Social Media Trolling: How A.I. Ay Pagkuha ng Mas mahusay sa Anticipating Shitposts

Ang internet ay isang hellscape na tumatakbo sa pamamagitan ng mga troll at pinangungunahan ng walang saysay na mga argumento ng Facebook o mas masahol pa. At habang ang mga social media giants sa buong web ay sa wakas, begrudgingly, sinimulan lumalabas ang mas mahusay na mga pagsisikap upang subukan upang dissuade derogatory dialogue, ang mga solusyon na ito ay madalas na maging reaktibo, sa ibang salita na darating pagkatapos ng pinsala ay nagawa na.

Hindi dapat sorpresa, kung gayon, ang mga mananaliksik na artificial intelligence ay sabik na bumuo ng mga sistema na maaari nakikita isang online na argumento bago ito mangyari. Ngunit bilang isang pangkat ng mga mananaliksik sa Cornell University kamakailan ipinaliwanag sa Kabaligtaran, ang mapilitang pagbabago na ito ay hindi na malayo sa pagsisikap na sabihin sa hinaharap.

"Sa nakaraan, nagkaroon ng trabaho sa tiktik kung ang isang komento ay nakakalason," sabi ng computer science Ph.D. Jonathan Chang. "Ang aming layunin ay bahagyang naiiba, nais naming malaman kung posible upang mahulaan kung ang isang kasalukuyang pag-uusap sibil ay mawawala sa hinaharap sa hinaharap. Upang matuklasan ang katanungang ito, tinitingnan namin ang mga pag-uusap sa pagitan ng mga editor ng Wikipedia, ang ilan sa mga ito ay nananatiling sibil at iba pa na hindi nakakaabala."

Sinuri ni Chang at ng kanyang mga kasamahan ang daan-daang mga mensahe na ipinadala sa pagitan ng kung minsan ay madaling inis na mga curator ng Wikipedia. Pagkatapos ay gumamit sila ng 1,270 mga pag-uusap na kinuha ng isang nakakasakit na pagliko upang sanayin ang isang makina-aaral modelo sa isang pagtatangka upang i-automate ang ganitong uri ng pagmo-moderate. Ang kanilang mga resulta ay inilathala sa isang papel na iniharap sa taunang pagpupulong ng Association for Computational Linguistics noong Hulyo 15.

Kaya kung paano ang "hayaan ang lahat ng kalmado" bot gawin? Sa kabutihang palad, hindi masyadong malabo. Nagtapos ito ng 65 porsiyento na tumpak, bahagyang mas mababa kaysa sa 72% na antas ng tagumpay ng mga tao. Natagpuan ng mga mananaliksik ang istatistika na ito sa pamamagitan ng paglikha ng isang online na pagsusulit kung saan maaaring subukan ng mga tao ang kanilang mga kasanayan sa pagmo-moderate ng komento. Lumalabas, medyo sumpain na mahirap malaman kung ang mga gumagamit ng social media ay alinman ligaw o manatili sibil.

"Ang ideya ay upang ipakita na ang gawain ay mahirap ngunit hindi imposible - kung ang mga tao ay nakakuha lamang 50 porsiyento katumpakan, halimbawa, ito ay hindi mas mahusay kaysa sa random guessing at walang dahilan upang isipin na maaari naming tren ng isang makina na gawin mas mabuti, "sabi ni Chang. "Ang paghahambing ng aming modelo sa mga tugon ng tao ay nagbigay sa amin ng ilang mga pananaw sa kung paano katulad, o hindi magkatulad, ang aming computational diskarte ay sa tao intuwisyon."

Hindi naniniwala si Chang na mapupuksa nito ang internet ng talk ng basura, ngunit nakikita niya ito bilang isang paraan upang tulungan ang mga moderator ng social media. Sa halip na magbayad ng pansin sa milyun-milyong mga komento na maaaring mai-post sa isang araw, ang kanilang algorithm ay maaaring makilala ang daan-daang mga nasa panganib na maging isang argumento.

Habang ang isa ay maaaring isipin na pagsamsam sa lahat ng mga potensyal na hindi nahuhulaang mga pag-aaway ay magbibigay sa Chang ng labanan ng kalungkutan, sinabi ng siyentipiko na ang karanasan ay talagang nagbigay sa kanya ng pag-asa para sa sangkatauhan.

"Sa mga araw na ito, may napakaraming pesimismo na nakapaligid sa online na mga pag-uusap, ngunit narito ang nakikita natin ay kahit na sa mga kaso kung saan ang isang pag-uusap ay nagsisimula sa isang hindi magiliw na paraan, mayroon pa ring pagkakataon para sa mga kalahok na magkaroon ng pangalawang mga saloobin, baguhin ang kanilang tono, at ilagay ang pag-uusap sa track para sa mas maliwanag na kinalabasan, "sabi niya. "Ang hinaharap ay hindi nakatakda sa bato."

Siguro may pag-asa para sa internet pagkatapos ng lahat.