FRANCESCO MARCONI
Las máquinas, no los seres humanos, se convertirán en los mayores consumidores de noticias en 2018. Este cambio será impulsado por el creciente impacto de los dispositivos inteligentes y la Internet de las cosas en el ecosistema de la información.
Cuando dos máquinas se hablan, hablan en un lenguaje de categorización: una taxonomía. Las palabras se organizan en categorías, que luego desencadenan una salida. En el periodismo máquina a máquina, esta salida (una historia u otra pieza de contenido informativo) de una máquina es luego interpretada por una segunda máquina antes de llegar a su audiencia final.
Por ejemplo, una máquina puede crear historias a partir de datos, enviar esa historia a una segunda máquina, que luego personaliza esa historia y solo luego la disemina a un humano. Pero el periodismo máquina a máquina también puede lograr resultados tangibles más allá de informar a los consumidores de noticias individuales. Por ejemplo, una historia financiera automatizada sobre acciones puede cambiar los patrones de inversión de otra máquina, o un abogado de AI puede evaluar cuán difamatorio puede ser un artículo automatizado en diferentes jurisdicciones.
Los periodistas tendrán que examinar cómo estas máquinas se hablan entre sí y cómo desarrollan una conexión entre ellas, tal vez incluso las emocionales.
Pero replicar el juicio humano en el lenguaje no es un avance tecnológico inevitable. El periodismo máquina a máquina se enfrentará al desafío de replicar una especie de "intuición periodística" meramente a través de puntos de datos. Esto es particularmente difícil, porque los humanos tenemos una forma muy compleja y adaptativa de evaluar los juicios de valor en el discurso de los demás. En otras palabras, cuando dos personas hablan, cada uno tiene un barómetro intrínseco que evalúa el valor relativo de las palabras que usa la otra parte contra un estándar que usted percibe que tiene. Por ejemplo, cuando alguien que tiende a exagerar describe algo como "revolucionario", la palabra tiene un valor relativo diferente de cuando alguien lo usa que rara vez está impresionado. Y a medida que se desarrollan las relaciones, los humanos ganan una comprensión cada vez más matizada en los juicios de valor del habla de los demás. Sigue siendo una pregunta si una intuición periodística puede desarrollarse utilizando puntos de datos existentes como insumo.
La proliferación de dispositivos inteligentes en 2018 generará rápidamente demanda de "contenido inteligente", noticias adaptadas a un individuo específico o caso de uso, y personalizadas con un estilo editorial específico. Y la forma en que dos o más máquinas inteligentes pueden hablar entre sí a través de historias presenta nuevas oportunidades y desafíos: puede generar un mayor compromiso pero también puede conducir a asimetrías de información.
Hoy en día, la mayoría de las personas encuentra información a través de búsquedas o redes sociales, y si bien estos dos canales son radicalmente diferentes en funcionalidad, tienen una cosa en común: cualquier artículo dado a través de estas plataformas es exactamente igual para todos en el mundo.
Por ejemplo, un artículo titulado "Brote de la enfermedad de los legionarios se cierne sobre el sur de California" me dice lo mismo, un hombre de 31 años que vive en la ciudad de Nueva York y una madre de dos hijos de unos 40 años que reside en San Diego.
El contenido de hoy es único para todos. ¿Y por qué no sería? Un periodista escribe una historia con la esperanza de llegar al mayor número posible de personas.
La búsqueda y las redes sociales ayudaron a adaptar las opciones de información a las personas en cierta medida aprovechando la tecnología de recomendación de contenido. Pero, ¿qué ocurre cuando el contenido mismo se puede crear, procesar y distribuir a través de algoritmos (las máquinas inteligentes) que analizan las ubicaciones de los lectores, las publicaciones en redes sociales y otros datos disponibles públicamente? A los consumidores de noticias se les podría ofrecer contenido a través de un dispositivo inteligente, adaptado a su personalidad, estado de ánimo y nivel socioeconómico, entre otras cosas: versiones infinitas de la misma historia. La verdadera personalización impulsa un mayor consumo, pero sin directrices editoriales y estándares periodísticos bien definidos, también podría crear vistas en silos de la misma realidad.
Cuando el periodismo de máquina a máquina se convierte en una forma predominante de producir, procesar y distribuir contenido, esos algoritmos comenzarán a caer bajo el control de los periodistas. Del mismo modo que es importante verificar la confiabilidad de una fuente, será crucial considerar la confiabilidad de las máquinas inteligentes.
