முன்மொழியப்பட்ட (The spread of fake news) இயந்திர கற்றல் கட்டமைப்பு மற்றும் பிளாக்செயின் தொழில்நுட்பத்தின் விரிவாக்கப்பட்ட பயன்பாடு ஆகியவை தவறான தகவல்களால் பொது மக்களுக்கு தீங்கு விளைவிக்கும் பகுதிகளில் கவனம் செலுத்த உள்ளடக்க படைப்பாளர்களை அனுமதிப்பதன் மூலம் போலி செய்திகளின் பரவலை எதிர்கொள்ள உதவும், என்று பிங்காம்டன் பல்கலைக்கழகத்தின் புதிய ஆராய்ச்சி கூறுகிறது.
பிங்காம்டன் பல்கலைக்கழக மேலாண்மைப் பள்ளியின் மேலாண்மைத் தகவல் அமைப்புகளின் உதவிப் பேராசிரியரான தி டிரான் தலைமையிலான ஆராய்ச்சி, தவறான தகவல்களின் வடிவங்களை அங்கீகரிப்பதற்கான கருவிகளை வழங்குவதன் மூலமும், மோசமான குற்றவாளிகளில் பூஜ்ஜியமாக உள்ளடக்கத்தை உருவாக்குபவர்களுக்கு உதவுவதன் மூலமும் ஏற்கனவே உள்ள ஆய்வுகளை விரிவுபடுத்துகிறது.
“இந்த ஆராய்ச்சி முறைகளைப் பற்றி அறிந்திருப்பதைப் பற்றி அதிகமான மக்களுக்குக் கற்பிக்க உதவுகிறது,” என்று டிரான் கூறினார். டிரானின் ஆராய்ச்சி முன்மொழியப்பட்ட இயந்திர கற்றல் அமைப்புகள் செயற்கை நுண்ணறிவு (AI) மற்றும் கணினி அறிவியலின் ஒரு கிளை, தரவு மற்றும் வழிமுறைகளைப் பயன்படுத்தி மனிதர்கள் கற்றுக் கொள்ளும் முறையைப் பின்பற்றி, படிப்படியாக அதன் துல்லியத்தை மேம்படுத்துகிறது.
எந்த உள்ளடக்கத்திற்கு அதிக தீங்கு விளைவிக்கலாம் என்பதைத் தீர்மானிக்க உதவுகிறது. எடுத்துக்காட்டுகளில், கோவிட்-19 தொற்றுநோயின் உச்சக்கட்டத்தின் போது, தடுப்பூசிக்கான தவறான மாற்று சிகிச்சைகள் பற்றி பரப்பப்பட்ட கதைகள் அடங்கும். கட்டமைப்பானது தவறான தகவல்களின் குறிகாட்டிகளைக் கண்டறிய தரவு மற்றும் வழிமுறைகளைப் பயன்படுத்தும் மற்றும் கண்டறிதல் செயல்முறையைத் தெரிவிக்கவும் மேம்படுத்தவும் அந்த எடுத்துக்காட்டுகளைப் பயன்படுத்தும்.
தீங்கு குறியீட்டை ஒன்றாக இணைக்க உதவும் முன் அனுபவம் அல்லது போலிச் செய்திகளைப் பற்றிய அறிவு உள்ளவர்களிடமிருந்து பயனர் பண்புகளையும் இது பரிசீலிக்கும். தவறான தகவலால் ஒரு நபர் அம்பலப்படுத்தப்பட்டு பாதிக்கப்பட்டிருந்தால், சில சூழல்களில் அவருக்கு ஏற்படக்கூடிய தீங்கின் தீவிரத்தை இந்த குறியீடு பிரதிபலிக்கும்.
“வாசகர்களையோ பார்வையாளர்களையோ பாதிக்கும் தீங்கு விளைவித்தால், போலிச் செய்திகளைப் பற்றி நாங்கள் அதிகம் கவலைப்படுவோம். எந்தத் தீங்கும் இல்லை என்று மக்கள் உணர்ந்தால், அவர்கள் தவறான தகவலைப் பகிர்ந்து கொள்வதற்கான வாய்ப்புகள் அதிகம்” என்று டிரான் கூறினார்.
தவறான தகவல்களின் உரிமைகோரல்களின்படி பார்வையாளர்கள் செயல்படுகிறார்களா அல்லது அதன் காரணமாக அவர்கள் சரியான நடவடிக்கையை மறுத்தால் தீங்குகள் ஏற்படுகின்றன. தவறான தகவல் எங்கு அதிக தீங்கு விளைவிக்கும் என்பதை நாங்கள் முறையாகக் கண்டறிந்தால், அது எங்கு கவனம் செலுத்த வேண்டும் என்பதை அறிய உதவும்.
