维基百科要用人工智能防止恶意篡改词条

简介:

维基传媒基金会正在对软件进行训练,使之可以区分无心错误和恶意篡改之间的差异,从而降低人们编辑维基百科时所遭受的心理伤害。

该项目的一大动机在于,英语版维基百科的活跃贡献者数量出现了大幅下滑:过去8年间,这一数字萎缩了40%,目前仅为3万人。研究表明,该问题源自维基百科复杂的官僚体系,以及他们对新人所犯错误的苛刻态度——由于半自动工具的存在,使得删除新的改动变得非常容易。

维基传媒基金会高级研究员阿隆·哈尔法克(Aaron Halfaker)帮助该组织发现了这一问题,他目前还在领导一个算法开发项目,以应对这一问题。这套名为“客观修正评估服务”(ORES)的系统可以通过训练对维基百科上新增的改动进行评估,并判断某项改动究竟是善意还是恶意。

维基百科的编辑有很多工具可以查看最近的修改,并且只需要点击一下即可驳回这些修改。这些工具的初衷是希望在维基百科广受欢迎后,能够更好地控制内容质量。但却引发了很多意想不到得后果。例如,新编辑发现自己贡献的第一条内容被删除了,但却得不到任何解释。哈尔法克之所以发明ORES,就是希望能够改进这些工具。

ORES可以引导人们去评估最具破坏性的修改。该软件还可以帮助编辑用更加得体的方式对待一些无心的错误。“我认为,维基百科的员工之所以在控制质量时采取偏激的措施,是因为他们下判断的速度太快,而且没有通过人性化方式展开互动。”哈尔法克说,“这款工具可能会提醒编辑,‘如果你要驳回这项修改,或许应该谨慎一些,并向进行修改的人发送一条消息。’”

ORES正在英语、葡萄牙语、土耳其语和波斯语等多个版本中进行测试。想要判断内容的质量,并区分破坏性编辑和无心的错误,就必须从维基百科编辑之前使用的工具中收集数据。负责维护编辑工具的维基百科员工已经开始测试该系统。




原文出处:科技行者
转载请与作者联系,同时请务必标明文章原始出处和原文链接及本声明。
目录
相关文章
|
1月前
|
机器学习/深度学习 人工智能 搜索推荐
探索人工智能在现代医疗中的革新应用
本文深入探讨了人工智能(AI)技术在医疗领域的最新进展,重点分析了AI如何通过提高诊断准确性、个性化治疗方案的制定以及优化患者管理流程来革新现代医疗。文章还讨论了AI技术面临的挑战和未来发展趋势,为读者提供了一个全面了解AI在医疗领域应用的视角。
73 11
|
30天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在医疗诊断中的应用与前景####
本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战及未来发展趋势。通过分析AI如何辅助医生进行疾病诊断,提高诊断效率和准确性,以及其在个性化医疗中的潜力,文章揭示了AI技术对医疗行业变革的推动作用。同时,也指出了数据隐私、算法偏见等伦理问题,并展望了AI与人类医生协同工作的前景。 ####
82 0
|
1天前
|
机器学习/深度学习 人工智能 运维
人工智能在事件管理中的应用
人工智能在事件管理中的应用
41 20
|
5天前
|
机器学习/深度学习 数据采集 人工智能
人工智能在农业中的应用:智慧农业的未来
人工智能在农业中的应用:智慧农业的未来
30 11
|
25天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
20天前
|
数据采集 人工智能 移动开发
盘点人工智能在医疗诊断领域的应用
人工智能在医疗诊断领域的应用广泛,包括医学影像诊断、疾病预测与风险评估、病理诊断、药物研发、医疗机器人、远程医疗诊断和智能辅助诊断系统等。这些应用提高了诊断的准确性和效率,改善了患者的治疗效果和生活质量。然而,数据质量和安全性、AI系统的透明度等问题仍需关注和解决。
171 10
|
27天前
|
机器学习/深度学习 人工智能 算法
探索人工智能在医疗诊断中的应用
本文深入探讨了人工智能(AI)技术在医疗诊断领域的革新性应用,通过分析AI如何助力提高诊断准确性、效率以及个性化治疗方案的制定,揭示了AI技术为现代医学带来的巨大潜力和挑战。文章还展望了AI在未来医疗中的发展趋势,强调了跨学科合作的重要性。 ###
86 9
|
30天前
|
机器学习/深度学习 数据采集 人工智能
深度探索:人工智能在医疗影像诊断中的应用与挑战####
本文旨在深入剖析人工智能(AI)技术在医疗影像诊断领域的最新进展、核心优势、面临的挑战及未来发展趋势。通过综合分析当前AI算法在提高诊断准确性、效率及可解释性方面的贡献,结合具体案例,揭示其在临床实践中的实际价值与潜在局限。文章还展望了AI如何与其他先进技术融合,以推动医疗影像学迈向更高层次的智能化时代。 ####
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
探索未来编程:Python在人工智能领域的深度应用与前景###
本文将深入探讨Python语言在人工智能(AI)领域的广泛应用,从基础原理到前沿实践,揭示其如何成为推动AI技术创新的关键力量。通过分析Python的简洁性、灵活性以及丰富的库支持,展现其在机器学习、深度学习、自然语言处理等子领域的卓越贡献,并展望Python在未来AI发展中的核心地位与潜在变革。 ###
|
1月前
|
机器学习/深度学习 数据采集 人工智能
探索人工智能在医疗诊断中的应用与挑战
随着人工智能技术的飞速发展,其在医疗领域的应用日益广泛,尤其是在疾病诊断方面展现出巨大的潜力。本文将深入探讨AI技术在医疗诊断中的应用现状、面临的挑战以及未来的发展趋势,旨在为相关领域的研究者和从业者提供参考和启示。
55 2