Kellenek az ütős hírek, mert azok csalogatnak hallgatót, nézőt, olvasót... De minél ütősebb a hír, sokszor annál rázósabb is. Ha csak féligazság, névtelen informátortól származik, közvetetten bizonyítható stb., az sok kellemetlenséget okozhat egy lapnak. Egy ír startup, amelyet nem mellesleg újságírók alapítottak, olyan mesterséges intelligenciát fejlesztett, amely segít a rágalmazások felderítésében. A CaliberAI (érdemes megnézni az URL szövegét is) ötlete onnan jött, hogy Conor Brady, aki 15 évig volt a The Irish Times főszerkesztője, és a korábban szintén újságíróként dolgozó fia, Neil Brady elképedve szembesültek nap mint nap azzal, hogy milyen mennyiségben jelennek meg valótlan állítások a hivatalos sajtóban a Brexit-kampány vagy az amerikai elnökválasztás kapcsán.

Mivel ifjabb Brady (aki a 2010-es évek elején a The Guardiannek dolgozott) elemzőként mesterséges intelligenciával foglalkozott egy EU-s kutatóintézetben, felmerült az ötlet, hogyan lehetne a szerkesztői és a jogászi tapasztalatot egyesíteni egy gépi tanulási rendszerben, hogy az előre kiszűrje a potenciális rágalmazási ügyeket tartalmazó anyagokat, mondatokat. Persze a két Bradynek nem az volt a célja, hogy a lapokat perlőket segítse, hanem hogy megelőzze az ilyen ügyeket, mivel azok komoly terhet rónak a kiadókra.

Nem igaz-hamis döntést hoz, csak figyelmeztet

A CaliberAI persze nem az igazság letéteményese, nem tud dönteni egy állítás igazságáról vagy hamisságáról, írta az eszközről a közelmúltban a Wired. Csupán annyit lehet tőle elvárni, hogy azonosítsa azokat az állításokat, melyek potenciálisan rágalmazhatnak. Azaz a probléma alapvetően nyelvészi és jogászi.

A gépi tanulási modell, melynek megalkotásában Carl Vogel, a dublini Trinity College számítógépes nyelvészet professzora segített, viszonylag egyszerű alapelvek mentén működik. Ha egy kijelentés, akár implicit módon, de egyértelműen beazonosítható vagy konkrétan megnevezett személyre vonatkozik, és valamilyen társadalmi tabu megsértésére utal (itt a skála széles a részegtől a törvénysértésig), akkor van esély arra, hogy az adott kijelentés rágalmazás lehet, tehát ellenőrizni kell az állítást, és annak megfelelően módosítani az adott szövegrészletet.

A munka egyik legizgalmasabb része egyébként a tanító mintakészlet összerakása volt. Ehhez ugyanis konkrétan rágalmazó cikkek kellettek. Ezt azonban valós cikkekből nagyon nehéz összerakni, mert a lapok igyekeznek az ilyen kijelentéseket, cikkeket mihamarabb eltüntetni. Ezért Bradyék és a fejlesztést segítő nyelvészek maguk raktak össze egy ilyen adatkészletet, amivel arra tanították az MI-t, hogy széles skálán (0-tól 100-ig; 0: nem rágalmazó, 100: hívd az ügyvédedet) osztályozza a mondatokat.

A rendszer egyébként úgy működik, mint egy helyesírás-ellenőrző, csak a rágalmazás lehetőségét értékeli. A CaliberAI oldalán van egy demó is, ahol példamondatokkal lehet tesztelni a rendszert (természetesen csak angol nyelven). A rendszer minden esetben hosszas finomhangolást igényel, hogy csökkenjen a fals pozitív és fals negatív értékelések száma. Egy "Úgy vélem, John hazug." kijelentést a rendszer 40 (inkább nem rágalmazó) ponttal, a "Mindenki tudja, hogy John hazug." mondtatot 80 pontra (valószínűleg rágalmazó) értékelt a CaliberAI. De mint a Wired felhívja a figyelmet, a végső döntésnél az számít, hogy a lap mit tud bizonyítani a bíróságon...

Az eszköz Bradyék szerint elsősorban a kisebb szerkesztőségeknek segíthet, ahol sok a külsős szerző, és kevés az erőforrás az anyagok ellenőrzésére. Az MI legalább abban segít, hogy felhívja a figyelmet a potenciálisan kockázatos részekre, melyeket aztán a szerkesztő alaposabban is ellenőrizhet.

De akkor hogy jön ide Vona Gábor? Úgy, hogy a szolgáltatás azoknak is jól jöhet, akik rendszeresen megfordulnak a bíróságokon felperesként ilyen ügyekben, hogy kártérítést követeljenek a becsületükbe gázoló orgánumoktól. (Mi viszont a CaliberAI hiányában csak remélni tudjuk, hogy Vona nem perli a Bitportot.)