A hybrid fuzzy swarm intelligence framework for fake news detection: adaptive fuzzy particle swarm optimization and fuzzy grey wolf optimizer with convergence guarantees

في النظام البيئي الواسع والمزدحم لوسائل التواصل الاجتماعي، تنتقل المعلومات بسرعة النقرة، لكن ليس كل ما ينتقل يحمل ثقل الحقيقة. فالقصص الزائفة، المصممة للتضليل أو التلاعب، تنتشر بشكل أسرع وتصل إلى مدى أبعد من التقارير الواقعية، مما يخلق مشهداً يصبح فيه التمييز بين الواقع والتزييف أمراً صعباً بشكل متزايد لكل من البشر والآلات على حد سواء. ولمكافحة ذلك، طور العلماء أنظمة آلية تمسح النصوص بحثاً عن علامات الخداع، باحثةً عن أنماط في كيفية استخدام الكلمات، وكيفية مشاركة القصص، وكيفية تفاعل المستخدمين. ومع ذلك، يواجه هؤلاء المحققون الرقميون مشكلة مستعصية: فالبيانات التي يحللونها غالباً ما تكون غامرة في تعقيدها، ومليئة بآلاف التفاصيل الفائضة التي تشتت عملية البحث. علاوة على ذلك، فإن الأدلة التي تشير إلى الكذب نادراً ما تكون بالأبيض والأسود؛ فقد يكون العنوان مثيراً للجدل جزئياً فقط، أو قد يكون الادعاء قابلاً للتحقق جزئياً فقط، مما يتطلب نظاماً يمكنه التعامل مع درجات الرمادي بدلاً من الإجابات البسيطة بنعم أو لا.

اقترح فريق من الباحثين من جامعات في فيتنام نهجاً جديداً لهذا التحدي، يجمع بين فكرتين متميزتين لبناء كاشف أكثر قوة للأخبار الزائفة. تأتي الفكرة الأولى من دراسة كيفية إيجاد مجموعات من الحيوانات، مثل أسراب الطيور أو قطعان الذئاب، لطريقها عبر بيئات معقدة دون قائد مركزي. وفي علوم الحاسوب، يُعرف هذا باسم "ذكاء السرب"، حيث تعمل العديد من الوكلاء البسيطين معاً لحل المشكلات الصعبة. أما الفكرة الثانية فهي "المنطق الضبابي"، وهو أسلوب للاستدلال يحاكي التفكير البشري من خلال قبول فكرة أن الأشياء يمكن أن تكون "صحيحة نوعاً ما" أو "خاطئة في الغالب" بدلاً من حصرها في فئات جامدة. ومن خلال نسج هاتين المفهومتين معاً، أنشأ الباحثون إطار عمل لا يبحث عن الأخبار الزائفة فحسب، بل يتعلم بنشاط كيف يبحث عنها بكفاءة أكبر، ويعدل استراتيجية البحث الخاصة به في الوقت الفعلي أثناء مواجهة معلومات جديدة.

يعالج جوهر عملهم ثلاث عقبات محددة أدت إلى إبطاء المحاولات السابقة لأتمتة كشف الأخبار الزائفة. أولاً، غالباً ما تكون البيانات المستخدمة لتدريب هذه الأنظمة كبيرة وفوضوية للغاية، وتحتوي على آلاف الميزات التي تضيف ضجيجاً بدلاً من الوضوية. ثانياً، غالباً ما تكون الإشارات التي تكشف الكذب غامضة ومتدرجة، مما يجعل من الصعب على البرامج الحاسوبية القياسية تفسيرها. ثالثاً، يعتمد أداء هذه البرامج بشكل كبير على إعدادات محددة يصعب ضبطها يدوياً. ويرى الباحثون أن الطرق التقليدية تعالج هذه المشكلات بشكل منفصل وتعتمد على قواعد ثابتة وغير متغيرة، مما يؤدي غالباً إلى وقوع النظام في حل محلي قبل أن يجد الإجابة الأفضل. وحلهم هو نظام هجين يستخدم المنطق الضبابي لتوجيه عملية البحث الخاصة بالسرب، مما يسمح للحاسوب بتعديل سلوكه ديناميكياً أثناء استكشاف البيانات.

