- यूके की कंपनी Logically
- machine learning, natural language processing तकनीक और मानव बुद्धिमत्ता को मिलाकर समाचार रिपोर्टों की विश्वसनीयता का आकलन करती है
- Logically का web browser extension लगभग 1 लाख प्रकाशकों से आए भरोसेमंद लेखों के साथ सामग्री के संदर्भ को देखता है
- इसके बाद यह सूचना के स्रोत और लेख की विश्वसनीयता आदि का मूल्यांकन करता है
- शोध साझेदारों के विशेषज्ञ मूल्यांकन और AI पूर्वानुमानों के आधार पर यह उपयोगकर्ताओं को बताता है कि कौन से सूचना स्रोत भरोसेमंद हैं और किन पर भरोसा नहीं करना चाहिए
- AI लेख की सामग्री, लेखक की प्रतिष्ठा और विशेषज्ञता, तथा लेख social media पर किस तरह प्रसारित हुआ, इसके आधार पर भी लेख की विश्वसनीयता का अनुमान लगाता है
- यदि उपयोगकर्ता fact-check का अनुरोध करे, तो fact-check टीम जांच करके परिणाम बताती है
- यूके की कंपनी Factmata
- machine learning और natural language processing तकनीक से online content का विश्लेषण करके फेक न्यूज़ खोजती है
- Factmata ने ऐसा engine बनाया है जो इंटरनेट पर बने सभी प्रमुख दावों को निकालकर एक जगह इकट्ठा करता है
- इसने ऐसा algorithm भी डिजाइन किया है जो 12 आयामों में content को स्कोर और वर्गीकृत करता है
- विवाद, गैर-निष्पक्षता, hate speech, नस्लवाद, लैंगिक भेदभाव, toxic content, अश्लीलता, भाषाई धमकी, अत्यधिक पक्षपात, clickbait links आदि इन्हीं 12 आयामों में शामिल हैं
- ये उन भाषाई विशेषताओं में आते हैं जो किसी content को propaganda, misinformation या fake news बना सकती हैं
- Factmata इसी engine और algorithm से brand, product और online मुद्दों से जुड़ी fake news और hate speech का पता लगाती है
- अमेरिकी online platform Bot Sentinel
- machine learning से किसी को परेशान करने वाले accounts और misinformation फैलाने वाले accounts आदि का पता लगाता है
- इसकी टीम ने हजारों accounts और लाखों tweets का उपयोग करके machine learning model को Twitter accounts वर्गीकृत करना सिखाया
- सबसे पहले यह उन accounts को ढूंढता है जो बार-बार Twitter के नियमों का उल्लंघन करते हैं
- फिर model को ऐसे accounts के समान accounts वर्गीकृत करने के लिए प्रशिक्षित किया जाता है जिन्हें टीम ने ‘समस्याग्रस्त’ माना है
- accounts को ‘normal’, ‘satisfactory’, ‘disruptive’, ‘problematic’ में वर्गीकृत किया जाता है और हर account को एक score (%) दिया जाता है
- score जितना अधिक होगा, account के समस्याग्रस्त होने की संभावना उतनी ही अधिक होगी
- अमेरिकी कंपनी Meta (Facebook)
- AI से deepfake video का पता लगाने वाली प्रणाली विकसित कर रही है
- इसने ‘Deepfake Detection Challenge’ के लिए तैयार कराए गए dataset में मौजूद videos से model को प्रशिक्षित किया
- training में multiple generative adversarial networks का भी उपयोग किया गया
- Meta नई data synthesis तकनीक का उपयोग करके model को लगभग real-time में update करती है, ताकि उसकी प्रणाली पहले कभी न देखे गए नए deepfake videos की पहचान कर सके
- जब कोई नया deepfake video पकड़ा जाता है, तो उससे मिलते-जुलते deepfake के नए उदाहरण बनाए जाते हैं
- इन्हें deepfake video detection model के large-scale training data के रूप में इस्तेमाल किया जाता है
अभी कोई टिप्पणी नहीं है.