تا حالا به این فکر کردی شاید بعضی از اون جوابایی که هوش مصنوعی یا چتباتهایی مثل ChatGPT بهت میدن، یه طور غیرمستقیم و زیرپوستی دارن تبلیغ یه چیزی رو میکنن؟ مثلاً یه توصیه خیلی صمیمی میگیرین که آخرش میبینی، اه، تهش تبلیغ یه برند یا محصول خاص بوده! یه تیم به اسم JU-NLP اومدن یه مقاله باحال درباره همین موضوع منتشر کردن که کلی روش خفن برای ساختن و البته شناسایی تبلیغات مخفی توی چتباتها معرفی میکنن.
خب، اول بهتره بدونی Covert Advertisement یعنی تبلیغ پنهان – همون تبلیغاتی که جوری تو متن جا میگیرن که یهو متوجه نمیشی داره سرتو گرم میکنه تا آخرش رو یه محصول خاص فوکوس کنی. Conversational AI هم منظور همون هوش مصنوعیایه که میتونه باهات گفتگو کنه، مثل چتباتها یا دستیارهای صوتی.
حالا بریم سر اصل مطلب: این مقاله میگه دو تا کار مهم انجام داده. یکی اینکه چجوری میشه تبلیغات مخفی رو توی این چتباتها تولید کرد؛ دوم اینکه چجوری میشه همون تبلیغات مخفی رو تشخیص داد و جلوشو گرفت.
برای تولید تبلیغ مخفی، یه سیستمی درست کردن که با استفاده از دادههای آموزشی دوتایی (یعنی متن معمولی و تبلیغ مخفی معادلش)، مدل زبانی پیشرفتهای به اسم LLM یا Large Language Model رو اونقدر آموزش میدن که بتونه درست وسط یه جواب طبیعی و دوستانه، تبلیغ هم جای بده، طوری که تو متوجه نشی داره تبلیغ میکنه! برای همین هم از “پرامپت”های خیلی هوشمندانه استفاده کردن (پرامپت یعنی همون دستوری که به مدل داده میشه تا جوابش رو بسازه)، و کلی به جزئیات اهمیت دادن تا تبلیغ خیلی طبیعی دربیاد.
اما فقط ساختنش کافی نیست. باید بفهمیم کی و کجا این تبلیغها وارد جواب چتبات شدن. واسه همین تو بخش شناسایی یا همون detection اومدن دو روش خفن رو امتحان کردن:
۱. استفاده از یه مدل CrossEncoder به اسم all-mpnet-base-v2 که منظورش اینه مدل میتونه دوتا متن رو با هم مقایسه و طبق آموزش قبلی، تبلیغ رو از جواب سالم جدا کنه.
۲. یه روش مبتنی بر “پرامپت” که با مدل DeBERTa-v3-base کار میکنه (DeBERTa یکی از مدلهای زبانی پیشرفته و کاربردیه برای تحلیل متن، مخصوصاً وقتی بحث ظریفکاری مثل تبلیغ پنهان مطرحه).
جالب اینجاست که هر دوتا روش فقط به متن جواب نیاز دارن و لازم نیست اطلاعات اضافهای داشته باشن یا تحت شرایط خاصی اجرا بشن. این یعنی عملیاتی و برای استفاده تو دنیای واقعی کاملاً جواب میده.
حالا نتیجهها چی بوده؟ تیم JU-NLP نشون داده که مدلشون تونسته با دقت خیلی بالا کار کنه: مثلاً تو تولید تبلیغ مخفی، precision یا همون درصد تبلیغاتِ واقعاً درستِ مدلشون ۱.۰ (یعنی ۱۰۰ درصد!!) بوده و recall هم ۰.۷۱ (یعنی ۷۱ درصد تبلیغهایی که باید درست تشخیص بده رو گرفته). در شناسایی تبلیغ هم F1-score (یه معیار ترکیبی برای دقت و کامل بودن شناسایی) عددهایی بین ۰.۹۹ تا ۱.۰ داشته که فوقالعادهست!
در نهایت، نویسندهها تأکید کردن این روشها میتونن به تعادل برسونن بین اینکه گفتگوهای چتباتها جذاب و تاثیرگذار باشه و هم اینکه شفافیت تو تبلیغات رعایت بشه – یعنی مخاطب گول نخوره و بدونه کی داره تبلیغ میبینه.
خلاصه اگه کنجکاوی بدونی چطور تبلیغات مخفی تو جوابهای هوش مصنوعی جا میگیرن یا چطور میتونیم بگیرشون، این مقاله براش راه حلهای واقعی و کاربردی پیشنهاد داده. حالا دفعه بعد که با یه چتبات گپ زدی و حس کردی یه پیشنهادی خیلی غیرمنتظره داره میده، بدون شاید داری با یکی از همین تبلیغات مخفی روبهرو میشی!
منبع: +
