ContextClaim: A Context-Driven Paradigm for Verifiable Claim Detection
تقدم الورقة البحثية ContextClaim، وهو نهج مبتكر يعزز الكشف عن الادعاءات القابلة للتحقق من خلال دمج استرجاع السياق المستند إلى ويكيبيديا من المراحل العليا والملخصات المولدة بواسطة النماذج اللغوية الكبيرة في عملية الكشف، مما يظهر أداءً محسناً عبر مجموعات بيانات متنوعة ومهام تحقق لاحقة مقارنة بالأساليب التي تعتمد فقط على نص الادعاء.
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
على المشهد الشاسع والصاخب للإنترنت، تنتشر المعلومات المضللة بسرعة مرعبة، مما يشكل الآراء ويشوه العمليات الديمقراطية قبل أن يتمكن أي شخص من إيقافها. ولمواجهة ذلك، بنى الباحثون أنظمة مؤتمتة صُممت لتعمل كمدققي حقائق رقميين. تعمل هذه الأنظمة عادةً عبر مراحل: أولاً، تجد العبارة؛ ثانياً، تقرر ما إذا كانت تستحق التحقق منها أصلاً؛ وأخيراً، تبحث عن دليل لمعرفة ما إذا كانت صحيحة أم لا. وتعد المرحلة الثانية مرشحاً حرجاً؛ فإذا حاول الكمبيوتر التحقق من عبارة يستحيل إثباتها — مثل دعابة، أو رأي شخصي، أو ادعاء حول شخصية خيالية — فإنه يهدر وقتاً ثميناً وقدرة حوسبية. والهدف هو تحديد تلك العبارات التي يمكن، من حيث المبدأ، التحقق منها مقابل أدلة من العالم الحقيقي. لسنوات، حاولت هذه الأنظمة اتخاذ هذا القرار من خلال قراءة العبارة وحدها، والبحث عن أدلة في الكلمات نفسها. لكن هذا النهج يعاني من نقطة عمياء؛ فقد تبدو الجملة كأنها حقيقة جادة، ومع ذلك تعتمد على معرفة خلفية لا يمتلكها الكمبيوتر، مما يجعل التحقق منها مستحيلاً دون مساعدة خارجية.
اقترح فريق من الباحثين في جامعة كوين ماري بلندن طريقة جديدة لحل هذه المشكلة. فهم يجادلون بأنه لكي يعرف الكمبيوتر ما إذا كان الادعاء قابلاً للتحقق، فإنه يحتاج إلى معرفة الأشخاص والأماكن المذكورة في ذلك الادعاء، تماماً كما يفعل مدقق الحقائق البشري. لقد طوروا طريقة تسمى "ContextClaim"، والتي تغير ترتيب العمليات. فبدلاً من الانتظار حتى المرحلة الأخيرة لجمع الأدلة، يقوم النظام بجمع المعلومات الخلفية في البقعة الأولى، حتى قبل أن يقرر ما إذا كان الادعاء يستحق التحقق منه. عندما يواجه النظام عبارة ما، فإنه يحدد أولاً أسماء الأشخاص أو الأماكن أو المنظمات الواردة فيها. ثم يبحث في ويكيبيديا، وهي موسوعة مهيكلة، للعثين على ملخصات قصوة عن تلك الكيانات المحددة. وأخيراً، يغذي نموذج لغة بكل من العبارة الأصلية وهذه الملخصات الجديدة، والذي يتخذ القرار النهائي بشأن ما إذا كان الادعاء قابلاً للتحقق.
اختبر الباحثون هذه الفكرة على نوعين مختلفين تماماً من النصوص: مجموعة من التغريدات حول الجائحة ومجموعة من الجمل من المناظرات السياسية. وقارنوا طريقتهم الجديدة بالأنظمة القديمة التي كانت تقرأ نص الادعاء فقط. وأظهرت النتائج أن إضافة هذا السياق الخلفي ساعدت الكمبيوتر بشكل عام في اتخاذ قرارات أفضل. وفي كثير من الحالات، أصبحت الأنظمة أكثر دقة في رصد الادعاءات التي يمكن التحقق منها. ومع ذلك، لم يكن التحسن موحداً؛ إذ اعتمد نجاح الطريقة بشكل كبير على نوع نموذج الكمبيوتر المستخدم وكيفية تدريبه. فبعض النماذج كانت قادرة على دمج المعلومات الجديدة بسلاسة، بينما ارتبكت نماذج أخرى بها، وأدت أحياناً إلى أداء أسوأ مما كانت عليه في السابق. ووجد الباحثون أن المكاسب الأكثر اتساقاً جاءت عندما تم ضبط النماذج بعناً لتناسب المهمة المحددة، بدلاً من مجرد إعطائها بعض الأمثلة للتعلم منها أثناء العمل.
كان جزء رئيسي من اكتشافهم هو فهم سبب فشل المعلومات الإضافية أحياناً. يعتمد النظام على نموذج لغة كبير لتلخيص مقالات ويكيبيديا إلى ملاحظات قصيرة ومفيدة. وبينما كانت هذه الملخصات ذات صلة بالموضوع في الغالب، إلا أنها غال% ما افتقرت إلى "الإشارة" المحددة اللازمة لإخبار الكمبيوتر ما إذا كان الادعاء حقيقة أم رأياً. فعلى سبيل المثال، إذا ذكر ادعاء ما سياسياً مشهوراً، فسيجد النظام بنجاح ملخصاً لمسيرة ذلك السياسي. ولكن إذا كان الادعاء في الواقع دعابة حول ذلك السياسي، فإن ملخص مسيرته المهنية قد لا يوضح للكمبيوتر أن الدعابة ليست حقيقة قابلة للتحقق. فالكمبيوتر، برؤيته للمعلومات الخلفية الجادة، قد يقرر خطأً أن الادعاء قابل للتحقق. وقد كشف هذا عن خلل دقيق: فامتلاك المعلومات الصحيحة ليس كافياً؛ بل يجب تقديم المعلومات بطريقة تبرز طبيعة الادعاء بوضوح.
نظر الفريق أيضاً فيما إذا كان جمع المعلومات المبكر هذا يمكن أن يكون مفيداً في مرحلة لاحقة من العملية. فقد أخذوا الملخصات التي أُنشئت لمرحلة الكشف واستخدموها لمساعدة نظام مختلف على التحقق من صحة الادعاءات في مجموعة بيانات منفصلة. ومن المثير للدهشة، أن هذا السياق المبكر ساعد ذلك النظام اللاحق أيضاً، مما حسن قدرته على إيجاد الحقيقة. وهذا يشير إلى أن العمل الذي يتم القيام به لتحديد ما إذا كان الادعاء قابلاً للتحقق يمكن أن يعمل أيضاً كأساس لإثبات ما إذا كان صحيحاً أم لا. وتخلص الدراسة إلى أنه بينما يعد جلب المعرفة الخارجية إلى المراحل المبكرة من تدقيق الحقائق أداة قوية، إلا أنه يتطلب معالجة دقيقة. يجب ألا يكتفي النظام باسترجاع الحقائق فحسب، بل يجب أن يضمن صياغة تلك الحقائق بطريقة تساعد الكمبيوتر على التمييز بين ما يمكن إثباته وما لا يمكن إثباته. ومن خلال تحسين كيفية جمع هذه المعلومات الخلفية وتلخيصها، يمكن لتدقيق الحقائق المؤتمت أن يصبح أكثر موثوقية بشكل كبير، مما يفلتر الضجيج ويركز الجهود البشرية والآلية على الادعاءات التي تهم حقاً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.