مبارزه با اخبار جعلی از طریق یادگیری ماشینی و بلاک چین

31 جولای 2023 -توسط آنتونی بورلی، دانشگاه بینگهامتون-اعتبار: CC0 دامنه عمومی

زمان بسیار مهم است زیرا سیل به روز رسانی در سراسر اینترنت و فیدهای رسانه های اجتماعی پخش می شود. اعضا مشتاق هستند اطلاعاتی را که می توانند به آنها اعتماد کنند بیابند.

اطلاعات نادرست می تواند منجر به عواقب مضری شود. اخبار، رسانه‌های اجتماعی و سازمان‌های دولتی در سال‌های اخیر استراتژی‌های جدیدی را اتخاذ کرده‌اند و تاکید بیشتری بر بررسی حقایق و علامت‌گذاری پست‌های گمراه‌کننده دارند تا زمینه مهم مورد نیاز مخاطبان را فراهم کنند.

اما سازندگان محتوا چگونه می‌توانند تلاش‌های خود را روی مناطقی متمرکز کنند که اطلاعات نادرست احتمالاً بیشترین آسیب عمومی را به همراه دارد؟ تحقیقات دانشکده مدیریت دانشگاه بینگهامتون (SOM) راه حل های ممکن را از طریق چارچوب پیشنهادی یادگیری ماشین و همچنین استفاده گسترده از فناوری بلاک چین ارائه می دهد.

تی تران، استادیار سیستم‌های اطلاعات مدیریت، ، که تحقیق را رهبری کرد گفت: «به احتمال زیاد ما به اخبار جعلی اهمیت می‌دهیم، اگر آسیبی به خوانندگان یا مخاطبان وارد کند. اگر مردم متوجه شوند که هیچ آسیبی وجود ندارد، احتمالاً اطلاعات نادرست را به اشتراک می‌گذارند.». “مضرات ناشی از این است که آیا مخاطبان بر اساس ادعاهای اطلاعات نادرست عمل می کنند یا به دلیل آن از اقدام مناسب امتناع می ورزند. اگر ما یک روش سیستماتیک برای شناسایی جایی که اطلاعات نادرست بیشترین آسیب را می رساند داشته باشیم، به ما کمک می کند تا بدانیم کجا باید تمرکز کنیم. در مورد تخفیف».

تران اخیراً تحقیقات خود را در کنفرانسی به میزبانی SPIE، یک سازمان غیرانتفاعی بین‌المللی که به پیشرفت تحقیقات و فناوری‌های مبتنی بر نور اختصاص دارد، ارائه کرد. یک مقاله بر چارچوب مبتنی بر یادگیری ماشین تمرکز داشت، که شاخه‌ای از هوش مصنوعی (AI) و علوم کامپیوتر است که از داده‌ها و الگوریتم‌ها برای تقلید از روش یادگیری انسان‌ها استفاده می‌کند و در عین حال دقت آن را به تدریج بهبود می‌بخشد. مقاله دیگری به استفاده از بلاک چین، که نوعی فناوری پایگاه داده مشترک است، می پردازد. هر دو مقاله همچنین به عنوان بخشی از فناوری های مخرب در علوم اطلاعات VII منتشر شده اند.

تحقیقات Tran سیستم‌های یادگیری ماشینی را برای کمک به تعیین مقیاسی که محتوا می‌تواند به مخاطبان خود آسیب برساند و بدترین متخلفان را به صفر برساند، پیشنهاد کرد. مثال‌ها شامل داستان‌هایی است که در اوج همه‌گیری کووید-19 منتشر شد و از درمان‌های جایگزین نادرست بر خلاف واکسن تبلیغ می‌کرد.

این چارچوب از داده‌ها و الگوریتم‌ها برای شناسایی شاخص‌های اطلاعات نادرست و استفاده از آن نمونه‌ها برای اطلاع‌رسانی و بهبود فرآیند تشخیص استفاده می‌کند. همچنین ویژگی‌های کاربر افراد با تجربه یا دانش قبلی در مورد اخبار جعلی را برای کمک به جمع‌آوری شاخص آسیب در نظر می‌گیرد. این شاخص شدت آسیب احتمالی به یک فرد را در شرایط خاص در صورت افشا شدن و قربانی شدن توسط اخبار جعلی منعکس می کند.

تران گفت، بر اساس اطلاعات جمع‌آوری‌شده، سیستم یادگیری ماشینی می‌تواند به کاهش‌دهنده‌های اخبار جعلی کمک کند تا تشخیص دهند که در صورت انتشار بدون چالش، کدام پیام‌ها احتمالاً بیشترین آسیب را خواهند داشت. «سطح تحصیلی یا اعتقادات سیاسی شما، در میان چیزهای دیگر، می‌تواند در این که آیا احتمالاً به یک پیام اطلاعات نادرست اعتماد می‌کنید یا خیر، نقش دارد و این عوامل می‌توانند توسط سیستم یادگیری ماشینی یاد بگیرند. به عنوان مثال، سیستم می‌تواند با توجه به ویژگی‌های یک پیام، شخصیت و سابقه شما و غیره پیشنهاد کند که 70 درصد احتمال دارد که شما قربانی آن پیام اطلاعات نادرست خاص شوید.»

در حالی که مطالعات دیگری در مورد استفاده از فناوری بلاک چین به عنوان ابزاری برای مبارزه با اخبار جعلی انجام شده است، تحقیقات Tran همچنین یافته‌های قبلی را با بررسی دقیق‌تر پذیرش چنین سیستم‌هایی توسط کاربر گسترش می‌دهد.

تران گفت: «مدل تحقیقی که من ساخته‌ام به ما امکان می‌دهد تئوری‌های مختلف را آزمایش کنیم و سپس ثابت کنیم که بهترین راه برای متقاعد کردن مردم برای استفاده از چیزی از بلاک چین برای مبارزه با اطلاعات نادرست است.

وی پیشنهاد داد که از 1000 نفر از بین دو گروه نظرسنجی شود: کاهش دهنده اخبار جعلی (سازمان های دولتی، رسانه های خبری و مدیران شبکه های اجتماعی) و کاربران محتوایی که ممکن است در معرض پیام های اخبار جعلی قرار گیرند. این نظرسنجی سه سیستم بلاک چین موجود را ارائه می‌کند و تمایل شرکت‌کنندگان به استفاده از آن سیستم‌ها را در سناریوهای مختلف ارزیابی می‌کند.

تران گفت، قابلیت ردیابی یکی از ویژگی های خوب بلاک چین است، زیرا می تواند منابع اطلاعات نادرست را شناسایی و طبقه بندی کند تا به شناخت الگوها کمک کند.

“امیدوارم این تحقیق به ما کمک کند تا افراد بیشتری را در مورد آگاهی از الگوها آموزش دهیم، بنابراین آنها بدانند که چه زمانی چیزی را قبل از به اشتراک گذاشتن آن بررسی کنند و نسبت به عدم تطابق بین عنوان و خود محتوا هوشیارتر باشند، که این امر باعث می شود اطلاعات نادرست از انتشار ناخواسته جلو گیری کند.”