Отзывы о ресторанах теперь пишет искусственный интеллект

Отзывы о ресторанах теперь пишет искусственный интеллект

Онлайн-обзоры и интернет-рейтинги ресторанов оказывают огромное влияние на посетителей при выборе места, где поесть.

Для многих рестораторов онлайн-обзоры становятся реальным источником жизни их бизнеса, а исследования Гарвардской Школы Бизнеса доказывают, что каждая добавочная звезда рейтингов, заработанная в Yelp, генерирует дополнительный поток дохода от 5 до 9%.

Такая прочная взаимосвязь между онлайн-рейтингами и доходами от бизнеса неизбежно провоцирует появлению фальшивых обзоров и отзывов.

 

Маркетологи считают, что для любого заведения:
 

хороший отзыв - инструмент привлечения посетителей,

плохой отзыв - способ отпугивания клиентов у конкурентов,
 

а также - повод привлечь внимание к своим услугам.

 

И это в то время, как на Yelp подобное запрещено правилами, владельцы бизнеса были многократно пойманы на публикациях платных положительных отзывов о своих ресторанах, также, как и клеветнических отзывах о своих конкурентах. Такие явления заставляют рестораторов более тщательно следить за отзывами об их ресторанах, проверять их подлинность и справедливость высказываний о них, а также выявлять авторов и уведомлять о недостоверных отзывах.

 

 

 

Отзывы о ресторанах теперь умеют писать нейронные сети

 

Увы. Исследователи из Чикагского университета достигли успехов в обучении нейронных сетей написанию реалистичных поддельных обзоров. Это было сделано с целью понять, можно ли злоупотреблять машинным обучением для создания вредоносных негативных обзоров либо искусственного раздувания бизнес-рейтингов.

Нейронные сети, обученные писать фальшивые обзоры, подверглись оценке их эффективности, в частности их исследовали люди с позиции реалистичности и полезности.

Опросы проводились посредством платформы Mechanical Turk компании Amazon – краудсорсинговой интернет-площадки, которая платит людям за выполнение небольших задач, требующих участия человеческого интеллекта, которые не способны выполнить современные компьютеры.

В данном опросе к людям обратились с просьбой оценить достоверность отзывов, анализируя информацию о названии ресторана, его категории, описания, предоставленного руководством заведения на Yelp, а также просили оценить набор реальных обзоров, написанных для каждого конкретного заведения.

 

 

 

Машинные отзывы о ресторанах - как настоящие

 

Тексты отзывов о заведениях питания не слишком отличаются друг от друга. Как правило, это:

 

"Спасибо, у вас хорошее обслуживание, было очень вкусно, мне понравилось".

 

Более подробные отклики посетители оставляют значительно реже.

Что же обнаружилось в результате проведения опросов? Удивительно, но если верить их выводам, люди не способны различать, кто написал обзор – машина или человек. И это не удивительно, поскольку нейронная сеть создает вот такие реалистичные отзывы:

 

· «Моя семья и я - огромные поклонники этого места. Персонал очень приятный, и еда отличная. Цыпленок очень хорош, а чесночный соус – просто идеален. Мороженое с фруктами тоже вкусно. Настоятельно рекомендую»

 

· «Мне нравится это место, я многие годы хожу сюда, и это отличное место для общения с друзьями и семьей. Мне нравится еда и обслуживание. У меня никогда не было плохого опыта посещения».

 

· «Я заказал приготовленный на гриле овощной гамбургер с картофелем фри! Ооо, вот это вкус. Очень вкусно! Это было так вкусно, что я не могу это выразить словами!»

 

Фейковые отзывы, написанные искусственным интеллектом,

не отличить от отзывов, написанных реальными людьми.

 

 

Спрос на отзывы породил целую индустрию заработка на выдуманных отзывах

 

Фейковые отзывы для рестораторов не в новинку. В последние годы стало обычным делом находить объявления по поиску платных рецензентов на сайты с онлайн-обзорами вроде Yelp и Amazon.

Текст объявления обычно включает в себя сумму оплаты  (от 1 до 15 долларов за пост), а также просьбу прислать информацию о «возрасте» аккаунта и частоте постов. Типичное объявление может выглядеть следующим образом:

 

«Если у вас есть аккаунт на Amazon — пожалуйста, свяжитесь со мной.

Я готов платить по 10 долларов за рецензию.

1) В ответном письме укажите, как долго у вас имеется аккаунт на Amazon

2) Я пришлю вам ссылку на продукцию и сообщу, что нужно писать

3) Вы напишете рецензию

4) Как только я удостоверюсь, что рецензия появилась на сайте, я тут же перешлю вам 10 долларов на Paypal

Вот и всё! Реально лёгкие деньги. Оставьте свой контактный номер, чтобы получить более подробную информацию»

 

По аналогии с тем, как нейросеть обучили переписывать существующие обзоры по определённой компании, такие писатели-«призраки» фейковых отзывов тоже пытаются имитировать обзоры, ранее опубликованные на бизнес-страничках сайта Yelp.

