머신 러닝(ML)은 이미 우리가 매일 사용하는 많은 제품에 힘을 실어줍니다. 그러나, 이 제품들의 배경에 머신 러닝(ML)이 자리하고 있다는 것은 반드시 확실한 것이 아닙니다. 일부 예제:

• GPS 내비게이션 소프트웨어(Google Maps 및 Waze 등)
• 스트리밍 서비스(Netflix 및 Spotify 등)
• 검색 엔진(Google Search, Baidu 및 Yahoo)
• 소셜 미디어(TikTok, Facebook 및 Instagram 등)

머신 러닝은 의료부터 소매, 자율 주행차량 개발에 이르기까지 폭넓은 분야에 적용될 수 있습니다.

우리는 미처 그 사실을 깨닫지 못할 수 있지만 머신 러닝은 이미 우리의 일상 생활에 자리했습니다. 

언론인이라면 뉴스룸에서 이미 머신 러닝 기술을 사용했을 수 있습니다. Google Translate 또는 다른 번역 도구를 사용했을 수 있습니다. 아마도 Grammarly 또는 Hemingway를 이용해 해당 저작물을 검토했을 수 있습니다. 또는 Trint를 이용해 인터뷰를 자동으로 작성하여 많은 시간을 절약했을 수 있습니다.

뉴스룸에서 어떤 역할을 맡았든 또는 독립 언론인으로서든, 머신 러닝이 이미 일부 시점에서 귀하의 업무를 지원했을 가능성이 매우 높습니다.

그렇다면, 언론이 보도 프로세스의 서로 다른 단계 곳곳에서 머신 러닝을 사용하는 주된 방식으로는 어떤 것들이 있을까요?

앞서 언급했던 특정 도구 외에도, 머신 러닝은 느리지만 확실하게 언론 프로세스에서 나름의 틀을 잡고 있습니다. 이 JournalismAI report 보고서에서 설명했듯이, 이것은 기술의 도움 없이 보도하기에는 너무 복잡하거나 시간이 많이 걸리는 반복적이고 따분한 작업으로부터 언론인들을 해방시켜 줄 기존 프로세스의 증강을 통해 이뤄지고 있습니다.

그렇다면, 머신 러닝은 뉴스룸에서 정확히 어떤 일을 할 수 있을까요? 그리고, 언론인들은 그것을 어떻게 사용해 자신들의 편집 업무를 개선할 수 있을까요? 

다음 단원에서는 뉴스 수집 및 뉴스 및 정보의 제작 및 배포를 지원하기 위해 머신 러닝을 배포하는 방법을 보여주는 몇 가지 실용적인 예를 살펴 보겠습니다.

2018년, 로이터(Reuters)는 News Tracer 및 Lynx Insight를 개발했습니다. 양쪽 도구 모두 뉴스 수집 프로세스에서 로이터 기자를 지원하는 머신 러닝과 인공 지능 기술(다음 단원에서 두 개의 용어에 대해 더 자세히 설명)을 사용합니다.

News Tracer는 언론인이 Twitter에서 진행 중인 사건들을 찾을 수 있도록 설계되었습니다. 이 도구는 수백만 건의 트윗을 실시간으로 분석하여 잠재적 속보 뉴스 기사를 표시하고 뉴스룸이 정기적 뉴스 수집 방식으로 가능한 것보다 속보 뉴스를 더 빨리 찾을 수 있게 합니다.

마찬가지로, Lynx Insight는 기자들에게 새로운 이야기를 제시하면서 추가 문맥 및 배경 정보를 제공하는 대규모 데이터 세트의 추세와 주요 사실들을 식별하도록 설계되었습니다.

인터뷰 대본을 작성하고 정보를 번역하는 시간이 많이 걸리는 프로세스를 자동화하는 머신 러닝을 사용하는 도구들은 기술로 뉴스 제작을 증강시킬 수 있는 방법을 예시하는 좋은 예입니다. 그러나 뉴스 제작 과정에서 머신 러닝을 사용하는 것은 그 이상의 기대를 뛰어 넘습니다.

Bloomberg, Washington Post 및 AP 통신 등 다양한 미디어 조직들은 자동으로 다량의 뉴스 기사를 제작(automatically produce news stories)하는 각종 AI 및 머신 러닝 기술을 배포하기 시작했습니다. 

주된 목표는 반복적인 작업을 기계에 맡겨 기자가 자신이 맡은 업무 중 가장 창의적인 측면을 집중하게 만드는 것이지만 최근 사례 연구에 따르면(show) 그러한 이점은 우리가 생각하는 것보다 더 커질 수 있는 것으로 나타났습니다.

핀란드 공공 방송사의 Yle News Lab은 자사의 개인화된 뉴스 앱인 Yle NewsWatch용 smart news assistant Voitto를 제작하는 데 머신 러닝을 사용했습니다. 

Voitto 어시스턴트는 모바일 기기의 잠금 화면에서 대기하다가 경고 또는 알림을 통해 사용자에게 흥미로운 뉴스 콘텐츠를 추천합니다. Voitto는 잠금 화면에서 사용자의 상호 작용과 사용자의 읽기 기록을 통해 추천 사항을 개선하는 머신 러닝을 사용합니다. 또한, 사용자는 알림과 뉴스 앱 자체를 통해 어시스턴트에게 직접 피드백을 제공하여 어시스턴트를 가르칠 수 있습니다.

머신 러닝은 또한 뉴스 조직이 자사 가입자를 위해 flexible paywall을 정교하게 조정하여 비즈니스 모델을 향상시킬 수 있게 해줄 수도 있습니다.

앞서 살펴본 바와 같이, 머신 러닝은 이미 언론 프로세스 전반에 걸쳐 기자의 능력을 향상시키는 데 사용되고 있습니다. 그렇다고 이것이 머신 러닝이 모든 언론 문제의 묘책이 된다는 의미는 아닙니다. 

머신 러닝이 주는 많은 잠재력은 아직 언론에서 발견되지 않았고, 그 새로운 능력은 언론인이 조심해야 할 새로운 위험과 도전과제와 함께 나타납니다.

이 과정의 다음 단원에서는 머신 러닝의 정의와 작용 원리에 대해 자세히 살펴보겠습니다. 이 단원에서는 혁신적인 방법으로 언론인이 머신 러닝을 어떻게 사용할 수 있는지, 그리고 이 강력한 기술을 책임감을 갖고 사용하기 위해 어떤 위험을 고려해야 하는지 살펴볼 것입니다.