haeyeop

[작성자:] haeyeop

  • 비디오 전환과 이용자 수요, 수익화

    Publishers Are Making More Video—Whether You Want It or Not Bloomberg · by Gerry Smith

    언론사들의 비디오 전환에 관한 이야기가 굉장히 많은데 가장 명시적으로 적은 글이 있어서 인용해놓는다.

    “Talking Points Memo의 발행인 Josh Marshall은 이번 달 초 트윗을 올렸다. “이용자의 수요로 인해 ‘동영상으로 피벗하는’사이트는 없습니다. “업계가 수익화 위기의 한 가운데에 있기 때문에 그들은 비디오로 전환하고 있습니다.”[expand title=eng] “No site is ‘pivoting to video’ because of audience demand,” Josh Marshall, publisher of Talking Points Memo, tweeted earlier this month. “They are pivoting to video because the industry is in the midst of a monetization crisis.”[/expand]

  • 가짜 리뷰에 대한 진짜 뉴스

    Real news of fake reviews
    TechCrunch · by Jon Evans

    측정값이 목표가 되기 시작한다면 더 이상 좋은 측정값이 아니다. 이는 랭킹 시스템에서 흔히 나타나는 일이다. 1위에 오르기 위해 다양한 방식을 시도하기에 1위가 언제나 좋은 것은 아니다.

    나는 탈진실 시대에 놀랄 일이 아니라고 생각한다. 물론 상과 순위는 언제나 어느 정도 조정되었다. 그러나 순위는 알고리즘적이며 큐레이션되지 않는 경우가 많고, 시스템은 더 쉽게 게임이 된다. 이는 적어도 미국의 정치적 이슈가되었습니다.[expand title=eng]
    I suppose this is no surprise in this post-truth age. And of course awards and rankings have always been manipulated to some extent. But now that ranking is so often algorithmic and uncurated, the system can be more easily — and, similarly, algorithmically — gamed. Which in turn, of course, becomes a political issue like everything else in the world, or at least in America, these days.[/expand]

    라이프스타일 저널리즘 혹은 서비스 저널리즘이라고 불리는 소프트 뉴스 분야는 오랫동안 무시되어 왔다. 하지만 저널리즘이 리뷰라는 측면에서 비판적 역할을 수행하는 것은 소프트한 뉴스나 하드 뉴스나 다르지 않다.
    랭킹 시스템은 알고리즘에 의해 돌아가는 경우 너무나 쉽게 속아넘어가는 경우가 많기에 위조된 것을 찾아내고 진실을 찾는 역할이 오히려 서비스 저널리즘이라는 측면에서 고려되어야 하는 부분이 아닐까.

  • 딥러닝의 한계

    The limitations of deep learning
    The Keras blog by Francois Chollet

    딥러닝의 가장 기본적인 원리를 설명하고 딥러닝을 사람처럼 생각했을 때 발생할 수 있는 문제점을 언급하는 글.

    예전에는 단순한 경사하강법을 활용한 매개변수 모델이 이렇게 놀라운 결과를 가져올 것이라고 예측하지 못했음. 딥러닝에서 모든 것은 벡터, 즉 기하학적 공간의 한 점이 됨. 어떤 데이터를 벡터로 만든 후 한 공간을 다른 공간에 매핑하는 복잡한 기하학적 변환을 학습. 하지만 추론이 필요한 영역같은 경우 딥러닝에서 멀리 떨어져 있는 영역. 글에서는 간단한 트릭을 통해 딥러닝 모델이 오분류하게 만드는 사례가 나옴

    결론적으로 단순하게 매핑하는 딥러닝과 복잡한 인간의 능력에는 큰 차이가 있다는 이야기.

    기억해야 할 것은 다음과 같습니다. 지금까지 딥러닝의 성공은 많은 양의 인간 주석 데이터가 주어지면서 연속적인 기하학적 변형을 사용하여 공간 X를 공간 Y에 매핑하는 기능이었습니다. 이 작업을 수행하는 것은 본질적으로 모든 산업 분야의 게임을 바꾸어놓았지만 인간 수준의 인공 지능으로는 아직 먼 이야기입니다. [expand title =eng]
    Here’s what you should remember: the only real success of deep learning so far has been the ability to map space X to space Y using a continuous geometric transform, given large amounts of human-annotated data. Doing this well is a game-changer for essentially every industry, but it is still a very long way from human-level AI.[/expand]

  • RJI 설문조사 – 학습이 시급한 디지털 기술은 무엇인가

    Survey: Journalists’ most urgent training needs are mobile, data and video
    by LINDA AUSTIN rji

    언론 종사자들에게 디지털 기술과 관련해 가장 긴급하게 배울 필요가 있는 것이 무엇인지 물은 결과. 사이트에서 확인. 5위까지만 뽑아보면 아래와 같다.

