ТӨТЕНШЕ ЖАҒДАЙЛАРДА ДЕЗИНФОРМАЦИЯҒА ҚАРСЫ ТҰРУҒА АРНАЛҒАН ГИБРИДТІ, КӨП ҚАБАТТЫ ЖАСАНДЫ ИНТЕЛЛЕКТКЕ НЕГІЗДЕЛГЕН ЖҮЙЕ

2024 жылғы Қазақстанның бірнеше облысын қамтыған су тасқыны кезінде мессенджерлер мен әлеуметтік желілерді тексерілмеген хабарламалар толқыны басып қалды: бөгеттердің бұзылуы туралы жалған мәліметтер, құрбандар саны туралы асыра сілтелген деректер және ашық жалған ақпарат ресми хабарламалардан жылдамырақ таралып, жедел штабтардың жұмысын бұзды. Бұл жұмыс сенімді хабарламаларды сенімсіздерінен нақты уақыт режимінде ажырата алатын CrisisStack жүйесін әзірлеуге арналған. Архитектураның негізі - үш деңгейлі құбыр: көптілді LaBSE энкодері мәтіннің бірыңғай векторлық көрінісін қалыптастырады, бір өлшемді конволюциялық желілер манипуляцияның жергілікті маркерлерін анықтайды, екі бағытты LSTM өзіне назар аудару механизмімен бірге хабарламаның контекстін тұтас талдайды, ал көпагентті хаттама нейрожелінің болжамын сыртқы дереккөздердің деректерімен салыстырады. Оқыту WELFake және CrisisMMD ашық жиынтықтарының 35 281 жазбадан тұратын біріктірілген корпусында аралас дәлдікті қолдана отырып жүргізілді. 3 711 жазбадан тұратын тестілік іріктемеде архитектура Accuracy = 84,9 % және F1 = 0,846 көрсеткіштеріне жетіп, mBERT (F1 = 0,735) және сызықтық жіктеуіші бар LaBSE (F1 = 0,806) базалық модельдерінен асып түсті. 
Компоненттерді дәйекті түрде алып тастау әдісімен жүргізілген зерттеу назар аудару қабаты каскад компоненттерінің ішінде ең үлкен үлес қосатынын көрсетті. Модельді қосымша оқытусыз қазақ-орыс тілді мәтіндерге көшіру мүмкін болмады: аннотацияланған корпустың ашық іріктемесінде zero-shot дәлдігі 47,3 % құрады, бұл негізгі шектеу ретінде тіркелді және әрі қарайғы жұмыстың бағытын анықтайды. Верификация хаттамасы сыртқы дереккөздерді бағдарламалық имитациялау жағдайында тексерілді; Tesla T4 үдеткішінде толық жауап беру уақыты 16,9 ± 1,7 мс құрады.