Meta, voorheen Facebook, aangekondigd deze week de lancering van een nieuwe tool die kunstmatige intelligentie (AI) gebruikt om webtekst te identificeren die het kan bevatten informatie onjuist over verschillende onderwerpen. Gebied, het open source-systeem waarop alles is gebaseerd, gebruikt de database met meer dan 134 miljoen artikelen om platforms aan te drijven die afhankelijk zijn van verificatie tegen nepnieuws.
De nieuwe Meta-tool (voorheen Facebook) is gebaseerd op kunstmatige intelligentie en stelt je in staat jezelf te beschermen tegen nepnieuws en desinformatie
Volgens het bedrijf is een van de eerste diensten die AI gebruikt: Wikipedia, De encyclopedie rekent op de medewerking van duizenden mensen over de hele wereld voor onderwerpen van verschillende genres. Volgens Meta, Sphere wordt gebruikt door het redactieteam van de site om de controle van door gebruikers voorgestelde wijzigingen te vergemakkelijken. Zoals de ontwikkelaar uitlegt, kan de AI-tool een sterke bondgenoot zijn in de strijd tegen desinformatie door kennis te verzamelen van duizenden internetpagina's. Allemaal met als doel de authenticatie van teksten die foutieve citaten of extra informatie bevatten te vergemakkelijken.
In eerste instantie zou deze bron uitsluitend bedoeld moeten zijn voor B2B om nepnieuws te bestrijden door rekening te houden met gegevens uit tal van betrouwbare bronnen in plaats van een enkele site of verzameling als primaire bron te gebruiken voor het controleren van suggesties, omdat het uitgebreider is dan andere opties die beschikbaar zijn op de website.
Voor nu, de Wikimedia Foundation, het bedrijf dat eigenaar is van Wikipedia, is de enige Meta-klant die Sphere . gebruikt om de leugens in de suggesties van artikelen te herkennen. Naarmate de service vordert, zouden echter meer ontwikkelaars en bedrijven AI-services moeten gebruiken.
Geautomatiseerde tools kunnen helpen bij het identificeren van misverstanden of niet-geciteerde claims, maar het helpen van menselijke redacteuren om te bepalen of een bron daadwerkelijk een claim ondersteunt, is een veel complexere taak, die diepgaande kennis en analyse van een AI-systeem vereist. Voortbouwend op Meta AI-onderzoek en -ontwikkelingen, ontwikkelde het team de eerste model dat automatisch honderdduizenden citaten tegelijk kan scannen om te controleren of ze echt de bijbehorende claims ondersteunen.
Shani Evenstein Sigalov, docent en onderzoeker aan de Universiteit van Tel Aviv en vice-voorzitter van de raad van toezicht van de Wikimedia Foundation, zei:
Dit is een krachtig voorbeeld van machine learning-tools die kunnen helpen om vrijwilligerswerk te schalen door op efficiënte wijze nauwkeurige citaten en bronnen aan te bevelen. Door deze processen te verbeteren, kunnen we nieuwe uitgevers naar Wikipedia lokken en miljarden mensen betere en betrouwbaardere informatie verstrekken. Ik kijk ernaar uit om me op dit gebied te blijven verbeteren, vooral omdat machine learning-tools meer gepersonaliseerde citaten en meertalige opties kunnen bieden om onze Wikimedia-gemeenschappen in meer dan 300 talen te bedienen.
