Funkční vzorek algoritmů posilující fakticitu a správnost informací žurnalistických obsahů

Kód výsledku v IS VaVaI

RIV/00216208:11230/23:10478876 - isvavai.cz

Nalezeny alternativní kódy

RIV/68407700:21230/23:00372838

Výsledek na webu

http://www.irozhlas.cz

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Funkční vzorek algoritmů posilující fakticitu a správnost informací žurnalistických obsahů

Popis výsledku v původním jazyce

Funkční vzorek je realizován jako tzv. pipeline pro automatizované ověřování faktů (automated fact-checking), jednovětných textových tvrzení, přičemž výstup pipeline je dvojí: 1) množina dokumentů korpusu, které tvrzení potvrzují, případně vyvracejí (důkazní dokumenty, tzv. evidence), 2) klasifikace důkazů - pracujeme se třemi třídami: potvrzeno (SUPPORTS), vyvráceno (REFUTES) a nedostatek informací (Not Enough Info - NEI).Pipeline je modulární architektura, která implementuje kompletní převod vstupu na výstup. V našem případě je vstupem tvrzení (claim), jehož platnost má být ověřena. Náš systém ověřuje tvrzení vzhledem k textové databázi (tzv. korpusu). Texty korpusu by měly být v ideálním případě důvěryhodné - v tomto projektu jsme pracovali primárně s archivy Českého rozhlasu a České tiskové kanceláře (v návaznosti na předchozí projekt TL02000288: "Proměna etických aspektů s nástupem žurnalistiky umělé inteligence"), které splňují vysoká měřítka důvěryhodnosti (viz např. Kodex ČTK, dostupný z https://www.ctk.cz/o_ctk/rada_ctk/eticky-kodex/).

Název v anglickém jazyce

Functional sample of algorithms enhancing the factuality and accuracy of journalistic content

Popis výsledku anglicky

We implemented the functional sample as a pipeline for automated fact-checking of single-sentence textual assertions, where the output of the pipeline is twofold: 1) a set of corpus documents that confirm or refute the assertion (evidence documents), 2) classification of evidence - we work with three classes: confirmed (SUPPORTS), refuted (REFUTES) and not enough information (NEI).Pipeline is a modular architecture that implements the complete conversion of input to output. In our case, the input is a claim whose validity is to be verified. Our system validates the claim against a textual database (called corpus). The corpus texts should ideally be trustworthy - in this project we worked primarily with the archives of the Czech Radio and the Czech News Agency (following the previous project TL02000288: "Transforming ethical aspects with the advent of AI journalism"), which meet high trustworthiness standards (see e.g. the CTK Code: https://www.ctk.cz/o_ctk/rada_ctk/eticky-kodex/).

Druh

G_funk - Funkční vzorek

CEP obor

—

OECD FORD obor

50802 - Media and socio-cultural communication

Projekt

TL05000057: Signál a šum v éře Žurnalistiky 5.0 - komparativní perspektiva novinářských žánrů automatizovaných obsahů

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2023

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Interní identifikační kód produktu

TL05000057-V5

Číselná identifikace

ID smlouvy v registru smluv: 25651103

Technické parametry

Evidence retrieval je postaven na moderní vyhledávací metodě ColBERTv2, jež se v porovnání se svou předchozí verzí, která byla používána v minulých verzích pipeline, zlepšila v relevanci vyhledávaných dokumentů, ale i tím, že má výrazně nižší paměťové nároky (až desetkrát menší), což jí činí výrazně praktickou i nad rozsáhlými korpusy typu ČTK (více než 11 milionů odstavců). Evidence veracity modul je postaven na multilinguálním modelu XLM- RoBERTa large. Pro uživatelské použití byla doimplementována webová aplikace FactSearch. Aplikace FactSearch byla otestována v rámci ČRo a následně zapracována zpětná vazba uživatelů/uživatelek. Díky testování se podařilo zjistit tzv. přeučení evidence search modulu na specifický tvar tvrzení, tato chyba byla díky tomu následně opravena.

Ekonomické parametry

Licenci je možno udělit jako bezúplatnou pro nekomerční účely. V případě udělení licence pro komerční využití, byl stanoven odhad ceny poskytnuté licence jako licence za časově omezený přístup, a to za poplatek 4 000,- Kč na měsíc, nebo 40 000,- Kč za rok. Cena vychází z nákladů na realizaci, plus přiměřená marže a návratnost.

Kategorie aplik. výsledku dle nákladů

—

IČO vlastníka výsledku

00216208

Název vlastníka

Univerzita Karlova

Stát vlastníka

CZ - Česká republika

Druh možnosti využití

P - Využití výsledku jiným subjektem je v některých případech možné bez nabytí licence

Požadavek na licenční poplatek

Z - Poskytovatel licence na výsledek nepožaduje v některých případech licenční poplatek

Adresa www stránky s výsledkem

http://www.irozhlas.cz