Tin tức giả, được định nghĩa là tin tức truyền tải hoặc kết hợp thông tin sai lệch, bịa đặt hoặc cố tình gây hiểu lầm, đã xuất hiện ngay từ khi báo in xuất hiện. Sự lan truyền nhanh chóng của tin tức giả và thông tin sai lệch trên mạng không chỉ lừa dối công chúng mà còn có thể tác động sâu sắc đến xã hội, chính trị, kinh tế và văn hóa. Những ví dụ bao gồm:
- Nuôi dưỡng sự mất niềm tin vào giới truyền thông
- Phá hoại tiến trình dân chủ
- Truyền bá khoa học sai lệch hoặc làm mất uy tín (ví dụ: phong trào chống vax)
Những tiến bộ trong trí tuệ nhân tạo (AI) và máy học (ML) đã giúp việc phát triển các công cụ tạo và chia sẻ tin tức giả trở nên dễ dàng hơn. Các ví dụ ban đầu bao gồm các bot xã hội tiên tiến và các tài khoản tự động giúp thúc đẩy giai đoạn ban đầu của việc truyền bá tin tức giả mạo. Nhìn chung, việc công chúng xác định xem những tài khoản đó là người hay bot là điều không hề đơn giản. Ngoài ra, bot xã hội không phải là công cụ bất hợp pháp và nhiều công ty mua chúng một cách hợp pháp như một phần trong chiến lược tiếp thị của họ. Vì vậy, không dễ để hạn chế việc sử dụng bot xã hội một cách có hệ thống.
Những khám phá gần đây trong lĩnh vực AI tạo sinh giúp có thể tạo ra nội dung văn bản với tốc độ chưa từng có với sự trợ giúp của các mô hình ngôn ngữ lớn (LLM). LLM là mô hình văn bản AI tổng quát với hơn 1 tỷ tham số và chúng được hỗ trợ trong việc tổng hợp văn bản chất lượng cao.
Trong bài đăng này, chúng tôi khám phá cách bạn có thể sử dụng LLM để giải quyết vấn đề phổ biến là phát hiện tin tức giả. Chúng tôi đề xuất rằng LLM đủ tiên tiến cho nhiệm vụ này, đặc biệt nếu các kỹ thuật nhắc nhở được cải thiện như Chuỗi suy nghĩ và Phản ứng được sử dụng kết hợp với các công cụ để tìm kiếm thông tin.
Chúng tôi minh họa điều này bằng cách tạo ra một LangChain ứng dụng đưa ra một mẩu tin tức sẽ thông báo cho người dùng biết bài viết đó là đúng hay sai bằng ngôn ngữ tự nhiên. Giải pháp này cũng sử dụng nền tảng Amazon, một dịch vụ được quản lý toàn phần giúp các mô hình nền tảng (FM) từ Amazon và các nhà cung cấp mô hình bên thứ ba có thể truy cập được thông qua Bảng điều khiển quản lý AWS và các API.
LLM và tin giả
Hiện tượng tin giả bắt đầu phát triển nhanh chóng với sự ra đời của internet và cụ thể hơn là mạng xã hội (Nielsen và cộng sự, 2017). Trên mạng xã hội, tin giả có thể được chia sẻ nhanh chóng trên mạng của người dùng, khiến công chúng hình thành quan điểm tập thể sai lầm. Ngoài ra, mọi người thường truyền bá tin tức giả một cách bốc đồng, bỏ qua tính xác thực của nội dung nếu tin tức đó phù hợp với chuẩn mực cá nhân của họ (Tsipursky và cộng sự. 2018). Nghiên cứu về khoa học xã hội đã gợi ý rằng thành kiến nhận thức (thành kiến xác nhận, hiệu ứng đám đông và thành kiến ủng hộ lựa chọn) là một trong những yếu tố then chốt nhất trong việc đưa ra những quyết định phi lý về cả việc tạo ra và tiêu thụ tin tức giả (Kim, và cộng sự, 2021). Điều này cũng ngụ ý rằng người tiêu dùng tin tức chỉ chia sẻ và tiêu thụ thông tin theo hướng củng cố niềm tin của họ.
Sức mạnh của AI trong việc tạo ra nội dung văn bản và phong phú với tốc độ chưa từng có đã làm trầm trọng thêm vấn đề tin tức giả mạo. Một ví dụ đáng nói là công nghệ deepfake—kết hợp nhiều hình ảnh khác nhau trên một video gốc và tạo ra một video khác. Bên cạnh mục đích đưa thông tin sai lệch mà các tác nhân con người mang đến, LLM còn bổ sung thêm một loạt thách thức mới:
- Lỗi thực tế – LLM có nguy cơ mắc lỗi thực tế cao hơn do tính chất đào tạo và khả năng sáng tạo của họ trong khi tạo ra các từ tiếp theo trong câu. Đào tạo LLM dựa trên việc liên tục trình bày một mô hình với đầu vào chưa đầy đủ, sau đó sử dụng các kỹ thuật đào tạo ML cho đến khi lấp đầy các khoảng trống một cách chính xác, từ đó học cấu trúc ngôn ngữ và mô hình thế giới dựa trên ngôn ngữ. Do đó, mặc dù LLM là những công cụ so khớp và kết hợp lại các mẫu tuyệt vời (“những con vẹt ngẫu nhiên”), nhưng chúng lại thất bại ở một số nhiệm vụ đơn giản đòi hỏi lý luận logic hoặc suy luận toán học và có thể tạo ra các câu trả lời ảo giác. Ngoài ra, nhiệt độ là một trong những tham số đầu vào LLM điều khiển hành vi của mô hình khi tạo từ tiếp theo trong câu. Bằng cách chọn nhiệt độ cao hơn, mô hình sẽ sử dụng từ có xác suất thấp hơn, mang lại phản hồi ngẫu nhiên hơn.
