هوش مصنوعی، نظریه های توطئه آمیز در مورد کووید-۱۹ را شناسایی می کند

نیوزتل: پژوهشگران آمریکایی، یک مدل مبتنی بر هوش مصنوعی ابداع نموده اند که می تواند به ردیابی و شناسایی نظریه های توطئه آمیز در مورد کووید-۱۹ بپردازد.
به گزارش نیوزتل به نقل از ایسنا و به نقل از نیوزوایز، یک برنامه جدید مبتنی بر یادگیری ماشینی می تواند نظریه های توطئه آمیز در مورد کووید-۱۹ را در فضای مجازی به دقت تشخیص دهد و نحوه تکامل آنها را به مرور زمان مشخص نماید. شاید این ابزار روزی به مقامات بهداشت عمومی کمک نماید تا بصورت آنلاین به مقابله با اطلاعات نادرست بپردازند.
“کورتنی شلی”(Courtney Shelley)، از پژوهشگران “آزمایشگاه ملی لس آلاموس”(LANL) آمریکا و از اعضای این گروه پژوهشی اظهار داشت: خیلی از پژوهش های صورت گرفته در حوزه یادگیری ماشینی که به اطلاعات اشتباه در فضای مجازی مربوط هستند، بر شناسایی انواع متفاوت نظریه های توطئه آمیز تمرکز دارند. ما تصمیم گرفتیم تا درک منسجم تری در مورد نحوه تغییر اطلاعات اشتباه ایجاد نماییم برای اینکه مردم معمولا تمایل دارند تا اولین پیامی را که با آن رو به رو می شوند، باور کنند. شاید مقامات بهداشت عمومی روزی بتوانند به بررسی نظریه های توطئه آمیزی بپردازند که در شبکه های اجتماعی جلب توجه می کنند.
پژوهشگران در این پروژه، از داده های در دسترس و ناشناس توئیتر برای مشخص کردن نظریه های توطئه آمیز در مورد کووید-۱۹ استفاده کردند. آنها به بررسی گسترش کووید-۱۹، احتمال مهندسی زیستی این ویروس و ساخته شدن آن در آزمایشگاه و همین طور میزان خطر واکسن های کووید-۱۹ که در مرحله تولید هستند، پرداختند.
“داکس گرتز”(Dax Gerts)، از پژوهشگران این پروژه اظهار داشت: ما داده های مربوط به حدود ۱/۸ میلیون توئیت با کلیدواژه کووید-۱۹ را بررسی کردیم.
پژوهشگران با بهره گیری از داده های جمع آوری شده در مورد نظریه ها، مدلهای تصادفی یادگیری ماشینی را ساختند که توئیت ها را بعنوان اطلاعات اشتباه مربوط به کووید-۱۹ دسته بندی می کنند.
گرتز افزود: این کار به ما امکان می دهد تا نحوه صحبت افراد در مورد نظریه های توطئه آمیز را در شبکه های اجتماعی ببینیم و تغییرات را به مرور زمان مشاهده نماییم.
این پژوهش نشان داد که توئیت های حاوی اطلاعات اشتباه در مقایسه با توئیت های اشتباه، احساسات منفی بیشتری را شامل می شوند. این توئیت ها به مرور زمان تکامل می یابند و علاوه بر رخدادهای واقعی، جزئیاتی از نظریه های غیر مرتبط را نیز در بر می گیرند.
همچنین، این پژوهش نشان داد که شاید بتوان از یک روش یادگیری تحت نظارت، برای شناسایی خودکار نظریه های توطئه آمیز بهره برد و شاید بتوان با کمک یک روش یادگیری بدون نظارت، به بررسی تغییرات صورت گرفته در اهمیت واژه های موجود در هر نظریه پرداخت.
شلی اظهار داشت: این مساله برای مقامات بهداشت عمومی مهمست که بدانند چگونه نظریه های توطئه آمیز به مرور زمان تکامل می یابند و جلب توجه می کنند. اگر اینگونه نباشد، آنها با خطر تبلیغ ناخواسته نظریه های توطئه آمیز رو به رو می شوند؛ بدین سبب دانستن این مساله که نظریه های توطئه آمیز چگونه تغییر می کنند، برای ارائه راهبردی در برخورد با آنها اهمیت دارد.
این پژوهش، در “Journal of Medical Internet Research” به چاپ رسید.

منبع: