Meta, tidigare Facebook, meddelat denna vecka lanseras ett nytt verktyg som använder artificiell intelligens (AI) för att identifiera webbtext den kan innehålla Informazioni fel om olika ämnen. Sfär, systemet med öppen källkod som allt är baserat på, använder databasen med över 134 miljoner artiklar för att driva plattformar som är beroende av verifiering mot falska nyheter.
Baserat på artificiell intelligens låter det nya Meta-verktyget (tidigare Facebook) dig skydda dig mot falska nyheter och desinformation
Enligt företaget är en av de första tjänsterna som använder AI wikipedia, Uppslagsverket räknar med samarbete mellan tusentals människor runt om i världen för ämnen av olika genrer. Enligt Meta, Sphere kommer att användas av redaktörsteamet av webbplatsen för att underlätta kontrollen av ändringar som föreslås av användare. Som utvecklaren förklarar kan AI-verktyget vara en stark allierad i kampen mot desinformation genom att samla kunskap från tusentals internetsidor. Allt i syfte att underlätta autentiseringen av texter som innehåller felaktiga citat eller extra information.
Inledningsvis bör denna resurs endast vara avsedd för B2B för att bekämpa falska nyheter genom att beakta data från många pålitliga källor istället för att använda en enda webbplats eller samling som primär källa för att kontrollera förslag, vara mer omfattande än andra tillgängliga alternativ på webbplatsen.
För nu, den Wikimedia fundament, företaget som äger Wikipedia, är den enda Meta-kunden som använder Sphere att känna igen lögnerna i förslagen till artiklar. Fler utvecklare och företag bör dock ta till sig AI-tjänster allt eftersom tjänsten fortskrider.
Automatiserade verktyg kan hjälpa till att identifiera missförstånd eller icke-citerade påståenden, men att hjälpa mänskliga redaktörer att avgöra om en källa faktiskt stöder ett påstående är en mycket mer komplex uppgift, som kräver djup förståelse och analys av ett AI-system. Med utgångspunkt i Meta AI-forskning och framsteg utvecklade teamet första modellen som kan skanna hundratusentals citat automatiskt samtidigt för att kontrollera om de verkligen stöder motsvarande påståenden.
Shani Evenstein Sigalov, föreläsare och forskare vid Tel Aviv University och vice ordförande i styrelsen för Wikimedia Foundation, sa:
Det här är ett kraftfullt exempel på verktyg för maskininlärning som kan hjälpa till att skala volontärarbete genom att effektivt rekommendera korrekta citat och källor. Genom att förbättra dessa processer kan vi locka nya utgivare till Wikipedia och ge bättre och mer tillförlitlig information till miljarder människor. Jag ser fram emot att fortsätta förbättra mig på detta område, särskilt eftersom maskininlärningsverktyg kan tillhandahålla mer personliga citat och flerspråkiga alternativ för att tjäna våra Wikimedia-gemenskaper på mer än 300 språk.
