إعادة التفكير في تقييم الحقائق الآلي: هل نحن حقاً محصنون من التلوث المعلوماتي؟

في ظل التسارع المستمر لتكنولوجيا الذكاء الاصطناعي، أصبح تقييم الحقائق الآلي (Multimodal Automated Fact-Checking - MAFC) جزءًا أساسيًا من جهود مكافحة المعلومات المضللة. ولكن، هل نحن محصنون حقًا من التلوث المعلوماتي الذي قد يؤثر على دقة هذه التقييمات؟

تشير الدراسات الأخيرة إلى أن معظم المعايير الثابتة الحالية قد تكون عرضة لخطر التلوث، حيث تعتمد بشكل رئيسي على ادعاءات قديمة يمكن التحقق منها باستخدام المعرفة المدمجة في نماذج اللغات الضخمة (Large Language Models - LLMs). هذا الوضع يعكس تقديرات أداء مضخمة، ولا يعكس القدرة الحقيقية على ادعاءات جديدة تتطلب معلومات محدثة.

في إطار هذا السياق، تسلط الدراسة الجديدة الضوء على مدى فعالية التقييم الديناميكي في تقليل مخاطر التلوث. وقد أُجريت تجارب على معيارَي AVeriTeC الثابت و ClaimReview2025Q4 الديناميكي، حيث تم الوصول إلى 16 نتيجة رئيسية، منها ما يلي:

1. التقييم الديناميكي يقلل من مخاطر التلوث، لكنه لا يقضي عليها تمامًا. حيث أظهرت النتائج أن ما بين 17.09% و29.30% من الادعاءات بعد تاريخ القطع لا تزال تحتوي على تلوث مُحتمل.
2. العديد من الادعاءات المنشورة حديثًا يمكن التحقق منها بشكل مباشر أو من خلال تجميع معلومات متعددة متاحة قبل تاريخ القطع.
3. يمكن أن يؤدي التلوث إلى تضخيم ملحوظ في أداء MAFC، مما يزيد من نقطة Macro-F1 بمقدار يصل إلى 11.34 نقطة.

في ضوء هذه النتائج، يعيد الباحثون تقييم نماذج اللغات الضخمة الحديثة في إطار خاضع للتحكم الصارم في التلوث. توفر هذه الدراسة إرشادات عملية لتقييم موثوق لتقنيات MAFC، مما يدعو المجتمع إلى إعادة التفكير في آليات التحقق من المعلومات.