- Dài dòng – Văn bản được tạo có xu hướng dài và thiếu chi tiết được xác định rõ ràng cho từng sự kiện.
- Thiếu kiểm tra thực tế – Không có sẵn công cụ tiêu chuẩn hóa nào để kiểm tra thông tin trong quá trình tạo văn bản.
Nhìn chung, sự kết hợp giữa tâm lý con người và những hạn chế của hệ thống AI đã tạo ra cơn bão hoàn hảo cho sự gia tăng nhanh chóng của tin giả và thông tin sai lệch trên mạng.
Tổng quan về giải pháp
LLM đang thể hiện khả năng vượt trội trong việc tạo, hiểu và học ngôn ngữ trong thời gian ngắn. Họ được đào tạo trên một kho văn bản khổng lồ từ internet, nơi chất lượng và độ chính xác của ngôn ngữ tự nhiên được trích xuất có thể không được đảm bảo.
Trong bài đăng này, chúng tôi cung cấp giải pháp để phát hiện tin tức giả dựa trên cả hai phương pháp tiếp cận nhanh chóng Chuỗi suy nghĩ và Hành động lại (Lý luận và Hành động). Đầu tiên, chúng tôi thảo luận về hai kỹ thuật kỹ thuật nhanh chóng đó, sau đó chúng tôi trình bày cách triển khai chúng bằng LangChain và Amazon Bedrock.
Sơ đồ kiến trúc sau đây phác thảo giải pháp cho trình phát hiện tin tức giả mạo của chúng tôi.
Chúng tôi sử dụng một tập hợp con của Tập dữ liệu SỐT chứa một tuyên bố và sự thật cơ bản về tuyên bố chỉ ra các tuyên bố sai, đúng hoặc không thể xác minh được (Thorne J. và cộng sự, 2018).
Quy trình làm việc có thể được chia thành các bước sau:
- Người dùng chọn một trong các câu lệnh để kiểm tra xem giả hay đúng.
- Tuyên bố và nhiệm vụ phát hiện tin giả được tích hợp vào lời nhắc.
- Lời nhắc được chuyển đến LangChain để gọi FM trong Amazon Bedrock.
- Amazon Bedrock trả về phản hồi cho yêu cầu của người dùng kèm theo câu lệnh Đúng hoặc Sai.
Trong bài đăng này, chúng tôi sử dụng mô hình Claude v2 từ Anthrophic (anthropic.claude-v2). Claude là một LLM tổng quát dựa trên nghiên cứu của Anthropic trong việc tạo ra các hệ thống AI đáng tin cậy, có thể giải thích và có thể điều khiển được. Được tạo ra bằng cách sử dụng các kỹ thuật như AI theo hiến pháp và đào tạo về tính vô hại, Claude vượt trội trong khả năng đối thoại chu đáo, sáng tạo nội dung, lý luận phức tạp, tính sáng tạo và mã hóa. Tuy nhiên, bằng cách sử dụng Amazon Bedrock và kiến trúc giải pháp của chúng tôi, chúng tôi cũng có thể linh hoạt lựa chọn trong số các FM khác do đàn bà gan dạ, AI21labs, Mạch lạcvà Ổn định.ai.
Bạn có thể tìm thấy chi tiết triển khai trong các phần sau. Mã nguồn có sẵn trong kho lưu trữ GitHub.
Điều kiện tiên quyết
Đối với hướng dẫn này, bạn cần có một thiết bị đầu cuối bash được cài đặt Python 3.9 trở lên trên Linux, Mac hoặc Hệ thống con Windows cho Linux và tài khoản AWS.
Chúng tôi cũng khuyên bạn nên sử dụng một trong hai Xưởng sản xuất Amazon SageMaker sổ tay, một Đám mây AWS9 ví dụ, hoặc một Đám mây điện toán đàn hồi Amazon (Amazon EC2) ví dụ.
Triển khai tính năng phát hiện tin giả bằng API Amazon Bedrock
Giải pháp này sử dụng API Amazon Bedrock, có thể được truy cập bằng cách sử dụng Giao diện dòng lệnh AWS (AWS CLI), AWS SDK cho Python (Boto3)hoặc một Amazon SageMaker sổ tay. Tham khảo đến Hướng dẫn sử dụng Amazon Bedrock để biết thêm thông tin. Đối với bài đăng này, chúng tôi sử dụng API Amazon Bedrock thông qua AWS SDK cho Python.
Thiết lập môi trường API Amazon Bedrock
Để thiết lập môi trường API Amazon Bedrock của bạn, hãy hoàn thành các bước sau:
- Tải xuống Boto3 mới nhất hoặc nâng cấp nó:
- Đảm bảo bạn định cấu hình thông tin xác thực AWS bằng cách sử dụng
aws configure
ra lệnh hoặc chuyển chúng tới máy khách Boto3. - Cài đặt phiên bản mới nhất của LangChain:
Bây giờ bạn có thể kiểm tra thiết lập của mình bằng tập lệnh shell Python sau. Tập lệnh khởi tạo ứng dụng khách Amazon Bedrock bằng Boto3. Tiếp theo, chúng tôi gọi list_foundation_models
API để lấy danh sách các mô hình nền tảng có sẵn để sử dụng.
Sau khi chạy thành công lệnh trước, bạn sẽ nhận được danh sách FM từ Amazon Bedrock.
LangChain như một giải pháp xâu chuỗi nhanh chóng
Để phát hiện tin giả cho một câu nhất định, chúng tôi tuân theo quy trình suy luận Chuỗi tư duy không bắn (Wei J. và cộng sự, 2022), gồm các bước sau:
- Ban đầu, mô hình cố gắng tạo một tuyên bố về tin tức được nhắc nhở.
- Mô hình tạo ra một danh sách các xác nhận có dấu đầu dòng.
- Đối với mỗi xác nhận, mô hình sẽ xác định xem xác nhận đó là đúng hay sai. Lưu ý rằng bằng cách sử dụng phương pháp này, mô hình chỉ dựa vào kiến thức nội bộ của nó (các trọng số được tính toán trong giai đoạn trước đào tạo) để đưa ra phán quyết. Thông tin không được xác minh dựa trên bất kỳ dữ liệu bên ngoài nào tại thời điểm này.
- Dựa trên các dữ kiện thực tế, mô hình sẽ trả lời TRUE hoặc FALSE cho câu lệnh đã cho trong lời nhắc.
Để đạt được các bước này, chúng tôi sử dụng LangChain, một khuôn khổ để phát triển các ứng dụng được hỗ trợ bởi các mô hình ngôn ngữ. Khung này cho phép chúng tôi tăng cường FM bằng cách kết hợp các thành phần khác nhau lại với nhau để tạo ra các trường hợp sử dụng nâng cao. Trong giải pháp này, chúng tôi sử dụng tích hợp Đơn giảnTuần tựChuỗi trong LangChain để tạo một chuỗi tuần tự đơn giản. Điều này rất hữu ích vì chúng ta có thể lấy đầu ra từ một chuỗi và sử dụng nó làm đầu vào cho chuỗi khác.
Amazon Bedrock được tích hợp với LangChain nên bạn chỉ cần khởi tạo nó bằng cách chuyển model_id
khi khởi tạo đối tượng Amazon Bedrock. Nếu cần, các tham số suy luận mô hình có thể được cung cấp thông qua model_kwargs
luận cứ, chẳng hạn như:
- maxTokenCount – Số lượng mã thông báo tối đa trong phản hồi được tạo
- trình tự dừng – Trình tự dừng được mô hình sử dụng
- nhiệt độ – Giá trị nằm trong khoảng từ 0–1, với 0 là mang tính quyết định nhất và 1 là sáng tạo nhất
- hàng đầu – Giá trị nằm trong khoảng từ 0–1 và được sử dụng để kiểm soát các lựa chọn của mã thông báo dựa trên xác suất của các lựa chọn tiềm năng
Nếu đây là lần đầu tiên bạn sử dụng mô hình nền tảng của Amazon Bedrock, hãy đảm bảo bạn yêu cầu quyền truy cập vào mô hình bằng cách chọn từ danh sách các mô hình trên Truy cập mô hình trên bảng điều khiển Amazon Bedrock, trong trường hợp của chúng tôi là claude-v2 từ Anthropic.
Hàm sau xác định chuỗi nhắc nhở Chuỗi suy nghĩ mà chúng tôi đã đề cập trước đó để phát hiện tin tức giả. Hàm lấy đối tượng Amazon Bedrock (llm) và lời nhắc người dùng (q) làm đối số. LangChain's Mẫu nhắc nhở chức năng được sử dụng ở đây để xác định trước công thức tạo lời nhắc.
Đoạn mã sau gọi hàm mà chúng ta đã xác định trước đó và đưa ra câu trả lời. Tuyên bố là TRUE
or FALSE
. TRUE
có nghĩa là tuyên bố được cung cấp có chứa các sự kiện chính xác và FALSE
có nghĩa là tuyên bố chứa ít nhất một sự thật không chính xác.
Một ví dụ về câu lệnh và phản hồi mô hình được cung cấp ở đầu ra sau:
ReAct và các công cụ
Trong ví dụ trước, mô hình đã xác định chính xác rằng câu lệnh là sai. Tuy nhiên, việc gửi lại truy vấn cho thấy mô hình không có khả năng phân biệt tính chính xác của các sự kiện. Mô hình không có công cụ để xác minh tính trung thực của các câu lệnh ngoài bộ nhớ huấn luyện của chính nó, vì vậy, các lần chạy tiếp theo của cùng một lời nhắc có thể khiến mô hình gắn nhãn sai cho các câu lệnh giả là đúng. Trong đoạn mã sau, bạn có một ví dụ khác chạy cùng một ví dụ:
Một kỹ thuật để đảm bảo tính trung thực là ReAct. Phản ứng (Yao S. và cộng sự, 2023) là một kỹ thuật nhanh chóng giúp tăng cường mô hình nền tảng bằng không gian hành động của tác nhân. Trong bài đăng này, cũng như trong bài viết ReAct, không gian hành động triển khai truy xuất thông tin bằng cách sử dụng các hành động tìm kiếm, tra cứu và hoàn tất từ API web Wikipedia đơn giản.
