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

सोशल मीडिया के विशाल और शोर-शराबे वाले पारिस्थितिकी तंत्र में, सूचना एक क्लिक की गति से यात्रा करती है, लेकिन इसमें से सभी में सत्य का भार नहीं होता। भ्रामक या हेरफेर करने के लिए डिज़ाइन की गई झूठी कहानियाँ, तथ्यात्मक रिपोर्टिंग की तुलना में अधिक तेज़ी से फैलती हैं और अधिक दूर तक पहुँचती हैं, जिससे एक ऐसा परिदृश्य बन जाता है जहाँ वास्तविकता और बनावट के बीच अंतर करना मनुष्यों और मशीनों दोनों के लिए तेजी से कठिन होता जा रहा है। इससे निपटने के लिए, वैज्ञानिकों ने स्वचालित प्रणालियाँ विकसित की हैं जो शब्दों के उपयोग के पैटर्न, कहानियों को साझा करने के तरीके और उपयोगकर्ताओं की प्रतिक्रियाओं को देखते हुए धोखे के संकेतों को खोजने के लिए टेक्स्ट को स्कैन करती हैं। हालाँकि, ये डिजिटल जासूस एक जिद्दी समस्या का सामना करते हैं: उनके द्वारा विश्लेषण किया जाने वाला डेटा अक्सर अपनी जटिलता में अत्यधिक होता है, जो हजारों अनावश्यक विवरणों से भरा होता है जो खोज को भ्रमित कर देते हैं। इसके अलावा, झूठ का संकेत देने वाले सुराग शायद ही कभी श्वेत-श्याम (पूरी तरह स्पष्ट) होते हैं; एक हेडलाइन केवल आंशिक रूप से सनसनीखेज हो सकती है, या कोई दावा केवल आंशिक रूप से सत्यापन योग्य हो सकता है, जिसके लिए एक ऐसी प्रणाली की आवश्यकता होती है जो सरल हाँ या ना के उत्तरों के बजाय 'ग्रे शेड्स' (अनिश्चितताओं) को संभाल सके।

वियतनाम के विश्वविद्यालयों के शोधकर्ताओं की एक टीम ने इस चुनौती के लिए एक नया दृष्टिकोण प्रस्तावित किया है, जो नकली समाचारों के लिए एक अधिक मजबूत डिटेक्टर बनाने के लिए दो अलग-अलग विचारों को जोड़ता है। पहला विचार इस अध्ययन से आता है कि कैसे जानवरों के समूह, जैसे पक्षियों के झुंड या भेड़ियों के पैक, बिना किसी केंद्रीय नेता के जटिल वातावरण में अपना रास्ता खोजते हैं। कंप्यूटर विज्ञान में, इसे 'स्वार्म इंटेलिजेंस' (swarm intelligence) के रूप में जाना जाता है, जहाँ कई सरल एजेंट कठिन समस्याओं को हल करने के लिए मिलकर काम करते हैं। दूसरा विचार 'फजी लॉजिक' (fuzzy logic) है, जो तर्क देने की एक विधि है जो मानवीय सोच की नकल करती है, यह स्वीकार करते हुए कि चीजें "कुछ हद तक सच" या "मुख्य रूप से गलत" हो सकती हैं, बजाय इसके कि उन्हें कठोर श्रेणियों में जबरदस्ती डाला जाए। इन दोनों अवधारणाओं को एक साथ बुनकर, शोधकर्ताओं ने एक ऐसा ढांचा तैयार किया है जो न केवल नकली समाचारों को खोजता है, बल्कि सक्रिय रूप से यह भी सीखता है कि इसे अधिक कुशलता से कैसे खोजा जाए, और नई जानकारी का सामना करते समय अपनी स्वयं की खोज रणनीति को वास्तविक समय में समायोजित करता है।

उनका मुख्य कार्य तीन विशिष्ट बाधाओं को संबोधित करता है जिन्होंने नकली समाचारों का पता लगाने के प्रयासों को धीमा कर दिया था। पहला, इन प्रणालियों को प्रशिक्षित करने के लिए उपयोग किया जाने वाला डेटा अक्सर बहुत बड़ा और अव्यवजस होता है, जिसमें हजारों विशेषताएं होती हैं जो स्पष्टता के बजाय शोर पैदा करती हैं। दूसरा, झूठ को प्रकट करने वाले संकेत अक्सर अस्पष्ट और श्रेणीबद्ध होते हैं, जिससे उन्हें मानक कंप्यूटर प्रोग्रामों के लिए समझना कठिन हो जाता है। तीसरा, इन प्रोग्रामों का प्रदर्शन विशिष्ट सेटिंग्स पर बहुत अधिक निर्भर करता है जिन्हें हाथ से ट्यून करना कठिन होता है। शोधकर्ताओं का तर्क है कि पारंपरिक तरीके इन समस्याओं को अलग-अलग मानते हैं और कठोर, अपरिवर्तनीय नियमों पर भरोसा करते हैं, जिसके कारण अक्सर सिस्टम सर्वोत्तम उत्तर खोजने से पहले ही एक स्थानीय समाधान (local solution) पर अटक जाता है। उनका समाधान एक हाइब्रिड सिस्टम है जो स्वार्म (झुंड) की खोज प्रक्रिया को निर्देशित करने के लिए फजी लॉजिक का उपयोग करता है, जिससे कंप्यूटर डेटा का पता लगाते समय अपने व्यवहार को गतिशील रूप से अनुकूलित कर सकता है।

