ClaimPT: A Portuguese Dataset of Annotated Claims in News Articles
تقدم هذه الورقة ClaimPT، وهي مجموعة بيانات للغة البرتغالية الأوروبية عالية الجودة تتكون من 1,308 مقالاً إخبارياً من وكالة أنباء LUSA تحتوي على 6,875 ادعاءً واقعياً مُصنفاً، صُممت لمعاللة ندرة الموارد لعمليات التحقق من الحقائق آلياً في اللغات ذات الموارد المحدودة ووضع معايير مرجعية أساسية للكشف عن الادعاءات.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل الإنترنت كسوق ضخم وفوضوي. في كل يوم، يصرخ الملايين من الناس بالحقائق، والآراء، والشائعات، والأكاذيب. التحقق من الحقائق (Fact-checking) هو وظيفة "مفتشي الحقيقة" الذين يركضون في الأرجاء محاولين التأكد مما إذا كان ما يصرخ به الناس حقيقياً بالفعل.
المشكلة؟ هناك الكثير من الصرخات، والمفتشون قليلون جداً. وبحلول الوقت الذي يتحقق فيه المفتش من كذبة ما، تكون قد دارت حول العالم ثلاث مرات بالفعل. نحن بحاجة إلى روبوتات للمساعدة، لكن الروبوتات حالياً سيئة جداً في هذه المهمة لأنها لم تُدرب على أمثلة كافية، خاصة في لغات أخرى غير الإنجليزية.
تقدم هذه الورقة البحثية ClaimPT، وهي أداة جديدة مصممة لتعليم هذه الروبوتات كيفية رصد الحقيقة في الأخبار البرتغالية. إليك تفصيل بسيط لما فعلوه:
1. المشكلة: "إبرة في كومة قش"
في عالم الأخبار، معظم الجمل هي مجرد ضجيج خلفي (مثل "بدأ الاجتماع في الساعة 9 صباحاً"). ولكن مختبئة داخل هذه الجمل توجد ادعاءات (claims) محددة — عبارات مثل "وعدت الحكومة ببناء جسر". هذه هي "الإبر" التي يجب التحقق منها.
العثور على هذه الإبر أمر صعب لأنها:
- غالباً ما تكون مدفونة داخل مقالات طويلة.
- مختلطة بالآراء والقصص.
- حتى الآن، لم يكن هناك "دليل تدريب" للكمبيوتر ليتعلم كيفية العثور عليها في اللغة البرتغالية. معظم بيانات التدريب كانت بالإنجليزية، مثل تعليم كلب جلب الأشياء باستخدام الأوامر الإنجليزية فقط.
2. الحل: بناء "صالة ألعاب رياضية للتدريب" (ClaimPT)
بنى المؤلفون صالة ألعاب رياضية ضخمة للتدريب مخصصة للذكاء الاصطناوي. لقد تعاونوا مع وكالة LUSA، وهي وكالة أنباء برتغالية كبرى، للحصول على 1,308 مقالاً إخبارياً حقيقياً.
فكر في مجموعة البيانات هذه كأنها "شريط لأبرز اللقطات" لمدرب رياضي.
- اللاعبون: المقالات الإخبارية.
- المدربون: خبيران بشريان قرآ كل جملة بدقة.
- الحكم: خبير ثالث تحقق من عمل المدربين للتأكد من أنهم كانوا عادلين.
قام هؤلاء البشر بمراجعة المقالات ووضعوا "ملصقات" على النص. لقد حددوا:
- الادعاء: الجملة المحددة التي تقدم حقيقة يمكن التحقق منها.
- المصدر: من قال ذلك؟ (مثلاً: "العمدة" أو "سكان محليون").
- الوقت: متى قالوا ذلك؟
- الموضوع: هل يتعلق الأمر بالسياسة، أم الصحة، أم الرياضة؟
لم يكتفوا بتحديد الجملة فحسب؛ بل حددوا أيضاً من قالها وعما يتحدثون، مما خلق خريطة غنية ومفصلة للحقيقة.
3. التحدي: تعليم الروبوت
بمجرد بناء الصالة الرياضية، حاول المؤلفون تعليم روبوت (نموذج ذكاء اصطناعي) القيام بالمهمة. اختبروا نوعين من الروبوتات:
- الروبوت "التوليدي" (Generative): ذكاء اصطناعي متطور يحاول كتابة الإجابة من الصفر (مثل طالب يؤدي اختباراً بدون ملاحظات).
- الروبوت "المشفّر" (Encoder): ذكاء اصطناعي متخصص في رصد الأنماط (مثل محقق يبحث عن بصمات الأصابع).
النتيجة:
أصبح الروبوت "التوليدي" مرتبكاً. فقد اعتقد غالباً أن أي اقتباس في الصحيفة هو ادعاء، حتى لو كان مجرد رأي. كان الأمر يشبه حارس أمن يوقف كل من يتحدث، بدلاً من الأشخاص الذين يرتكبون المخالفات فقط.
أدى الروبوت "المشفّر" أداءً أفضل بكثير. فقد تعلم التمييز بين حقيقة صلبة ("تم بناء الجسر") ورأي ناعم ("أعتقد أن الجسر قبيح"). ومع ذلك، لا يزال أفضل روبوت يعاني قليلاً. وذلك لأن العثور على ادعاء محدد داخل قصة إخبارية طويلة يشبه العثور على كلمة محددة داخل كتاب دون معرفة في أي صفحة توجد.
4. لماذا هذا مهم؟
قبل هذه الورقة، إذا أردت بناء تطبيق للتحقق من الحقائق للأخبار البرتغالية، كنت ستعمل في ظلام دامس. لم تكن تملك خريطة.
ClaimPT هي تلك الخريطة.
- للباحثين: إنها توفر لهم اختباراً معيارياً لمعرفة مدى جودة نماذج الذكاء الاصطناعي الجديدة الخاصة بهم.
- للجمهور: تساعد في بناء أدوات يمكنها تلقائياً رصد الأخبار المزيفة أو التحقق من الوعود السياسية باللغة البرتغالية، مما يجعل النظام البيئي للمعلومات أكثر صحة.
الصورة الكبيرة
فكر في هذه الورقة البحثية كأنها المخطط والدفعة الأولى من الطوب لمصنع جديد. مهمة المصنع هي فرز الحقيقة من الخيال تلقائياً في الأخبار البرتغالية. لم يبنِ المؤلفون المصنع بأكمله بعد، لكنهم قدموا المواد الأساسية (مجموعة البيانات) والتعليمات (المبادئ التوجيهية) حتى يتمكن المهندسون من جميع أنحاء العالم من البدء في بنائه.
باختصار: لقد أخذوا كومة غير منظمة وفوضوية من الأخبار البرتغالية، وصنفوا "العبارات الحقيقية" بعناية، وسلموا هذه الكومة المصنفة إلى العالم لكي تتمكن الحواسيب أخيراً من تعلم كيفية التحقق من الحقائق باللغة البرتغالية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.