சேகரிக்கப்பட்ட தகவல்களின் அடிப்படையில், டிரான் கூறியது, இயந்திர கற்றல் அமைப்பு போலி செய்திகளை குறைப்பவர்களுக்கு தடையின்றி பரவ அனுமதிக்கும் பட்சத்தில் எந்த செய்திகள் அதிக பாதிப்பை ஏற்படுத்தும் என்பதை கண்டறிய உதவும்.
“உங்கள் கல்வி நிலை அல்லது அரசியல் நம்பிக்கைகள், மற்றவற்றுடன், நீங்கள் ஒரு தவறான செய்தியை நம்புவீர்களா இல்லையா என்பதில் ஒரு பங்கை வகிக்க முடியும். மேலும் அந்த காரணிகளை இயந்திர கற்றல் அமைப்பு மூலம் அறிந்து கொள்ளலாம்” என்று டிரான் கூறினார். உதாரணமாக, ஒரு செய்தியின் அம்சங்கள் மற்றும் உங்கள் ஆளுமை மற்றும் பின்னணி மற்றும் பலவற்றின் படி, அந்த குறிப்பிட்ட தவறான செய்திக்கு நீங்கள் பலியாவதற்கு 70% வாய்ப்பு உள்ளது என்று கணினி பரிந்துரைக்கலாம்.
பிளாக்செயின் ஒரு வகையான பகிரப்பட்ட தரவுத்தள தொழில்நுட்பம் போலிச் செய்திகளை எதிர்த்துப் போராடுவதற்கான ஒரு கருவியாகப் பயன்படுத்துவது பற்றி மற்ற ஆய்வுகள் நடத்தப்பட்டாலும், டிரானின் ஆராய்ச்சியானது, அத்தகைய அமைப்புகளின் பயனர் ஏற்றுக்கொள்ளும் தன்மையை மிகவும் நெருக்கமாக ஆராய்வதன் மூலம் முந்தைய கண்டுபிடிப்புகளை விரிவுபடுத்துகிறது.
டிரான் இரண்டு குழுக்களில் இருந்து 1,000 பேரை ஆய்வு செய்ய முன்மொழிந்தார். போலி செய்திகளை குறைப்பவர்கள் (அரசு நிறுவனங்கள், செய்தி நிறுவனங்கள் மற்றும் சமூக வலைப்பின்னல் நிர்வாகிகள்) மற்றும் போலி செய்திகளுக்கு வெளிப்படும் உள்ளடக்க பயனர்கள், கணக்கெடுப்பு ஏற்கனவே உள்ள மூன்று பிளாக்செயின் அமைப்புகளை அமைக்கும் மற்றும் வெவ்வேறு சூழ்நிலைகளில் அந்த அமைப்புகளைப் பயன்படுத்த பங்கேற்பாளர்களின் விருப்பத்தை அளவிடும்.
பிளாக்செயினின் நல்ல அம்சங்களில் டிரேசபிலிட்டி ஒன்றாகும். ஏனெனில் இது வடிவங்களை அடையாளம் காண உதவும் தவறான தகவல்களின் ஆதாரங்களை அடையாளம் கண்டு வகைப்படுத்த முடியும், என்று டிரான் கூறினார்.
“நான் உருவாக்கிய ஆராய்ச்சி மாதிரியானது வெவ்வேறு கோட்பாடுகளைச் சோதிக்க அனுமதிக்கிறது. பின்னர் தவறான தகவலை எதிர்த்துப் போராடுவதற்கு பிளாக்செயினில் இருந்து ஏதாவது ஒன்றைப் பயன்படுத்துவதற்கு மக்களை நம்ப வைப்பதற்கான சிறந்த வழி எது என்பதை நிரூபிக்கிறது” என்று டிரான் கூறினார்.
ஒளி அடிப்படையிலான ஆராய்ச்சி மற்றும் தொழில்நுட்பங்களை மேம்படுத்துவதற்காக அர்ப்பணிக்கப்பட்ட சர்வதேச இலாப நோக்கற்ற SPIE ஆல் நடத்தப்பட்ட மாநாட்டில் டிரான் சமீபத்தில் தனது ஆராய்ச்சியை வழங்கினார். ஒரு தாள் இயந்திர கற்றல் அடிப்படையிலான கட்டமைப்பில் கவனம் செலுத்தியது மற்றும் மற்றொரு தாள் பிளாக்செயினின் பயன்பாட்டைக் கையாண்டது.
