Алан Неро

Может ли ИИ быть секретным оружием, которое необходимо обществу, чтобы вырваться из удушающей трясины эпохи «фейковых новостей»?

«Фейковые новости» действительно являются законной проблемой в западном обществе, и их основы можно найти в социальных сетях. Не путать с ложным повествованием, продвигаемым как государственными чиновниками, так и частными лицами, которые путают разницу между неудобными новостями и фактическими ложными сообщениями.

Хотя я ранее обрисовал проблемное поведение тех, кто способствует этому ложному повествованию, мы сталкиваемся с еще большей эпидемией безосновательных заявлений, неточных отчетов и сенсационных заголовков. Результаты которого становятся все более серьезными вместе с репутацией и влиянием тех, кто распространяет эту ложь. Что еще хуже, безответственные действия платформ социальных сетей только раздувают огонь и распространяют фейковые новости среди общественности.

Одним из самых тревожных случаев распространения фейковых новостей через социальные сети является эскалация конфликта между буддистами и мусульманами в Мьянме, разжигаемая Фейсбуком. Где мусульмане регулярно становятся объектом разжигания ненависти и лжи, что приводит к насильственным действиям.

Самая большая трудность, с которой сталкиваются те, кто хочет бороться с потоком фейковых новостей, заключается в ошеломляющем количестве, производимом и распространяемом ежеминутно в эпоху глобальной коммуникации. В статье Forbes за 2018 год говорится, что только на Facebook ежедневно насчитывается 1,5 миллиарда активных пользователей. Логистически невозможно, чтобы даже большая группа аудиторов отсеяла более 400 миллионов сообщений, публикуемых ежедневно только на одной платформе. Не говоря уже о фактической проверке каждой статьи, видео и поста, опубликованного в сети.

Однако многообещающие достижения в области искусственного интеллекта могут стать решением этой дилеммы. Согласно статье AP Будущее расширенной журналистики, машинное обучение с учителем — это система искусственного интеллекта, которая при наличии помеченных примеров в качестве входных данных способна классифицировать новую информацию как выходную. По сути, система ИИ может получать примеры как проверенных, так и фальсифицированных статей, учиться идентифицировать каждый тип статей, а затем различать будущие правдивые и ложные статьи. Кроме того, природа такой системы превращает ранее пугающую статистику в невероятное преимущество. Как заявили авторы статьи AP,

«Чем больше данных у команды есть для обучения своей системы, и чем точнее эти данные, тем меньше вероятность того, что машина совершит какие-либо ошибки.

Ни один алгоритм машинного обучения не будет точным на 100 процентов».

Хотя такой процесс не приведет к тому, что ИИ будет нести исключительную ответственность за автоматическую проверку всех отчетов и заявлений в Интернете, он сделает процесс изоляции и выявления всех будущих «фейковых новостей» не только возможным, но и простым. В этот момент специальные аудиторы могли бы затем сосредоточить свою энергию на проверке фактов и опровержении ложных заявлений и неточных заявлений.

Совместные усилия искусственного интеллекта под наблюдением машинного обучения и преданных своему делу исследователей могут положить конец опасностям «фейковых новостей».