Machine Learning, o jornalismo e você
Como o machine learning está entrando na sua vida pessoal e profissional.
O Machine Learning está em tudo à nossa volta
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.
Você já usa o Machine Learning
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?
O Jornalismo e o Machine Learning
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.
Machine Learning para coleta de notícias
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.
Machine Learning para a produção de notícias
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.
Machine Learning para a distribuição de notícias
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.
Explorando o potencial do Machine Learning
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.
-
-
-
How to make them using makestories.io
Aulamakestories.io is a platform specially created to help people make, publish, and monetize Google Web Stories. It’s free, and it can be used with any content management system. Here are the basics of how to get started with makestories.io.