تنتشر المعلومات المضللة بسرعة أكبر من أي وقت مضى.

تقوم المنصات الاجتماعية بمعالجة ملايين المنشورات كل دقيقة، والتدقيق اليدوي في الحقائق ببساطة لا يمكنه مواكبة ذلك.

وهنا كان من المفترض أن تساعد الذكاء الاصطناعي.

لكن هناك مشكلة. يمكن للذكاء الاصطناعي نفسه أن يولد معلومات غير صحيحة. أحيانًا تنتج نماذج اللغة الكبيرة إجابات واثقة تحتوي على أخطاء واقعية أو مصادر مختلقة. هذه الهلوسات تجعل من الصعب الاعتماد على الذكاء الاصطناعي وحده كحل للمعلومات المضللة.

هذه هي التحدي الذي تحاول مشاريع مثل ميرا معالجته.

تقدم ميرا طبقة تحقق مصممة خصيصًا لمخرجات الذكاء الاصطناعي. بدلاً من قبول استجابة النموذج كإجابة نهائية، يقوم النظام بتقسيم المحتوى إلى ادعاءات واقعية أصغر يمكن تقييمها بشكل مستقل.

ثم يتم فحص كل ادعاء بواسطة نماذج ذكاء اصطناعي متعددة تعمل عبر شبكة لامركزية.

إذا توصلت تلك النماذج إلى اتفاق، يُعتبر الادعاء موثوقًا. وإذا اختلفت، يُعلم النظام أن المعلومات غير مؤكدة بدلاً من عرضها كحقيقة. تحوّل هذه العملية استجابات الذكاء الاصطناعي من تخمينات احتمالية إلى مخرجات تم التحقق منها جماعيًا.

بالنسبة للمعلومات المضللة، يمكن أن يكون لهذا النهج قوة كبيرة.

تخيل مقالًا إخباريًا، منشورًا على وسائل التواصل الاجتماعي، أو ملخصًا بحثيًا تم إنشاؤه بواسطة الذكاء الاصطناعي. بدلاً من النشر الفوري، يمكن أن يمر المحتوى عبر شبكة تحقق. سيتم فحص البيانات الفردية، والتحقق منها، أو وضع علامة عليها قبل وصولها للجمهور.

تشبه البنية التحتية توافق البلوكتشين.

تمامًا كما يؤكد المدققون اللامركزيون المعاملات، تؤكد نماذج الذكاء الاصطناعي الموزعة دقة المعلومات. الاعتمادية تأتي من الاتفاق عبر المدققين المستقلين بدلاً من الثقة في نظام واحد.

لن يكون الذكاء الاصطناعي بعد الآن مجرد مولد للمحتوى. يمكن أن يصبح جزءًا من بنية تحتية تتحقق من الادعاءات قبل أن تنتشر على نطاق واسع.

إيقاف المعلومات المضللة تمامًا قد يكون مستحيلًا.

لكن شبكات التحقق مثل ميرا تشير إلى مستقبل حيث يساعد الذكاء الاصطناعي في تصفية المعلومات غير الدقيقة قبل أن تنتشر على نطاق واسع.

$MIRA @mira\_network #Mira