تشخیص نظرات جعلی در خرید های اینترنتی با هوش مصنوعی جدید و فوق العاده دقیق

به گزارش زوم تک از دیجیتال ترندز، نظرات جعلی یک تهدید واقعی و بزرگ برای خریداران آنلاین محسوب می شوند. اگر تا به حال بر اساس نظرات درخشان و مثبت کاربران، کالایی را به صورت اینترنتی خریده اید و بعد از تحویل گرفتن آن، با یک محصول ناامید کننده و بی کیفیت روبرو شده اید، به خوبی منظور من را درک می کنید.

انقلاب هوش مصنوعی در شناسایی دیدگاه های فیک و غیر واقعی آنلاین

یک مطالعه جدید که در نشریه بین المللی فناوری اطلاعات و ارتباطات منتشر شده است، یک سیستم مبتنی بر هوش مصنوعی را پیشنهاد می کند که نه تنها می تواند نظرات جعلی را با دقت بالا شناسایی کند، بلکه مسیر و چگونگی انتشار آن ها را نیز در شبکه های اجتماعی و سایت های فروشگاهی ردیابی می نماید.

چرا ابزارهای فعلی تشخیص نظرات فیک دیگر کارایی لازم را ندارند؟

بیشتر سیستم های موجود برای تشخیص نظرات جعلی، تنها روی متن نوشته شده یک نظر تمرکز می کنند. این روش برای مدتی به خوبی کار می کرد، اما افرادی که نظرات جعلی می نویسند اکنون بسیار باهوش تر شده اند. آن ها در حال حاضر متن های با دقت نگارش شده را با تصاویر گمراه کننده ترکیب می کنند تا نظرات خود را کاملا واقعی و معتبر جلوه دهند. ابزارهایی که فقط متن را بررسی می کنند، در مواجهه با این ترفند جدید دچار مشکل می شوند و توانایی مچ گیری را ندارند؛ این موضوع یک مشکل واقعی و جدی برای خریداران و البته فروشندگان صادق و درستکار ایجاد کرده است.

ساختار مدل جدید هوش مصنوعی برای تحلیل چندگانه رفتار کاربران

پژوهشگران برای حل این چالش بزرگ، سیستمی ساخته اند که به طور همزمان به چندین سیگنال و نشانه مختلف نگاه می کند. این سیستم متن نظر را با استفاده از دو روش متفاوت، یعنی یک شبکه عصبی کانولوشن متنی و مدل های زبانی پیش آموزش دیده، تحلیل می کند تا هم معنای سطحی و هم مفاهیم عمیق تر کلمات را به خوبی درک کند. این فناوری پیشرفته همچنین رفتار فرد نظر دهنده را هم وارد محاسبات خود می کند؛ چرا که حساب های کاربری جعلی معمولا دارای عکس های پروفایل پیش فرض و نام های کاربری تولید شده توسط سیستم هستند، برعکس کاربران واقعی که تمایل دارند حساب های خود را شخصی سازی کنند و اطلاعات واقعی بگذارند.

آیا هوش مصنوعی واقعا می تواند تصاویر جعلی نظرات را هم تشخیص دهد؟

پاسخ کوتاه به این سوال مثبت است. تصاویر موجود در نظرات کاربران به صورت جداگانه و با استفاده از یک شبکه باقی مانده (Residual Network) تحلیل می شوند که نوعی ابزار یادگیری عمیق است و معمولا برای پردازش داده های بینایی و تصویری استفاده می شود. زمانی که تمام این سیگنال ها و اطلاعات از متن، تصویر و رفتار کاربر جمع آوری شد، سیستم آن ها را با یکدیگر ترکیب می کند تا تصمیم نهایی را درباره اینکه آیا یک نظر واقعی و ارگانیک است یا جعلی و ساختگی، اتخاذ کند.

ردیابی منشا انتشار نظرات دروغین در بستر اینترنت با مدل ترانسفورمر

وقتی که یک نظر به عنوان نظر جعلی نشانه گذاری و مشخص می شود، یک مدل ترانسفورمر (Transformer) وارد عمل می شود تا منشا اصلی آن را روی نقشه مشخص کند و بررسی کند که این نظر دروغین تا چه اندازه در بستر شبکه انتشار یافته است. آزمایش های انجام شده بر روی یک مجموعه داده بزرگ از سایت معروف جی دی (JD.com) نشان داد که این سیستم جدید به دقت تشخیص خیره کننده ۹۴.۲ درصد و دقت ردیابی ۹۳.۵ درصد دست یافته است. این عملکرد فوق العاده، تمامی روش های موجود فعلی را که با آن ها مقایسه شده بود، شکست داد. این سطح از دقت بالا در آینده می تواند به معنای نظرات گمراه کننده کمتر و امتیازهای قابل اعتمادتر برای تجربه یک خرید امن تر باشد.