“当真相在穿鞋的时候 ， 谎言已经跑遍全城 。 ”现代社会 ， 虚假新闻、图片、视频 ， 甚至商品等借助网络渠道迅速传播 。 近日公布的《中老年人上网状况及风险网络调查报告》显示 ， 近六成中老年曾遭受过网络谣言的危害 。
人们常说“流言止于智者” ， 要想不被网上的流言和谣言盅惑、伤害 ， 首先需要对其进行科学甄别 ， 而时下人工智能正在尝试担任这一角色 。 那么 ， 在打假一线AI技术如何做到去伪存真？这样的“本领”可应用在哪些领域？
海量资讯发布 ， 传统识谣模式受限
“虚假信息的产生主要有两类动机：一类是利益驱动 ， 2018年发表于《科学》的研究发现 ， 要达到相同的传播深度 ， 虚假信息的速度是正常信息的20倍；另一类是政治驱动 ， 在现有互联网经济中 ， 高效传播代表着高额经济价值 ， 人工智能技术会被不法分子用来左右公众对于政治的认知和判断 ， 从而控制舆论 ， 威胁政治安全 。 研究显示 ， 2016年美国总统大选期间 ， 受访选民平均每人每天接触到4篇虚假新闻 。 虚假新闻被认为影响了2016年美国大选和英国脱欧的投票结果 。 ”中科院计算所副研究员、博士生导师曹娟在日前北京举办的Women Who Code讲座上介绍 。
为了减少虚假信息 ， 有必要对网络新闻进行认证 。 但大型资讯聚合类平台每天的新闻发布量一般在50万条以上 ， 显然完全依靠人工认证是不现实的 ， 面向公众 ， 亟待建立高效的AI识谣平台 。
杜克大学新闻研究中心的调查显示：截至2018年2月 ， 全球共有149个正在活跃运营的事实核查类新闻创业项目 ， 其中北美和欧洲74个、亚洲7个 。 而在一些国外社交平台上 ， 已有自动化可信度评估插件来显示信息的可信度 。
据了解 ， 目前国内已有的主要识谣、辟谣平台基本还是依靠专家识别模式 ， 其存在一定的问题：发现线索主要依赖用户举报 ， 数量有限 ， 时效性不强 ， 往往是事件已造成负面影响才“后知后觉”；此外 ， 新闻认证速度有待提高 。 Facebook统计 ， 依靠专家辟谣的认证模式平均滞后3天 ， 错失辟谣最佳时期；覆盖类别受限 ， 专家只能在自身擅长的领域辟谣 ， 领域专家库的多样性决定了人工辟谣平台的能力上限 。
为提高识谣效率 ， 目前中科院计算机研究所、阿里、腾讯等多家企业和机构已经开展了人工智能识谣工作 。 曹娟带领团队从2013年开始致力于开展基于人工智能技术的虚假信息检测研究 ， 她介绍 ， AI识谣公众平台可自动及时发现可疑线索并进行认证 ， 大大降低谣言可能带来的危害；通过机器学习算法辅助人工审核 ， 仅需1分钟即能对疑似谣言事件发出预警；基于数据驱动的方法 ， 平台还可不断挖掘出不同类别谣言的特性 ， 实现对各种谣言地自动识别 。
【识谣言、辨假货 人工智能已活跃在打假一线】不过 ， 需要指出的是 ， “虚假信息识别是一个高度复杂的问题 ， 一方面是虚假的定义并不明确 ， 需要不确定性建模；另一方面是标注很困难 ， 需要小样本学习方法 。 目前 ， 机器学习算法的准确率尚不足以完全取代人类 ， 但已能够辅助人类更快更好地审核新闻 。 ”曹娟表示 。 正如扎克伯格所说 ， “想要完全依靠AI审核内容 ， 可能尚需5—10年时间” 。
多模态、多层次、多角度揪出假新闻
“虚假新闻往往从选题、文字表述 ， 到配图都呈现出较强煽动性：一般选题集中于社会热点或争议点；文字描述中情感激烈；配图具有视觉冲击力等 。 ”曹娟剖析道 。