Francesco Marconi es gerente de estrategia y codirector de AI en The Associated Press.
http://www.niemanlab.org/2017/12/the-year-of-machine-to-machine-journalism/
Por ejemplo, una máquina puede crear historias a partir de datos, enviar esa historia a una segunda máquina, que luego personaliza esa historia y solo luego la disemina a un humano. Pero el periodismo máquina a máquina también puede lograr resultados tangibles más allá de informar a los consumidores de noticias individuales. Por ejemplo, una historia financiera automatizada sobre acciones puede cambiar los patrones de inversión de otra máquina, o un abogado de AI puede evaluar cuán difamatorio puede ser un artículo automatizado en diferentes jurisdicciones.
Los periodistas tendrán que examinar cómo estas máquinas se hablan entre sí y cómo desarrollan una conexión entre ellas, tal vez incluso las emocionales.
Pero replicar el juicio humano en el lenguaje no es un avance tecnológico inevitable. El periodismo máquina a máquina se enfrentará al desafío de replicar una especie de "intuición periodística" meramente a través de puntos de datos. Esto es particularmente difícil, porque los humanos tenemos una forma muy compleja y adaptativa de evaluar los juicios de valor en el discurso de los demás. En otras palabras, cuando dos personas hablan, cada uno tiene un barómetro intrínseco que evalúa el valor relativo de las palabras que usa la otra parte contra un estándar que usted percibe que tiene. Por ejemplo, cuando alguien que tiende a exagerar describe algo como "revolucionario", la palabra tiene un valor relativo diferente de cuando alguien lo usa que rara vez está impresionado. Y a medida que se desarrollan las relaciones, los humanos ganan una comprensión cada vez más matizada en los juicios de valor del habla de los demás. Sigue siendo una pregunta si una intuición periodística puede desarrollarse utilizando puntos de datos existentes como insumo.
La proliferación de dispositivos inteligentes en 2018 generará rápidamente demanda de "contenido inteligente", noticias adaptadas a un individuo específico o caso de uso, y personalizadas con un estilo editorial específico. Y la forma en que dos o más máquinas inteligentes pueden hablar entre sí a través de historias presenta nuevas oportunidades y desafíos: puede generar un mayor compromiso pero también puede conducir a asimetrías de información.
Hoy en día, la mayoría de las personas encuentra información a través de búsquedas o redes sociales, y si bien estos dos canales son radicalmente diferentes en funcionalidad, tienen una cosa en común: cualquier artículo dado a través de estas plataformas es exactamente igual para todos en el mundo.
Por ejemplo, un artículo titulado "Brote de la enfermedad de los legionarios se cierne sobre el sur de California" me dice lo mismo, un hombre de 31 años que vive en la ciudad de Nueva York y una madre de dos hijos de unos 40 años que reside en San Diego.
El contenido de hoy es único para todos. ¿Y por qué no sería? Un periodista escribe una historia con la esperanza de llegar al mayor número posible de personas.
La búsqueda y las redes sociales ayudaron a adaptar las opciones de información a las personas en cierta medida aprovechando la tecnología de recomendación de contenido. Pero, ¿qué ocurre cuando el contenido mismo se puede crear, procesar y distribuir a través de algoritmos (las máquinas inteligentes) que analizan las ubicaciones de los lectores, las publicaciones en redes sociales y otros datos disponibles públicamente? A los consumidores de noticias se les podría ofrecer contenido a través de un dispositivo inteligente, adaptado a su personalidad, estado de ánimo y nivel socioeconómico, entre otras cosas: versiones infinitas de la misma historia. La verdadera personalización impulsa un mayor consumo, pero sin directrices editoriales y estándares periodísticos bien definidos, también podría crear vistas en silos de la misma realidad.
Cuando el periodismo de máquina a máquina se convierte en una forma predominante de producir, procesar y distribuir contenido, esos algoritmos comenzarán a caer bajo el control de los periodistas. Del mismo modo que es importante verificar la confiabilidad de una fuente, será crucial considerar la confiabilidad de las máquinas inteligentes.
Francesco Marconi es gerente de estrategia y codirector de AI en The Associated Press.
http://www.niemanlab.org/2017/12/the-year-of-machine-to-machine-journalism/
0 comentarios :
Publicar un comentario