圖/wiki research

機器學習成為科技新顯學,繼 Google 開放原始碼 TensorFlow 並宣布以機器學習重新打造一切產品,維基百科近日也公布「對象修訂評估服務」 ( Objective Revision Evaluation Service,ORES) ,希望透過機器學習,檢測和排除涉嫌惡意的增修,如塗鴨、打廣告這種惱人行為,藉此幫助長期從事編輯者正確完成工作,盼能吸引更多的新貢獻者。

資深編輯有很多工具可以查看最近的增修,只需要點擊一下即可駁回這些增修,這些工具的原意是更好地控制內容質量,但卻引發了很多想像不到的後果。例如,新編輯發現自己貢獻的內容被刪除了,但卻得不到任何解釋。有時候是出於無心,以及不熟悉編輯語法或工具,不小心移除片段,但也無形中增加新手的進入門檻。

過去8年間,英語版維基百科的活躍貢獻者數量大幅下滑,少了40%,研究指出,此問題源自維基百科不夠嚴謹的刪除機制,讓新貢獻者的文章無預警被駁回,維基高級研究員阿隆·哈爾法克(Aaron Halfaker)發現了這一問題後導入 ORES 系統,目標是希望讓維基百科的品質監控更加透明。

維基百科正在對 ORES 進行訓練,使之可以區分無心出錯和惡意增修之間的差異,已在英語、葡萄牙語等14個語言中測試,但尚未包含中文。維基百科形容 ORES 就像一副X光眼鏡,可以根據行文、風格等,分辨出惡意增修,也幫助新貢獻者得知為何被駁回,盼讓更多網民參與維基百科的編輯,建構公正、客觀的內容。

熱門新聞