การสืบเรื่องราวด้วยแมชชีนเลิร์นนิง
คุณจะใช้แมชชีนเลิร์นนิงในการรายงานข่าวได้อย่างไร
แมชชีนเลิร์นนิงเพื่อการสืบเรื่องราว: กรณีศึกษา
ปี 2010 ราคาอำพันในตลาดโลกเริ่มเพิ่มสูงขึ้นอย่างรวดเร็ว เนื่องจากมีความต้องการมาก ในปีต่อๆ มา พื้นที่บางส่วนในภาคตะวันตกเฉียงเหนือของประเทศยูเครนซึ่งมีอำพันอุดมสมบูรณ์จึงดึงดูดความสนใจจากทั้งในท้องถิ่นและจากต่างชาติ จนกลายเป็นที่เกิดเหตุ “ตื่นอำพัน” อย่างผิดกฎหมายและเป็น “ดินแดนตะวันตก” แห่งใหม่
พื้นที่ป่าและที่ดินเพื่อการเกษตรนับร้อยเฮกตาร์กลายเป็นพื้นดินแห้งแล้งไร้ชีวิตเหมือนโลกพระจันทร์ โดยมีกิจกรรมการทำเหมืองเกิดขึ้นหนาแน่นที่สุดตั้งแต่ปี 2014 ถึง 2016 แต่ยังคงดำเนินไปต่อเนื่องในปีต่อๆ มา
การสืบเรื่องราวของ Texty “โรคเรื้อนของผืนดิน”
ปี 2018 สำนักข้อมูลข่าวของยูเครนชื่อ Texty ได้เผยแพร่ผลการสืบเรื่องราว Leprosy of the Land ที่พวกเขาใช้เทคนิคแมชชีนเลิร์นนิงตรวจหากรณีการทำเหมืองอำพันผิดกฎหมายทั่วยูเครน
อันดับแรก อัลกอริทึมได้แบ่งส่วนต่างๆ ของภาพถ่ายดาวเทียมออกเป็นส่วนย่อยที่มองเห็นได้ว่าเหมือนกัน ดังนั้นถ้าภาพถ่ายมีสีเขียวครึ่งหนึ่งและอีกครึ่งเป็นทุ่งดิน อัลกอริทึมจะแยกภาพออกเป็นสองส่วนย่อย
อัลกอริทึมอีกแบบค้นหาว่าส่วนย่อยใดคล้ายตัวอย่างของการทำเหมืองอำพันที่มีอยู่แล้วมากที่สุด โดยมีรูปแบบหลุมในดินที่ชัดเจนเหมือนรอยแผลฝีดาษ
สุดท้าย นักข่าวตรวจสอบตัวอย่างที่อัลกอริทึมพบเพื่อให้แน่ใจว่าแท้จริงแล้วสิ่งที่อัลกอริทึมคิดว่าดูเหมือนการทำเหมืองอำพันไม่ใช่อย่างอื่น เช่น การตัดไม้ทำลายป่า
การค้นหาตัวอย่างการทำเหมืองอำพันผิดกฎหมาย
ในหลักสูตรนี้ เราจะเน้นวิธีการที่ Texty ใช้ฝึกอัลกอริทึมให้จำแนกภาพตัวอย่างการทำเหมืองอำพันผิดกฎหมาย จากภาพถ่ายดาวเทียมจำนวนมหาศาลที่อัลกอริทึมอีกแบบแบ่งเป็นส่วนย่อยมาให้ก่อนแล้ว
อย่างที่กล่าวไว้ในบทเรียนแรก นั่นหมายถึงว่าเราจะทดสอบด้วยการเรียนรู้แบบมีการกำกับดูแล คุณจะได้ทราบว่าอัลกอริทึมเรียนรู้จากตัวอย่างที่มีป้ายกำกับอย่างไร เพื่อจดจำรูปแบบเดียวกันในภาพถ่ายต่างๆ ที่อัลกอริทึมไม่เคยเห็นมาก่อน
และจะได้ทราบด้วยว่าคุณจะเลียนแบบกระบวนการนี้เพื่อเรื่องราวของคุณเองได้อย่างไร ตั้งแต่การค้นหาตัวอย่างที่คุณต้องใช้ จนถึงการฝึกรูปแบบแมชชีนเลิร์นนิงให้จำแนกสิ่งที่คุณกำลังมองหา และจากนั้นจึงทดสอบและประเมินผลรูปแบบให้แน่ใจว่าจะได้ผลลัพธ์ที่เชื่อถือได้
ML คือเครื่องมือที่ใช่สำหรับปัญหานี้หรือไม่
แต่ทำไมแมชชีนเลิร์นนิงจึงเป็นเครื่องมือที่ถูกต้องในการหาข้อมูลที่ Texty มองหา
ในการเขียนโปรแกรมแบบคลาสสิก คุณต้องระบุคำสั่งทีละขั้นตอนให้คอมพิวเตอร์ทำตาม ในขณะที่วิธีนี้ได้ผลสำหรับการแก้ปัญหาหลากหลายแบบ แต่ไม่พอสำหรับงานจำแนกตัวอย่างการทำเหมืองอำพันผิดกฎหมายจากภาพถ่ายดาวเทียมจำนวนมหาศาล มีองค์ประกอบที่มองเห็นได้มากมายที่คอมพิวเตอร์ต้องพิจารณาจนเป็นไปไม่ได้ที่จะสร้างชุดของกฎทีละขั้นตอนให้สามารถสอนซอฟต์แวร์แยกแยะระหว่างตัวอย่างจริงของการทำเหมืองอำพันผิดกฎหมายกับสิ่งที่อาจแค่ดูคล้ายกัน
โชคดีที่ระบบแมชชีนเลิร์นนิงอยู่ในตำแหน่งที่ดีในการแก้ปัญหานี้
เน้นกระบวนการ
อย่าลืมว่าสิ่งที่คุณจะเรียนรู้ในหลักสูตรนี้ นั่นคือ วิธีสังเกตการทำเหมืองอำพันผิดกฎหมาย เป็นเพียงตัวอย่างเดียว ด้วยกระบวนการเดียวกันนี้ สามารถใช้แมชชีนเลิร์นนิงทำงานข่าวต่างๆ มากมาย และแม้แต่นำไปประยุกต์ใช้เพื่อวิเคราห์เนื้อหาประเภทต่างๆ ก็ได้ ไม่เฉพาะรูปภาพ เราจะดูกรณีการใช้งานอื่นๆ อีกตอนท้ายหลักสูตร ระหว่างทำแบบฝึกหัด อย่าลืมเน้นกระบวนการมากกว่ากรณีศึกษาที่เฉพาะเจาะจง
คราวนี้ก่อนเราจะเริ่มทำแบบฝึกหัดจริง เราต้องให้เวลาสองสามนาทีเพื่อทำความรู้จักและตั้งค่าเครื่องมือที่เราจะหัดใช้ในบทเรียนต่อไป นั่นคือ Google Cloud AutoML Vision
-
การเล่าเรื่องด้วย Google Trends
บทเรียนเรียนรู้วิธีการแสดงบริบทให้ข้อมูล Google Trends และนำมาผสานรวมเข้ากับการรายงานของคุณ -
-
การยืนยันแบบ 2 ขั้นตอน: ความปลอดภัยที่แน่นหนาสำหรับบัญชี Google ของคุณ
บทเรียนเพิ่มชั้นพิเศษของการป้องกันนอกเหนือจากรหัสผ่านของคุณ