AI机器人不仅可以助力新闻报道，有时甚至堪称优秀的“调查记者”。这是如何做到的？纽约时报、洛杉矶时报、Buzzfeed分享了他们的经验：用机器学习分析出被曲解的犯罪数据、用人脸识别技术揪出新闻线索、用数据分析揭开FBI监视民众的秘密...
出品| 外言社
翻译| kewell 编辑| 王茸
1959年，人工智能技术先驱Arthur Samuel率先提出了“机器学习”的概念——无需人为编程就赋予电脑学习的能力。机器学习很擅长分析数据、辨识规律和做出预测，因此在新闻领域可以显著减轻记者负担。
在今年的NICAR媒体峰会上，《纽约时报》的Rachel Shorey，《洛杉矶时报》的Anthony Pesce和，Buzzfeed的Peter Aldhous一同讨论了机器学习与闻业能碰撞出哪些火花。
《洛杉矶时报》：机器学习找出被曲解的犯罪数据
洛杉矶和全美不少城市的警察局都是有数据库的，但有些数据却很不可靠，没办法准确绘制出真实的“犯罪地图”，因此出警命令就很可能下错。
《洛杉矶时报》利用机器学习算法做了一篇调查报道，称洛杉矶警局（LAPD）在2005年到2012年把14000个严重袭击犯罪错误归类成轻型犯罪，从而低估了城市的犯罪率。
比如2009年的一个案件是一位男性拿着6英寸长的厨刀捅伤女友，之后被逮捕并起诉。但在LAPD的数据库里，这个案件只被归结为“简单袭击”。
最终他们得出的结果是，洛杉矶的实际暴力犯罪率应该比警察局公布的数值高出了7%左右。而严重袭击犯罪率甚至高出16%。
报道推出后引起很大社会反响，LAPD自然也不能坐视不理。很快，他们对报道指出的问题作出回应，称接下来会做出相应调整，加强对犯罪记录的监管并提升工作人员的职业素养。
《洛杉矶时报》的编辑其实还是会人工复检这些案件的，因为算法也并不完美，出错率大约在24%左右，但他们表示这是一个很有意义的尝试。
《纽约时报》：人脸识别技术也能揪出新闻线索
NICAR峰会上讲到的一个项目“Who the hill”。这款app提供基于MMS协议的脸部识别服务，帮助用户辨认美国国会议员。
这款应用是由《纽约时报》的两位交互实习生开发的实用小工具，可以方便记者迅速搞清楚正在发言的议员是谁，对经常去国会山跑新闻的人来说是非常有帮助的。
他们去年报道特朗普国际大厦举办圣诞节派对的时候，就用这个应用成功在一张看似不起眼的照片里（只是装扮派对的公司发在Instagram上的照片）发现了一位参与其中的女议员。
“我们希望给读者更多背景内容，让他们知道谁参加了这种活动。我们对特朗普大厦的派对特别感兴趣，因为这些人都是跟总统有金钱关系的。”Shorey表示。
Buzzfeed：数据分析揭开FBI的秘密
Buzzfeed开发了一个可以辨识FBI和国土安全局侦察机的系统，揭秘美国空军的秘密活动。
他们的团队先从Flightradar24获取了两万架飞机在四个月时间里的飞行数据，然后再做出计算，分析不同飞机的特点和飞行模式，比如转向率、速度和高速。
机器学习要先了解大学100架FBI和国土安全局飞机的飞行模式，以及其他500架普通飞机的飞行模式。Aldhous表示，这一算法可以自行判断什么数据是关键的，比如间谍机往往是打小转飞，因此就格外看重转向率。
在得到足够的学习后，算法就可以分析20000架飞机的数据，看出哪些才是FBI和国土安全局的飞机以及它们究竟做了什么。
他们惊讶地发现，一家原本旨在对付非洲国家恐怖分子的侦察机总在美国上空飞过。而早在2015年，旧金山湾区上空也经常出现侦察机，只不过他们总解释说那是用来研究珍惜哺乳动物的。Buzzfeed指出，这些飞机大部分时候是绕着陆地飞行，其实是在执行监视任务。
当然，Buzzfeed的算法也不是完美的，比如有时会把一些跳伞运动错误识别为间谍机。Aldhous表示：“只有搞清楚他们在空中用这些科技做什么，我们才能讨论司法部门、国家安全和个人隐私之间的平衡问题。”这项研究不仅让Buzzfeed获得了数据新闻大奖，更重要的是揭开了政府监视的问题，因此广受好评。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
