Uczenie maszynowe, dziennikarstwo i Ty
Jak uczenie maszynowe wpisuje się w Twoje życie osobiste i zawodowe.
Uczenie maszynowe jest wokół nas
Uczenie maszynowe (UM) jest wykorzystywane w wielu produktach, których używamy na co dzień. Ale nie zawsze zdajemy sobie z tego sprawę. Oto kilka przykładów:
- oprogramowania do nawigacji GPS, takie jak Google Maps i Waze;
- usługi transmisji strumieniowej, takie jak Netflix i Spotify;
- wyszukiwarki, takie jak Google Search, Baidu i Yahoo;
- media społecznościowe, takie jak TikTok, Facebook i Instagram.
Uczenie maszynowe może być stosowane w wielu dziedzinach, od zdrowia po handel detaliczny, a także w tworzeniu pojazdów samoprowadzących.
Już wykorzystujesz uczenie maszynowe
Być może nie zdajesz sobie z tego sprawy, ale wszyscy na co dzień mamy styczność z uczeniem maszynowym.
Jako dziennikarz prawdopodobnie korzystałeś już z technologii uczenia maszynowego w newsroomie. Może używałeś Google Translate lub innego narzędzia do tłumaczenia albo Grammarly lub Hemingway do sprawdzenia swoich tekstów. Może Trint zaoszczędził Ci sporo czasu, automatycznie spisując wywiad.
Bez względu na to, czy pracujesz w newsroomie czy jesteś niezależnym dziennikarzem, jest bardziej prawdopodobne, że uczenie maszynowe już wspomogło Twoją pracę.
W jaki sposób dziennikarze wykorzystują uczenie maszynowe na różnych etapach relacjonowania wydarzeń?
Dziennikarstwo i uczenie maszynowe
Poza konkretnymi narzędziami, o których już wspomnieliśmy, uczenie maszynowe powoli, ale w sposób nieunikniony wkracza do dziennikarstwa. Jak wyjaśniono w raporcie JournalismAI report odbywa się to głównie poprzez rozszerzenie istniejących procesów: zwolnienie dziennikarzy z powtarzających się zadań i umożliwienie im pracy nad artykułami, których przygotowanie bez pomocy technologii byłoby zbyt skomplikowane lub czasochłonne.
Jak w takim razie wykorzystuje się uczenie maszynowe w newsroomie? I w jaki sposób dziennikarze mogą wykorzystać je do usprawnienia swojej pracy redakcyjnej?
W kolejnych częściach przyjrzymy się kilku praktycznym przykładom, które pokazują, w jaki sposób można wykorzystać uczenie maszynowe do gromadzenia wiadomości, jak również do produkcji i dystrybucji wiadomości i informacji.
Uczenie maszynowe do gromadzenia wiadomości
W 2018 roku agencja Reuters opracowała narzędzia News Tracer i Lynx Insight. Oba narzędzia wykorzystują uczenie maszynowe i technologie sztucznej inteligencji (więcej o tych dwóch pojęciach w następnej lekcji), aby pomóc dziennikarzom agencji Reuters w procesie gromadzenia wiadomości.
News Tracer ma za zadanie pomóc dziennikarzom znaleźć aktualne wydarzenia na Twitterze. Narzędzie analizuje miliony tweetów w czasie rzeczywistym, aby oznaczyć potencjalnie najświeższe wiadomości i umożliwić newsroomowi dostrzeżenie ich szybciej, niż byłoby to możliwe w przypadku zwykłych metod gromadzenia wiadomości.
Podobnie Lynx Insight ma na celu zidentyfikowanie trendów i kluczowych faktów w dużych zbiorach danych, sugerując dziennikarzom nowe historie, a jednocześnie dostarczając dodatkowych informacji dotyczących kontekstu i tła.
Uczenie maszynowe do tworzenia wiadomości
Narzędzia wykorzystujące uczenie maszynowe do automatyzacji czasochłonnego procesu transkrypcji wywiadów i tłumaczenia informacji są dobrym przykładem na to, w jaki sposób technologia wspomaga tworzenie wiadomości. Ale zastosowanie uczenia maszynowego w tworzeniu wiadomości znacznie wykracza poza ten proces.
Szeroka gama organizacji medialnych – w tym Bloomberg, The Washington Post i Associated Press – zaczęła wdrażać różne techniki SI i uczenia maszynowego, aby automatycznie tworzyć wiadomości na dużą skalę.
Głównym celem jest, aby dziennikarze mogli skupić się na najbardziej kreatywnych aspektach swojej pracy, pozostawiając powtarzające się zadania maszynie. Ostatnie studia przypadków pokazują, że korzyści mogą być większe niż nam się wydaje.
Uczenie maszynowe do dystrybucji wiadomości
Działające przy Finnish Public Broadcasting Company Yle News Lab wykorzystało uczenie maszynowe do stworzenia inteligentnego asystenta informacyjnego Voitto dla swojej spersonalizowanej aplikacji informacyjnej Yle NewsWatch.
Asystent Voitto działa na ekranie blokady urządzenia mobilnego i za pomocą alertów lub powiadomień poleca użytkownikowi ciekawe treści informacyjne. Voitto wykorzystuje uczenie maszynowe do doskonalenia swoich rekomendacji poprzez uczenie się z interakcji użytkownika na jego ekranie blokady oraz z historii czytanych przez niego treści. Dodatkowo użytkownik może uczyć asystenta, przekazując mu bezpośrednie informacje zwrotne poprzez powiadomienia i w samej aplikacji.
Uczenie maszynowe może również pomóc agencjom informacyjnym w doskonaleniu ich modelu biznesowego, na przykład poprzez dostosowanie elastycznego systemu płatności dla ich subskrybentów.
Odkrywanie potencjału uczenia maszynowego
Jak się przekonaliśmy, uczenie maszynowe już jest wykorzystywane do zwiększania możliwości dziennikarzy w całym procesie tworzenia wiadomości. Ale to nie oznacza, że uczenie maszynowe jest „cudownym rozwiązaniem” wszystkich problemów dziennikarskich.
Dziennikarstwo nie odkryło jeszcze wielu korzyści, jakie daje uczenie maszynowe, a nowe możliwości idą w parze z nowymi zagrożeniami i wyzwaniami, na które dziennikarze powinni uważać.
W kolejnych lekcjach kursu szczegółowo omówimy, czym jest i na czym polega uczenie maszynowe. Przyjrzymy się, jak dziennikarze mogą użyć tej wydajnej technologii w innowacyjny sposób i jakie ryzyko należy wziąć pod uwagę, aby odpowiedzialnie z niej korzystać.
-
Weryfikacja: Zaawansowane odwrócone wyszukiwanie grafiki
LekcjaJak odróżnić oryginalne relacje świadków od treści bez autora? -
-
Uzyskiwanie informacji o odbiorcach dzięki ankietom
LekcjaUzyskaj informacje o odbiorcach, ich nawykach i oczekiwaniach dzięki ankietom