Nat. Mach. Intell.速递：AI 提高维基百科的可验证性

关键词：人工智能，语言模型，引文网络

论文题目：Improving Wikipedia verifiability with AI

期刊名称：Nature Machine Intelligence

斑图地址：https://pattern.swarma.org/paper/72b473fa-6ed4-11ee-8337-0242ac17000d

论文地址：https://www.nature.com/articles/s42256-023-00726-1

维基百科的核心内容政策是可验证性：观点需要得到引用的支持。维护和提高维基百科参考文献的质量是一个重要挑战，需要更好的工具来帮助人类进行这项工作。这项研究展示了利用人工智能（AI）和信息检索系统以及语言模型，可以改进引文过程。

研究中将这个基于神经网络的系统称为SIDE，它可以识别不太可能支持其声明的维基百科引用，并随后从网络中推荐更好的引用。作者们在现有的维基百科参考文献上训练该模型，也就是从数千个维基百科编辑的贡献和集体智慧中学习。

通过众包，研究者观察到，对于最有可能被系统标记为不可验证的前10%引用，人们70%的时间更喜欢该系统推荐的替代方案而不是原先引用的参考文献。为了验证该系统的适用性，研究者建立了一个演示版本，与英语维基百科社区互动，并发现对于同样前10%最有可能不可验证的声明，SIDE的第一个引用推荐的受欢迎度是现有维基百科引用的两倍。这些结果表明，可以使用基于AI的系统与人类协同工作，以提高维基百科的可验证性。

图1. 基于AI的维基百科验证系统架构

图2. 维基百科使用者的偏好数据

编译｜梁金

计算社会科学读书会第二季

详情请见：

数据与计算前沿方法整合：计算社会科学读书会第二季启动

推荐阅读

‍1. 维基百科星星之火，照亮科研征途之路2. 数学探索的未来：从AI引导人类直觉到数学大语言模型3. 如何跳出推荐算法的“信息茧房”？Nature子刊阐释人与AI自适应动力学推动信息茧房涌现4. 张江：第三代人工智能技术基础——从可微分编程到因果推理 | 集智学园全新课程5. 成为集智VIP，解锁全站课程／读书会6. 加入集智，一起复杂！

点击“阅读原文”，报名读书会