Машинное обучение и анализ данных превратились наконец из модного тренда в часть инфраструктуры почти любого интернет-проекта. Порог входа понижается, готовых решений становится все больше. Это радует, потому что теперь журналисты вместо того, чтобы писать колонки, как роботы всех уволят, а затем уничтожат, могут начинать пользоваться улучшениями, которые предлагают умные алгоритмы.
Напомню, что машинное обучение можно использовать почти везде, если у вас достаточно данных и есть понятный критерий успеха. У медиа потенциальных данных обычно очень много из-за большой аудитории и обилия контента, поэтому простор для фантазии значительный.
Перечислю несколько интересных направлений.
Рекомендации
Здесь революция уже состоялась: если умные ленты по-прежнему есть только у самых продвинутых, то сервисы для рекомендаций контента используют практически все, даже не задумываясь, какая логика за ними стоит.
Конечно, эти сервисы могут становиться еще умнее — и чем больше данных у них будет, тем интереснее станут медиа. Рекомендации не обязаны ограничиваться только блоком под текстом или «видео по теме», подстройка сайта/приложения под пользователя может быть гораздо более тонкой (например, включать изменения дизайна и интерфейса).
Модерирование
Спам-фильтр, хейтер-фильтр, NSFW-фильтр, что угодно —все эти задачи уже успешно решаются на основе искусственного интеллекта. Например, самое сложное в недавно проданном за 90 миллионов Disqus — это как раз сервисы модерирования и рекомендаций.
,
,
Вряд ли когда-либо получится полностью избавиться от ручной модерации, но эффективность человеческого труда здесь реально увеличить на порядки.
Оптимизация дохода
Какую бы модель монетизации не использовали медиа, всегда есть возможность для оптимизации. Как разместить рекламные места, чтобы оптимизировать не только текущие показатели, но и долгосрочные отношения с пользователями, кому и когда выводить предложение о подписке или отсылать email со ссылкой.
Готовых решений я здесь не знаю, но это, очевидно, одна из сфер, куда не жалко вкладывать и собственные ресурсы.
Раннее обнаружение тем и оптимизация дистрибуции
Отлов трендов на самом старте, их упаковка и быстрое распространение в соцсетях и других каналов — тот самый механизм, на котором вырос BuzzFeed. Сколько должен висеть анонс в Facebook, куда тратить деньги на промо, когда пора менять большой фичер на главной странице — все эти проблемы можно и нужно решать с помощью машинного обучения.
Современные сервисы аналитики потихоньку пытаются помочь медиа с этими вопросами, но если вы не имеете собственной “машины виральности”, то, видимо, работаете на чью-то еще.
Оптимизация контента и редакционной политики
,
,
В главный страх многих журналистов — что хитрый алгоритм начнет писать за них колонки про отношения и дух времени — верится меньше всего. Генеративные сети делают определенные успехи, но в области создания текста проблем пока больше всего: слишком нелогично устроен язык и слишком чувствительны люди к грамматическим и смысловым ошибкам. Известные примеры «роботов-журналистов» не используют нейросети, там алгоритмы проще (фактически готовые шаблоны), что позволяет минимизировать тупые ошибки.
Но даже если робот не может писать вместо вас, то вполне может помогать вам в работе. Фактчекинг (Full Fact, FactMata), базовая корректура (Grammarly), подбор картинок и заголовков, кластеризация и автотегирование — уже вполне признанные направления.
Впереди самое интересное. Возможен ли перенос стиля в текстах? Смогут ли алгоритмы переписать корявый черновой вариант рубленым инфостилем или затейливым языком колумнистов с цитатами из Гребенщикова? Мне иногда очень хочется, чтобы мои быстро написанные тексты были похожи на те тексты, которые я несколько раз отредактировал.
Научатся ли алгоритмы менять структуру текста, тестировать его на людях и определять оптимальный вариант? А если делать это с видео?
О чем вам нужно писать больше, а о чем меньше? Можно ли автоматически искать в других медиа авторов, которые будут оптимально работать именно в вашем формате? Есть ли способ заранее определить, что человек способен делать подходящий вам контент (например, по его соцсетям и комментариям)? Сколько должно быть людей в штате и единиц контента в вашем медиа при имеющимся бюджете, чтобы максимизировать отдачу?
Умение формулировать неочевидные и важные вопросы становится обязательным не только для тех, кто берет интервью. Искусственный интеллект может решить огромный спектр проблем — и от людей в первую очередь требуется задавать машинам правильные вопросы.
Источник: блог Михаила Калашникова Media Skunk
,
