यहां बताया गया है कि स्वचालित तथ्य-जांच वास्तविकता के कितने करीब है

रॉयटर्स इंस्टीट्यूट की एक नई तथ्य पत्रक दुनिया भर में स्वचालित तथ्य-जांच का जायजा लेती है - और भविष्य उज्ज्वल दिखता है।

आज जारी , रिपोर्ट में तथ्य-जांचकर्ताओं और कंप्यूटर वैज्ञानिकों के साथ साक्षात्कार के साथ-साथ मौजूदा तकनीक का एक सिंहावलोकन है, जिसमें विस्तार से बताया गया है कि स्वचालित तथ्य-जांच तत्काल भविष्य में अभ्यास को कैसे बदल सकता है।

वरिष्ठ शोध साथी लुकास ग्रेव्स रिपोर्ट में लिखते हैं, 'पिछले साल पत्रकारों, नीति निर्माताओं और प्रौद्योगिकी कंपनियों के बीच ऑनलाइन गलत सूचनाओं के लिए प्रभावी, बड़े पैमाने पर प्रतिक्रिया खोजने की समस्या पर ध्यान दिया गया है।' 'हालांकि, सार्वजनिक दावों की सच्चाई तय करना और वैध विचारों को गलत सूचना से अलग करना मुश्किल और अक्सर विवादास्पद काम है ... चुनौतियां जो (स्वचालित तथ्य-जांच) में चलती हैं।'

उन चुनौतियों के बीच, ग्रेव्स ने नोट किया कि पूरी तरह से स्वचालित तथ्य-जांच निर्णय लेने में सक्षम होने के करीब भी नहीं है कि पत्रकार दिन-प्रति-दिन आधार पर लागू होते हैं। इसके अतिरिक्त, बेहतर क्षमताओं और बड़े पैमाने की प्रणालियों को विकसित करने के लिए फाउंडेशनों, विश्वविद्यालयों और प्लेटफार्मों से समर्थन आवश्यक है।

लेकिन ऑटोमेशन की संभावना बहुत अच्छी है - और यह पहले से ही कुछ न्यूज़ रूम में हो रहा है।

संक्षिप्त दस्तावेज़ स्वचालित तथ्य-जांच तकनीक और अनुसंधान में नवीनतम विकास का वर्गीकरण प्रदान करता है:

(स्वचालित तथ्य-जांच) पहल और शोध आम तौर पर एक या अधिक तीन अतिव्यापी उद्देश्यों पर ध्यान केंद्रित करते हैं: ऑनलाइन और अन्य मीडिया में प्रसारित झूठे या संदिग्ध दावों को खोजने के लिए; उन दावों या कहानियों को आधिकारिक रूप से सत्यापित करने के लिए जो संदेह में हैं, या पत्रकारों और जनता के सदस्यों द्वारा उनके सत्यापन की सुविधा के लिए; और गलत सूचना के संपर्क में आने वाले दर्शकों के लिए, विभिन्न मीडिया में तुरंत सुधार करने के लिए। एंड-टू-एंड सिस्टम का लक्ष्य तीनों तत्वों - पहचान, सत्यापन और सुधार को संबोधित करना है।

ब्रिटिश फ़ैक्ट-चेकिंग चैरिटी फ़ुल फ़ैक्ट ने एक ऐसा टूल विकसित किया है जो दावों के लिए मीडिया और पार्लियामेंट ट्रांसक्रिप्ट को स्वचालित रूप से स्कैन करता है और मौजूदा फ़ैक्ट चेक से उनका मिलान करता है। ड्यूक रिपोर्टर्स लैब और चेकियाडो दोनों ने समान उपकरण बनाए हैं जो जांच योग्य दावों के लिए मीडिया टेप को स्कैन करते हैं, बाद में संभावित तथ्य जांच के लिए तथ्य-जांचकर्ताओं को सूचित करते हैं। (प्रकटीकरण: रिपोर्टर्स लैब ग्लोबल फैक्ट-चेकिंग समिट के लिए भुगतान करने में मदद करती है)।

पहले दो संगठन इंटरनेशनल फैक्ट-चेकिंग नेटवर्क के तीसरे 'चेक इट' वीडियो में दिखाए गए हैं:

