Machine Learning, o jornalismo e você

O machine learning (ML) já integra muitos produtos que usamos diariamente. Mas nem sempre é tão óbvio para nós que o ML está por trás deles. Alguns exemplos:

• Softwares de navegação por GPS, como o Google Maps e o Waze
• Serviços por streaming, como o Netflix e o Spotify
• Motores de busca, como o Google Search, Baidu e Yahoo
• Redes sociais, como o TikTok, o Facebook, e o Instagram

O machine learning pode ser aplicado em uma ampla gama de áreas, da saúde ao comércio, e no desenvolvimento de veículos autônomos.

Talvez você não perceba, mas todos nós já tivemos contato com o machine learning na nossa vida cotidiana. 

Como jornalista, é provável que você já tenha usado a tecnologia de machine learning na sua sala de redação. Talvez você tenha usado o Google Translate ou outra ferramenta de tradução. Quiçá você tenha usado o Grammarly ou o Hemingway para revisar o seu texto. Ou talvez o Trint o tenha salvado muitas vezes, transcrevendo automaticamente as suas entrevistas.

Seja qual for a sua função na sala de redação ou como jornalista independente, é bem provável que o machine learning o tenha ajudado em algum aspecto do seu trabalho.

Então, quais são as principais formas que o jornalismo está usando o machine learning nos diferentes estágios do processo de reportagem?

Além das ferramentas específicas já mencionadas, o machine learning está lentamente encontrando o seu espaço no processo jornalístico. Como o JournalismAI report já explicou, o ML está fazendo isso principalmente por meio do incremento de processos existentes: liberando os jornalistas de tarefas repetitivas e permitindo-lhes trabalhar nas matérias que seriam muito complexas ou levariam muito tempo para serem escritas sem a ajuda da tecnologia.

Portanto, o que exatamente o machine learning pode fazer em uma sala de redação? E como os jornalistas podem usá-lo para melhorar o seu trabalho editorial? 

Nos próximos parágrafos, veremos alguns exemplos práticos que mostram como o machine learning pode ser implantado para apoiar a coleta de notícias, bem como a produção e distribuição de notícias e informações.

Em 2018, a Reuters desenvolveu o News Tracer e o Lynx Insight. Ambas as ferramentas usam as tecnologias de machine learning e inteligência artificial (mais sobre esses dois termos na próxima lição) para ajudar os jornalistas da Reuters no processo de coleta de notícias.

O News Tracer foi desenvolvido para ajudar os jornalistas a encontrar eventos que estão surgindo no Twitter. A ferramenta analisa milhões de tweets em tempo real para sinalizar as possíveis notícias de última hora e permitir à sala de redação identificar as últimas notícias de forma mais rápida do que seria possível com as práticas regulares de coleta de notícias.

Da mesma forma, o Lynx Insight foi desenvolvido para identificar as tendências e os principais fatos em grandes conjuntos de dados, sugerindo novas matérias aos repórteres, oferecendo também contexto adicional e informações conjunturais.

As ferramentas que usam o machine learning para automatizar o lento processo de transcrição de entrevistas e tradução de informações são bons exemplos de como a produção de notícias pode ser incrementada pela tecnologia. Mas o uso de machine learning no processo de produção de notícias transcende esse aspecto.

Uma ampla variedade de meios de comunicação – incluindo Bloomberg, The Washington Post, e a Associated Press – começaram a implantar diferentes técnicas de IA e machine learning para produzir novas matérias automaticamente em grande escala.  

O principal objetivo é permitir aos jornalistas concentrar-se nos aspectos mais criativos do seu trabalho, mas estudos de caso recentes mostram que os benefícios poderiam ser maiores do que imaginamos.

O Yle News Lab na Finnish Public Broadcasting Company usou o machine learning para criar um assistente de notícias inteligente Voitto para o seu app de notícias personalizadas, o Yle NewsWatch.  

O assistente Voitto permanece na tela de bloqueio de um dispositivo móvel e recomenda ao usuário conteúdo de notícias interessantes por meio de alertas ou notificações. O Voitto usa o machine learning para melhorar as suas recomendações aprendendo com as interações do usuário na sua tela de bloqueio e com o histórico de leitura do usuário. Adicionalmente, o usuário pode ensinar o assistente oferecendo-lhe feedback direto por meio de notificações e no próprio app de notícias.

O machine learning também pode ajudar os meios de comunicação a melhorar o seu modelo de negócio, por exemplo, aperfeiçoando um paywall flexível para os seus assinantes.

Como vimos, o machine learning já está sendo usado para incrementar as capacidades dos jornalistas em todo o processo jornalístico. Mas isso não significa que o machine learning é o salvador da pátria para todos os problemas do jornalismo. 

Muito do potencial oferecido pelo machine learning ainda está por ser descoberto pelo jornalismo, e os novos poderes vêm de mãos dadas com novos riscos e desafios para aos quais os jornalistas devem estar atentos.

Nas próximas lições deste curso, aprenderemos mais detalhadamente o que é o machine learning e como ele funciona. Exploraremos como ele pode ser usado por jornalistas em formas inovadoras e quais riscos devem ser considerados para um uso responsável desta potente tecnologia.