Ora che hai le idee più chiare su cosa sia il Machine Learning e quali siano i diversi approcci al modello di training, è probabile ti stia chiedendo come il ML possa darti concretamente una mano nel tuo lavoro quotidiano. Ed è esattamente ciò che tratteremo in questa lezione.

Quartz AI Studio è forse il modello che più di qualunque altro è riuscito ad inquadrare questo tema nel modo più efficace. Per questo nei successivi paragrafi prenderemo a prestito il loro esempio (con il loro consenso) per aiutarti a capire alcune delle situazioni e delle condizioni che potresti dover affrontare se dovessi usare il Machine Learning.

I film sul giornalismo tendono a glorificare le inchieste in cui i giornalisti trascorrono mesi chiusi in una stanza senza finestre a leggere interi scatoloni pieni di documenti per realizzare grandi scoop su casi di corruzione. E se invece potessimo ottenere gli stessi risultati in un quarto di quel tempo?

Il Machine Learning può essere d'aiuto ed è questo il motivo per il quale i giornalisti investigativi di tutto il mondo lo stanno già utilizzando.

Nel 2019, il Consorzio Internazionale di Giornalisti Investigativi (ICIJ) ha ricevuto oltre 700.000 documenti che erano stati fatti trapelare, noti nel loro insieme come Luanda Leaks. Al fine di analizzare tutti questi file, l'ICIJ ha collaborato con Quartz, il cui gruppo di ricerca ha creato un modello di apprendimento per aiutare i giornalisti a trovare il tipo di documenti che speravano di trovare nell'archivio.

Un altro tipo di sfida che un giornalista può dover affrontare quando lavora su un articolo è la capacità di confrontare una serie di documenti con testi di natura simile. Ad esempio, un giornalista politico potrebbe voler confrontare i discorsi di un presidente sullo stato dell'Unione con quelli di altri presidenti, decennio dopo decennio.

Ecco un'altra sfida che il Machine Learning è particolarmente in grado di affrontare.

Nel 2017, ProPublica si è affidata a un modello informatizzato per analizzare i comunicati stampa dei singoli membri del Congresso degli Stati Uniti e confrontarli con tutti quelli pubblicati contemporaneamente dal Congresso stesso. Ciò ha permesso ai giornalisti di scoprire di quali argomenti i deputati si preoccupavano di più, o almeno di quali temi  parlavano di più rispetto ai loro colleghi.

Il nostro mondo viene fotografato miliardi di miliardi di volte al giorno. Ciò si traduce in una quantità senza precedenti di immagini all'interno delle quali i giornalisti potrebbero scovare delle storie. Se solo ci fosse un modo per insegnare ai computer a trovare dettagli specifici in un database di informazioni visive ... Bè, hai già capito dove vogliamo andare a parare: benvenuto nel mondo del Machine Learning.

L'agenzia ucraina di data journalism Texty ha utilizzato il Machine Learning per il rilevamento di miniere illegali di ambra in Ucraina. Combinando algoritmi diversi, i data journalists sono riusciti a programmare il sistema di Machine Learning fornendo esempi esistenti di miniere di ambra e ciò ha permesso di scovare nuovi esempi in una serie di immagini satellitari.

Il risultato ottenuto  è rappresentato da una mappa online sulla quale un utente può ingrandire le immagini delle miniere di ambra in tutto il paese.

Parole, immagini e adesso anche i numeri. Tra le molte cose che i computer possono fare meglio degli umani c'è anche l'elaborazione digitale di numeri su larga scala. Se hai migliaia di dati  e documenti digitali da analizzare, specialmente se vuoi individuare pattern e somiglianze, il Machine Learning può tornare utile.

E' esattamente ciò che BuzzFeed News ha fatto nel 2017 con il suo reportage sugli aerei spia in incognito, un'indagine che ha avuto molta eco anche perché si è trattato di uno dei primissimi esempi di giornalismo di alto livello in cui il Machine Learning era stato utilizzato per attività di reporting. 

Il team ha addestrato un computer a trovare gli aerei di sorveglianza facendo in modo che gli algoritmi programmati in base a un modello detto 'random forest' concentrassero l'analisi sugli aerei i cui schemi di volo fossero simili a quelli dell'FBI e del Dipartimento della sicurezza nazionale.

Miniere illegali, casi di corruzione, aerei spia e discorsi politici. Come puoi vedere, il Machine Learning può rivelarsi particolarmente utile per il tuo lavoro, specie nell'irrobustire la tua capacità di scovare storie e produrre articoli di grande rilievo partendo dai dati.

Detto ciò, deve essere altrettanto chiaro che il Machine Learning non sia una bacchetta magica. Potresti anche sostenere che non faccia poi nulla di particolare che tu non potresti fare per conto tuo - se solo però avessi mille stagisti al tuo servizio 24 ore su 24.

Spetta a te decidere se il Machine Learning sia o meno lo strumento più utile per aiutarti a sviluppare la storia o l'inchiesta che stai realizzando. Una volta terminata questa valutazione, potrai contare sul ML per scandagliare una inimmaginabile e normalmente ingestibile quantità di informazioni e arricchire il tuo giornalismo con gli elementi così scovati.