Lý do đằng sau việc sử dụng ReAct so với Chain-of-Thought là để sử dụng truy xuất kiến thức bên ngoài để tăng cường mô hình nền tảng nhằm phát hiện xem một tin tức nhất định là giả hay đúng.
Trong bài đăng này, chúng tôi sử dụng cách triển khai ReAct của LangChain thông qua tác nhân ZERO_SHOT_REACT_DESCRIPTION. Chúng tôi sửa đổi hàm trước đó để triển khai ReAct và sử dụng Wikipedia bằng cách sử dụng hàm Load_tools từ langchain.agent.
Chúng tôi cũng cần cài đặt gói Wikipedia:
!pip install Wikipedia
Dưới đây là mã mới:
Sau đây là đầu ra của hàm trước với cùng một câu lệnh được sử dụng trước đó:
Làm sạch
Để tiết kiệm chi phí, hãy xóa tất cả tài nguyên bạn đã triển khai như một phần của hướng dẫn. Nếu đã khởi chạy AWS Cloud9 hoặc phiên bản EC2, bạn có thể xóa phiên bản đó thông qua bảng điều khiển hoặc sử dụng AWS CLI. Tương tự, bạn có thể xóa sổ ghi chép SageMaker mà bạn có thể đã tạo thông qua bảng điều khiển SageMaker.
Hạn chế và công việc liên quan
Lĩnh vực phát hiện tin giả đang được cộng đồng khoa học tích cực nghiên cứu. Trong bài đăng này, chúng tôi đã sử dụng các kỹ thuật Chuỗi suy nghĩ và Phản ứng và khi đánh giá các kỹ thuật này, chúng tôi chỉ tập trung vào tính chính xác của việc phân loại kỹ thuật nhanh chóng (nếu một tuyên bố nhất định là đúng hoặc sai). Do đó, chúng tôi chưa xem xét các khía cạnh quan trọng khác như tốc độ phản hồi cũng như mở rộng giải pháp sang các nguồn cơ sở kiến thức bổ sung ngoài Wikipedia.
Mặc dù bài đăng này tập trung vào hai kỹ thuật, Chuỗi suy nghĩ và Phản ứng, nhưng một nhóm nghiên cứu sâu rộng đã khám phá cách LLM có thể phát hiện, loại bỏ hoặc giảm thiểu tin tức giả mạo. Lee và cộng sự. đã đề xuất sử dụng mô hình mã hóa-giải mã bằng cách sử dụng NER (nhận dạng thực thể được đặt tên) để che dấu các thực thể được đặt tên nhằm đảm bảo rằng mã thông báo được che dấu thực sự sử dụng kiến thức được mã hóa trong mô hình ngôn ngữ. Chern và cộng sự. đã phát triển FacTool, sử dụng các nguyên tắc Chuỗi suy nghĩ để trích xuất các tuyên bố từ lời nhắc và từ đó thu thập bằng chứng liên quan về các tuyên bố đó. LLM sau đó đánh giá tính xác thực của tuyên bố dựa trên danh sách bằng chứng được thu thập. Du E. và cộng sự. trình bày một cách tiếp cận bổ sung trong đó nhiều LLM đề xuất và tranh luận về các phản hồi và quy trình lý luận riêng lẻ của họ qua nhiều vòng để đi đến câu trả lời chung cuối cùng.
Dựa trên tài liệu, chúng tôi thấy rằng hiệu quả của LLM trong việc phát hiện tin tức giả tăng lên khi LLM được tăng cường kiến thức bên ngoài và khả năng trò chuyện đa tác nhân. Tuy nhiên, các cách tiếp cận này phức tạp hơn về mặt tính toán vì chúng yêu cầu nhiều lệnh gọi và tương tác mô hình, lời nhắc dài hơn và lệnh gọi lớp mạng dài hơn. Cuối cùng, sự phức tạp này dẫn đến tổng chi phí tăng lên. Chúng tôi khuyên bạn nên đánh giá tỷ lệ chi phí trên hiệu suất trước khi triển khai các giải pháp tương tự trong sản xuất.
Kết luận
Trong bài đăng này, chúng tôi đã đi sâu vào cách sử dụng LLM để giải quyết vấn đề phổ biến về tin tức giả, đây là một trong những thách thức lớn của xã hội chúng ta ngày nay. Chúng tôi bắt đầu bằng việc phác thảo những thách thức do tin tức giả mạo gây ra, nhấn mạnh vào khả năng ảnh hưởng đến tâm lý công chúng và gây ra sự gián đoạn xã hội.