इस विचार का परीक्षण करने के लिए, टीम ने एक प्रणाली बनाई जो दो मुख्य चरणों में काम करती है, जिनमें से प्रत्येक एक अलग प्रकार की बुद्धिमान खोज द्वारा संचालित होता है। पहला चरण पक्षियों के झुंड में उड़ने के तरीके से प्रेरित एक विधि का उपयोग करता है ताकि टेक्स्ट डेटा के एक विशाल पूल से सबसे महत्वपूर्ण सूचनाओं का चयन किया जा सके। यह तय करने के लिए कि कितने नए क्षेत्रों का अन्वेषण करना है बनाम ज्ञात अच्छे क्षेत्रों पर कितना ध्यान केंद्रित करना है, एक निश्चित नियम का उपयोग करने के बजाय, यह प्रणाली एक 'फजी कंट्रोलर' का उपयोग करती है। यह कंट्रोलर एक पायलट की तरह कार्य करता है जो लगातार मौसम और ईंधन गेज की जाँच करता है, और आकाश कितना भीड़भाड़ वाला है और विमान कितनी तेजी से ऊंचाई प्राप्त कर रहा है, इसके आधार पर विमान का मार्ग समायोजित करता है। यदि खोज एजेंटों का समूह बहुत बिखरा हुआ है और प्रगति नहीं कर रहा है, तो सिस्टम उन्हें फैलने और अन्वेषण करने के लिए प्रोत्साहित करता है। यदि वे क्लस्टर में हैं लेकिन फिर भी सुधार कर रहे हैं, तो यह उन्हें अपने प्रयासों को केंद्रित करने के लिए प्रोत्साहित करता है। यह सिस्टम हजारों संभावित सुरागों को छानने और केवल सबसे उपयोगी को रखने की अनुमति देता है, जिससे प्रभावी रूप से समस्या के आकार को आधे से अधिक कम कर दिया जाता है।

एक बार जब सबसे प्रासंगिक विशेषताओं का चयन कर लिया जाता है, तो दूसरा चरण शुरू होता है, जो ग्रे वुल्फ (धूसर भेड़िये) के सामाजिक पदानुक्रम से प्रेरित है। एक भेड़िये के झुंड में, तीन सबसे सफल शिकारी बाकी समूह का मार्गदर्शन करते हैं। शोधकर्ताओं के सिस्टम में, अब तक मिले तीन सर्वश्रेष्ठ समाधान अंतिम डिटेक्टर के लिए सटीक सेटिंग्स खोजने में मार्गदर्शन करते हैं। हालाँकि, एक पारंपरिक भेड़िये के झुंड के विपरीत जहाँ तीनों नेताओं के साथ समान व्यवहार किया जाता है, यह प्रणाली उनके प्रभाव को तौलने के लिए फजी लॉजिक का उपयोग करती है। यदि एक नेता दूसरों की तुलना में काफी बेहतर है, तो सिस्टम उस नेता पर अधिक भरोसा करता है। यदि नेता समान प्रदर्शन कर रहे हैं, तो सिस्टम उन्हें समान मानता है। यह सूक्ष्म समायोजन खोज को अस्थिर होने से रोकता है और इसे अंतिम डिटेक्टर के सर्वोत्तम संभव विन्यास (configuration) पर सुचारू रूप से स्थिर होने देता है।

इस दृष्टिकोण के परिणामों का परीक्षण समाचार लेखों के तीन अलग-अलग सार्वजनिक संग्रहों पर किया गया था, जो छोटे, अराजक सोशल मीडिया पोस्ट से लेकर अधिक संरचित समाचार रिपोर्टों तक विस्तृत थे। नई प्रणाली की तुलना तेरह अन्य विधियों के साथ की गई, जिनमें कुछ विशाल, जटिल आर्टिफिशियल इंटेलिजेंस मॉडल भी शामिल हैं। हाइब्रिड फजी स्वार्म फ्रेमवर्क अत्यधिक प्रभावी साबित हुआ, जिसने एक डेटासेट पर लगभग 97 प्रतिशत और दूसरे पर 92 प्रतिशत से अधिक की सटीकता प्राप्त की। शायद इससे भी महत्वपूर्ण बात यह है कि इसने अन्य तरीकों की तुलना में बहुत कम विशेषताओं का उपयोग करते हुए और मानक कंप्यूटर प्रोसेसरों पर लगभग अठारह गुना तेजी से काम किया। यह गति महत्वपूर्ण है क्योंकि इसका अर्थ है कि इस प्रणाली का उपयोग संभावित रूप से गलत सूचना के फैलते ही वास्तविक समय में उसे फ्लैग करने के लिए किया जा सकता है, बिना उस भारी कम्प्यूटेशनल लागत के जो आमतौर पर उन्नत एआई के साथ आती है।

शोधकर्ताओं ने यह गणितीय प्रमाण भी प्रदान किया है कि उनकी विधियाँ स्थिर हैं और असामान्य व्यवहार नहीं करेंगी। उन्होंने दिखाया कि सिस्टम एक समाधान की ओर बढ़ने (converge) के लिए गारंटीकृत है और फजी कंट्रोलर द्वारा किए गए समायोजन खोज प्रक्रिया को सुरक्षित, अनुमानित सीमाओं के भीतर रखते हैं। यह सैद्धांतिक समर्थन प्रायोगिक परिणामों में विश्वास की एक परत जोड़ता है, जो यह सुझाव देता है कि यह प्रणाली केवल अपने प्रदर्शन में भाग्यशाली नहीं है, बल्कि मौलिक रूप से अपने डिजाइन में सुदृढ़ है। फजी लॉजिक की अनुकूलन क्षमता को स्वार्म इंटेलिजेंस की सामूहिक शक्ति के साथ जोड़कर, टीम ने ऑनलाइन गलत सूचना की अव्यवस्थित और अनिश्चित दुनिया में पहले से कहीं अधिक सटीकता और गति के साथ नेविगेट करने का एक तरीका प्रदर्शित किया है।