موضوع التعلم الألى فرض نفسه مؤخرا على عالم الصحافة والاعلام في العالم ما يجعله على قمة الاولويات التى يجب معرفتها حاليا لأن هذه النقطة سنصل اليها عاجلا أم آجلا
منتدى المحررين المصريين يترجم أحدث المقالات في هذا الموضوع الذى أثير أيضا فى مؤتمر Gen الإخير الذى عقد فى مدينة لشبونة بالبرتغال.
أجاب يوريس جيلين وجاسمين ليسون وبرام هندريكس ولايس تامبور الخبراء في هذا الشأن على بعض الأسئلة الشائعة
ما الذي يمكن للأشخاص غير التقنيين القيام به مع التعلم الآلي؟
هناك مستويات مختلفة لما يمكنك إجراؤه باستخدام التعلم الآلي ، ومن المهم أن تتمكن جميع أنواع الملفات الشخصية من الوصول إلى الأنظمة. في الواقع ، يتطلب نظام التعلم الآلي الجيد مهارات قوية في ثلاثة مجالات مختلفة: التطوير ، والأعمال التجارية ، والإحصائيات.
من الصعب العثور على شخص واحد يتمتع بجميع المهارات الثلاث ، لذلك تم تطوير أدوات مختلفة لمساعدة المستخدمين على الاستفادة من التعلم الآلي ، بغض النظر عن خلفيتهم. إحدى هذه الأدوات هي SageMaker ، وهي منصة مدارة بالكامل تسمح لأي شخص ببناء نماذج التعلم الآلي وتدريبها ونشرها بسهولة على أي نطاق.
ما الذي يتعين علينا مراعاته عند العمل مع التعلم الآلي؟
يمكن أن تكون هناك عواقب غير مقصودة في التعلم الآلي ، حيث يمكن للآلات أن تتعلم أشياء لم نتنبأ بها وتفتقر إلى الحدس الذي يتمتع به البشر. مثال على ذلك هو حالة الروبوت الذي قيل له أن يتعلم المشي مع أقل اتصال بالأرض ، حيث أن هذه هي الطريقة التي تتمكن بها الفهود من الركض بسرعة كبيرة. ومع ذلك ، تعلم الروبوت أن ينقلب ويزحف على ظهره ، وبهذه الطريقة لم تلمس قدماه الأرض على الإطلاق. في حين أنجز المهمة التي طُلب منه القيام بها ، لم يكن هذا ما كانت النتيجة المقصودة!
من المهم أيضًا فهم المقايضة بين الكفاءة والجودة عند تطوير خوارزمية ، حيث قد لا تكون النتيجة الأفضل هي الحل الأمثل.
كيف سيؤثر التعلم الآلي على صناعة الإعلام؟
في العام الماضي ، أصدرت ماكينزي تقريرا عن تأثير التعلم الآلي على صناعة الإعلام ، بما في ذلك حالات الاستخدام الأكثر احتمالا. سنبدأ في رؤية المزيد من الإعلانات ذات الأسعار المفرطة والسعر وعروض المنتجات وأنظمة المقترض. سنرى أيضًا أن الصحفيين قادرون على تحديد الاتجاهات الجديدة في أنماط الاستهلاك بسرعة ، مثل تحديد المحتوى الفيروسي قبل أن ينتشر بسرعة. سيصبح تخفيض زخم القارئ أكثر عملية تعتمد على البيانات (وهو أمر نعمل عليه الآن في Twipe!).
ما الذي تفعله الصحف بالتعلم الآلي اليوم؟
أعلنت “نيويورك تايمز” هذا العام أنها أطلقت “nytDEMO” ، وهو فريق متعدد الوظائف من شأنه أن يبني حلول البيانات والتقنيات للعلامات التجارية ، باستخدام نفس الأدوات والأفكار التي تزود الصحيفة بالصورة نفسها. كان أول مشروع تعلم آلي هو “مشروع يشعر” ، والذي نظر في كيفية تأثير استجابة القراء العاطفية للمقالات على التفاعل. لقد أطلقوا الآن استهداف المنظور ، والذي يسمح للمعلنين باستهداف وسائل الإعلام الخاصة بهم ضد المحتوى الذي يُتنبأ بإثارة مشاعر قارئ الشهادات ، مثل الثقة بالنفس أو المغامرة.
ينشغل Schibsted أيضًا باستخدام التعلم الآلي بعدة طرق. في غرفة الأخبار نفسها ، نفّذوا اقتراحات تلقائية للعلامة لوضع علامات على المقالات ، بينما يتم استخدام التعلم الآلي للقراء لتخصيص الصفحة الرئيسية والمحتوى الذي يشاهدونه على موقع الويب.