Sau đó, chúng tôi đã giới thiệu khái niệm LLM như các mô hình AI tiên tiến được đào tạo trên một lượng dữ liệu đáng kể. Nhờ được đào tạo chuyên sâu, những người mẫu này tự hào có khả năng hiểu biết ngôn ngữ ấn tượng, cho phép họ tạo ra văn bản giống con người. Với khả năng này, chúng tôi đã chứng minh cách khai thác LLM trong cuộc chiến chống lại tin giả bằng cách sử dụng hai kỹ thuật nhắc nhở khác nhau, Chuỗi suy nghĩ và Phản ứng.
Chúng tôi đã nhấn mạnh cách LLM có thể tạo điều kiện thuận lợi cho các dịch vụ xác minh thông tin trên quy mô chưa từng có nhờ khả năng xử lý và phân tích lượng lớn văn bản một cách nhanh chóng. Khả năng phân tích thời gian thực này có thể giúp phát hiện sớm và ngăn chặn tin tức giả. Chúng tôi đã minh họa điều này bằng cách tạo một tập lệnh Python, đưa ra một tuyên bố, làm nổi bật cho người dùng xem bài viết là đúng hay sai bằng ngôn ngữ tự nhiên.
Chúng tôi kết luận bằng cách nhấn mạnh những hạn chế của phương pháp hiện tại và kết thúc bằng một lưu ý đầy hy vọng, nhấn mạnh rằng, với các biện pháp bảo vệ chính xác và cải tiến liên tục, LLM có thể trở thành công cụ không thể thiếu trong cuộc chiến chống lại tin tức giả mạo.
Chúng tôi rất muốn nghe ý kiến từ bạn. Hãy cho chúng tôi biết suy nghĩ của bạn trong phần bình luận hoặc sử dụng diễn đàn vấn đề trong kho lưu trữ GitHub.
Tuyên bố miễn trừ trách nhiệm: Mã được cung cấp trong bài đăng này chỉ nhằm mục đích giáo dục và thử nghiệm. Không nên dựa vào đó để phát hiện tin giả hoặc thông tin sai lệch trong hệ thống sản xuất trong thế giới thực. Không có đảm bảo nào được đưa ra về tính chính xác hoặc tính đầy đủ của việc phát hiện tin tức giả bằng mã này. Người dùng nên thận trọng và thực hiện thẩm định trước khi sử dụng các kỹ thuật này trong các ứng dụng nhạy cảm.
Để bắt đầu với Amazon Bedrock, hãy truy cập Bảng điều khiển Amazon Bedrock.
Giới thiệu về tác giả
Anamaria Todo là Kiến trúc sư giải pháp chính có trụ sở tại Copenhagen, Đan Mạch. Cô nhìn thấy chiếc máy tính đầu tiên của mình khi mới 4 tuổi và không bao giờ từ bỏ khoa học máy tính, trò chơi điện tử và kỹ thuật kể từ đó. Cô đã làm việc ở nhiều vai trò kỹ thuật khác nhau, từ người làm việc tự do, nhà phát triển toàn diện, đến kỹ sư dữ liệu, trưởng nhóm kỹ thuật và CTO tại nhiều công ty khác nhau ở Đan Mạch, tập trung vào ngành trò chơi và quảng cáo. Cô đã làm việc tại AWS hơn 3 năm, giữ chức vụ Kiến trúc sư giải pháp chính, tập trung chủ yếu vào khoa học đời sống và AI/ML. Anamaria có bằng cử nhân về Kỹ thuật ứng dụng và Khoa học máy tính, bằng thạc sĩ về Khoa học máy tính và hơn 10 năm kinh nghiệm AWS. Khi không làm việc hoặc chơi trò chơi điện tử, cô ấy đang huấn luyện các cô gái và chuyên gia nữ cách hiểu và tìm ra con đường của họ thông qua công nghệ.
Marcel Castro là Kiến trúc sư giải pháp cấp cao có trụ sở tại Oslo, Na Uy. Trong vai trò của mình, Marcel giúp khách hàng về kiến trúc, thiết kế và phát triển cơ sở hạ tầng được tối ưu hóa cho đám mây. Anh là thành viên của nhóm Đại sứ AI thế hệ AWS với mục tiêu thúc đẩy và hỗ trợ khách hàng EMEA trên hành trình AI sáng tạo của họ. Ông có bằng Tiến sĩ Khoa học Máy tính của Thụy Điển và bằng thạc sĩ và cử nhân về Kỹ thuật Điện và Viễn thông của Brazil.
- Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
- PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
- PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
- Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
- PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
- nguồn: https://aws.amazon.com/blogs/machine-learning/harness-large-language-models-in-fake-news-detection/
- : có
- :là
- :không phải
- :Ở đâu
- $ 100 triệu
- $ LÊN
- 1
- 10
- 100
- 12
- 13
- 14
- 20
- 2022
- 21st
- 26%
- 27
- 32
- 36
- 7
- 9
- a
- có khả năng
- Giới thiệu
- ở trên
- AC
- học tập
- nghiên cứu học thuật
- Học viện
- truy cập
- truy cập
- có thể truy cập
- Tài khoản
- Trợ Lý Giám Đốc
- chính xác
- Đạt được
- thành tựu
- ngang qua
- diễn xuất
- Hoạt động
- hành động
- tích cực
- diễn viên
- thực sự
- thêm vào
- Ngoài ra
- thêm vào
- tiên tiến
- sự xuất hiện
- Quảng cáo
- một lần nữa
- chống lại
- Đại lý
- đại lý
- AI
- Mô hình AI
- Hệ thống AI
- AI / ML
- AL
- Tất cả
- cho phép
- cô đơn
- Ngoài ra
- Mặc dù
- đàn bà gan dạ
- Amazon EC2
- Amazon Web Services
- Đại sứ
- American
- trong số
- số lượng
- an
- phân tích
- phân tích
- Xưa
- và
- Hàng năm
- Một
- trả lời
- câu trả lời
- nhân loại
- bất kì
- api
- API
- xuất hiện
- Các Ứng Dụng
- các ứng dụng
- áp dụng
- bổ nhiệm
- phương pháp tiếp cận
- cách tiếp cận
- khoảng
- kiến trúc
- LÀ
- đối số
- đối số
- xung quanh
- bài viết
- nhân tạo
- trí tuệ nhân tạo
- Trí tuệ nhân tạo (AI)
- Nghệ thuật
- AS
- các khía cạnh
- Đánh giá
- đánh giá
- giả định
- yên tâm
- thiên văn học
- At
- Nỗ lực
- tăng
- tăng cường
- gia tăng
- Tự động
- có sẵn
- trao
- AWS
- Đám mây AWS9
- cơ sở
- dựa
- bash
- trận đánh
- BE
- bởi vì
- trở nên
- trở thành
- được
- trước
- hành vi
- sau
- được
- niềm tin
- ngoài ra
- giữa
- Ngoài
- thiên vị
- Tỷ
- sinh học
- y sinh
- thân hình
- cả hai
- chương trình
- Brazil
- mang lại
- Bị phá vỡ
- được xây dựng trong
- doanh nhân
- nhưng
- by
- cuộc gọi
- Cuộc gọi
- CAN
- khả năng
- khả năng
- Sức chứa
- trường hợp
- trường hợp
- Nguyên nhân
- thận trọng
- Thế kỷ
- chuỗi
- chuỗi
- thách thức
- chang
- kiểm tra
- hóa học
- Trung Quốc
- lựa chọn
- Chọn
- xin
- tuyên bố
- tốt nghiệp lớp XNUMX
- phân loại
- Rõ ràng
- khách hàng
- Đóng
- Cloud9
- huấn luyện
- mã
- Lập trình
- nhận thức
- thu thập
- Tập thể
- Trường đại học
- Đại học
- kết hợp
- Bình luận
- Chung
- thông thường
- cộng đồng
- Các công ty
- sự so sánh
- bổ túc
- hoàn thành
- phức tạp
- phức tạp
- các thành phần
- sáng tác
- Tính
- máy tính
- Khoa học Máy tính
- khái niệm
- kết luận
- Xác nhận
- xác nhận
- kết hợp
- hậu quả là
- xem xét
- thích hợp
- bao gồm
- An ủi
- ăn
- Người tiêu dùng
- tiêu thụ
- Ngăn chặn
- chứa
- nội dung
- tạo nội dung
- liên tục
- đóng góp
- điều khiển
- điều khiển
- Conversation
- sửa chữa
- đúng
- Phí Tổn
- Chi phí
- có thể
- nước
- đất nước
- tạo
- tạo ra
- tạo ra
- Tạo
- tạo
- Sáng tạo
- sáng tạo
- Credentials
- CTO
- văn hóa
- kiềm chế
- Current
- khách hàng
- dữ liệu
- tranh luận
- quyết định
- xác định
- Xác định
- Bằng cấp
- dân chủ
- chứng minh
- chứng minh
- thể hiện
- Đan mạch
- bộ
- triển khai
- triển khai
- Thiết kế
- chi tiết
- phát hiện
- Phát hiện
- Xác định
- xác định
- phát triển
- Nhà phát triển
- phát triển
- Phát triển
- phát triển
- Đối thoại
- khác nhau
- siêng năng
- hướng
- thảo luận
- làm mất thông tin
- Giao diện
- sự gián đoạn
- phân biệt
- mất lòng tin
- Bác sĩ
- làm
- Không
- xuống
- dr
- lái xe
