في زمن تتصاعد فيه المعلومات المضللة على منصات التواصل الاجتماعي بشكل غير مسبوق، تبرز الحاجة إلى أدوات فعّالة تستطيع تصفية المحتويات الحقيقية من المزيفة. وعلى الرغم من تركيز الأساليب التقليدية لكشف المعلومات المضللة على التحقق من الحقائق، إلا أن دراسة جديدة تهدف إلى تصميم منهجية مبتكرة لأداء نماذج الذكاء الاصطناعي في هذا المجال.

قام الباحثون بتحليل أداء ستة نماذج نصية وشبكة عصبية رسومية (Graph Neural Network - GNN) في تخفيف آثار المعلومات المضللة باستخدام مفاهيم محددة للضوضاء الاجتماعية. تم جمع جميع البيانات من منصة X حيث شملت 500,000 تغريدة تمثل وجهات نظر المستخدمين حول النزاع الروسي الأوكراني خلال الفترة من مارس 2024 إلى مارس 2025.

أظهرت النتائج أن النماذج المتقدمة في الذكاء الاصطناعي تحقق دقة تتراوح بين 79.94% و97.17%. وكان نموذج RoBERTa هو الأكثر تميزًا، حيث حقق دقة وصلت إلى 97.17%، ودرجة Cohen’s kappa بلغت 0.9660، وMCC عند 0.9660، وAUC تصل إلى 0.9977. بينما أظهر نموذج GNN دقة بلغت 64.52% وAUC عند 0.899.

وكشفت التحليلات باستخدام تقنيات الذكاء الاصطناعي القابل للتفسير مثل LIME أن 89.6% من الوزن التنبؤي مرتبط بالميزات السياقية بدلًا من الكلمات الرئيسية المنفصلة. هذه النتائج تسلط الضوء على أهمية دمج الضوضاء الاجتماعية ضمن أنظمة الذكاء الاصطناعي، مما يعزز قدرات كشف المعلومات المضللة ويساهم في استراتيجيات أكثر فعالية للتخفيف في البيئات الاجتماعية الكبيرة.

هل تعتقد أن دمج الضوضاء الاجتماعية قد يكون المفتاح لزيادة فعالية كشف المعلومات المضللة؟ شاركونا آراءكم في التعليقات!