    • 모바일 시청자를위한 더 나은 이야기 제시 3.91
    • 데이터 저널리즘을 사용하여 엔터프라이즈 스토리 개발 3.86
    • 스마트 폰을 사용하여 비디오 편집하기 3.85
    • 모바일, 소셜 및 검색을위한 더 나은 헤드라인 작성 3.72
    • 지도 및 차트와 같은 간단한 그래픽 만들기 3.70

    문항들을 살펴보면 어떤 것들은 짧은 교육을 통해 나아질 수 있는 것들이지만 개인 차원에서 해결되기 보다는 조직차원에서 시스템을 도입해야하는 일들이 더 많아보인다.

  • 시리 음성을 위한 딥러닝

    Deep Learning for Siri’s Voice: On-device Deep Mixture Density Networks for Hybrid Unit Selection Synthesis

    애플은 지난 달 Machine Learning Journal을 만들었다. 머신 러닝이 부족한 기업이라는 이미자가 있는데 인력을 모으기 위한 대외적인 홍보용 느낌이라고 해야할까. 기존 peer-review 저널을 대체한다기 보다는 공개적으로 접근할 수 있는 대중적인 채널이 된다는 느낌이다. 저널에 대해 여러가지 이야기는 많지만 최근 올라온 글은 머신 러닝을 통해 시리 음성을 만드는 것을 학습시키는 결과에 대한 글이 올라왔다.

    Siri는 음성 합성을 사용하여 커뮤니케이션하는 개인 비서다. iOS 10에서 시작하여 iOS 11의 새로운 기능을 계속 사용하면서, Siri 음성을 딥 러닝에 기반한다. 결과적으로 목소리는 더 자연스럽고 매끄러워서 Siri의 개성이 빛나게합니다. 이 기사에서는 Siri의 목소리에 기반한 심층 학습 기반 기술에 대해 자세히 설명합니다.
    [expand title=eng]
    Siri is a personal assistant that communicates using speech synthesis. Starting in iOS 10 and continuing with new features in iOS 11, we base Siri voices on deep learning. The resulting voices are more natural, smoother, and allow Siri’s personality to shine through. This article presents more details about the deep learning based technology behind Siri’s voice.[/expand]

    저널 글 마지막 부분에 iOS 버전별로 달라진 시리 음성을 확인할 수 있다.

  • 페이스북 참여 20% 감소

    Facebook Engagement for Brands and Publishers Falls 20% In 2017

    페이스북에서 브랜드와 퍼블리셔들이 제작하는 포스트의 이용자 참여(engagement)가 2017년 1월 이후로 20% 감소

    참여가 줄어드는 몇 가지 가능한 설명을 제시.

    첫째, 브랜드와 퍼블리셔들이 페이스북에 덜 참여하고 있다. 하지만 설문 결과에 따르면 사실이 아니다. 기업들은 페이스북 프로모션에 더 많은 투자를 하고 있다. 오히려 organic reach가 줄어들었고 paid promotion은 이용자 참여를 유지할 수준이 되지 않는다고 보는게 맞을 수도 있다.
    둘째, 페이스북에 콘텐츠가 늘어나면서 경쟁이 치열해졌다. 페이스북이 알고리즘을 바꾸었기 때문에 발생했을 수도 있다.

    이유 자체는 분명하지 않지만 페이스북이 페이크 뉴스에 대응하기 위해 authentic content 알고리즘을 도입한 이후라는 분석도 있다.

  • 크롬 기본 광고 필터 프로그램

    Google Will Help Publishers Prepare for a Chrome Ad Blocker Coming Next Year

    구글은 크롬 브라우저에 광고 차단 프로그램을 기본으로 삽입할 것이고, 퍼블리셔들에게 준비할 기간을 6개월 줄 것이라는 이야기.

