lunes, 4 de febrero de 2019

videoscopios

Estas son algunas de las razones por las que:

videoscopios

La cantidad de información en la web supera con creces cualquier capacidad de procesamiento actual.

Cada día, aproximadamente 100 millones de piezas de información llegan a la web. La forma más efectiva de verificar los hechos sigue siendo el manual. Hasta que AI avanza a una etapa en la que puede superar la verificación manual de los hechos, la brecha entre el volumen y la capacidad permanece.

videoscopios

Disparidad en recursos

Facebook tiene un valor de alrededor de US $ 420 mil millones, mientras que Baidu tiene un valor de US $ 52 mil millones. No son compañías pequeñas en ningún sentido, pero la cantidad de recursos que tienen palidece en comparación con lo que pueden hacer los actores estatales como China o Rusia.

A medida que avanzan los falsos algoritmos de detección de noticias, también lo hacen los falsos algoritmos de generación de noticias.

videoscopios

Eche un vistazo al video de Buzzfeed donde se intercambió la boca de Jordan Peele a Obama para que parezca que Obama está hablando. Las falsificaciones profundas hacen que la detección sea exponencialmente difícil.


Buzzfeed en Twitter

Sin embargo, las compañías de tecnología también han aumentado en los últimos años para abordar noticias falsas.

videoscopios

En 2017, Baidu agregó una etiqueta de "rumor" para disipar los artículos que se considera por información falsa utilizando su procesamiento de lenguaje natural, big data y tecnología de inteligencia artificial. Además de eso, Baidu también lanzó su plataforma antirumores en septiembre de 2017 y anunció que se habían unido 372 cuentas de cibersegurías de todo el país.



Fuente: Sexto tono.

WeChat también lanzó su "Asistente contra rumores" en junio de 2017 para ayudar a los usuarios a verificar si un artículo es cierto. Del mismo modo, Weibo también agregó la función para etiquetar información errónea y en realidad lo hizo cuatro años antes que Facebook.

videoscopios


Sin embargo, la experiencia de Facebook con el etiquetado encontró que se trataba de un enfoque defectuoso. Facebook implementó un sistema de banderas disputadas que desecharon después de un año de pruebas. Descubrieron que las Banderas en disputa ocultaban la información crítica que explicaba las inexactitudes y eran contraproducentes al afianzar la falsa creencia de una persona.

videoscopios


Baidu también intentó implementar una inteligencia artificial para filtrar noticias basadas en la calidad. Sin embargo, los informes iniciales mostraron que Baidu aún enfrenta una tarea cuesta arriba. El filtro tiene que realizar dos funciones. Primero, tiene que decidir si un artículo está bien escrito. En segundo lugar, tiene que discernir si el artículo es veraz.

videoscopios


Para el primer desafío, Baidu puede tocar el procesamiento del lenguaje natural para examinar la relación entre palabras y frases para determinar si un artículo está bien escrito, siempre y cuando tenga una gran base de datos de artículos como referencia. Sin embargo, la IA solo es capaz de clasificar las historias en categorías cada vez más severas de "malas", pero solo es capaz de agrupar todas las historias no malas en una categoría "buena" genérica. En otras palabras, aunque el algoritmo puede distinguir la diferencia entre un hablante nativo y un hablante no nativo, no es capaz de discernir los Hemmingways y los TS Eliots de ningún escritor inglés. Buena prosa se desperdicia.

videoscopios


No hay comentarios:

Publicar un comentario