השכלולים בטכנולוגיית הלמידת מכונה הביאו לעידן חדש של הפצת חדשות שקריות, עם תוכן מזויף וריאליסטי המתפשט במהירות על גבי פלטפורמות רשת חברתיות. הנוחות בה אפשר ללמידת מכונה לייצר סרטונים ותמונות מזוייפות, כגון אלו המתארים אירועים בדיוק נוגדיים כמו ההופעה בקונצרט האחרון של רובוט בעמק הסיליקון, גרמה לדאגה בנוגע לאמיתות המידע שמשותף ברשת.
השטרוטגיות המתקדמות בהפצת החדשות המזויות שקר דרך היכולות של למידת המכונה מגיעות לרמות מדאיגות. דוחות אחרונים מארגונים דוגמת RAND הבהירו על הסיכונים האפשריים שמה נכפילות מידע באמצעות למידה עמוקה ועל החשש הגדול כי ייזמו להשפיע על דעת הציבור, יוצרים איום משמעותי על החברה. אירועים כגון הפורום העולמי למדיה בגרמניה קיימים את הצורך הדחוק שיהיה לעצור את ההתפשטות של מידע משגע, המחלק את הקהילות ומודחת את התהליכים הדמוקרטיים.
במרוב האתגרים הגוברים מצייני חדשות שקר ישנה קו כחול בצורה שבה התרומה לציבור מתגברת. מחקרים, דוגמת המבוצע על ידי Reuters בשנת 2024, חושף כי קיימת חששה עולה בקרב בני אדם לגבי ההבחנה בין חדשות אמיתיות לזויות, בקשרים פוליטיים או סכסוכים בתחום. בני אדם נחושים יותר בזיהוי תוכן בלתי אמין בפלטפורמות אונליין שונות, כולל TikTok והטוויטר הקודם, וזה מדגיש על חשיבות המאמצים המשותפים במעקב אחר המידע המוטעה.
ברור שהקרב נגד חדשות שקר מחייב מאמצים גלובליים, עם התקשרות בתקשורת הממוצעת בתפקיד חשוב כדי להחזיק באינטגרציה עיתונאית ולקדם ידע תקשורתי.
נתונים נוספים:
קדימות בנושא הלמידת מכונה הביאו גם לפיתוח של אלגוריתמים מורכבים היכולים לאתר חדשות שקר ודיסאינפורמציה ברשת. כלים אלה משתמשים בלמידת מכונה בכדי לנתח תבניות בטקסט, תמונות וסרטונים לזיהוי תוכן מטעה ומניעת התפשטותו.
ממשלות חברות הטכנולוגיה משקיעות יותר ויותר בפתרונות המופעלים על ידי יכולות למידת המכונה כדי להלחם בחדשות שקר. לדוגמה, פייסבוק וגוגל מימשו אלגוריתמים ב LSTM אשר מסמנים ומסירים מידע שקר מפלטפורמותיהם. במקביל מדינות כמו צרפת הושג הכרחנות של חברות מדיה חברתית לפרסם את המקורות של תוכן פרסומי לצורך הלחימה במידע מיסות.
מחקרים הראו כי התפשטות חדשות שקר עשויה להיות בעייתית ברצון של אמוות כפי שנזכיה, לשפיע על בחירות פוליטיות, ולפגע באמון במוסדות. תיאום ההשפעה על חדשות שקר הוא חיוני לפחתא עבור הטיפול באתגלות בחברה ולקידום ידע תקשורתי.
שאלות עיקריות:
איך אפשר להשתמש בה להבחין בין חדשות אמיתיות וחדשות שקר בצורה יעילה?
אילו לערכים רוחניים יש לקחת בחשבון כאשר מיישמים למידת מכונה להלחם בחדשות שקר?
כיצד פלטפורמות רשת חברתיות מאיץ בין ההזדמנות לחופש הביטוי לבין צורך במניעת התפשטות פרסום מידע שקר?
אילו תפקידים צריכות לממשלות לעשות כדי לכלול את יציבותן של השימוש בלמידת מכנה מול חדשות שקר?
כיצד אפשר להושלמת את יכולות יציבות התקשורת שלנו על מנת להבחין בין מידע מדויק לבין חדשות שקר?
יתרונות:
-הלמידת מכונה יכולה לעבד כמויות גדולות של נתונים כחד מהירה ויעילה, לסייע בגילו הזמן ופיתרון הזנה שקרית.
-האוטומציה דרך יכולות מהמכונה יכולה לסייע בהפחתת המאמץ הידני הנדרש לזיהוי ובדיקת עובד מידע שקרית, ולהעלות את מהירות התגובה.
-אלגוריתמי למידה מכונה יכולים לשפר את דיוקם באופן רציני בזיהוי תבניות שקר לאורך הזמן, לשפר את יעילות הלחימה בטעויות מידע.
חסרונות:
-אלגוריתמי למידה מכונה יכול לקשות בהבחנה צורות מיוחדת של חדשות שקר אשר קרובות לנחיצה לעמודת תוכן תקין, הפותחת לאכזבות נדבקות או שליליות.
-יש לחשש לכווים פוטנציאליים בסיסות של אלגוריתמי למידה מכונה, אשר עשוים לחזק באופן מקרי סיפורים מסוימים או לדכא נקודות ראיות אחרות.
הסתמכות יתר על פתרונות עיקר נקבלת זיהוי טעויות קשה ודרישה חשיבה מחודדים לפרשת מתמקבת במידע מסובך באופן תקין.