Meta, trước đây là Facebook, công bố tuần này ra mắt một công cụ mới sử dụng trí thông minh nhân tạo (AI) để xác định văn bản web mà nó có thể chứa thông tin không đúng về các chủ đề khác nhau. Sphere, hệ thống mã nguồn mở mà mọi thứ đều dựa trên đó, sử dụng cơ sở dữ liệu với hơn 134 triệu bài báo để cung cấp năng lượng cho các nền tảng phụ thuộc vào xác minh chống lại tin tức giả mạo.
Dựa trên trí thông minh nhân tạo, công cụ Meta mới (trước đây là Facebook) cho phép bạn tự bảo vệ mình khỏi tin tức giả mạo và thông tin sai lệch
Theo công ty, một trong những dịch vụ đầu tiên sử dụng AI là Wikipedia, Bộ bách khoa toàn thư dựa vào sự cộng tác của hàng nghìn người trên khắp thế giới cho các chủ đề thuộc nhiều thể loại khác nhau. Theo Meta, Sphere sẽ được sử dụng bởi nhóm biên tập viên của trang web để tạo điều kiện kiểm soát các thay đổi do người dùng đề xuất. Như nhà phát triển giải thích, công cụ AI có thể là một đồng minh mạnh mẽ trong cuộc chiến chống lại thông tin sai lệch bằng cách thu thập kiến thức từ hàng nghìn trang Internet. Tất cả với mục đích tạo điều kiện thuận lợi cho việc xác thực các văn bản có trích dẫn không chính xác hoặc thông tin bổ sung.
Ban đầu, tài nguyên này nên dành riêng cho B2B để chống lại tin tức giả bằng cách xem xét dữ liệu từ nhiều nguồn đáng tin cậy thay vì sử dụng một trang web hoặc bộ sưu tập làm nguồn chính để kiểm tra các đề xuất, toàn diện hơn các tùy chọn khác có sẵn trên trang web.
Hiện tại, Wikimedia Nền tảng, công ty sở hữu Wikipedia, là khách hàng Meta duy nhất sử dụng Sphere để nhận ra sự dối trá trong các gợi ý của các bài báo. Tuy nhiên, nhiều nhà phát triển và công ty nên áp dụng các dịch vụ AI khi dịch vụ này phát triển.
Các công cụ tự động có thể giúp xác định sự hiểu lầm hoặc tuyên bố chưa được trích dẫn, nhưng giúp người biên tập xác định xem nguồn có thực sự hỗ trợ tuyên bố hay không là một nhiệm vụ phức tạp hơn nhiều, đòi hỏi sự hiểu biết và phân tích sâu sắc của hệ thống AI. Dựa trên nghiên cứu và tiến bộ của Meta AI, nhóm đã phát triển mô hình đầu tiên có khả năng tự động quét hàng trăm nghìn trích dẫn đồng thời để kiểm tra xem họ có thực sự ủng hộ các tuyên bố tương ứng hay không.
Shani Evenstein Sigalov, giảng viên và nhà nghiên cứu tại Đại học Tel Aviv và là phó chủ tịch hội đồng quản trị của Wikimedia Foundation, cho biết:
Đây là một ví dụ mạnh mẽ về các công cụ học máy có thể giúp mở rộng quy mô công việc tình nguyện bằng cách đề xuất các trích dẫn và nguồn chính xác một cách hiệu quả. Cải thiện các quy trình này sẽ cho phép chúng tôi thu hút các nhà xuất bản mới đến với Wikipedia và cung cấp thông tin tốt hơn và đáng tin cậy hơn cho hàng tỷ người. Tôi mong muốn tiếp tục cải thiện trong lĩnh vực này, đặc biệt là khi các công cụ học máy có thể cung cấp nhiều trích dẫn được cá nhân hóa hơn và các tùy chọn đa ngôn ngữ để phục vụ cộng đồng Wikimedia của chúng tôi bằng hơn 300 ngôn ngữ.
