Ano ang nagtulak sa iyo na magsimulang magtrabaho sa larangan ng pagrerekomenda ng nilalaman ng balita?
Nagsimula ang aking karera sa industriya ng enerhiya sa US noong 2005. Nagtrabaho ako ng 12 taon sa Industriya ng Enerhiya. Ang industriya ng enerhiya ay napaka-intensive sa data at sa mga unang taon ng aking karera ay na-expose ako sa mga proyekto ng big data. Talagang nasiyahan ako rito at, kung tutuusin, isa rin itong biyaya dahil talagang umusbong ang Big Data Analytics sa nakalipas na 5 taon. Napakaraming magagamit na cloud computing kaya naman nagiging lubhang kawili-wili ang larangan ng Big Data Analytics. Iyon ang aking propesyonal na karera. Sa personal na aspeto, gusto kong manatiling updated at laging updated sa mga nangyayari. Nakukuha ko ang aking mga balita mula sa iba't ibang mapagkukunan kabilang ang mga website ng balita, social media, at siyempre, mga espesyalistang blog. Noong bandang 2017, naramdaman kong maganda kung pag-isahin ko ang aking interes sa Big Data Analytics at Balita at lumipat ako mula sa Big Data Analytics ng industriya ng enerhiya patungo sa Big Data Analytics ng rekomendasyon ng nilalaman ng balita.Paano ka nito nahikayat na itatag ang Newsology?
Gaya ng nabanggit ko sa itaas, isa akong masugid na mamimili ng balita. Gayunpaman, pakiramdam ko ay nakakakuha ako ng mga rekomendasyon mula sa publiko – sa halip na mga eksperto at propesyonal sa isang partikular na larangan. Kaya, halimbawa, nakakakuha ako ng mga artikulo tungkol sa Nutrisyon mula sa publiko, marahil sa aking mga kaibigan – at naramdaman kong mas gugustuhin kong basahin ang mga inirerekomenda ng mga Nutritionist. Ang teorya ay ang isang propesyonal sa kanilang larangan ay mas may kaalaman tungkol sa kalidad ng isang artikulo ng balita. Nagsagawa kami ng maraming sesyon ng feedback upang subukan ang aming hypothesis at nadama namin na kailangang tugunan ang problemang ito. Kaya sinimulan namin ang Newsology noong 2017. Nakatanggap kami ng feedback mula sa aming komunidad ng mga gumagamit at mga mamamahayag upang matiyak na nagrerekomenda kami ng magandang nilalaman sa aming mga gumagamit. Patuloy kaming nakakakuha ng feedback sa mga rekomendasyon ng mga artikulong iminumungkahi ng aming app at inaayos namin ang aming produkto nang naaayon.Ano ang hitsura ng isang karaniwang araw?
Mahilig talaga akong mag-gabi, kaya ang tipikal kong 'gabi' ay nagsisimula sa pagsusuri ko ng aming mga pangunahing KPI gamit ang kasalukuyang sistema, at pagkatapos ay ang katayuan ng pagkumpleto ng mga susunod na pagpapabuti na aming ginagawa – maaaring ito ay mga pagbabago sa aming AI engine, o mga pagbabago sa aming App. Nakikipagtulungan kami sa isang distributed team. Wala kaming mga nakapirming iskedyul para sa mga meeting. Lahat ay nasa Skype kaya nagmemensahe lang kami sa isa't isa at, kung kinakailangan, nagse-set up ng mga conference call. Kaya ang gabi ko ay nauubos para sa mas maraming teknikal na gawain. Sa buong araw ay may tendensiya akong gumawa ng iba pang mga gawain tulad ng Marketing, PR, at mga pagsisikap na may kaugnayan sa feedback ng customer.Ano ang hitsura ng iyong setup sa trabaho? (iyong mga app, productivity tool, atbp.)
