شهد عالمنا الرقمي تطوراً هائلاً في السنوات الأخيرة، حيث أصبحت نماذج اللغات الضخمة (Large Language Models) جزءاً لا يتجزأ من التفاعل عبر منصات التواصل الاجتماعي. ومع تزايد استخدامها، ازداد أيضاً خطر التعليقات المسيئة، التي لا تقتصر على الضوضاء النصية السطحية بل تطورت لتصبح هجمات خبيثة تعتمد على التلاعب العقلي.
لحماية المستخدمين من هذه الهجمات، تم تقديم تقنية جديدة تُدعى كوجني داير (CogniDir)، التي تعتمد على مفهوم التعلم التكيفي وتهدف إلى تحسين كشف الأخبار الزائفة.
تعمل كوجني داير على معالجة التحديات الحالية في الكشف عن الأخبار الزائفة من خلال إعادة صياغة عملية الكشف كمسألة تحسين ديناميكية لتوزيع البيانات. إذ تستند هذه التقنية إلى علم النفس الإدراكي وتكشف عن القصور العميق في الأنظمة الحالية للكشف عن الأخبار الزائفة.
باستخدام نموذج يعتمد على القياس الاحصائي، تستطيع كوجني داير تحقيق توازن مثالي بين الدقة التجريبية والثقة الاحتمالية، مما يمكّنها من تخصيص الموارد التدريبية بشكل ديناميكي لمواجهة الآليات الهجومية الأضعف.
تشير النتائج التجريبية إلى أن كوجني داير قد حققت نتائج رائدة في الكشف عن الأخبار الزائفة، حيث استطاعت تحسين درجات F1 بنحو 17.9% مقارنة بالأساليب التقليدية تحت ضغط الهجمات المعادية الناتجة عن الذكاء الاصطناعي.
بتطبيق هذه التقنية الجديدة، نأمل أن يتحقق مستوى أعلى من الأمان على منصات التواصل الاجتماعي ويُحارب التلاعب العقلي بشكل فعال.