Source-Aware Kurdish Fake News Detection: Bridging Qur'anic Wisdom and Deep Learning

في العصر الرقمي، تنتقل المعلومات بسرعة أكبر من أي وقت مضى، ولكن تنتشر المعلومات المضللة بنفس السرعة أيضًا. فعندما تنتشر القصص الكاذبة، يمكن أن تضر بالثقة العامة، وتُربك المجتمعات، بل وقد تعرض الأرواح للخطر. لعقود من الزمن، حاول العلماء بناء برامج حاسوبية يمكنها رصد هذه الأكاذيب تلقائيًا. تعمل هذه البرامج عادةً عن طريق قراءة نص المقال والبحث عن أنماط تشير إلى الخداع، مثل الاختيارات غير المعتادة للكلمات أو اللغة العاطفية. ومع ذلك، فإن هذا النهج يعاني من نقطة عمياء رئيسية: فهو غالبًا ما يتجاهل أهم دليل على الإطلاق، وهو المصدر. فتمامًا كما قد يثق المرء في تحذير من طبيب أكثر من إشاعة من غريب، يحتاج الحاسوب إلى معرفة من المتحدث ليحكم على ما يقال. وهذا أمر صعب بشكل خاص في لغات مثل الكردية، حيث توجد أدوات رقمية أقل وبيانات أقل لتدريب هذه البرامج، مما يجعل مهمة الفصل بين الحقيقة والخيال أكثر صعوبة.

لقد شرع فريق من الباحثين من جامعة شارمو وجامعة كردستان هولير في العراق في حل هذه المشكلة من خلال بناء نظام مخصص للأخبار الكردية. بدأوا بمجموعة ضخمة تضم ما يقرب من 101,000 مقال إخباري، نصفها تم التحقق من أنها حقيقية والنصف الآخر كاذب. ولتعليم نماذجهم الحاسوبية، جربوا نهجين مختلفين. في النهج الأول، تم تغذية النماذج بنص المقالات الإخبارية فقط، مما أجبرها على تخمين ما إذا كانت القصة حقيقية أم لا بناءً على الكلمات وحدها. وفي النهج الثاني، أُعطيت النماذج النص بالإضافة إلى اسم المؤسسة الإخبارية التي نشرته. استُلهم هذا النهج الثاني من مبدأ قديم موجود في القرآن الكريم، والذي يوجه المؤمنين إلى التحقق من مصدر أي معلومة قبل قبولها كحقيقة. أراد الباحثون معرفة ما إذا كانت هذه الحكمة القديمة ستصمد في عالم الذكاء الاصطناعي الحديث.

كانت النتائج مذهلة. فعندما سُمح للنماذج الحاسوبية برؤية اسم المصدر الإخباري، أصبحت بارعة في عملها بشكل شبه مثالي. حققت أفضل النماذج، التي استخدمت تقنيات التعلم العميق لفهم بنية اللغة، درجة شبه كاملة، حيث حددت بشكل صحيح كل قصة إخبارية كاذبة وحقيقية تقريبًا في مجموعة الاختبار الخاصة بها، حيث لم يرتكب نموذج (CNN) الأعلى سوى خطأ واحد. لقد فعلوا ذلك بسرعة مذهلة، حيث استغرق تدريب النموذج عشر ثوانٍ فقط على البيانات، وجزءًا من الثانية لتحليل مقال جديد. ومع ذلك، عندما أزال الباحثون أسماء المصادر وطلبوا من النماذج الاعتماد على النص وحده، تغيرت النتائج بشكل دراماتيكي. فقد انخفض أداء أفضل النماذج بنسبة تقرب من ثمانية عشر بالمائة. حتى الذكاء الاصطناعي الأكثر تقدمًا عانى للتمييز بين الحقيقة والأكاذيب دون معرفة من هو المتحدث.

لم يكن هذا الانخفاض في الأداء مجرد خلل بسيط؛ بل كان إشارة واضحة إلى أن نص القصة الإخبارية غالبًا ما يكون غير كافٍ لتحديد ما إذا كانت مزيفة. وجد الباحثون أن البرامج الحاسوبية التقليدية، التي تستخدم قواعد رياضية أبسط، انهارت بشكل أكبر عند فقدان معلومات المصدر، بينما صمدت نماذج التعلم العميق الأكثر تقدمًا بشكل أفضل قليلاً ولكنها لم تصل إلى كامل إمكاناتها. أظهرت الدراسة أن الفرق بين النظام المثالي والنظام المعيب كان ببساطة تضمين اسم الناشر. ويؤكد هذا الاكتشاف أنه في المشهد الإعلامي الكردي، وفي كثير من المشاهد الأخرى على الأرجح، فإن مصداقية الوسيلة الإعلامية لا تقل أهمية عن محتوى القصة.

خلص الباحثون إلى أن الأداة الأكثر فعالية للمستقبل هي نوع محدد من نماذج التعلم العميق تسمى "الشبكة العصبية الالتفافية" (Convolutional Neural Network)، والتي أثبتت أنها دقيقة تمامًا وسريعة للغاية. هذا النظام جاهز الآن للاستخدام في مواقف العالم الحقيقي لمساعدة مدققي الحقائق والمؤسسات الإخبارية في العالم الناطق بالكردية. وبشكل أوسع، تقدم الدراسة درسًا قويًا لأي شخص يحاول محاربة المعلومات المضللة: لا يمكنك الحكم على القصة من كلماتها وحدها. المصدر مهم. ومن خلال الجمع بين التكنولوجيا الحديثة والنصيحة الخالدة بالتحقق من مصدر المعلومات، أنشأ الباحثون نظامًا ليس فقط أكثر ذكاءً، بل أيضًا أكثر وعيًا ثقافيًا. إن عملهم يثبت أنه عندما نبني أدوات لفهم العالم، يجب أن ندرج سياق من يتحدث، وإلا فإننا نغامر بفقدان الحقيقة تمامًا.