Zastosowanie uczenia maszynowego
Dowiedz się, w jakich sytuacjach UM może być rozwiązaniem Twojego problemu.
A co jeśli UM może Ci pomóc?
Gdy masz już lepsze pojęcie o uczeniu maszynowym i różnych podejściach do modelu uczenia, zapewne zastanawiasz się, jak możesz wykorzystać uczenie maszynowe w swojej codziennej pracy. Dowiesz się tego w tej lekcji.
Najefektywniej do tej kwestii podeszli autorzy z Quartz AI Studio. W kolejnych rozdziałach użyjemy ich modelu (za pozwoleniem), aby pomóc Ci zrozumieć niektóre sytuacje i emocje, jakie mogą im towarzyszyć, gdy uczenie maszynowe może okazać się rozwiązaniem problemu.
Jak przeczytam te wszystkie dokumenty?
Filmy o dziennikarzach zazwyczaj gloryfikują śledztwa, w których reporterzy spędzają miesiące, wertując pudła z dokumentami w pokoju bez okien, aby odkryć wielkie afery korupcyjne. A gdyby udało nam się osiągnąć te same rezultaty w o wiele krótszym czasie?
Uczenie maszynowe pomaga osiągnąć właśnie taki efekt i z tego powodu korzystają z niego dziennikarze śledczy na całym świecie.
W 2019 r. Międzynarodowe Konsorcjum Dziennikarzy Śledczych (ICIJ) otrzymało ponad 700 000 poufnych dokumentów, znanych jako Luanda Leaks. Aby przeanalizować wszystkie dokumenty, ICIJ nawiązało współpracę z Quartz, którego zespół śledczy opracował model uczenia maszynowego, aby pomóc dziennikarzom znaleźć w pamięci podręcznej z przeciekami te dokumenty, których się spodziewali.
Jak mogę dowiedzieć się, co wyróżnia ten tekst?
Innym wyzwaniem, przed którym może stanąć reporter, pracując nad daną historią, jest umiejętność porównania zestawu dokumentów z korpusem o podobnym charakterze. Na przykład reporter polityczny chce porównać orędzie o stanie państwa jednego z prezydentów USA z orędziem innego prezydenta dekada po dekadzie.
Okazuje się, że i z tym wyzwaniem uczenie maszynowe nieźle sobie poradzi.
W 2017 roku organizacja ProPublica wykorzystała model komputerowy do analizy komunikatów prasowych poszczególnych członków Kongresu USA i porównała je ze wszystkimi publikowanymi w tym samym czasie komunikatami prasowymi Kongresu. Dzięki temu dziennikarze mogli dowiedzieć się, które tematy najbardziej interesowały członków Kongresu, a przynajmniej które poruszali częściej niż ich koledzy.
Jak przeanalizuję tak wiele obrazów?
Nasz świat jest fotografowany miliony razy dziennie. A to przekłada się na bezprecedensową liczbę obrazów, które mogą posłużyć reporterom za materiał do historii.. Gdyby tylko istniał sposób na nauczenie komputerów znajdowania konkretnych szczegółów w bazie danych informacji wizualnych... Rozwiązanie – uczenie maszynowe.
Ukraińska agencja dziennikarska Texty użyła uczenia maszynowego do wykrywania nielegalnych kopalni bursztynu na terenie Ukrainy. Wykorzystując różne algorytmy, udało się wyszkolić system UM na istniejących przykładach wydobycia bursztynu, tak aby mógł znaleźć nowe przykłady w zestawie obrazów satelitarnych.
Powstała w ten sposób historia zawierała mapę internetową, na której użytkownik może przybliżyć zdjęcia kopalni bursztynu w całym kraju.
Jak mogę znaleźć więcej takich danych?
Słowa, obrazy, a teraz liczby.. Wśród wielu rzeczy, które komputery potrafią robić lepiej niż ludzie, jest przetwarzanie dużych ilości danych liczbowych. Jeśli masz do przeanalizowania tysiące danych liczbowych, zwłaszcza gdy chcesz wykryć schematy i podobieństwa, masz do czynienia z kolejną sytuacją, w której możesz skorzystać z uczenia maszynowego.
To właśnie zrobił w 2017 r. BuzzFeed News podczas pracy nad artykułami o ukrytych samolotach szpiegowskich, o których było głośno, ponieważ był to jeden z pierwszych przykładów dziennikarstwa na wysokim poziomie wykorzystującego uczenie maszynowe do relacjonowania historii.
Przeszkolono komputer, aby znajdował samoloty obserwacyjne, pozwalając algorytmowi "losowego lasu" szukać samolotów o zbliżonych planach lotów wykorzystywane przez FBI i Departament Bezpieczeństwa Krajowego.
Jakie problemy może pomóc rozwiązać uczenie maszynowe?
Kopalnie bursztynu, skandale korupcyjne, samoloty szpiegowskie i orędzia o stanie państwa. Uczenie maszynowe może być całkiem przydatne w Twojej pracy, zwiększając Twoją zdolność do znajdowania i opowiadania ważnych historii za pomocą danych.
Mimo to należy również podkreślić, że nie jest magią. Można nawet powiedzieć, że robi wszystko, co mógłbyś zrobić Ty, gdyby pomagało Ci tysiąc niestrudzonych stażystów.
Ale wciąż to od Ciebie zależeć będzie decyzja, czy uczenie maszynowe jest właściwym narzędziem wspomagającym relacjonowanie historii, którą chcesz opowiedzieć. Po dokonaniu tej oceny przekonasz się, uczenie maszynowe pomoże Ci w przesiewaniu niezliczonej ilości informacji i wzbogaci Twoją pracę wynikami.
-
Zdjęcia historyczne Google: Google Earth Pro, Google Maps i Timelapse
LekcjaDowiedz się, gdzie i kiedy zostało zrobione i przesłane dane zdjęcie. -
-