वह पद्धति - स्वचालित रूप से प्रतिलेखों में दावों को स्क्रैप करना और ढूंढना, फिर मौजूदा तथ्य जांच के पुस्तकालयों के साथ उनका मिलान करना जैसे तथ्य साझा करें - ग्रेव्स के अनुसार सबसे प्रभावी और सफल शोध का एक उत्पाद है। लेकिन तकनीक अभी भी सही नहीं है।

हालाँकि, अभी तक ये प्रणालियाँ केवल सरल घोषणात्मक कथनों, लापता निहित दावों या जटिल वाक्यों में निहित दावों की पहचान कर सकती हैं, जिन्हें मनुष्य आसानी से पहचान लेते हैं। यह बातचीत के स्रोतों के साथ एक विशेष चुनौती है, जैसे चर्चा कार्यक्रम, जिसमें लोग अक्सर सर्वनाम का उपयोग करते हैं और पहले के बिंदुओं का उल्लेख करते हैं।

इसमें शब्दों, समय और संदर्भ में पैराफ्रेशिंग और सूक्ष्म परिवर्तनों की गलत व्याख्या करने की क्षमता भी है। इसके अलावा, सत्यापन आज भी मौजूदा स्वचालित तथ्य-जांच उपकरणों के दायरे से बाहर है और अभी भी संभावित तथ्यों की जांच के लिए मनुष्यों पर निर्भर है, इसलिए रिपोर्ट के अनुसार उम्मीदों को मामूली रखा जाना चाहिए।

आगे बढ़ते हुए, स्वचालन के लिए एक सतत चुनौती सूचना के आधिकारिक स्रोतों के खिलाफ दावों का मिलान करने के तरीके खोजना है, जो अनिवार्य रूप से तथ्य-जांचकर्ता मैन्युअल रूप से करते हैं। ग्रेव्स ने लिखा है कि आर्टिफिशियल इंटेलिजेंस शोधकर्ता यह देख सकते हैं कि स्वचालित तथ्य-जांच प्रणाली कैसे पहचान सकती है कि डेटा के कौन से स्रोत किसी दिए गए दावे के लिए उपयुक्त हैं।

लेकिन इससे अन्य समस्याएं होती हैं। डेटा हमेशा उपलब्ध नहीं होता है, और जब भी होता है, तो दावे की सत्यता के लिए डेटा का सही अर्थ समझना कठिन होता है, जैसा कि एक हाइलाइट किए गए अध्ययन से पता चलता है:

... इस दावे का परीक्षण करने का एक तरीका है कि 'लेसोथो अफ्रीका का सबसे छोटा देश है' बिना तार्किक रूप से व्याख्या किए एक बड़े पाठ्य स्रोत पर, या पूरे वेब पर समान भाषा की खोज करना है। एक विश्वसनीय स्रोत के रूप में विकिपीडिया का उपयोग करने और 125,000 दावों के डेटासेट के प्रयोगों में, उदाहरण के लिए, [एंड्रियास व्लाचोस'] छात्रों में से एक के नेतृत्व में एक टीम सही ढंग से भविष्यवाणी कर सकती है कि एक एकल-विधेय दावा समर्थित है या खंडन (या पर्याप्त नहीं है या नहीं) सबूत) लगभग 25% समय (थोर्न एट अल। 2018)।

कई मायनों में, उस तरह की अकादमिक अंतर्दृष्टि चिकित्सकों को स्वचालित प्लेटफॉर्म विकसित करने में मदद करने के लिए आवश्यक साबित हुई है।

'(स्वचालित तथ्य-जांच) शोधकर्ताओं और चिकित्सकों के बीच असामान्य रूप से घनिष्ठ सहयोग का क्षेत्र रहा है,' ग्रेव्स ने लिखा। 'आगे की प्रगति मुख्य रूप से दो कारकों पर निर्भर करेगी: बुनियादी अनुसंधान और वास्तविक दुनिया के प्रयोगों दोनों के लिए निरंतर वित्तीय सहायता, और खुले डेटा मानकों को स्थापित करने में सरकार और नागरिक समाज समूहों द्वारा प्रगति।'