- hai
- suốt trong
- e
- E&T
- mỗi
- Sớm hơn
- Đầu
- kiếm được
- kiếm được
- trái đất
- dễ dàng hơn
- dễ dàng
- Kinh tế
- nền kinh tế
- Tư vấn Giáo dục
- giáo dục
- hiệu lực
- hiệu quả
- hay
- loại bỏ
- nơi khác
- EMEA
- sự xuất hiện
- nhấn mạnh
- cho phép
- kết thúc
- ky sư
- Kỹ Sư
- cải tiến
- đảm bảo
- vào
- thực thể
- thực thể
- Môi trường
- bình đẳng
- lỗi
- đặc biệt
- thành lập
- đánh giá
- Ngay cả
- sự kiện
- phát triển
- ví dụ
- ví dụ
- độc quyền
- Tập thể dục
- kinh nghiệm
- Giải thích
- khám phá
- Khám phá
- mở rộng
- ngoài
- trích xuất
- tạo điều kiện
- tạo điều kiện
- thực tế
- các yếu tố
- sự kiện
- FAIL
- giả mạo
- tin tức giả mạo
- sai
- nổi tiếng
- giống cái
- lĩnh vực
- chiến đấu
- điền
- cuối cùng
- tài chính
- Tìm kiếm
- tìm kiếm
- hoàn thành
- Tên
- lần đầu tiên
- Linh hoạt
- tập trung
- tập trung
- tập trung
- theo
- tiếp theo
- Trong
- hình thức
- chính thức
- Diễn đàn
- Nền tảng
- nền tảng
- Thành lập
- Khung
- từ
- fu
- đầy đủ
- chức năng
- chức năng
- Trò chơi
- chơi game
- khoảng trống
- Giới Tính
- Bình đẳng giới
- Tổng Quát
- tạo ra
- tạo ra
- tạo ra
- thế hệ
- thế hệ
- Trí tuệ nhân tạo
- được
- cô gái
- GitHub
- được
- Go
- mục tiêu
- tuyệt vời
- Mặt đất
- bảo đảm
- có
- khai thác
- Có
- he
- Nghe
- giúp đỡ
- giúp
- cô
- tại đây
- chất lượng cao
- cao hơn
- nổi bật
- cao
- của mình
- lịch sử
- giữ
- danh dự
- hy vọng
- nhà ở
- Độ đáng tin của
- Hướng dẫn
- Tuy nhiên
- HTML
- http
- HTTPS
- Nhân loại
- i
- IBM
- xác định
- if
- Bất hợp pháp
- minh họa
- hình ảnh
- Va chạm
- thực hiện
- thực hiện
- thực hiện
- nhập khẩu
- quan trọng
- ấn tượng
- cải thiện
- in
- không có khả năng
- bao gồm
- bao gồm
- Bao gồm
- Hợp nhất
- kết hợp
- tăng
- Tăng
- chỉ
- hệ thống riêng biệt,
- các ngành công nghiệp
- thông tin
- thông báo
- Cơ sở hạ tầng
- ban đầu
- đầu vào
- trong
- cài đặt, dựng lên
- cài đặt
- ví dụ
- Viện
- tổ chức
- tích hợp
- Sự thông minh
- ý định
- tương tác
- nội bộ
- Internet
- trong
- giới thiệu
- viện dẫn
- tham gia
- vấn đề
- các vấn đề
- IT
- ITS
- cuộc hành trình
- jpg
- json
- thẩm phán
- kenneth
- Biết
- kiến thức
- nổi tiếng
- Thiếu sót
- Ngôn ngữ
- lớn
- Trễ, muộn
- mới nhất
- Tiếng Latin
- phát động
- lớp
- dẫn
- hàng đầu
- học tập
- ít nhất
- hợp pháp
- cho phép
- Cuộc sống
- Khoa học đời sống
- Lượt thích
- hạn chế
- Dòng
- liên kết
- linux
- Danh sách
- Liệt kê
- văn chương
- LLM
- hợp lý
- còn
- tra cứu
- yêu
- mac
- máy
- học máy
- thực hiện
- phần lớn
- duy trì
- chính
- làm cho
- LÀM CHO
- Làm
- quản lý
- quản lý
- nhiều
- Marketing
- mặt nạ
- thạc sĩ
- toán học
- toán học
- tối đa
- Có thể..
- có nghĩa
- có nghĩa là
- Phương tiện truyền thông
- y khoa
- y học
- hội viên
- Các thành viên
- Bộ nhớ
- đề cập
- Phương pháp luận
- Michigan
- triệu
- mỏ
- Thông tin sai
- gây hiểu lầm
- MIT
- Giảm nhẹ
- pha
- ML
- kiểu mẫu
- mô hình
- sửa đổi
- chi tiết
- hầu hết
- phong trào
- nhiều
- my
- Được đặt theo tên
- Nasa
- quốc dân
- Tự nhiên
- Thiên nhiên
- Cần
- cần thiết
- mạng
- không bao giờ
- Mới
- tin tức
- tiếp theo
- Không
- Giải thưởng Nobel
- định mức
- Na Uy
- Nổi bật
- máy tính xách tay
- tại
- con số
- vật
- quan sát
- Tháng Mười
- of
- cung cấp
- thường
- Xưa
- on
- ONE
- Trực tuyến
- có thể
- Hoạt động
- Ý kiến
- or
- gọi món
- nguyên
- Nền tảng khác
- nếu không thì
- vfoXNUMXfipXNUMXhfpiXNUMXufhpiXNUMXuf
- đề cương
- phác thảo
- đầu ra
- nổi bật
- kết thúc
- tổng thể
- riêng
- sở hữu
- Hòa bình
- gói
- trang