    퍼블리셔가 준비하는 데 도움이되도록 Google은 사이트의 불쾌한 광고에 대해 경고하고 문제를 해결하는 방법을 설명하는 셀프 서비스 도구 인 ‘Ad Experience Reports”를 제공한다. 이 도구는 Chrome 광고 차단도구가 게재되기 전에 제공될 것이다. [expand title=Eng] To help publishers prepare, Google will provide a self-service tool called “Ad Experience Reports,” which will alert them to offending ads on their sites and explain how to fix the issues. The tool will be provided before the Chrome ad blocker goes live, the people familiar with the plans say.[/expand]

    알파벳의 수익 중 광고 비중이 88%인데 왜 구글은 크롬에 광고차단 도구를 기본으로 넣을까. 광고. 차단 보다는 필터라고 이야기하며 다른 광고차단 프로그램의 성장을 막고 적절한 수준의 광고를유지할 수 있는 환경을 만들기 위한것으로 보인다. 이미 이용자 측면에서 광고차단은 거스르기 어려운 흐름이다.

  • VR과 AR에 대한 올바른 질문

    Virtual and Augmented Realities Asking the right questions and traveling the path ahead
    Medium · by Clay Bavor

    구글 VR 팀 Clay Bavor의 VR과 AR에 대한 글.

    VR은 당신을 어디에나 가져다놓을 수 있으며 AR은 무엇이든 가져올 수 있다. VR은 당신을 다른 곳으로 옮길 수 있다. AR은 사물과 정보를 당신의 맥락으로 가져와 당신과 함께있는 것처럼 보이게 한다.[expand title=Eng]
    VR can put you anywhere, and AR can bring anything to you. VR can transport you somewhere else. AR leaves you where you are and brings objects and information to you, in context, making them seem like they’re there with you.[/expand]

    두 가지 기술은 서로 경쟁적이고 상호배제적이지 않기에 스펙트럼으로 이해해야 한다고 말한다. 차이는 점차 사라질 것이라고. 몰입형 컴퓨팅(immersive computing)에 대해 이야기를 하며 이것은 단순히 정보 그 자체가 아니라 어떤 식으로 정보에 접근하는지에 대한 것(It’s not just about the information itself, though. It’s about how people get access to it)이라고 이야기한다.

    하지만 향후 장치 이용에서 발생하는 마찰이 줄어들어야 하며(헤드셋 착용), 기본 기술이 발달할 필요(디스플레이, 광학, 트래킹, GPU, 센서 등)가 있다. 그리고 이에 기반하여 새로운 애플리케이션과 경험이 가능하게 될 것이라 한다.

  • 92% 시청은 TV 스크린에서 발생

    Nielsen over 92% of viewing among U.S. adults still happens on the TV screen TechCrunch · by Sarah Perez

    닐슨이 발표한 새로운 데이터에 따르면, 미국 소비자들은 유료 TV 코드커팅을 할지는 모르지만 그것이 대형 화면을 보지 않는다는 의미는 아니다. 미국 성인의 시청 습관을 자세히 보여주는 보고서에서 닐슨은 미국 성인 (18 세 이상)의 시청 중 92%가 여전히 TV 화면에서 발생하고 있음을 발견했다.[expand title=Eng] U.S. consumers may be cutting the cord with pay TV, but that doesn’t mean they’ve stopped watching the big screen, according to new data released by Nielsen this morning. In a report detailing the viewing habits of U.S. adults, the measurement firm found that 92 percent of all viewing among U.S. adults (those 18 and older) still takes place on the TV screen.[/expand]

  • 유럽 신문사들의 지불모델

    More European newspapers are charging for content online (but there are differences by country) Nieman Lab

    로이터에서 Pay Models in European News 보고서가 나왔음. 아직 읽어보지 못했지만 Nieman Lab에 올라온 기사 일부 내용. 콘텐츠를 온라인에 무료로 제공하는 것에서 벋어나서 다양한 형태의 지불모델을 도입하고 있다는 내용. freemium, metered paywall(몇 개 무료), hard paywall 등 다양하다고 함.

    66% 신문과 71%의 주간지와 잡지가 지불 모델을 가지고 있었다. 프리미엄 모델이 가장 보편적이었고 metered 모델이 뒤를 이었다. 디지털 네이티브 사이트 중 97 %는 콘텐츠를 무료로 제공했다.[expand title=Eng] 66 percent of the newspapers and 71 percent of weekly newspapers and news magazines had some kind of pay model. Freemium models were most common, followed by metered paywalls. Of digital-native sites, 97 percent offered their content for free[/expand]

    용어들을 정확히 어떻게 번역해야 할지 아직 잘 모르겠다.