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。