Il Machine Learning (ML), o apprendimento automatico, è alla base di molti dei prodotti che utilizziamo quotidianamente. Tuttavia, non ne siamo sempre consapevoli. Alcuni esempi:

• I software di navigazione GPS, come Google Maps e Waze
• I servizi di streaming, come Netflix e Spotify
• I motori di ricerca, come Google Search, Baidu e Yahoo
  
  

Il Machine Learning può essere applicato a una vasta gamma di settori, dalla sanità alla vendita al dettaglio fino allo sviluppo di veicoli  a guida autonoma.

Potresti non averci fatto caso, ma nel nostro lavoro quotidiano tutti noi siamo già entrati in contatto diretto con l'uso del Machine Learning.

In qualità di giornalista, è probabile tu abbia già utilizzato il Machine Learning all'interno della tua redazione. Per esempio, potresti aver usato Google Translate o un altro strumento di traduzione. O ancora, Grammarly o Hemingway per rivedere la tua scrittura. Persino Trint ti avrà fatto risparmiare un sacco di tempo trascrivendo automaticamente le tue interviste.

Che tu sia un redattore o un giornalista freelance, è altamente probabile che il Machine Learning abbia già contribuito in qualche modo al tuo lavoro

Quindi, quali sono le principali modalità con cui il giornalismo sta usando il Machine Learning nelle diverse fasi di lavorazione delle notizie e dei prodotti editoriali?

Oltre agli strumenti specifici già menzionati, il Machine Learning sta lentamente ma progressivamente prendendo piede nel mondo dell'informazione. Come dimostra il rapporto  Journalism AI, lo sta facendo principalmente grazie al potenziamento e all'efficientamento di alcuni processi tipici del lavoro giornalistico: in particolare, liberando i giornalisti da compiti ripetitivi e consentendo loro di lavorare su argomenti e temi che, senza l'aiuto della tecnologia, sarebbero troppo complessi o troppo lunghi da trattare.

Cosa può fare esattamente il Machine Learning per una redazione? E in che modo i giornalisti possono utilizzarlo per migliorare il proprio lavoro?

Nei paragrafi che seguono vedremo insieme alcuni esempi pratici che dimostrano come impiegare il Machine Learning per potenziare la raccolta delle fonti e delle notizie (news gathering), così come la produzione e la diffusione di notizie e informazioni.

Nel 2018, Reuters ha sviluppato News Tracer e Lynx Insight.. Entrambi questi strumenti applicano le tecnologie di Machine Learning e Intelligenza Artificiale (spiegheremo di più su questi due termini nella prossima lezione) per aiutare i reporter di Reuters nel processo di raccolta delle notizie.

News Tracer è progettato per aiutare i giornalisti a trovare breaking news su Twitter. Lo strumento analizza milioni di tweet in tempo reale per individuare storie che siano potenziali breaking news  e consentire alla redazione di scovarle più velocemente di quanto non sarebbe possibile utilizzando i normali strumenti di raccolta informazioni.

Allo stesso modo, Lynx Insight è progettato per identificare tendenze e fatti chiave in grandi insiemi di dati, suggerendo nuove storie ai giornalisti, fornendo al contempo ulteriori informazioni sull'argomento e sul contesto.

Gli strumenti che utilizzano il Machine Learning per automatizzare i lungi processi di trascrizione delle interviste e la traduzione delle informazioni sono solo alcuni esempi di come la tecnologia possa migliorare la produzione delle notizie. Ma l'impiego del Machine Learning nel processo di produzione editoriale va ben oltre questo.

Una vasta gamma di aziende giornalistiche,  tra cui Bloomberg, Washington Post e Associated Press, hanno iniziato ad applicare diverse tecniche di Intelligenza Artificiale e Machine Learning per generare automaticamente report  su larga scala.

L'obiettivo principale è quello di consentire ai giornalisti di concentrarsi sugli aspetti più creativi del loro lavoro, lasciando i compiti ripetitivi alla macchina, ma casi di studio recenti   indicano  che i benefici sono molto più grandi di quanto si pensi.

Yle News, laboratorio della società di radiodiffusione pubblica finlandese  (la Finnish Public Broadcasting Company), ha utilizzato il Machine Learning per creare uno smart assistant delle news, Voitto, all'interno della sua applicazione per le informazioni personalizzate Yle NewsWatch. 

Voitto Assistant è attivo sulla schermata di blocco di un dispositivo mobile e consiglia all'utente contenuti interessanti di notizie tramite avvisi o notifiche. Voitto utilizza il Machine Learning per migliorare i propri consigli sfruttando le interazioni dell'utente sulla schermata di blocco e la cronologia delle letture. Inoltre, l'utente può addestrare l'assistente inviandogli un feedback diretto attraverso le notifiche e nell'applicazione stessa.

Il Machine Learning può anche aiutare le organizzazioni giornalistiche a migliorare il proprio modello di business, ad esempio mettendo a punto un paywall flessibile per i propri abbonati.

Come abbiamo visto, il Machine Learning viene già utilizzato per sviluppare la capacità dei giornalisti nel loro lavoro quotidiano. Ciò non significa, però, che il Machine Learning sia la panacea per tutti i problemi del giornalismo.

Il grosso del potenziale offerto dal Machine Learning deve ancora essere scoperto dal giornalismo, inoltre le nuove potenti funzionalità portano con  sé nuovi rischi e sfide di cui è bene essere consapevoli. 

Nelle prossime lezioni di questo corso approfondiremo cos'è il Machine Learning e come funziona. Esamineremo come i giornalisti possono utilizzarlo in modo innovativo e quali sono i rischi da tenere in considerazione per un uso responsabile di questa potente tecnologia.