211service.com
Cómo el revolucionario sistema de inteligencia artificial de Reuters recopila noticias globales
El advenimiento de Internet y la posterior explosión de información ha hecho que sea cada vez más difícil para los periodistas producir noticias con precisión y rapidez. Así comienza el equipo de investigación y desarrollo de la agencia global de noticias Reuters en un artículo sobre arXiv esta semana.
Para Reuters, el problema se ha agudizado por la aparición de noticias falsas como un factor importante en la distorsión de la percepción de los acontecimientos.
Sin embargo, las agencias de noticias como Associated Press han avanzado con los servicios automatizados de redacción de noticias. Estos informan anuncios estándar, como noticias financieras y ciertos resultados deportivos, pegando los datos en plantillas preescritas: X reportó una ganancia de Y millones en el tercer trimestre, en resultados que superaron las previsiones de Wall Street...
Por lo tanto, existe una presión significativa sobre otras agencias de noticias para que automaticen la producción de noticias. Y hoy, Reuters describe cómo ha automatizado casi por completo la identificación de noticias de última hora. Xiaomo Liu y sus colegas de Reuters Research and Development y Alibaba dicen que el nuevo sistema funciona bien. De hecho, tiene el potencial de revolucionar el negocio de las noticias. Pero también plantea preocupaciones sobre cómo un sistema de este tipo podría ser manipulado por actores malintencionados.
El nuevo sistema se llama Reuters Tracer. Utiliza Twitter como una especie de sensor global que registra las noticias a medida que ocurren. Luego, el sistema utiliza varios tipos de minería de datos y aprendizaje automático para seleccionar los eventos más relevantes, determinar su tema, clasificar su prioridad y escribir un título y un resumen. Luego, las noticias se distribuyen por el cable de noticias global de la compañía.
El primer paso en el proceso es desviar el flujo de datos de Twitter. Tracer examina unos 12 millones de tuits al día, el 2 por ciento del total. La mitad de estos se muestrean al azar; la otra mitad proviene de una lista de cuentas de Twitter seleccionadas por periodistas humanos de Reuters. Incluyen las cuentas de otras organizaciones de noticias, empresas importantes, personas influyentes, etc.
La siguiente etapa es determinar cuándo ha ocurrido un evento noticioso. Tracer hace esto asumiendo que ha ocurrido un evento si varias personas comienzan a hablar de él a la vez. Por lo tanto, utiliza un algoritmo de agrupamiento para encontrar estas conversaciones.
Por supuesto, estos grupos incluyen spam, anuncios, chat normal, etc. Sólo algunos de ellos se refieren a hechos de interés periodístico.
Entonces, la siguiente etapa es clasificar y priorizar los eventos. Tracer utiliza una serie de algoritmos para hacer esto. El primero identifica el tema de la conversación. Luego compara esto con una base de datos de temas que el equipo de Reuters recopiló a partir de tuits producidos por 31 cuentas de noticias oficiales, como @CNN, @BBCBreaking y @nytimes, así como agregadores de noticias como @BreakingNews.
En esta etapa, el algoritmo también determina la ubicación del evento utilizando una base de datos de ciudades y palabras clave basadas en la ubicación.
Una vez que una conversación o un rumor se identifica potencialmente como noticia, una consideración importante es su veracidad. Para determinar esto, Tracer busca la fuente al identificar el primer tweet en la conversación que menciona el tema y los sitios a los que apunta. Luego consulta una base de datos que enumera productores conocidos de noticias falsas, como National Report, o sitios de noticias satíricas como The Onion.
Finalmente, el sistema escribe un titular y un resumen y distribuye las noticias en toda la organización de Reuters.
Durante las pruebas, dice el equipo de Reuters, el sistema ha funcionado bien. Tracer es capaz de lograr una precisión, recordación, puntualidad y veracidad competitivas en la detección y entrega de noticias, afirman.
Y tienen estadísticas para respaldar esto. El sistema procesa 12 millones de tweets todos los días, rechazando casi el 80 por ciento de ellos como ruido. El resto se divide en unos 6000 grupos que el sistema clasifica como diferentes tipos de eventos noticiosos. Todo eso lo hacen 13 servidores que ejecutan 10 algoritmos diferentes.
En comparación, Reuters emplea a unos 2.500 periodistas en todo el mundo que juntos generan unas 3.000 alertas de noticias todos los días, utilizando una variedad de fuentes, incluido Twitter. De estos, alrededor de 250 están redactados como noticias.
Reuters comparó las historias que Tracer identifica con las que aparecen en las noticias de organizaciones como la BBC y la CNN. Los resultados indican que Tracer puede cubrir alrededor del 70 por ciento de las noticias con el 2 por ciento de los datos de Twitter, dicen Lui y compañía.
Y el sistema ciertamente funciona rápidamente. El equipo destaca el ejemplo del tiroteo de Las Vegas en octubre de 2017, que dejó 58 muertos. Un testigo informó del incidente a la 1:22 a. m., lo que desencadenó un grupo de Tracer. Sin embargo, el grupo no cumplió con los criterios del sistema para incluir un evento en las noticias hasta la 1:39 a. m. Reuters informó el incidente a la 1:49 a. m., dicen Lui y compañía.
Ese es un trabajo interesante que plantea una serie de preguntas, especialmente sobre cuán fácil es manipular el sistema. No es difícil imaginar a actores malintencionados diseñando feeds de Twitter con la intención específica de engañar a Tracer.
Pero es difícil decir si este sistema será más fácil de jugar que el actual, en el que los humanos son engañados regularmente.
Luego está el papel de los humanos en el negocio de las noticias. El futuro de las noticias es claramente uno de creciente automatización. Aún no se ha determinado cómo encajan los humanos.
Ref: arxiv.org/abs/1711.04068 : Reuters Tracer: Hacia la producción automatizada de noticias utilizando datos de redes sociales a gran escala