Περιεχόμενο
- Για να πιάσω ένα κλέφτη. . .
- No Bugs, No Stress - Ο οδηγός σας βήμα προς βήμα για τη δημιουργία λογισμικού που αλλάζει τη ζωή χωρίς να καταστρέφει τη ζωή σας
- Διακοπή της διάδοσης
Πηγή: Mast3r / Dreamstime.com
Πάρε μακριά:
Οι ερευνητές στρέφονται στο AI για να καταπολεμήσουν τα ψεύτικα νέα. Αλλά μπορεί πραγματικά να βοηθήσει ή θα κάνει τα πράγματα χειρότερα;
Οι ψεύτικες ειδήσεις αναμένεται να είναι ένα μεγάλο αγκάθι στην πλευρά των επερχόμενων προεδρικών εκλογών, για να μην αναφέρουμε τη συνολική διαβρωτική επίδρασή της στον δημόσιο λόγο μας γενικότερα. Στη σημερινή συνδεδεμένη κοινωνία, το διακριτικό γεγονός από τη μυθοπλασία έχει γίνει όλο και πιο δύσκολο και γι 'αυτό ορισμένοι ερευνητές αρχίζουν να επικεντρώνονται στη δύναμη της τεχνητής νοημοσύνης για να αντιμετωπίσουν αυτό το πρόβλημα.
Η ελπίδα, φυσικά, είναι ότι οι μηχανές, ή ακριβέστερα αλγόριθμοι, θα είναι καλύτερες από τους ανθρώπους για να εντοπίζουν ψέματα. Αλλά είναι αυτό μια ρεαλιστική προσδοκία, ή απλώς μια άλλη περίπτωση ρίψης τεχνολογίας σε ένα φαινομενικά ανυπέρβλητο πρόβλημα;
Για να πιάσω ένα κλέφτη. . .
Ένας από τους τρόπους με τους οποίους οι επιστήμονες των δεδομένων σκοπεύουν να ενισχύσουν την αξιοπιστία του AI σε αυτόν τον τομέα είναι να του επιτρέψει να δημιουργήσει ψεύτικα νέα. Το ινστιτούτο Allen για το AI στο Πανεπιστήμιο της Ουάσινγκτον έχει αναπτύξει και κυκλοφόρησε δημοσίως τον Grover, έναν μηχανισμό φυσικής επεξεργασίας γλώσσας που έχει σχεδιαστεί για να δημιουργεί ψευδείς ιστορίες σε ένα ευρύ φάσμα θεμάτων. Παρόλο που αυτό μπορεί να φαίνεται αντιπαραγωγικό στην αρχή, είναι στην πραγματικότητα μια αρκετά κοινή τακτική εκπαίδευσης ΑΙ, στην οποία μια μηχανή αναλύει την παραγωγή άλλου. Με αυτόν τον τρόπο, η πλευρά των αναλυτικών στοιχείων μπορεί να φτάσει στην ταχύτητα πολύ πιο γρήγορα από ό, τι βασίζεται σε πραγματικές ψεύτικες ειδήσεις. Το ινστιτούτο ισχυρίζεται ότι ο Grover μπορεί ήδη να λειτουργεί με βαθμολογία ακρίβειας 92%, αλλά είναι σημαντικό να σημειωθεί ότι είναι απλώς έμπειρος στη διάκριση μεταξύ περιεχομένου που παράγεται από ΑΙ και ανθρώπινου περιεχομένου, πράγμα που σημαίνει ότι ένας έξυπνος άνθρωπος μπορεί ακόμα να γλιστρήσει μια ψεύτικη ιστορία παρελθόν. (Για να μάθετε περισσότερα, ανατρέξτε στις Τεχνολογίες γύρω από την καταπολέμηση των ψεύτικων ειδήσεων.)