- trang
- Giấy
- thông số
- một phần
- vượt qua
- thông qua
- Đi qua
- Bằng sáng chế
- con đường
- Họa tiết
- người
- hoàn hảo
- Thực hiện
- riêng
- giai đoạn
- Bằng tiến sĩ
- hiện tượng
- triết lý
- Vật lý
- mảnh
- quan trọng
- plato
- Thông tin dữ liệu Plato
- PlatoDữ liệu
- chơi
- Điểm
- chính trị
- có thể
- Bài đăng
- tiềm năng
- quyền lực
- -
- trình bày
- quà
- nhấn
- thịnh hành
- trước
- trước đây
- chủ yếu
- Hiệu trưởng
- nguyên tắc
- in ấn
- In ấn
- Trước khi
- giải thưởng
- Vấn đề
- quá trình
- Quy trình
- sản xuất
- Sản lượng
- chuyên gia
- thâm thúy
- chương trình
- đề xuất
- đề xuất
- cho
- cung cấp
- nhà cung cấp
- cung cấp
- cung cấp
- Tâm lý học
- công khai
- mua
- mục đích
- Python
- chất lượng
- số lượng, lượng
- Mau
- radio
- ngẫu nhiên
- các dãy
- xếp hạng
- nhanh
- nhanh chóng
- tỉ lệ
- đạt
- Phản ứng
- thế giới thực
- thời gian thực
- lý do
- nhận
- nhận
- công thức
- công nhận
- giới thiệu
- xem
- đề cập
- liên quan
- tương đối
- có liên quan
- đáng tin cậy
- NHIỀU LẦN
- kho
- yêu cầu
- yêu cầu
- cần phải
- nghiên cứu
- cộng hưởng
- Thông tin
- Trả lời
- phản ứng
- phản ứng
- chịu trách nhiệm
- trở lại
- Trả về
- Giàu
- Nguy cơ
- Vai trò
- vai trò
- vòng
- chạy
- chạy
- chạy
- s
- biện pháp bảo vệ
- nhà làm hiền triết
- tương tự
- Lưu
- thấy
- Quy mô
- Trường học
- Trường Kỹ thuật
- Khoa học
- KHOA HỌC
- khoa học
- các nhà khoa học
- kịch bản
- sdk
- Tìm kiếm
- Phần
- phần
- xem
- lựa chọn
- cao cấp
- nhạy cảm
- kết án
- tình cảm
- Trình tự
- dịch vụ
- DỊCH VỤ
- định
- thiết lập
- Chia sẻ
- chia sẻ
- cổ phiếu
- chia sẻ
- chị ấy
- Shell
- nên
- hiển thị
- tương tự
- Tương tự
- Đơn giản
- kể từ khi
- em gái
- So
- Mạng xã hội
- truyền thông xã hội
- xã hội
- Xã hội
- giải pháp
- Giải pháp
- một số
- nguồn
- mã nguồn
- nguồn
- Không gian
- Vôn
- đặc biệt
- tốc độ
- lan tràn
- lan rộng
- Traineeship
- Tiêu chuẩn
- stanford
- Đại học Stanford
- bắt đầu
- Tuyên bố
- báo cáo
- Bang
- Các bước
- Dừng
- bão
- Chiến lược
- tăng cường
- cấu trúc
- Sinh viên
- Học tập
- tiếp theo
- đáng kể
- Thành công
- như vậy
- đề nghị
- TÓM TẮT
- siêu phí
- hỗ trợ
- chắc chắn
- Sự ảnh hưởng
- Thụy Điển
- nhanh chóng
- tổng hợp
- hệ thống
- giải quyết
- Hãy
- mất
- Nhiệm vụ
- nhiệm vụ
- nhóm
- Kỹ thuật
- kỹ thuật
- kỹ thuật
- công nghệ
- Công nghệ
- viễn thông
- mẫu
- Thiết bị đầu cuối
- về
- thử nghiệm
- văn bản
- văn bản
- việc này
- Sản phẩm
- thông tin
- Nguồn
- thế giới
- cung cấp their dịch
- Them
- sau đó
- Đó
- bằng cách ấy
- vì thế
- Kia là
- họ
- nghĩ
- của bên thứ ba
- điều này
- những
- nghĩ
- Thông qua
- khắp
- TIE
- thời gian
- timeline
- đến
- bên nhau
- mã thông báo
- Tokens
- công cụ
- đào tạo
- Hội thảo
- đúng
- Sự thật
- hướng dẫn
- hai
- Cuối cùng
- gạch chân
- sự hiểu biết
- Kỳ
- Hoa Kỳ
- Các trường Đại học
- trường đại học
- chưa từng có
- chưa từng có
- cho đến khi
- nâng cấp
- trên
- us
- sử dụng
- đã sử dụng
- người sử dang
- Người sử dụng
- sử dụng
- sử dụng
- Bằng cách sử dụng
- giá trị
- khác nhau
- Lớn
- Phán quyết
- xác minh
- xác minh
- phiên bản
- rất
- thông qua
- Video
- trò chơi video
- Truy cập
- là
- we
- web
- các dịch vụ web
- TỐT
- Điều gì
- khi nào
- liệu
- cái nào
- trong khi
- CHÚNG TÔI LÀ
- toàn bộ
- tại sao
- Wikipedia
- sẽ
- cửa sổ
- với
- ở trong
- người phụ nữ
- Dành cho Nữ
- Won
- Từ
- từ
- Công việc
- làm việc
- quy trình làm việc
- đang làm việc
- thế giới
- giá trị
- Sai
- năm
- Bạn
- trên màn hình
- zephyrnet