2014年，"假新聞"這個(gè)詞還沒有成為一個(gè)美國(guó)詞匯的一部分，相比之下2016年美國(guó)總統(tǒng)大選是各大媒體的頭條新聞。
但在加州，一個(gè)名叫Jestin Coler的人卻開創(chuàng)了一個(gè)最具爭(zhēng)議的媒體局面。Jestin Coler被稱為"假新聞"的教父，其出名始于發(fā)表捏造的新聞，其中有一篇是關(guān)于科羅拉多食品券領(lǐng)取者使用福利購買大麻，該文章獲得了足夠的流量，每月甚至產(chǎn)生高達(dá)數(shù)萬美元的廣告收入。
這個(gè)想法很快就在美國(guó)流行起來，各類同業(yè)網(wǎng)站紛紛涌現(xiàn)，其他媒體競(jìng)相在選舉前制造出令人發(fā)指、充斥著陰謀論和高度黨派色彩的假新聞。從那時(shí)起，造謠現(xiàn)象就為人們創(chuàng)造不真實(shí)信息提供了一種手段。即使是普通網(wǎng)絡(luò)用戶也可以提供一些從未發(fā)生過事件的圖片和視頻證據(jù)。
對(duì)于如何應(yīng)對(duì)假新聞，這個(gè)問題沒有簡(jiǎn)單的答案，但人工智能可能會(huì)有所幫助。
人工有效消除假新聞幾乎不可能
62%的美國(guó)人通過社交媒體了解世界各地信息，我們?nèi)绾侮P(guān)注這些平臺(tái)上的文章和視頻，直接影響到未來我們能夠看到的故事和文章。例如，如果我們喜歡、評(píng)論或分享保守類的新聞，那么社交算法就會(huì)在下次我們登錄的時(shí)候向我們展示類似的內(nèi)容。我們的在線聯(lián)系人也會(huì)影響到這個(gè)決策。如果我們擁有大量自由主義傾向的朋友或追隨者，也會(huì)相應(yīng)改變我們的信息源。
堂而皇之的虛假新聞并不是唯一應(yīng)該讓我們擔(dān)憂的事情。而很多新聞通過標(biāo)題和誤導(dǎo)性的方式描述信息，導(dǎo)致即便其是真實(shí)報(bào)道也會(huì)扭曲我們的認(rèn)知。正如Snopes內(nèi)容經(jīng)理Kim LaCaria對(duì)Quartz所說："信息真實(shí)存在，和信息如何呈現(xiàn)是兩碼事。"
哥倫比亞新聞評(píng)論Colombia Journalism Review建議記者們通過關(guān)注信息的創(chuàng)作日期和來源材料，以及內(nèi)容創(chuàng)作者相關(guān)的網(wǎng)絡(luò)背景來核實(shí)視頻真實(shí)性。
同時(shí)，視頻分析程序和其他驗(yàn)證工具也能夠有所幫助。據(jù)統(tǒng)計(jì)，近60%的用戶在沒有閱讀全文的情況下轉(zhuǎn)發(fā)文章，因此對(duì)于讀者來說，對(duì)每一篇文章進(jìn)行仔細(xì)審查的幾率似乎很小。即使我們都有足夠的時(shí)間和意愿去成為數(shù)字新聞偵探，但網(wǎng)絡(luò)內(nèi)容的絕對(duì)數(shù)量也意味著，依靠人工有效消除假新聞是不可能的。在網(wǎng)絡(luò)上每分鐘都有數(shù)百萬的在線互動(dòng)，沒有人能跟上信息產(chǎn)生的步伐。而從另一方面講，人工智能系統(tǒng)或許有助于遏制假新聞的浪潮。
通過人工智能來解決造謠問題
人工智能系統(tǒng)可以24小時(shí)工作，以遠(yuǎn)超過人類的效率對(duì)文本、視頻、圖像和音頻進(jìn)行分析。一所大學(xué)的計(jì)算機(jī)科學(xué)研究人員正在研發(fā)一種機(jī)器學(xué)習(xí)的方法來檢測(cè)假新聞。該程序?qū)⒎治鲆黄恼碌膬?nèi)容，然后對(duì)其是假新聞的可能性進(jìn)行評(píng)分。同時(shí)它還能生成打分的原因，這樣讀者就能理解為什么人工智能系統(tǒng)會(huì)把一些文章標(biāo)記為假新聞。
該研究項(xiàng)目參與者Stephan Woerner指出："人工智能能夠擁有同樣的信息，但相比于人類，它處理新聞的數(shù)量和檢測(cè)的有效性更高，而且不會(huì)感到疲憊。人們會(huì)有政治立場(chǎng)或情感偏見，但人工智能則不然，只要通過訓(xùn)練，它就能解決問題。"