Στα σωστά χέρια, φυσικά, ο Γκρόβερ μπορεί να προωθήσει γρήγορα την κατανόησή μας για το πώς δημιουργούνται ψεύτικα νέα και πώς εξαπλώνεται και αυτό μπορεί θεωρητικά να χρησιμοποιηθεί για να το αποτρέψει στον πραγματικό κόσμο. Όμως, όπως επεσήμανε πρόσφατα ο Futurism.com, μερικοί εμπειρογνώμονες που έλαβαν το σύστημα για δοκιμαστική δοκιμή ανησυχούν για το πόσο αποτελεσματικό είναι να δημιουργηθούν αξιόπιστα ψέματα και μάλιστα να μιμούνται τις μορφές γραφής των νόμιμων σημείων ειδήσεων όπως το Wall Street Journal και η Νέα Υόρκη Φορές.
Αλλά επειδή το ψέμα είναι μια εγγενώς διαισθητική και συναισθηματικά καθοδηγούμενη πράξη, είναι πιθανό ακόμα και οι πιο έξυπνες μηχανές, οι οποίες εξακολουθούν να κινούνται από ψυχρή, σκληρή λογική, θα μπορούν πάντα να επιτύχουν το επίπεδο συνειδητής κατανόησης που είναι απαραίτητο για να εντοπίσουν ένα ψέμα; Η Maria Almeida της Unbabel σημείωσε πρόσφατα ότι ενώ κάποιες επαναλήψεις μπορεί να γίνουν αρκετά καλοί σε αυτό, κανένας αλγόριθμος δεν μπορεί να ελπίζει να επιτύχει πλήρη ανθρώπινη κατανόηση. Αυτό σημαίνει ότι η AI θα μπορούσε να κάνει δραματικές βελτιώσεις στον έλεγχο των πραγματικών περιστατικών και τη συγκριτική ανάλυση, αλλά η τελική κλήση πρέπει να αφεθεί καλύτερα σε εκπαιδευμένους εμπειρογνώμονες.
Κατά ειρωνικό τρόπο, ωστόσο, αυτή η δυνατότητα θα είναι πολύ χρήσιμη για την ανίχνευση των βαθιών ψεύτικων βίντεο που αρχίζουν να κάνουν τους γύρους στα κοινωνικά μέσα. Με το AI ικανό να αναλύει τα οπτικά δεδομένα μέχρι τα μεμονωμένα pixel, θα είναι πολύ πιο έμπειρο στο να εντοπίζει αλλοιωμένες εικόνες από αλλοιωμένες λέξεις και έννοιες.
Ακόμα, υποστηρίζει ο Charles Towers-Clark του Forbes, το κεντρικό πρόβλημα με ψεύτικα νέα δεν είναι ότι μερικοί άνθρωποι το δημιουργούν, αλλά ότι τόσοι πολλοί άνθρωποι επηρεάζονται από αυτό. Οι άνθρωποι τείνουν να πιστεύουν αυτό που θέλουν να πιστέψουν, όχι αυτό που τα γεγονότα τους οδηγούν να πιστεύουν. Έτσι, ακόμα και αν ένας πολύ ανεπτυγμένος μηχανισμός AI δηλώνει ότι η πεποίθησή του είναι λάθος, οι άνθρωποι θα είναι πιο κατάλληλοι να αμφιβάλλουν για το μηχάνημα από τον εαυτό τους.
"Η εφαρμογή μηχανικής μάθησης για την καταπολέμηση της διάδοσης ψεύτικων ειδήσεων είναι αξιοθαύμαστη", λέει, "και υπάρχει ανάγκη αντιμετώπισης αυτού του προβλήματος καθώς τίθεται υπό αμφισβήτηση η αξιοπιστία των μεγάλων ειδησεογραφικών μέσων ενημέρωσης. Αλλά με την εξάπλωση της παραπληροφόρησης που συνθέτουν τα κοινωνικά μέσα ενημέρωσης, μπορεί να ανιχνεύσει και να αποκαλύψει τις πηγές των ψεύτικων ειδήσεων να ξεπεράσει το ανθρώπινο ένστικτο να πιστέψει αυτό που μας λένε; "
No Bugs, No Stress - Ο οδηγός σας βήμα προς βήμα για τη δημιουργία λογισμικού που αλλάζει τη ζωή χωρίς να καταστρέφει τη ζωή σας
Δεν μπορείτε να βελτιώσετε τις δεξιότητες προγραμματισμού σας όταν κανείς δεν ενδιαφέρεται για την ποιότητα του λογισμικού.