 

 

О чем пишут "писатели" отзывов

 

В разделе «Спроси о чём угодно» форума Reddit писатель фальшивых отзывов под ником «LizOwd» объяснила, как это происходит:

 

«Когда я делаю обзор на что-то, я читаю предыдущие отзывы, чтобы понять, что именно людям понравилось или не понравилось в том или ином месте, в той или иной вещи.
 

Допустим, это ресторан. Посетители могут быть не в восторге от жареных блюд, потому что они пережарены (или что-то в этом роде), но в целом им очень даже нравится тамошняя атмосфера.
 

И в таком случае я напишу, что это место было великолепным… Опишу что-нибудь из фотографий, которые мне прислали или я нагуглила. Может быть, коротко расскажу, что именно я и мои спутники могут сказать конкретно об этом ресторане, какие-то воспоминания…
 

Обращу внимание на то, что блюдо было хрустящим (пройдусь по проблеме мельком, без погружения в детали — чтобы это не звучало слишком очевидно), затем прокомментирую другие аспекты подачи блюда, которые мне очень понравились, например: гарнир, соус или напитки.»

 

 

Океан выдуманных мнений из потоков искусственных отзывов

 

Поддельные отзывы несут реальную угрозу для владельцев ресторанов.

В вирусном видео, опубликованном в 2016 году, ReviewMeta представили исследование, в котором было рассмотрено 7 миллионов отзывов Amazon.

Сравнивался средний рейтинг продукции с «поощрительными» отзывами (т. е. отзывами в обмен на скидки или бесплатную продукцию) и с обычными отзывами.

 

Исследователи обнаружили, что продукция с «поощрительными» отзывами имела средний рейтинг 4,74 из 5 против обычного среднего рейтинга 4,36 — на 8,72% больше.

О чём говорит столь значительная разница в наблюдаемых рейтингах?

Подобная политика может привести к тому, что потребители будут покупать продукцию более низкого качества, да и в целом всё это подрывает человеческое доверие.

 

 

Как бороться с фейковыми отзывами

 

Имеется уже целый ряд сервисов по обнаружению фейковых отзывов вроде ReviewMeta, который мгновенно генерирует отчёты о подлинности по любой представленной ссылке с Amazon или Bodybuilding.com. Такие сервисы анализируют активность рецензентов, оставивших отзывы на тот или иной продукт.

«Стоп-факторами» являются аккаунты-однодневки  (аккаунты, все комментарии которых опубликованы в один день), а также авторы, которые предпочитают оставлять положительные отзывы и использовать одни и те же фразы.

Тем не менее, исследователи из Чикагского университета установили, что самый простой способ определить подлинность отзыва — выяснить, насколько разнообразные буквы алфавита использует рецензент. Специалисты предлагают просматривать контент с помощью искусственного интеллекта, чтобы выявить распределение на уровне используемых букв — как правило, оно менее разнообразно из-за потери информации, которая возникает при генерации текста через нейросеть.

 

 

 

К чему приведет вмешательство нейронных сетей в формирование мнений

 

В то время как специалисты разработали перспективное решение для обнаружения недостоверных комментариев, а представители Yelp публично заявляют, что этот искусственный интеллект не является угрозой для их нынешних технологий обнаружения, исследователь Бен Чжао предупреждает: полученные специалистами данные означают, что:

 

...подобные нейросети могут быть созданы для неправомерных действий, которые уже выходят за рамки ресторанного бизнеса и могут использоваться, например, в индустрии новостей.

 

В интервью Business Insider Бен Чжао рассказал, что машинное обучение будет развиваться и перейдёт в более серьёзное наступление — целые статьи, написанные в блоге по какой-то теме, могут быть полностью автономно сгенерированы роботом. И тогда действительно нужно будет думать о том, откуда поступает информация, и как вы можете удостовериться в её правдивости, что будет в ближайшие годы гораздо более сложной задачей.

Также Чжао добавил, что для внедрения системы, аналогичной той, которую создала его команда, требуется лишь соответствующее техническое мастерство и минимальное количество времени.

 

Как устранить проблему фейковых отзывов?

 

Пока люди не в состоянии отличать реальные обзоры ресторанов от поддельных, Чжао призывает предпринимателей рассмотреть превентивные меры — чтобы соответствующие отрасли бизнеса, зависящие от отзывов, не сталкивались с этой неизбежной проблемой.

Одним из решений может выступить проект, работающий на базе блокчейн, который будет позиционировать себя в качестве репутационной платформы на децентрализованной основе.

 

 

По факту, действительно цельным решением может стать использование единого реестра, который подтвердит достоверность отзывов своей наличием функции, которая позволит однозначно трактовать факт покупки товара или услуги.

 

371

Поля, отмеченные *, являются обязательными для заполнения.

 

Список комментариев пуст
^ Наверх