ინგლისურენოვანი ვიკიპედია 6 მილიონზე მეტ სტატიას მოიცავს, ხოლო პლატფორმაზე 309 ენაზე განთავსებული ინფორმაცია 28 მილიარდ სიტყვასა და 52 მილიონ პუბლიკაციას. Wikipedia-ზე სხვა, მრავალწლიანი წარმოდგენა რომც არ გვქონდეს, ალბათ, ეს ციფრებიც საკმარისია მისი მნიშვნელობის გასააზრებლად. ცნობილია, რომ პლატფორმას, ყოველთვიურად, 132 000 რეგისტრირებული მოხალისე კორექტორი ჰყავს, თუმცა, რაოდენობასთან და ენობრივ ბარიერთან დაკავშირებული პრობლემებიდან გამომდინარე, მაინც რთული მისიაა თითოეული სტატიის სანდოობის შემოწმება და ამასთან, მათი კორექტირება.
სწორედ ამიტომ, მასაჩუსეტსის ტექნოლოგიური ინსტიტუტის (MIT) მკვლევარებმა, ხელოვნურ ინტელექტსა და მანქანურ დასწავლაზე დაყრდნობით, შექმნეს სისტემა, რომელსაც პუბლიკაციებში შეუსაბამოობების პოვნა შეუძლია. ამისათვის, მეცნიერებმა ალგორითმთა ჯგუფი გამოიყენეს და მათ, ერთობლივად, შეუძლიათ როგორც შეცდომების აღმოჩენა, ასევე, მათი ჩასწორება. ეს უკანასკნელი კი ვებში არსებულ სანდო წყაროებზე განთავსებულ უახლეს ინფორმაციაზე დაყრდნობით ხდება.
რაც შეეხება მანქანური დასწავლის პროცესს, ამ დროს, მოდელის გასაწვრთნელად მცდარი და სწორი წინადადებების წყვილები გამოიყენეს. წინადადებათა თითოეული წყვილისთვის სამგვარი აღმნიშვნელი იყო: „თანხმობა“, რაც ნიშნავდა, რომ წინადადებები ერთსა და იმავე აზრს გადმოსცემენ, „შეუსაბამობა“ – ურთიერთსაწინააღმდეგო წინადადებების შემთხვევაში და „ნეიტრალობა“, როცა წინადადებები საკმარის ინფორმაციას არ აჩვენებდნენ საიმისოდ, რომ ეთქვათ, გამორიცხავდნენ ისინი ერთმანეთს, თუ ამტკიცებდნენ.
ტესტირების შედეგად, როგორც მკვლევარები ამბობენ, პოპულარულ ყალბი ამბების ამომცნობ ალგორითმებთან შედარებით, MIT-ის სისტემამ 13%-ით შეამცირა ცდომილების შემთხვევები. Wikipedia-ს ექსპერიმენტის ფარგლებში კი მკვლევარები ამბობენ, რომ სისტემა გაცილებით აკურატული/ზუსტია მცდარი წინადადებების ფაქტებით ჩანაცვლების კუთხით, ვიდრე Wikipedia-ს ადამიანი კორექტორები.
