Исследователи объяснили, что по мере роста количества статей в «Википедии», там появляется много ложной или неполной информации, а также все чаще встречаются неточные ссылки. Чтобы решить эту проблему, Meta разработала модель ИИ, которая автоматически сканирует цитаты, сверяет факты с другими источниками, проверяет ссылки и занимается фактчекингом.
ИИ использует модель преобразования Natural Language Understanding (NLU), которая пытается понять взаимосвязи между словами и фразами в предложении. Индексом знаний модели является база данных Sphere, которая содержит более 134 млн веб-страниц. Кроме того, модель разработана таким образом, чтобы найти единственный источник для проверки каждого утверждения.
В 2020 году Wikimedia начала разработку алгоритма после скандала, когда подросток из США написал 27 999 записей на языке, которым он не владел. Похожая история произошла в 2022 году — жительница Китая создала 206 статей об истории России, выдумывая военные и экономические события, вплетая их в настоящие факты.
Meta начала уже начала разрабатывать основу для инструментов цитирования следующего поколения. В 2021 году компания выпустила модель ИИ, которая объединила поиск и проверку информации. Также ведется обучение нейронных сетей более сложным тонкостям языка для поиска релевантного исходного материала в интернете.
Как только они будут готовы, модели ИИ улучшат качество знаний в Википедии. Это позволит сохранить точность ресурса, которым пользуется множество людей по всему миру.
