آی‌سی‌تی نیوز – رئیس پژوهشگاه ارتباطات و فناوری اطلاعات با اشاره به چالش های تولید محتوا در شبکه‌های اجتماعی از منظر جعلی، نامناسب، دروغ و افترا بودن و تبعات ناخوشایند آن در جامعه، از طراحی و توسعه نمونه اولیه سکوی تشخیص اخبار جعلی در شبکه های اجتماعی در این پژوهشگاه خبر داد. به گزارش روابط […]

آی‌سی‌تی نیوز – رئیس پژوهشگاه ارتباطات و فناوری اطلاعات با اشاره به چالش های تولید محتوا در شبکه‌های اجتماعی از منظر جعلی، نامناسب، دروغ و افترا بودن و تبعات ناخوشایند آن در جامعه، از طراحی و توسعه نمونه اولیه سکوی تشخیص اخبار جعلی در شبکه های اجتماعی در این پژوهشگاه خبر داد.

به گزارش روابط عمومی پژوهشگاه ارتباطات و فناوری اطلاعات، وحید یزدانیان با بیان این که آگاهی، پیشگیری و مقابله با تبعات ناخوشایند محتوا در شبکه‌های اجتماعی از ضروریات جوامع امروزی به حساب می‌آید، گفت: بی‌تفاوتی نسبت به این محتواها، ممکن است بحران‌هایی ایجاد کند که رفع آن ها امکان‌پذیر نبوده، یا مستلزم هزینه‌های گزاف باشد.

وی در تشریح این موضوع ادامه داد: گاهی انتشار اطلاعات نادرست در فضای مجازی تهدید خاصی به حساب نمی‌آید و مثلاً با انگیزه سرگرمی و مزاح، محتوای نادرستی تولید و منتشر می‌شود و اثر طولانی مدتی نیز ندارد. اما در مواردی محتواهای نادرست می‌توانند به صورت هدفمند و تأثیرگذار در سطح ملی و به منظور بر هم زدن نظم اجتماعی، امنیت، اقتصاد، تخریب اشخاص حقیقی یا حقوقی، و امثال آن ها باشند. در موارد متعددی حتی اخبار جعلی در حوزه داخلی یک کشور در کشور دیگری طراحی و منتشر می‌شود.
دکتر یزدانیان با تاکید بر این که پدیده اخبار جعلی در شبکه‌های اجتماعی از جنبه‌های مختلف مطرح است، افزود: کشورهای مختلف تعاریف مختلفی از اخبار جعلی دارند. حتی تفسیر حقوقی آن ها از اخبار جعلی نیز متفاوت است.
وی خاطرنشان کرد: در این پروژه ضمن مروری گذرا به این مباحث، روش‌های مبتنی بر هوش مصنوعی برای شناسایی اخبار مشکوک به جعلی بودن، مورد تمرکز بیشتری قرار گرفت و ضمن بررسی تنوعی از روش‌های مبتنی بر هوش مصنوعی، برخی از آن ها پیاده‌سازی شد یا در حال انجام است.
رئیس پژوهشگاه ارتباطات، نتایج حاصله را مثبت ارزیابی کرد و گفت: دقت‌های خوبی به دست آمده‌ که شامل روش‌های مبتنی بر استخراج ویژگی‌های نوشتاری، روش‌های مبتنی بر کیسه کلمات (Bag of Words)، روش‌های مبتنی بر n-gram، روش‌های مبتنی بر یادگیری عمیق و روش‌های مبتنی بر الگوی انتشار در شبکه است.