Obrazová žurnalistika a umělá inteligence

• Název práce v češtině: Obrazová žurnalistika a umělá inteligence
• Název v anglickém jazyce: Photojournalism and artificial intelligence
• Klíčová slova: Umělá inteligence, obrazová žurnalistika, IT, strojové učení, hluboké učení, digitální fotografie, technologie
• Klíčová slova anglicky: Artificial intelligence, photojournalism, IT, machine learning, deep learning, digital fotography, technologies
• Akademický rok vypsání: 2018/2019
• Typ práce: diplomová práce
• Jazyk práce: čeština
• Ústav: Katedra žurnalistiky (23-KZ)
• Vedoucí / školitel: Mgr. František Géla
• Řešitel: skrytý - zadáno vedoucím/školitelem
• Datum přihlášení: 18.07.2019
• Datum zadání: 18.07.2019
• Datum a čas obhajoby: 29.06.2020 00:00
• Místo konání obhajoby: Hollar - Smetanovo nábřeží 6,Praha 1, H011, Hollar - místn. č. 011
• Datum odevzdání elektronické podoby: 21.05.2020
• Datum proběhlé obhajoby: 29.06.2020
• Oponenti: doc. Mgr. MgA. Filip Láb, Ph.D.

Seznam odborné literatury

ABBATE, Jane (2000). Inventing the Internet. MIT Press. ISBN 0262261332.

AHN, Luis, BLUM, Manuel, HOPPER, Nicholas, LANGFORD, John. (2003). CAPTCHA: using hard AI problems for security. Advances in Cryptology, Eurocrypt. 2656. s. 294–311. 10.1007/3-540-39200-9_18.

FINEMAN, Mia. Faking It: Manipulated Photography Before Photoshop. New York: The Metropolitan Museum of Art, 2012. no. 51, s. 74, 220.
GOODFELLOW, Ian, BENGIO, Joshua, COURVILLE Aaron. Deep Learning. s. 5. MIT Press [2016]. Rovněž dostupné z http://www.deeplearningbook.org

HOLČÍK J., KOMENDA M. (eds.) a kol. Matematická biologie: e-learningová učebnice [online]. 1. vydání. Masarykova univerzita [2015]. Dostupný z: https://portal.matematickabiologie.cz. ISBN 978-80-210-8095-9.

HSU, F.-H. (2002). Behind Deep Blue: Building the Computer That Defeated the World Chess Champion . Princeton University Press, Princeton, NJ, USA.
HINTON, G. E., SHALLICE, T. (1991). Lesioning an attractor network: investigations of acquired dyslexia. Psychological review, 98(1), 74.‎
KOGAN, Gene. “Machine Learning for Artists” [online]. Machine Learning for Artists 2018 [cit. 7. 3. 2020]. Dostupné z http://ml4a.github.io/ml4a/.
LÁB, Filip. Fotografie po fotografii / Filip Láb, Pavel Turek. 2009. ISBN 9788024616179.

LIKAVČAN, Lukáš, DVOŘÁK, Tomáš. Epistemologie nových médií: Vidět jako platforma: politická epistemologie digitálních infrastruktur. s. 135. Praha: Akademie múzických umění, 2019. ISBN 978-80-7331-494-1.

MAŘÍK, Vladimír, ŠTĚPÁNKOVÁ, Olga, LAŽANSKÝ, Jiří. Umělá inteligence. Praha: Akademie věd České republiky, 1993. ISBN 80-200-0496-3.
MANOVICH, Lev. Jazyk nových médií. Přeložil Václav Janoščík. Praha: Karolinum, 2018 [1. vyd. orig. 2001], s. 1, 49–50, 192.

MCCULLOCH, Warren S., PITTS, Walter. A logical calculus of the ideas in nervous activity. Bulletin of mathematical biophysics. 5:115–13, 1943.

MITCHELL, William J. T. Picture Theory: Essays on Verbal and Visual Representation. Chicago: U of Chicago P, 1994. ISBN 978-0-226-53232-5

MIRZOEFF, Nicholas. Úvod do vizuální kultury. Praha: Academia, 2012. MIRZOEFF, Nicholas. Úvod do vizuální kultury. Praha: Academia, 2012.
PAPERT, Seymour, MINSKY, Marvin Lee (1969). Perceptrons: an introduction to computational geometry. Cambridge, Massachusetts: MIT Press. ISBN 978-0-262-63111-2.