Mayroon akong laptop na nakakonekta sa dual-screen setup. Sinisikap kong iwasan ang pagsusulat ng mahahabang email sa aking telepono at itinatago ko iyon para sa aking computer para makapagbigay ako ng malinaw na mga direksyon at sagot. Ang aming mga gawain ay naka-log in sa Trello. Mayroon kaming napakalinaw na mga alituntunin kung paano naka-log in ang mga problema sa Trello, kung kailan minarkahan bilang kumpleto ang isang gawain, atbp. Sinisikap naming panatilihin ang kultura ng pagbibigay ng maraming impormasyon sa susunod na user para ang gawain ay umusad nang mahusay nang may kaunting mga pagpupulong. Talagang isa kaming O365 shop. Ang aming mga dokumento, KPI, workflow, presentasyon, atbp. ay nakaimbak lahat sa O365 cloud. Bukod doon, gumagamit kami ng GitHub, at AWS.Paano lumalabas ang orihinal na nilalaman gamit ang AI?
Mayroong ilang mga app para sa pagsasama-sama ng balita na gumagamit ng AI upang magpakita ng orihinal na nilalaman. Mayroong maraming paraan kung paano ginagamit ng mga app na iyon ang AI upang magpakita ng orihinal na nilalaman. Ipapaliwanag ko ang dalawa sa mga mas karaniwang pamamaraan na ginagamit, at pagkatapos ay isang kakaibang pagbabago na ginagamit ng Newsology. Ang unang teknolohiyang maaaring gamitin ay ang Collaborative Filtering. Maipapaliwanag natin ang Collaborative Filtering gamit ang isang simpleng halimbawa. Sabihin nating interesado si Stephan sa Nutrisyon at Pagbaba ng Timbang. At interesado rin si Sarah sa Nutrisyon at Pagbaba ng Timbang. Ngunit interesado rin si Sarah sa Seafood. Siguro dapat nating irekomenda ang mga artikulo tungkol sa Seafood kay Stephan? Kung nagpapakita si Stephan ng kawalan ng interes sa mga artikulo tungkol sa Seafood, makikilala iyon ng modelo at susubukan ang ibang paksa. Makikita mo rito na ang AI engine ay malayang naghahanap ng mga bagong paksa na maaaring interesado ang isang mambabasa. Pag-usapan natin ang pangalawang teknolohiya: ang Doc2Vec. Minsan mayroong isang kawili-wiling pananaw na iniaalok ng isang mamamahayag o blogger. At ito ay natatabunan ng isang malaking dami ng mga artikulo na, sa esensya, ay pinag-uusapan ang parehong bagay. Maaari nating gamitin ang mga algorithm tulad ng Doc2Vec upang makita kung ang mga mamamahayag ay pinag-uusapan ang parehong kaganapan. Kaya, halimbawa, ipagpalagay natin na ang isang astrologist ay nakatuklas ng dalawang kawili-wiling bagay tungkol sa ating kalawakan sa parehong araw. Maaaring mayroon tayong 10 mamamahayag na nagbabalita sa unang kaganapan ngunit 1 mamamahayag lamang ang nagbabalita sa 2at kaganapan. Matutukoy ng Doc2Vec na sa katotohanan ay tinatalakay ng 10 mamamahayag ang iisang kaganapan, at ang kanilang mga artikulo ay pagsasama-samahin lamang sa isang 'display'. Nagbibigay ito ng pagkakataon para sa 2at artikulong ipapakita sa mga gumagamit na interesado sa Astrolohiya. Sa kasong ito, tinulungan ng AI ang isang gumagamit na makita ang mga pag-unlad na maaaring nakatago kung hindi man. Ang kakaibang idinaragdag ng Newsology ay tinatalakay din nito ang propesyonal na background ng isang gumagamit. Gamitin natin ang ating unang halimbawa kina Sarah at Stephan. Kung sasabihin ng isang gumagamit ng Newsology na siya ay isang nutrisyunista, idadagdag natin ngayon ang ikatlong dimensyon na ito sa pagrerekomenda ng mga artikulo kina Sarah at Stephan tungkol sa Nutrisyon. Ibig sabihin: anong mga artikulo ang binabasa ng mga nutrisyunista? Dahil sa impormasyong ito, ano na ngayon ang maaari nating irekomenda kina Sarah at Stephan? Siyempre, hindi lang dalawa o tatlong AI model ang ginagamit ng mga news aggregation app. Marami pang ibang modelo na nagtutulungan, sumusubok, at nagrerekomenda. Natututo rin sila mismo kung gumagana ang kanilang rekomendasyon. Halimbawa, kung tumutugon ba ang user sa rekomendasyon. Ito ay kilala bilang A/B testing. At kung hindi tumutugon ang user, ano ang gagawin natin?Ano ang mga benepisyo nito para sa mga blogger at manunulat?
