Il machine learning può essere utilizzato per il controllo dei fatti e può rendere l'archiviazione un compito meno noioso per i giornalisti. Global Editor Networks ha trovato tre esempi interessanti per spiegare come le applicazioni dell'intelligenza artificiale possono venire in aiuto al mestiere del giornalismo. La tesi è nota. i sistemi di apprendimento automatico potrebbero diventare strumenti essenziali per il giornalismo nei prossimi anni.

In teoria è tutto chiaro ma mettere a terra queste tecnologie è più complicato. Questi tre casi però suggeriscono delle soluzioni più concrete anche se non facilmente praticabili. Il Los Angeles Times, per esempio, utilizzando tool di machine learning ha scoperto che il dipartimento di polizia di Los Angeles ha classificato erroneamente 14.000 gravi aggressioni come reati minori dal 2005 al 2012, abbassando così i livelli di criminalità della città.

Nel 2009, ad esempio, un uomo è stato pugnalato dalla sua ragazza con un coltello da cucina durante una disputa domestica. La polizia ha arrestato l'aggressore, che è stato riconosciuto colpevole di aggressione con un'arma mortale. Nel database dei criminali del dipartimento di polizia di Los Angeles, l'attacco è stato elencato come “semplice assalto”. A causa di questa errata classificazione, l'incidente grave non è stato escluso dalla registrazione delle violenze nella città.

Il Los Angeles Times ha utilizzato un algoritmo che analizza i dati di un crimine per apprendere le parole chiave che identificano gli assalti come gravi o minori. L'algoritmo addestrato è stato poi rilasciato su un campione casuale di quasi 2.400 reati minori avvenuti tra il 2005 e il 2012 per scoprire quali di questi assalti erano stati classificati in modo errato. L'analisi dei giornalisti ha concluso che il crimine violento era in realtà del 7% più alto e il numero di gravi aggressioni era del 16% più alto rispetto a quanto riferito dal dipartimento di polizia di Los Angeles.
Trovare i dati e le informazioni cliccate qui .
Un altro progetto presentato è del New York Times
Si tratta di una app per il riconoscimento facciale realizzata dal giornale. “I giornalisti possono usarlo per capire chi sta parlando o se si imbattono in un membro che non riconoscono immediatamente nelle sale della capitale.
BuzzFeed: alla ricerca di “spie nei cieli”
Questo è un po' più complicato. BuzzFeed ha addestrato un sistema per riconoscere i piani di sorveglianza dell'FBI e del Dipartimento di sicurezza nazionale al fine di rivelare attività segrete degli aerei. Il team BuzzFeed ha ottenuto i dati di tracciamento del volo da Flightradar24 su 20mila aerei in un periodo di quattro mesi e li ha utilizzati in una serie di calcoli per descrivere le caratteristiche e gli schemi di volo dell'aereo, come velocità di virata, velocità e altitudine volate.
Un algoritmo di apprendimento automatico è stato quindi addestrato per individuare le caratteristiche di un campione di quasi 100 aerei dell'FBI precedentemente identificati e di 500 aerei scelti a caso. Dato che gli aerei spia tendono a volare in percorsi stabiliti e ristretti geograficamente, l'algoritmo pone maggiormente l'accento sui tassi di rotazione degli aerei. Una volta adeguatamente addestrato, l'algoritmo è stato rilasciato su tutti i 20.000 aerei trovati su Flightradar24, calcolando la probabilità che ciascun velivolo fosse un veicolo spia. Pare che abbia funzionato.

© Riproduzione riservata