Como você pode usar o Machine Learning

Agora que você tem uma noção melhor do que é o machine learning e quais são os diferentes métodos de treinar um modelo, provavelmente estará pensando em como o machine learning pode ajudar no seu trabalho diário. Esta lição abordará exatamente isso. 

Ninguém estruturou melhor este debate do que o Quartz AI Studio. Nos parágrafos a seguir, vamos usar o modelo deles (com a devida permissão) para ajudá-lo a compreender algumas das situações e impressões que você pode ter sobre como o machine learning pode ajudar.

Os filmes de jornalistas tendem a glorificar as investigações em que esses repórteres passam meses lendo caixas de documentos em uma sala sem janelas para revelar grandes histórias de corrupção. E se pudéssemos obter os mesmos resultados em uma fração do tempo?

O machine learning pode ajudá-lo a fazer exatamente isso e, por essa razão, já está sendo usado por jornalistas investigativos em todo o mundo.

Em 2019, o Consórcio Internacional de Jornalistas Investigativos (ICIJ) recebeu mais de 700.000 documentos vazados, conhecidos em conjunto como os Luanda Leaks (vazamentos de Luanda). Para analisar todos esses arquivos, o ICIJ fez uma parceria com o Quartz, cuja equipe de investigação criou um modelo de machine learning para ajudar os jornalistas a encontrarem os tipos de documentos que eles esperavam no acervo de documentos.

Outro tipo de desafio que um repórter pode enfrentar ao trabalhar em uma matéria é a capacidade de comparar um conjunto de documentos com um corpus de natureza semelhante. Por exemplo, um repórter político pode querer comparar os pronunciamentos de um presidente com todos aqueles realizados por outros presidentes década após década.

Ocorre que este é outro desafio com o qual o machine learning pode lidar muito bem.

Em 2017, ProPublica usou um modelo de computador para analisar os comunicados de imprensa de membros individuais do Congresso dos Estados Unidos em comparação com todos os comunicados de imprensa do Congresso publicados durante o mesmo período. Isso permitiu aos repórteres saber a quais temas os membros do Congresso davam mais importância ou, ao menos, abordavam mais do que os seus colegas.

O nosso mundo é fotografado milhões de vezes por dia. E isso representa uma quantidade sem precedentes de imagens nas quais os repórteres podem encontrar matérias. Se ao menos houvesse uma forma de ensinar os computadores a encontrar detalhes específicos em um banco de dados de informações visuais... Você sabe do que estamos falando: entra o machine learning.

A agência ucraniana de jornalismo de dados Texty usou o machine learning para detectar minas de âmbar ilegais em toda a Ucrânia. Combinando diferentes algoritmos, eles conseguiram treinar o sistema de ML em exemplos existentes de mineração de âmbar, de forma que puderam encontrar novos exemplos em um conjunto de imagens de satélite.

A matéria resultante incluía um mapa online no qual o leitor podia ampliar as fotos das minas de âmbar em todo o país.

Palavras, imagens, e agora números. Entre as muitas coisas que os computadores podem fazer melhor do que os humanos, está o processamento de dados numéricos em grande escala. Se você tem milhares de registros numéricos para analisar, especialmente se você deseja identificar padrões e semelhanças, você está lidando com outro caso em que o machine learning pode ajudar.

Isso é o que BuzzFeed News fez em 2017 para a sua matéria sobre aviões de espionagem camuflados, que causou um certo impacto como um dos primeiros exemplos de jornalismo de alto nível que aplica o machine learning para fins de reportagem.

Eles treinaram um computador para encontrar aeronaves de vigilância deixando um algoritmo de “random forest” filtrar os aviões com padrões de combate que se pareciam com aqueles operados pelo FBI e o Departamento de Segurança Nacional.

Minas de âmbar, escândalos de corrupção, aviões de espionagem e pronunciamentos. Como você pode ver, o machine learning pode ser bastante útil em apoiar o seu trabalho incrementando a sua capacidade de encontrar e escrever matérias importantes com os dados.

Agora, no entanto, deveria estar claro que o machine learning não é mágico. Você pode até dizer que ele não pode fazer algo que você não faria – se ao menos você tivesse mil estagiários incansáveis trabalhando para você.

Continua sendo decisão sua considerar se o machine learning é a ferramenta certa para ajudá-lo na matéria que você quer escrever. Após feita a avaliação, você pode contar com o machine learning para ajudar a filtrar uma quantidade impraticável de informações e potencializar o seu jornalismo com os resultados.