STRAUSS, Anselm L. Základy kvalitativního výzkumu: postupy a techniky metody zakotvené teorie / Anselm Strauss, Juliet Corbinová; [překlad Stanislav Ježek]. s. 10, 11. 1999. ISBN 808583460X.

STURKEN, Marita. Studia vizuální kultury / Marita Sturken, Lisa Cartwright ; [z anglického originálu ... přeložili Lucie Vidmar a Milan Kreuzzieger]. 2009. ISBN 9788073675561.

ŠÍMA J., NERUDA R.: Teoretické otázky neuronových sítí. Matfyzpress, Praha, 1996.
TRIANTAPHYLLOU, Evangelos, FELICI, Giovanni. Data mining and knowledge discovery approaches based on rule induction techniques. New York: Springer, 2016. ISBN 978-0387-3494-8.
TURNING, A. M. “Computing Machinery and Intelligence,” Mind, vol. 59, no. 236, s. 433–460, 1950.

VIRILIO, Paul. The vision machine. Bloomington: Indiana University Press, 1994. Perspectives. ISBN 978-0-253-20901-6.

Odborné časopisy

ADAMS, Sam S., et al. “Mapping the Landscape of Human-Level Artificial General Intelligence”. AI Magazine. 2012, roč. 33, č. 1, s. 30

WANG, Sheng-Yu, WANG, Oliver, ZHANG, Richard, OWENS, Andrew, EFROS, Alexei, CNN-generated images are surprisingly easy to spot...for now [online]. CVPR 2020, Cornell University. [cit. 2020-04-21]. Dostupné z: https://arxiv.org/abs/1912.11035

Předběžná náplň práce

Magisterská diplomová práce se zabývá možnostmi využití umělé inteligence (AI) v obrazové žurnalistice. Jejím cílem je zmapovat, jaké úkony může v praxi tato technologie zastat a jak by potenciálně mohla pomoci usnadnit a zefektivnit práci novináře. Zkoumá proto jak konkrétní nástroje, tak i úlohy, které by mohla umělá inteligence v redakční praxi zastat. A to sběrem dat od zástupců největších českých mediálních domů, technologických novinářů, tiskových agentur a zástupců fotobank. Sekundárním zdrojem pro výzkum jsou pak odborné i popularizační zdroje. Z těchto oblastí čerpá a analyzuje informace o možnostech práce s obrazem, od správy fotoarchivů a videoarchivů přes automatické dohledávání dat, až po strojové vidění či dokonce sestavení originální ilustrační fotografie na základě zvolených parametrů. Vedle toho však může vyvstat řada nových podnětů souvisejících se zaváděním chytrých algoritmů a automatizace procesů usnadňujících práci novinářů. A to s ohledem na stále se zvyšující rychlost, přesnost a kvalitu zpravodajství. Zjišťuje proto, jak se vedení redakcí a dalších tvůrců mediálního obsahu strategicky staví k zavádění nových technologií, jaké mají plány a investice do inovací. Druhým rozměrem jsou výzvy, se kterými se technologický novinář může potýkat; vzdělávání v oblasti technologií, správná interpretace získaných dat, boj proti dezinformacím, práce s odbornými zdroji a etické otázky, který práce s obrazem rovněž přináší.

Předběžná náplň práce v anglickém jazyce

This thesis focuses on the use of artificial intelligence in photojournalism. Its goal is to explore which tasks could be performed by this technology and how it could streamline journalist’s work. The initial part of the paper therefore examines specific tools and tasks that artificial intelligence could do in practice. This is done by collecting data from representatives of the largest Czech media houses, technology journalists, press agencies and representatives of photo banks. Secondary sources for research were academic work as well as popular-science resources. From these areas, the discussion proceeds to investigation and analysis of findings about the possibilities of working with images, from managing photo archives and video archives and automatic data retrieval, to machine vision or even generating of an original illustration photo based on selected parameters. This provides a foundation for further discussion on a set of upcoming tools that could make journalists’ job easier, especially with regard to the ever-increasing demand for speed, accuracy and quality of news reporting. With that, the paper proceeds to analyse management of newsrooms and other creators of media content, and their position and preparedness for the introduction of new technologies, as well as their plans and investments in innovation. Final part of the discussion shifts focus to potential challenges related to work of technology journalists: technological education, correct interpretation of acquired data, combating misinformation, working with primary resources and ethical issues associated with photojournalism.