بنى Neue Zürcher Zeitung جدارًا مرنًا للجدار باستخدام التعلم الآلي ، بحيث يتم تخصيصه للفرد بناءً على مئات المعايير. خلال السنوات الثلاث منذ أن قاموا ببناء ذلك ، قاموا بزيادة معدل التحويل لديهم بمقدار خمسة أضعاف ، مع 2.5٪ من الأشخاص الذين يشاهدون رسالة الدفع يصبحون مشتركين. ينظر النظام إلى البيانات بما في ذلك قراءة التاريخ ،
الجهاز والوقت من اليوم لتغيير رسالة paywall. يساعد النظر إلى قراءة التاريخ على تحسين توصيل القيمة التي سيقدمها الاشتراك.
بالطبع ، تعمل News UK أيضًا على مشروع التعلم الآلي الآن معنا في Twipe. “JAMES ، الخادم الرقمي الخاص بك” سوف يستخدم التعلم الآلي للتعرف تدريجياً على عادات القراء ومصالحهم وتفضيلاتهم. سيعرضها للمحتوى ذي الصلة في الطبعات والقنوات والأوقات والترددات المفضلة في الإصدارات الحالية والماضية. سيزيد ذلك من رضا القارئ وانخراطه ، ويساهم في نهاية المطاف في زيادة معدل الاشتراك ، مما يتيح لـ JAMES تحويل استراتيجيات التحويل والمشاركة من خلال الانتقال من التفاعلات المقسمة إلى تفاعلات فردية للغاية مع القراء. لمعرفة المزيد عن هذا المشروع ، تأكد من حضور ConTech في لندن في نوفمبر ، حيث سيبحث المدير التنفيذي لشركة Twipe Danny Lein عن تعلمنا من هذا المشروع.
ما هو مستقبل التعلم الآلي؟
كل يوم ، كل دقيقة حتى ، هناك المزيد والمزيد من البيانات المتاحة لنا ، مع كمية البيانات التي نتمكن من الوصول إلى النمو فقط في المستقبل. لا نعرف حتى الآن ما لا نعرفه فيما يتعلق بالتعلم الآلي – كما أوضح بنديكت إيفانز في قمة GEN ، لم يكن أحد يفكر في التطبيقات التي تشبه السيارات مثل Uberعندما تم تطوير الهواتف الجوالة لأول مرة.
“نحن فقط في بداية ما هو ممكن مع التعلم الآلي” – يقول غلين غور ، كبير المهندسين المعماريين في خدمات ويب Amazon
ولهذا السبب من المهم الآن التفكير في قابلية تطوير نظم التعلم الآلي لدينا ، حتى يتمكنوا من النمو مع تدفق البيانات في المستقبل.
كيف يمكنني تنفيذ المزيد من التعلم الآلي في عمليات العمل لدينا الآن؟
طلبنا من فريقنا النصيحة للناشرين الراغبين في العمل بشكل أكبر مع التعلم الآلي ، هذا ما يجب عليهم قوله.
“أنصح الناشرين بالبدء أولاً بمشروع تحليلي وصفي ، بحيث نلقي نظرة أفضل على القراء ونفهم كيف يقرؤون على سبيل المثال. ثم يمكنك الانتقال إلى مشاريع أكبر ، مثل إنشاء نموذج تنبئي للتنبؤ بالاختصار. “- ياسمين ليسمونت
“قد يبدو التعلم الآلي مخيفًا وصعبًا في البداية ، لكنك لست بحاجة إلى الخوف. حدد ما تريد استخراجه من بياناتك وجرّبها. قد لا يكون الأمر سهلاً في بادئ الأمر ، لكنني أضمن لك: سوف تتعلم الكثير ، وسوف تكتشف بسرعة ما ينجح وما لا ينجح.
“- Bram Hendrickx” بغض النظر عن الخلفية التقنية ، يمكنك النجاح في التعلم الآلي إذا اخترت الأدوات المناسبة. في البداية ، تأكد من اختيار الأدوات التي سوف تسمح لك بالتحكم في مستوى التعقيد. “- تكمن تامبور”
“نصيحتي للناشرين الراغبين في العمل مع التعلم الآلي بسيطة: التركيز على بياناتك. الخطوة الأولى هي جمع الكثير من البيانات ، ثم يمكنك العمل على تحليل البيانات وتنظيفها”.
سيكون مؤتمر KDD في شهر أغسطس في لندن مصدرًا جيدًا للتعمق أكثر في التعلم الآلي. نوصي بحضور هذا الحدث في 19-23 آب / أغسطس لجميع الناشرين المهتمين بالتعلم من كبار الخبراء في عالم استخراج البيانات التطبيقية. في 20 أغسطس ، سيكون هناك يوم مخصص لعلم البيانات للصحافة والإعلام ، ونأمل أن نراك هناك!
ماري كاثرين فيليبس
تطوير الأعمال@Twipe