具有諷刺意味的是，產(chǎn)生的假新聞越多，人工智能審查系統(tǒng)的效果就越好，機(jī)器學(xué)習(xí)平臺(tái)可以根據(jù)數(shù)據(jù)輸入進(jìn)行自我改進(jìn)，因此大量的虛假文章和視頻反而可以提高其對(duì)假新聞的檢測(cè)能力。
而正在研發(fā)的其他人工智能系統(tǒng)主要使用自然語言處理（NLP）對(duì)新聞內(nèi)容進(jìn)行一系列復(fù)雜的分析，從而識(shí)別假新聞。
自然語言處理系統(tǒng)能夠處理和組織非結(jié)構(gòu)化的信息，從巨大的數(shù)據(jù)集中獲取決策見解，人工智能的這一功能在掃描和檢測(cè)網(wǎng)絡(luò)上的海量文章時(shí)顯然是有用的。其中專門用來識(shí)別假新聞的算法，可能會(huì)比較不同網(wǎng)站報(bào)道某些新聞事件的方式，或者一個(gè)不太為人所熟知的網(wǎng)站的報(bào)道與主流媒體之間的關(guān)系，以及分析諸如上下文和位置等因素，來判斷一篇文章是否為假新聞。
一些開發(fā)人員還正在努力創(chuàng)建程序，以解析來自不同網(wǎng)站的文章內(nèi)容，并將文章與第三方對(duì)事件的報(bào)道進(jìn)行對(duì)比，以尋找可能具有誤導(dǎo)性的虛假內(nèi)容。同樣，這個(gè)系統(tǒng)所做的假新聞和相關(guān)分析越多，其識(shí)別出可疑內(nèi)容和細(xì)節(jié)的可能性就越大。
打假斗爭(zhēng)還需要人機(jī)協(xié)作
即使人工智能有助于遏制假新聞問題，但人類仍然肩負(fù)著關(guān)于假新聞的主要責(zé)任。包括社交媒體在內(nèi)的平臺(tái)允許用戶將帖子標(biāo)記為假新聞。同時(shí)他們使用算法來識(shí)別虛假內(nèi)容，并防止其傳播。然而，人工智能的輸出會(huì)準(zhǔn)確反應(yīng)用戶的輸入。如果有足夠多的用戶將真實(shí)內(nèi)容標(biāo)記為"假"，那么即便是高質(zhì)量的媒體也就有可能被錯(cuò)誤地貼上標(biāo)簽。
紐約大學(xué)斯特恩商學(xué)院兼職教授Darren Campo告訴福克斯新聞，人類也可以通過在假新聞生產(chǎn)中使用審慎的語言措辭來影響人工智能系統(tǒng)。Campo說："假新聞可以通過植入一個(gè)“事實(shí)"來保護(hù)自己，從而不會(huì)被檢測(cè)到。雖然人工智能系統(tǒng)可能有效地識(shí)別出一個(gè)事實(shí)為憑空捏造，但它無法有效地識(shí)別這一事實(shí)的上下文。開發(fā)人員還需要考慮到他們程序的局限性。例如，審查算法可以利用現(xiàn)有的內(nèi)容來驗(yàn)證故事的準(zhǔn)確性。但當(dāng)一家聲譽(yù)良好的媒體發(fā)布突發(fā)新聞時(shí)，它可能會(huì)在沒有太多故事背景的情況下發(fā)布信息，這反過來可能會(huì)影響到人工智能系統(tǒng)的決策。適當(dāng)?shù)娜肆ν度肟梢苑婪哆@一問題的產(chǎn)生，從而避免假新聞問題的進(jìn)一步加劇，與此同時(shí)，我們還需要克服自己的偏見。
事實(shí)上，讀到那些能夠迎合自我偏見的文章會(huì)讓我們感覺良好，但如果要捍衛(wèi)我們社會(huì)的真相和真實(shí)報(bào)道，我們就必須對(duì)我們所接觸的內(nèi)容持懷疑態(tài)度，人工智能或許能夠在打擊造謠方面發(fā)揮關(guān)鍵作用，但這一領(lǐng)域的進(jìn)展本質(zhì)上還是取決于我們?nèi)祟悾枰獙?duì)我們自己在網(wǎng)絡(luò)上的內(nèi)容互動(dòng)和分享更加審慎認(rèn)真。
（本文來源于網(wǎng)易）
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
