يمكن للذكاء الاصطناعي الآن كتابة المقالات، وتلخيص الأبحاث، وتوليد الأخبار العاجلة في ثوانٍ.

لكن السرعة تفرض مخاطر جديدة.

الدقة.
يمكن للنماذج الحديثة إنتاج محتوى يبدو واثقًا لكنه يحتوي على أخطاء واقعية دقيقة. إحصائية مقتبسة بشكل خاطئ، مرجع قديم، أو مصدر مختلق قد يتسلل دون أن يُلاحظ. بالنسبة لمنصات الإعلام التي تنشر على نطاق واسع، يزداد هذا الخطر مع كل سير عمل آلي.

طبقات التحقق مثل @mira\_network تهدف إلى حل ذلك.
بدلاً من اعتبار المحتوى الذي يُنتجه الذكاء الاصطناعي منتجًا نهائيًا، $MIRA يحوله إلى مجموعة من الادعاءات القابلة للتحقق. يمكن فحص كل بيان بشكل مستقل بواسطة نماذج ذكاء اصطناعي متعددة عبر شبكة تحقق لامركزية قبل نشر المحتوى.

هذا يغير طريقة عمل وسائل الإعلام المدعومة بالذكاء الاصطناعي.

تخيل منصة أخبار تستخدم الذكاء الاصطناعي لصياغة مقال. قبل النشر، يستخرج النظام الادعاءات الواقعية من النص. تُرسل التواريخ، والمراجع، والبيانات الرئيسية إلى نماذج التحقق عبر الشبكة.
يقيم كل مدقق الادعاءات بشكل مستقل.

إذا تم التوصل إلى إجماع، يُعلم أن المقال موثوق. إذا ظهرت تناقضات، يُعلم النظام المحتوى للمراجعة قبل أن يُنشر. بدلاً من الاعتماد على مخرجات نموذج واحد، تعتمد المنصة على التحقق الموزع.

نفس النهج ينطبق على منصات الأبحاث.

يمكن للذكاء الاصطناعي تلخيص الأوراق الأكاديمية، وتوليد مراجعات أدبية، أو تجميع مجموعات البيانات. يمكن لطبقة التحقق من Mira فحص ما إذا كانت الادعاءات تتطابق مع المصادر الموجودة وما إذا كان الاستنتاج متسقًا عبر النماذج. يقلل ذلك من الهلوسات ويخلق خطوط أنابيب معلومات قابلة للتدقيق.

مع مرور الوقت، قد يعيد هذا تشكيل النشر الرقمي.

قد تحمل المقالات أدلة تحقق بجانب نصها. يمكن للقراء رؤية الادعاءات التي تم فحصها والتحقق منها. يمكن للمحررين التركيز على التفسير والسرد بدلاً من قضاء ساعات في التحقق من البيانات الأساسية.
في هذا النموذج، يصبح الذكاء الاصطناعي شريكًا بدلاً من عبء.
ليس لأنه لا يخطئ أبدًا.
ولكن لأن كل ادعاء يمكن التحقق منه قبل وصول المعلومات للجمهور.

#Mira