Cílem tohoto projektu je vytvořit aplikaci, která efektivně detekuje a ověřuje pravdivost tvrzení pomocí prohledávání spolehlivých informačních zdrojů. Měla by poskytovat přesné výsledky rychle, přičemž zůstane nákladově efektivní a logická v uvažování.

Podílel jsem se na návrhu a vývoji řešení strojového učení pro detekci nepravdivých informací. K dosažení tohoto cíle jsem se zaměřil na vytvoření AI algoritmu schopného analyzovat a ověřovat tvrzení pomocí důvěryhodných zdrojů jako je Wikipedie. Pro řešení výzvy efektivního vyhledávání dokumentů jsem nejprve experimentoval s modelem DPR (Dense Passage Retriever), který poskytoval uspokojivé výsledky při hledání a poskytování logických důkazů pro tvrzení. Kvůli době odezvy přes 15 sekund jsem však implementoval algoritmus Okapi BM25, který snížil dobu odezvy pod 3 sekundy. Pro další zlepšení systému jsem integroval jazykový model RoBERTa pro klasifikaci díky jeho vyváženosti mezi výkonem a hardwarovou efektivitou. Pro doladění modelu jsem použil framework PyTorch s využitím datasetů jako HoVer a FEVER. Přes dosažení 89,3% přesnosti na testovacích datasetech přetrvávala omezení ve zpracování čísel a pokročilém uvažování. K překonání těchto problémů jsem integroval model GPT-3.5 přes API OpenAI, což vyžadovalo úpravy prompt engineeringu při zachování efektivity systému.

Projekt úspěšně ověřoval základní tvrzení jako 'Pes má čtyři nohy' a aktuálnější témata, poskytoval logická vysvětlení pro platnost tvrzení.