Infobiz.co.id

Infobiz.co.id Situs Berita Seputar Teknologi Terbaru, Informasi Games Terupdate, Keamanan Digital, Aplikasi Dan Cyber Attack Reporting.

AI pendeteksi posisi ini akan membantu kami memeriksa fakta berita palsu

AI pendeteksi posisi ini akan membantu kami memeriksa fakta berita palsu

 

AI pendeteksi posisi ini akan membantu kami memeriksa fakta berita palsu
AI pendeteksi posisi ini akan membantu kami memeriksa fakta berita palsu

Memerangi berita palsu telah menjadi masalah yang berkembang dalam beberapa tahun terakhir, dan satu yang meminta solusi yang melibatkan kecerdasan buatan. Memverifikasi jumlah konten yang hampir tak terbatas yang dihasilkan di situs web berita, layanan streaming video, blog, media sosial, dll.

Telah ada dorongan untuk menggunakan pembelajaran mesin dalam moderasi konten online, tetapi upaya-upaya itu hanya memiliki sedikit keberhasilan dalam menemukan spam dan menghapus konten dewasa, dan pada tingkat yang jauh lebih rendah mendeteksi kebencian.

Memerangi berita palsu adalah tantangan yang jauh lebih rumit. Situs web pengecekan fakta seperti Snopes, FactCheck.org, dan PolitiFact melakukan pekerjaan yang layak untuk memverifikasi secara tidak memihak rumor, berita, dan komentar yang dibuat oleh para politisi. Tetapi jangkauan mereka terbatas.

Tidak masuk akal untuk mengharapkan teknologi kecerdasan buatan saat ini untuk mengotomatisasi sepenuhnya perjuangan melawan berita palsu. Tetapi ada harapan bahwa penggunaan pembelajaran yang mendalam dapat membantu mengotomatiskan beberapa langkah dari pipa deteksi berita palsu dan menambah kemampuan pemeriksa fakta manusia.

Dalam sebuah makalah yang dipresentasikan pada konferensi AI NeurIPS 2019, para peneliti di DarwinAI dan Universitas Waterloo Kanada mempresentasikan sistem AI yang menggunakan model bahasa canggih untuk mengotomatiskan deteksi kuda-kuda, langkah pertama yang penting untuk mengidentifikasi disinformasi.
Pipa deteksi berita palsu otomatis

Sebelum membuat sistem AI yang dapat memerangi berita palsu, kita harus terlebih dahulu memahami persyaratan memverifikasi kebenaran suatu klaim. Dalam makalah mereka, para peneliti AI memecah proses menjadi langkah-langkah berikut:

Mengambil dokumen yang relevan dengan klaim
Mendeteksi posisi atau posisi dokumen-dokumen tersebut sehubungan dengan klaim
Menghitung skor reputasi untuk dokumen, berdasarkan sumber dan kualitas bahasanya
Verifikasi klaim berdasarkan informasi yang diperoleh dari dokumen yang relevan

Alih-alih mencari pendeteksi berita palsu bertenaga AI ujung-ke-ujung yang mengambil berita sebagai input dan keluaran “palsu” atau “nyata”, para peneliti berfokus pada langkah kedua pipa. Mereka menciptakan algoritma AI yang menentukan apakah suatu dokumen tertentu setuju, tidak setuju, atau tidak mengambil sikap terhadap klaim tertentu.
Menggunakan transformer untuk mendeteksi kuda-kuda

jaringan saraf pembelajaran mendalam keturunan gradien stokastik

Ini bukan upaya pertama untuk menggunakan AI untuk deteksi pendirian. Penelitian

sebelumnya telah menggunakan berbagai algoritma dan komponen AI, termasuk jaringan syaraf berulang (RNN), model memori jangka pendek (LSTM), dan perceptrons multi-layer, semua arsitektur jaringan syaraf tiruan (JST) yang relevan dan bermanfaat. Upaya ini juga memanfaatkan penelitian lain yang dilakukan di lapangan, seperti bekerja pada “embeddings kata,” representasi numerik vektor hubungan antara kata-kata yang membuat mereka dimengerti untuk jaringan saraf.

Namun, sementara teknik-teknik itu telah efisien untuk beberapa tugas seperti terjemahan mesin, mereka memiliki keberhasilan yang terbatas pada deteksi kuda-kuda. “Pendekatan pendeteksian kuda-kuda sebelumnya biasanya diperuntukkan oleh fitur yang dirancang tangan atau embeddings kata, yang keduanya memiliki ekspresi terbatas untuk mewakili kompleksitas bahasa,” kata Alex Wong, salah satu pendiri dan ilmuwan kepala di DarwinAI.

Teknik baru ini menggunakan transformator, sejenis algoritma pembelajaran mendalam yang telah menjadi populer dalam beberapa tahun terakhir. Transformer digunakan dalam model bahasa canggih seperti GPT-2 dan Meena. Meskipun transformer masih mengalami kekurangan mendasar, mereka jauh lebih baik daripada pendahulunya dalam menangani teks korporasi yang besar.

Transformer menggunakan teknik khusus untuk menemukan bit informasi yang relevan

dalam urutan byte sebagai gantinya. Ini memungkinkan mereka untuk menjadi jauh lebih efisien-memori daripada algoritma pembelajaran mendalam lainnya dalam menangani urutan besar. Transformer juga merupakan algoritma pembelajaran mesin tanpa pengawasan, yang berarti mereka tidak memerlukan pekerjaan pelabelan data yang intensif waktu dan tenaga kerja yang masuk ke sebagian besar pekerjaan AI kontemporer.

“Keindahan model bahasa transformator dua arah adalah bahwa mereka memungkinkan corpus teks yang sangat besar digunakan untuk mendapatkan pemahaman bahasa yang kaya dan mendalam,” kata Wong. “Pemahaman ini kemudian dapat dimanfaatkan untuk memfasilitasi pengambilan keputusan yang lebih baik ketika datang ke masalah deteksi pendirian.”

Transformer hadir dalam berbagai rasa. Peneliti University of Waterloo menggunakan variasi BERT (RoBERTa), juga dikenal sebagai transformator dua arah yang dalam. RoBERTa, dikembangkan oleh Facebook pada tahun 2019, adalah model bahasa open-source.

Transformer masih membutuhkan sumber daya komputasi yang sangat besar dalam fase

pelatihan (perhitungan back-of-the-envelope kami tentang biaya pelatihan Meena berjumlah sekitar $ 1,5 juta). Tidak semua orang punya uang cadangan. Keuntungan menggunakan model siap seperti RoBERTa adalah bahwa para peneliti dapat melakukan transfer belajar, yang berarti mereka hanya perlu menyempurnakan AI untuk domain masalah khusus mereka. Ini menghemat banyak waktu mereka

Sumber:

https://blogs.uajy.ac.id/teknopendidikan/tukangkonten-com/

infobiz

Kembali ke atas