การเรียนรู้ของเครื่องจักร, งานสื่อสารมวลชนและคุณ

ระบบการเรียนรู้ของเครื่องจักร (ML) มีบทบาทอยู่เบื้องหลังผลิตภัณฑ์มากมายที่เราใช้อยู่ในปัจจุบันซึ่งเราเองอาจไม่ตระหนักว่ามีผลิตภัณฑ์ใดบ้างที่ ML อยู่เบื้องหลังตัวอย่างบางส่วน:

• ซอฟต์แวร์นำทาง GPS เช่น Google Maps และ Waze
• บริการสตรีมมิ่ง เช่น Netflix และ Spotify
• เซิร์จเอนจิน เช่น Google Search, Baidu และ Yahoo
• โซเชียลมีเดีย เช่น TikTok, Facebook และ Instagram

ระบบการเรียนรู้ของเครื่องจักรสามารถนำมาใช้กับงานในสาขาต่าง ๆ ไม่ว่าจะเป็นด้านสุขภาพไปจนถึงค้าปลีก และในการพัฒนารถยนต์ขับเคลื่อนด้วยตัวเอง

คุณอาจไม่รู้ว่าเราอยู่ใกล้ชิดกับระบบการเรียนรู้ของเครื่องจักรในชีวิตประจำวันของเรา 

ในฐานะนักข่าว มีโอกาสที่คุณจะเคยใช้เทคโนโลยีการเรียนรู้ของเครื่องจักรในห้องข่าวของคุณเองคุณอาจเคยใช้ Google Translate หรือเครื่องมือแปลอื่น ๆหรือคุณอาจเคยใช้ Grammarly หรือ Hemingway เพื่อตรวจพิสูจน์งานเขียนของคุณหรือ Trint อาจเคยช่วยคุณย่นย่อเวลาในการถอดความบทสัมภาษณ์ของคุณแบบอัตโนมัติ

ไม่ว่าคุณจะทำหน้าที่ใดในห้องข่าว หรือในฐานะนักข่าวอิสระ มีโอกาสที่ระบบการเรียนรู้ของเครื่องจักรจะแฝงอยู่ในงานของคุณไม่จุดใดก็จุดหนึ่ง

ดังนั้นวิธีการที่สำคัญที่อุตสาหกรรมข่าวใช้ระบบเรียนรู้ของเครื่องจักรในกระบวนการต่าง ๆ ของการรายงานข่าวเป็นอย่างไรบ้าง

นอกเหนือจากเครื่องมือต่าง ๆ ที่เราได้กล่าวถึงไป ระบบการเรียนรู้ของเครื่องจักรยังค่อย ๆ มีอิทธิพลมากขึ้นเรื่อย ๆ ในวงการข่าวตามข้อมูลจาก JournalismAI report ระบุยืนยันสถานการณ์นี้โดยมีการใช้ระบบดังกล่าวเพื่อเสริมกระบวนการข่าวที่มีอยู่ในปัจจุบัน เพื่อให้นักข่าวไม่ต้องทำงานที่ซ้ำซ้อนและสามารถจดจ่ออยู่กับประเด็นข่าวที่อาจมีความซับซ้อนและอาจต้องใช้เวลามากในการรายงานข่าวหากไม่มีเทคโนโลยีนี้คอยช่วยเหลือ

ถ้าอย่างนั้นระบบการเรียนรู้ของเครื่องจักรสามารถเป็นประโยชน์อย่างไรบ้างในห้องข่าวและนักข่าวจะใช้สิ่งนี้เพื่อปรับปรุงงานด้านบรรณาธิการได้อย่างไร 

เนื้อหาต่อจากนี้จะพิจารณาที่ตัวอย่างจากสถานการณ์จริงบางประการเพื่อแสดงให้เห็นว่าระบบการเรียนรู้ของเครื่องจักรสามารถนำมาใช้เพื่อช่วยในการรวบรวมข้อมูลข่าว การผลิและเผยแพร่ข่าวและข้อมูลสารสนเทศได้อย่างไรบ้าง

เมื่อปี 2018 สำนักข่าว Reuters ได้จัดทำ News Tracer และ Lynx Insight ขึ้นเครื่องมือทั้งสองชุดนี้ใช้ระบบการเรียนรู้ของเครื่องจักรร่วมกับปัญญาประดิษฐ์ (รายละเอียดเพิ่มเติมเกี่ยวกับสองสิ่งนี้จะมีกล่าวถึงในบทเรียนถัดไป) เพื่อสนับสนุนนักข่าวของ Reuters ในกระบวนการรวบรวมข้อมูลข่าว

News Tracer ออกแบบขึ้นมาเพื่อช่วยให้นักข่าวสามารถหาข้อมูลกิจกรรมต่าง ๆ ที่น่าสนใจทาง Twitterเครื่องมือนี้จะวิเคราะห์ทวีตต่าง ๆ แบบเรียลไทม์เพื่อแจ้งข่าวด่วนที่น่าสนใจ และเพื่อให้ห้องข่าวสามารถทราบข่าวได้รวดเร็วกว่าการรวบรวมข้อมูลข่าวตามปกติ

