Meta, tidligere Facebook, kunngjort denne uken lanseres et nytt verktøy som bruker kunstig intelligens (AI) for å identifisere netttekst den kan inneholde informazioni feil om ulike emner. Sphere, åpen kildekode-systemet som alt er basert på, bruker databasen med over 134 millioner artikler til å drive plattformer som er avhengige av verifisering mot falske nyheter.
Basert på kunstig intelligens lar det nye Meta-verktøyet (tidligere Facebook) deg beskytte deg mot falske nyheter og desinformasjon
Ifølge selskapet er en av de første tjenestene som bruker AI Wikipedia, Leksikonet regner med samarbeid fra tusenvis av mennesker rundt om i verden for emner av forskjellige sjangre. I følge Meta, Sphere vil bli brukt av redaktørteamet av nettstedet for å lette kontrollen av endringer foreslått av brukere. Som utvikleren forklarer, kan AI-verktøyet være en sterk alliert i kampen mot desinformasjon ved å samle kunnskap fra tusenvis av Internett-sider. Alt med sikte på å legge til rette for autentisering av tekster som inneholder feil sitater eller ekstra informasjon.
I utgangspunktet skulle denne ressursen være beregnet utelukkende for B2B for å bekjempe falske nyheter ved å vurdere data fra en rekke pålitelige kilder i stedet for å bruke et enkelt nettsted eller samling som primærkilde for å sjekke forslag, være mer omfattende enn andre tilgjengelige alternativer på nettstedet.
Foreløpig Wikimedia Fundament, selskapet som eier Wikipedia, er den eneste Meta-kunden som bruker Sphere å gjenkjenne løgnene i forslagene til artikler. Imidlertid bør flere utviklere og selskaper ta i bruk AI-tjenester etter hvert som tjenesten skrider frem.
Automatiserte verktøy kan hjelpe med å identifisere misforståelser eller påstander som ikke er sitert, men å hjelpe menneskelige redaktører med å finne ut om en kilde faktisk støtter en påstand er en langt mer kompleks oppgave, som krever dybden av forståelse og analyse av et AI-system. Med utgangspunkt i Meta AI-forskning og fremskritt utviklet teamet første modell som er i stand til automatisk å skanne hundretusenvis av referanser samtidig for å sjekke om de virkelig støtter de tilsvarende påstandene.
Shani Evenstein Sigalov, foreleser og forsker ved Tel Aviv University og nestleder i forstanderskapet til Wikimedia Foundation, sa:
Dette er et kraftig eksempel på maskinlæringsverktøy som kan bidra til å skalere frivillig arbeid ved å effektivt anbefale nøyaktige sitater og kilder. Å forbedre disse prosessene vil gjøre oss i stand til å tiltrekke nye utgivere til Wikipedia og gi bedre og mer pålitelig informasjon til milliarder av mennesker. Jeg ser frem til å fortsette å forbedre meg på dette området, spesielt ettersom maskinlæringsverktøy er i stand til å gi mer personlige sitater og flerspråklige alternativer for å betjene våre Wikimedia-fellesskap på mer enn 300 språk.