لاختبار هذه الفكرة، بنى الفريق نظاماً يعمل في مرحلتين رئيسيتين، كل منهما مدعومة بنوع مختلف من البحث الذكي. تستخدم المرحلة الأولى طريقة مستوحاة من كيفية طيران الطيور في سرب لاختيار أهم قطع المعلومات من مجموعة ضخمة من البيانات النصية. وبدلاً من استخدام قاعدة ثابتة لتقرير مقدار الاستكشاف في مناطق جديدة مقابل مقدار التركيز على المناطق الجيدة المعروفة، يستخدم هذا النظام متحكماً ضبابياً. يعمل هذا المتحكم مثل طيار يتحقق باستمرار من حالة الطقس ومقياس الوقود، ويعدل مسار الطائرة بناءً على مدى ازدحام السماء ومدى سرعة ارتفاع الطائرة. إذا كانت مجموعة وكلاء البحث مشتتة جداً ولا تحقق تقدماً، فإن النظام يشجعهم على الانتشار والاستكشاف. وإذا كانوا متكتلين معاً ولكنهم لا يزالون يتحسنون، فإنه يشجعهم على تركيز جهودهم. وهذا يسمح للنظام بغربلة آلاف الأدلة المحتملة والاحتفاظ بالمفيد منها فقط، مما يقلل حجم المشكلة بأكثر من النصف بفعالية.

بمجرد اختيار الميزات الأكثر صلة، تبدأ المرحلة الثانية، وهي مستوحاة من التسلسل الهرمي الاجتماعي للذئاب الرمادية. في قطيع الذئاب، يوجه ثلاثة من أنجح الصيادين بقية المجموعة. وفي نظام الباحثين، يوجه أفضل ثلاثة حلول تم العثور عليها عملية البحث عن الإعدادات المثالية للكاشف النهائي. ومع ذلك، وعلى عكس قطيع الذئاب التقليدي حيث يتم التعامل مع القادة الثلاثة بالتساوي، يستخدم هذا النظام المنطق الضبابي لوزن تأثيرهم. فإذا كان أحد القادة أفضل بكثير من الآخرين، فإن النظام يثق في ذلك القائد أكثر. وإذا كان القادة يؤدون بشكل متشابه، فإن النظام يعاملهم كمتساوين. هذا التعديل الدقيق يمنع البحث من أن يصبح غير مستقر ويسمح له بالاستقرار بسلاسة على أفضل تكوين ممكن للكاشف النهائي.

تم اختبار نتائج هذا النهج على ثلاث مجموعات مختلفة من عامة مقالات الأخبار، تتراوح من منشورات وسائل التواصل الاجتماعي القصيرة والفوضوية إلى التقارير الإخبارية الأكثر هيكلية. تمت مقارنة النظام الجديد مع ثلاثة عشر أسلوباً آخر، بما في ذلك بعض النماذج التي تستخدم نماذج ذكاء اصطناعي ضخمة ومعقدة. أثبت إطار العمل الهجين (الضبابي-السربي) فعالية عالية، حيث حقق دقة تقترب من 97 بالمائة في إحدى مجموعات البيانات وأكثر من 92 بالمائة في مجموعة أخرى. ولعل الأهم من ذلك، أنه فعل ذلك باستخدام ميزات أقل بكثير من الطرق الأخرى وبالعمل بسرعة تبلغ حوالي ثمانية عشر ضعف السرعة على معالجات الكمبيوتر القياسية. وهذه السرعة أمر بالغ الأهمية لأنها تعني إمكانية استخدام النظام في الوقت الفعلي لتمييز المعلومات المضللة أثناء انتشارها، دون التكلفة الحسابية الثقيلة التي تصاحب عادةً الذكاء الاصطناعي المتقدم.

كما قدم الباحثون برهاناً رياضياً على أن أساليبهم مستقرة ولن تتصرف بشكل عشوائي. فقد أظهروا أن النظام يضمن التقارب نحو حل، وأن التعديلات التي تجريها المتحكمات الضبابية تبقي عملية البحث ضمن حدود آمنة ويمكن التنبؤ بها. وتضيف هذه الخلفية النظرية طبقة من الثقة في النتائج التجريبية، مما يشير إلى أن النظام ليس مجرد محظوظ في أدائه، بل هو سليم جوهرياً في تصميمه. ومن خلال الجمع بين قدرة المنطق الضبابي على التكيف وقوة ذكاء السرب الجماعية، أثبت الفريق طريقة للتنقل في عالم التضليل عبر الإنترنت المليء بالفوضى وعدم اليقين بدقة وسرعة أكبر من أي وقت مضى.