Lynx Insight ก็มีลักษณะใกล้เคียงกันโดยออกแบบมาเพื่อพิจารณาแนวโน้มและข้อเท็จจริงที่สำคัญจากชุดข้อมูลขนาดใหญ่ และแนะนำเรื่องราวที่จะรายงานข่าว พร้อมกับบริบทและข้อมูลแวดล้อมเพิ่มเติม

เครื่องมือที่ใช้ระบบการเรียนรู้ของเครื่องจักรช่วยในการปรับการทำงานแบบอัตโนมัติของกระบวนการถอดความคำสัมภาษณ์ที่ต้องใช้เวลามากและจัดแปลข้อมูลเหล่านี้ซึ่งถือเป็นตัวอย่างที่ดีในการผลิตข้อมูลข่าวที่ใช้เทคโนโลยีช่วยทั้งนี้การใช้ระบบการเรียนรู้ของเครื่องจักรในกระบวนการผลิตข่าวไม่ได้จำกัดอยู่เพียงแค่นี้

สำนักข่าวมากมาย ไม่ว่าจะเป็น Bloomberg, The Washington Post และ Associated Press ต่างเริ่มนำ AI และระบบการเรียนรู้ของเครื่องจักรมาใช้ประโยชน์เพื่อ จัดทำข้อมูลข่าวแบบอัตโนมัติไม่ในระดับใดก็ระดับหนึ่ง 

เป้าหมายหลักคือเพื่อให้นักข่าวสามารถจดจ่อกับการสร้างสรรค์ผลงาน และลดกระบวนการที่ซ้ำซ้อนไว้ให้กับเครื่องจักร ผลการศึกษาล่าสุดแสดงให้เห็นว่าข้อดีที่เกิดขึ้นอาจมากกว่าที่เราคิดไว้

Yle News Lab จาก Finnish Public Broadcasting Company เลือกใช้ระบบการเรียนรู้ของเครื่องจักรเพื่อพัฒนาผู้ช่วยงานข่าวอัจฉริยะอย่าง Voitto สำหรับแอพข่าว Yle NewsWatch ของตน 

Voitto จะฝังอยู่ในหน้าจอล็อคของอุปกรณ์พกพาและให้คำแนะนำเกี่ยวกับเนื้อหาข่าวที่น่าสนใจแก่ผู้ใช้ผ่านระบบแจ้งเตือนต่าง ๆVoitto ใช้ระบบการเรียนรู้ของเครื่องจักรเพื่อจัดทำคำแนะนำต่าง ๆ โดยการสังเกตการใช้งานของผู้ใช้จากหน้าจอล็อค และจากประวัติการอ่านเนื้อหาของผู้ใช้นอกจากนี้ผู้ใช้ยังสามารถสอนผู้ช่วยนี้ในการทำงานโดยการให้ข้อเสนอแนะโดยตรงผ่านส่วนแจ้งเตือนและในแอพข่าวเอง

ระบบการเรียนรู้ของเครื่องจักรสามารถช่วยให้สำนักข่าวต่าง ๆ สามารถพัฒนาตัวแบบทางธุรกิจของตน เช่น โดยการปรับแตี่ง flexible paywall สำหรับผู้รับข้อมูลของตน

จะเห็นว่าระบบการเรียนรู้ของเครื่องจักรถูกใช้เพื่อเสริมขีดความสามารถของนักข่าวในกระบวนการข่าวอย่างต่อเนื่องแต่ไม่ได้หมายความว่าระบบการเรียนรู้ของเครื่องจักรจะเป็นสูตรสำเร็จในการแก้ไขปัญหาของวงการข่าวทั้งหมด 

ศักยภาพในการใช้งานต่าง ๆ ของระบบการเรียนรู้จากเครื่องจักรยังเป็นสิ่งที่วงการข่าวต้องเรียนรู้ต่อไป และอาจมีเทคโนโลยีใหม่ ๆ เข้ามาเสริมพร้อมความเสี่ยงและความท้าทายใหม่ ๆ ที่นักข่าวจะต้องพึงระวัง

ในบทเรียนต่อจากนี้ เราจะได้เรียนรู้รายละเอียดเกี่ยวกับระบบการเรียนรู้ของเครื่องจักรและการทำงานเราจะได้เรียนรู้ว่าสิ่งนี้จะถูกนำไปใช้โดยนักข่าวได้อย่างสร้างสรรค์ได้อย่างไร และมีความเสี่บงใดบ้างที่จะต้องพิจารณาเพื่อให้มีการใช้เทคโนโลยีที่มีประสิทธิภาพนี้ได้อย่างมีความรับผิดชอบ