कर सकती है, उदाहरण के लिए, उनके सदस्यों के लिए लचीली पेवॉल को फ़ाइन-ट्यून करके।

जैसा कि हमने देखा है, पूरी पत्रकारिता प्रक्रिया में पत्रकार की क्षमताओं को बढ़ाने के लिए मशीन लर्निंग का पहले ही उपयोग किया जा रहा है। लेकिन इसका मतलब यह नहीं है कि मशीन लर्निंग पत्रकारिता की सभी समस्याओं के लिए रामबाण है। 

मशीन लर्निंग द्वारा पेश की जाने वाली बहुत सारी संभावनाओं का अभी पत्रकारिता को पता लगाना बाकी है, और नई शक्तियाँ, नए जोखिमों और चुनौतियों के साथ आती हैं, जिनसे पत्रकारों को सावधान रहना चाहिए।

इस पाठ्यक्रम के अगले पाठों में, हम गहराई से जानेंगे कि मशीन लर्निंग क्या है और यह कैसे काम करती है। हम इस बात का पता लगाएँगे कि पत्रकारों द्वारा इसका अभिनव तरीकों से किस तरह उपयोग किया जा सकता है और इस शक्तिशाली प्रौद्योगिकी के ज़िम्मेदार उपयोग के लिए किन ख़तरों को ध्यान में रखा जाना चाहिए।