Pembelajaran mesin (Machine Learning/ML) telah mendukung banyak produk yang kita gunakan setiap hari. Namun tidak selalu jelas bagi kita bahwa ML ada di balik semua itu. Beberapa contoh:

• Perangkat lunak navigasi GPS, seperti Google Maps, dan Waze
• Layanan streaming, seperti Netflix dan Spotify
• Mesin pencari, seperti Google Search, Baidu, dan Yahoo
• Media sosial, seperti TikTok, Facebook, dan Instagram
  
  

Pembelajaran mesin dapat diterapkan ke berbagai bidang, mulai dari kesehatan hingga retail, dan dalam pengembangan kendaraan yang dapat mengemudi sendiri.

Kita mungkin tidak menyadari, tetapi kita semua telah terhubung dengan pembelajaran mesin dalam kehidupan kita sehari-hari. 

Sebagai seorang jurnalis, kemungkinan Anda telah menggunakan teknologi pembelajaran mesin di ruang redaksi Anda. Mungkin Anda menggunakan Google Terjemahan atau alat terjemahan lain. Mungkin Anda menggunakan Grammarly atau Hemingway untuk menyunting tulisan Anda. Atau mungkin Trint menghemat banyak waktu Anda dengan menuliskan wawancara lisan Anda secara otomatis.

Apa pun peran Anda di ruang redaksi atau sebagai jurnalis independen, kemungkinan besar pembelajaran mesin telah mendukung pekerjaan Anda dalam beberapa hal.

Jadi apa sajakah cara utama dalam jurnalisme menggunakan pembelajaran mesin melalui berbagai tahap proses pelaporan?

Di luar alat spesifik yang telah kami sebutkan, perlahan tapi pasti pembelajaran mesin masuk ke dalam proses jurnalistik. Seperti yang dijelaskan dalam laporan JournalismAI, sebagian besar dilakukan melalui peningkatan proses yang ada: membebaskan jurnalis dari tugas yang berulang-ulang serta memungkinkan mereka untuk mengerjakan kisah yang terlalu rumit atau terlalu memakan waktu untuk dilaporkan tanpa bantuan teknologi.

Jadi, apa tepatnya yang bisa dilakukan pembelajaran mesin untuk ruang redaksi? Lalu bagaimana jurnalis dapat meningkatkan editorial mereka? 

Dalam paragraf berikutnya kita akan melihat beberapa contoh praktis yang menunjukkan cara pembelajaran mesin dapat digunakan untuk mendukung pengumpulan berita, serta produksi dan distribusi berita, serta informasi.

Di tahun 2018, Reuters mengembangkan News Tracer dan Lynx Insight. Kedua alat menggunakan pembelajaran mesin dan teknologi kecerdasan buatan (lebih lanjut tentang kedua istilah ini terdapat di pelajaran berikutnya) untuk mendukung wartawan Reuters dalam proses pengumpulan berita.

News Tracer dirancang untuk membantu jurnalis menemukan peristiwa yang melanggar di Twitter. Alat ini menganalisis jutaan tweet secara langsung untuk menandai berita sela potensial dan memungkinkan ruang berita untuk melihat berita tersebut dengan lebih cepat daripada yang mungkin dilakukan dengan praktik pengumpulan berita biasa.

Demikian pula, Lynx Insight dirancang untuk mengidentifikasi tren dan fakta utama dalam kumpulan data besar, menyarankan kisah-kisah baru kepada wartawan, sambil memberikan konteks tambahan dan informasi latar belakang.

Alat yang menggunakan pembelajaran mesin untuk mengotomatiskan proses transkrip wawancara yang memakan waktu dan menerjemahkan informasi adalah contoh yang baik tentang cara meningkatkan produksi berita dengan teknologi. Namun penggunaan pembelajaran mesin dalam proses produksi berita jauh melampaui hal itu.

Berbagai organisasi media – termasuk Bloomberg, The Washington Post, dan Associated Press – telah mulai menggunakan berbagai teknik Kecerdasan Buatan (Artificial Intelligent/AI) dan pembelajaran mesin untuk secara otomatis menghasilkan berita sesuai kebutuhan mereka. 

Tujuan utamanya adalah untuk memungkinkan jurnalis berfokus pada aspek paling kreatif dari pekerjaan mereka, menyerahkan tugas berulang untuk dikerjakan mesin, tetapi studi kasus terbaru menunjukkan bahwa manfaatnya bisa lebih besar dari yang kita bayangkan.

Yle News Lab di Perusahaan Penyiaran Publik Finlandia menggunakan pembelajaran mesin untuk membuat asisten berita pintar Voitto untuk aplikasi berita yang dipersonalisasi, Yle NewsWatch. 

Asisten Voitto berada di layar kunci perangkat seluler dan merekomendasikan konten berita menarik kepada pengguna melalui pemberitahuan atau notifikasi. Voitto menggunakan pembelajaran mesin untuk meningkatkan rekomendasinya dengan belajar dari interaksi pengguna di layar kunci dan dari riwayat baca pengguna. Selain itu, pengguna dapat mengajar asisten dengan memberikan umpan balik langsung melalui notifikasi dan di dalam aplikasi berita itu sendiri.

Pembelajaran mesin juga dapat membantu organisasi berita untuk meningkatkan model bisnis mereka, misalnya dengan menyelaraskan flexible paywall bagi pelanggan mereka.

Seperti yang telah kita lihat, pembelajaran mesin sudah digunakan untuk meningkatkan kemampuan jurnalis di seluruh proses jurnalistik. Namun tidak berarti bahwa pembelajaran mesin adalah solusi yang ampuh untuk semua masalah jurnalisme. 

Banyak potensi yang ditawarkan oleh pembelajaran mesin yang belum ditemukan oleh jurnalisme, dan kekuatan-kekuatan baru ini hadir bersamaan dengan risiko dan tantangan baru yang harus diwaspadai oleh para jurnalis.

Dalam pelajaran selanjutnya dari kursus ini, kita akan belajar secara mendalam tentang pembelajaran mesin dan cara kerjanya. Kami akan mengeksplorasi penggunaan pembelajaran mesin oleh jurnalis dalam cara-cara yang inovatif dan berbagai risiko yang harus diperhitungkan untuk penggunaan teknologi canggih yang bertanggung jawab ini.