Gusto ng mga gumagamit na gumamit ng orihinal at mahusay na naipahayag na nilalaman. Mayroong libu-libong blogger at manunulat na nagsusulat ng orihinal na nilalaman ngunit hindi nakakakuha ng sapat na exposure. Tinutulungan ng Newsology na ilabas ang nilalaman ng mga independiyenteng blogger at manunulat.Ano ang ilang mga tip sa delegasyon na sinusunod mo?
Ang delegasyon ay isang proseso. Ang unang hakbang ay ang paggamit ng Delegation Quadrant (mahalaga/hindi mahalaga vs. Agaran/Hindi Agaran). Magugulat ka kung gaano karaming gawain ang natatapos sa yugtong iyon. Kung nagdedelega, mas makabubuting maglaan muna ako ng oras para isulat ang pananaw/pangangailangan/problema mismo upang matiyak na lubos kong naunawaan ang problema at ang ninanais na resulta. Matapos kong pag-isipang mabuti ang gawain, tinatanong ko ang aking sarili kung sino ang pinakamahusay na taong bibigyan ng gawain. Mahalagang ilahad kung ano ang hitsura ng isang tagumpay at hikayatin ang delegado na tanungin ang kanilang sarili kung sa palagay nila ay matagumpay na nakumpleto ang isang gawain. Tinitiyak nito na ang indibidwal na nakakumpleto ng gawain ay gumagawa ng kanilang sariling QC.Ano ang maipapayo mo para sa mga ambisyosong propesyonal sa digital publishing at media na papasok sa larangan ng AI at ML?
Magbibigay ako ng dalawang payo. Isa ang soft skill, at isa naman ang hard skill. Sa aspeto ng soft-skill, gumugol ng maraming oras sa pagkuha ng tamang tao para sa gawain. Ngunit kapag na-hire mo na ang tao, huwag matakot na panatilihin ang iyong koponan sa mataas na pamantayan. Magugulat ka kung gaano karaming mga tao ang kumikilos nang may mentalidad na 'sapat na'. Hindi nila kasalanan iyon. Naghahanap sila ng gabay mula sa iyo kung ano ang iyong mga inaasahan. Sa aspeto ng hard skill: Matutulungan ka ng mga teknolohiya ng AI at ML na ilantad ang iyong nilalaman. Subukang gumamit ng mga tagging at keyword sa iyong mga artikulo. Hinahanap ng mga crawling engine ang mga keyword na ito. Gayundin, huwag mong palabnawin ang iyong artikulo. May ilang mga publisher na nagdaragdag ng lahat ng uri ng keyword sa kanilang artikulo. Kaya, maaaring tungkol sa paglalakad ang kanilang artikulo, ngunit nagdadagdag sila sa background ng mga keyword tulad ng "International Politics, time travel, atbp". Mapapansin ito ng mga AI engine, at, kung mayroon man, nakakasama sa pagpapakita ng iyong mga artikulo.Nilalaman mula sa aming mga kasosyo
