فناوری هوش مصنوعی به تأیید اطلاعات کمک می‌کند

در دنیای دیجیتال، کاربران به ابزارهایی برای پشتیبانی از احراز هویت اطلاعات نیاز دارند.

در دنیای دیجیتال، کاربران به ابزارهایی برای پشتیبانی از احراز هویت اطلاعات نیاز دارند.

در عصر دیجیتال، شبکه‌های اجتماعی و پلتفرم‌های آنلاین به کانال اصلی دسترسی به اطلاعات برای ده‌ها میلیون نفر در هر روز تبدیل شده‌اند. با این حال، در کنار راحتی، اخبار جعلی و اخبار نادرست با سرعت سرسام‌آوری منتشر می‌شوند که یک واقعیت نگران‌کننده است. در این زمینه، نیاز به تأیید اطلاعات از طریق مقایسه و تأیید صحت آنچه می‌خوانیم، می‌شنویم و به اشتراک می‌گذاریم، ضروری می‌شود.

در مواجهه با این وضعیت، مرکز خدمات داده و هوش مصنوعی ویتل، ClaimPKG - یک روش تأیید اطلاعات مؤثر با قابلیت کاربرد در عمل - را تحقیق و توسعه داده است. این تحقیق از بیش از ۵۲۰۰ مطالعه در سراسر جهان پیشی گرفته است تا مستقیماً در ACL 2025 معرفی شود. این یکی از کنفرانس‌های پیشرو در جهان در زمینه پردازش زبان طبیعی (NLP) است که نرخ پذیرش ارائه آن تنها ۳۷٪ است. این رویداد، متخصصان برجسته فناوری را از نام‌های بزرگی مانند گوگل، متا، هواوی، آی‌بی‌ام، آمازون، اوراکل و ... گرد هم می‌آورد.

ClaimPKG یک گراف دانش (Knowledge Graph) و یک مدل زبان بزرگ (LLM) را ترکیب می‌کند و هنگام آزمایش بر روی FactKG (یک مجموعه داده معیار که توسط جامعه فناوری در تأیید اطلاعات بسیار مورد توجه است) دقت را در مقایسه با روش‌های فعلی 9 تا 12 درصد افزایش می‌دهد. نتیجه این آزمایش، پتانسیل کاربردی قوی ClaimPKG را در بهبود قابلیت اطمینان سیستم‌های هوش مصنوعی تأیید اطلاعات آینده نشان می‌دهد.

پیش از این، در کنفرانس NAACL 2025، مرکز خدمات داده و هوش مصنوعی Viettel نیز با VeGraph - یک روش تأیید اطلاعات مبتنی بر پلتفرم‌های دانش متنی مانند مقالات، اسناد حقوقی و غیره - توجه‌ها را به خود جلب کرده بود. VeGraph در مقایسه با سایر روش‌ها، بهبود 2 تا 5 درصدی در دقت را ثبت کرد، اما در بسیاری از موارد، به ویژه اگر داده‌های متنی فاقد ساختار واضح باشند، فرآیند تأیید می‌تواند زمان‌بر و تضمین ثبات آن دشوار باشد.

به منظور بهبود دقت و ثبات، مرکز خدمات داده و هوش مصنوعی ویتل همچنان به دنبال مسیر دیگری است. ClaimPKG با رویکردی ساختاریافته مبتنی بر دانش و با استفاده از یک نمودار دانش با قالب‌بندی واضح و مطابق با مدل «موضوع-رابطه-شیء» توسعه داده شده است.

اطلاعاتی که باید تأیید شوند، تقسیم و به یک «شبه زیرگراف» تبدیل می‌شوند، سپس سیستم دانش مرتبط را در نمودار دانش بازیابی می‌کند و سپس به LLM اجازه می‌دهد تا استنتاج کند و نتیجه‌گیری نهایی را انجام دهد. این فرآیند به افزایش دقت، ثبات و قابلیت اطمینان تأیید کمک می‌کند، در حالی که بار محاسباتی LLM را کاهش می‌دهد.

مزایای فنی ClaimPKG همچنین پایه و اساس گسترش کاربردهای عملی است. در زمینه روزنامه‌نگاری و ارتباطات، فناوری می‌تواند به خبرنگاران و سردبیران در تشخیص اخبار جعلی و مقایسه سریع منابع خبری با اطلاعات پایه کمک کند.

در زمینه‌های پزشکی و حقوقی، این فناوری می‌تواند به عنوان یک «دستیار تأیید» عمل کند و به جستجو و تأیید دانش تخصصی کمک کند. علاوه بر این، ClaimPKG همچنین پتانسیل ادغام در چت‌بات‌ها یا دستیاران مجازی را دارد و به سیستم کمک می‌کند تا پاسخ‌های قابل اعتمادتری ارائه دهد و از قضاوت‌های مبهم جلوگیری کند.

کنفرانس ACL 2025 (نشست سالانه انجمن زبان‌شناسی محاسباتی) که از ۲۷ جولای تا ۱ آگوست در وین، اتریش برگزار می‌شود، یکی از معتبرترین و تأثیرگذارترین رویدادهای جهان در حوزه پردازش زبان طبیعی (NLP) است. این کنفرانس با گردهمایی هزاران محقق، مهندس و متخصص بین‌المللی، مکانی برای به اشتراک گذاشتن آخرین پیشرفت‌ها در پردازش زبان طبیعی، از یادگیری ماشینی زبان، ترجمه ماشینی، خلاصه‌سازی متن، پاسخ خودکار به سوالات گرفته تا مسائل اخلاق و انصاف در هوش مصنوعی زبانی است.

امسال، موضوع اصلی کنفرانس «عمومی‌سازی مدل‌های پردازش زبان طبیعی» است که بر توسعه مدل‌هایی تأکید دارد که قادر به تطبیق و درک داده‌ها، زبان‌ها یا دامنه‌های جدید هستند.

ها لین

منبع: https://nhandan.vn/cong-nghe-tri-tue-nhan-tao-giup-kiem-chung-thong-tin-post898494.html