Επομένως, η πραγματική πρόκληση δεν είναι να εντοπιστούν και να αποτιμηθούν τα ψεύτικα νέα, αλλά να κατανοηθεί κανείς γιατί τείνει να διαδίδεται σε όλα τα κοινωνικά μέσα τόσο πολύ γρηγορότερα από τα πραγματικά νέα. Εν μέρει, αυτό οφείλεται στη φύση των ψεύτικων ειδήσεων, τα οποία τείνουν να είναι συναρπαστικά και χαλαρά σε σύγκριση με το συγκριτικό επίθεμα της πραγματικότητας. Στο τέλος, είναι ρεαλιστικό να περιμένουμε από την τεχνολογία να διορθώσει αυτό που ουσιαστικά είναι ένα μη τεχνικό πρόβλημα; (Για περισσότερες πληροφορίες σχετικά με τον τρόπο με τον οποίο η AI αλλάζει μέσα ενημέρωσης, δείτε 5 AI Advances in Publishing and Media.)
Διακοπή της διάδοσης
Αυτός είναι ο λόγος για τον οποίο είναι σημαντικό να επικεντρωθεί η AI στην τεχνική πλευρά των πλαστών ειδήσεων, όχι στην ανθρώπινη όψη, λέει ο Robin Harris του ZDNet. Και πράγματι, οι περισσότεροι ερευνητές προπονούν την AI να εισαγάγει τα πράγματα όπως τη διάκριση μεταξύ φυσικών και τεχνητών μοτίβων διάδοσης μέσω των κοινωνικών δικτύων. Οι βασικές μετρήσεις όπως τα ποσοστά δέντρων μετατροπής, ο χρονοδιάγραμμα επαναφοράς και τα δεδομένα συνολικής απόκρισης μπορούν να χρησιμοποιηθούν για τον εντοπισμό και την εξουδετέρωση των εκστρατειών παραπληροφόρησης, ακόμη και αν η πηγή τους κρύβεται κάτω από τα στρώματα ψηφιακής υποκάλυψης. Ταυτόχρονα, το AI μπορεί να χρησιμοποιηθεί για τη διαχείριση άλλων τεχνολογιών, όπως blockchain, για τη διατήρηση ανιχνεύσιμων, επαληθεύσιμων καναλιών πληροφοριών.
Το γεγονός είναι ότι τα ψεύτικα νέα δεν είναι ένα νέο φαινόμενο. Από τη δημοσιογραφική δημοσιογραφία στις αρχές του 20ου αιώναth αιώνα πίσω από την προπαγάνδα των πρώτων πολιτισμών, η απόκρυψη του κοινού είναι μια διαχρονική παράδοση τόσο για τις κυβερνήσεις που είναι κάτοικοι όσο και για τους επαναστάτες. Η σημερινή διαφορά είναι ότι η ψηφιακή τεχνολογία έχει εκδημοκρατίσει αυτή την ικανότητα σε σημείο που σχεδόν κανείς μπορεί να τοποθετήσει ένα ψέμα και να την παρακολουθήσει να εξαπλωθεί σε ολόκληρο τον κόσμο μέσα σε λίγες ώρες.
Τεχνολογίες όπως το AI μπορούν σίγουρα να βοηθήσουν να αποσαφηνιστεί αυτή η σύγχυση, αλλά μόνο οι άνθρωποι μπορούν να κατανοήσουν πλήρως και να κρίνουν την αλήθεια.