机器写稿堪比调查记者？这些媒体用算法揪出了大秘密

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。