由于假新闻威胁要吃世界,一些政府,学术和私人组织推出了一系列项目,以打击其传播,包括人工智能系统,可以通过致电其内容来标记假新闻。马萨诸塞州理工学院(麻省理工学院)和卡塔尔研究中心的科学家们已经用机器学习算法增加了这项努力,他们说可以通过对处理令人难以置信的八卦的任何人熟悉的方法来帮助边缘化假新闻:考虑来源。

麻省理工学院计算机科学和人工智能实验室(CSAIL)和卡塔尔计算研究所(QCRI)的研究人员已经证明了一个新的 机器学习系统 这评估了源的准确性和/或偏差,例如网站,作为衡量其内容质量的方式。研究人员说,该系统也很快运作,这将是对目前的防伪新闻方法的改进,包括人类事实跳棋军队,该方法运行个人声称的地面或试图做同样的机器。无论采用哪种方法,虚假和误导性故事都可以在执行赛车可以追赶之前几次圈出数型数型。

麻省理工学院系统从源的可信度开始。 “如果一个网站以前发表了假新闻,那么他们会再次做到很好的机会,”博伊比亚,博士后的麻省理工学院研究员和一个领先作者 关于系统的论文,说 麻省理工学院新闻。 “通过自动刮掉这些网站的数据,希望我们的系统可以帮助弄清楚哪些可能首先这样做。”

研究人员表示,该系统可以根据大约150篇文章来可靠地评估网站的可靠性,他们从中获得 媒体偏见/事实检查 (MBFC),其人类的事实跳棋率超过2,000多个大型新闻网站。

研究人员表示,在网站的一致语言特征中发现了最有效的偏见线索,包括情绪,复杂性和句子结构。例如,假新闻的供应商倾向于比其他网站更愿意使用双曲线,主观和情绪语言。研究人员表示,他们还发现了一贯的语言特征,分离频谱的政治目的,分离频谱的政治目的

该研究团队指出,该系统是在更大的改进方面取得的成就,但根据MBFC的高中低位衡量新闻来源的准确性,它在衡量事实和约70%方面有65%。确定网站是否倾向于右,左或中等。

研究团队建立了一个超过1000个来源的开源数据集,包括准确性和偏见的评级,它表示是世界上最大的数据库。研究人员还正在努力将系统适应英语以外的语言,并将其钻取超越右/左偏置到特定区域。然而,即使有计划的改进,他们表示它仍然将与其他事实检查系统合作。

很少几个 防伪新闻举措 在过去几年中进入,包括由新闻组织,媒体领导,科技公司和其他人经营的人。这 假新闻挑战为一个人争取志愿者开发工具,以帮助执行验证者加快工作。斯坦福大学正试图开发一个AI系统,可以根据其内容识别假新闻。和陆军研究实验室正在进行研究 人体元素 在假新闻问题的情况下,检查预先存在的偏见或缺乏影响,影响人们如何解释他们所看到的新闻。

假新闻并不是新的;创始的父亲有 大量投诉 关于他们看到的是兜售小说的事实。但凭借互联网的力量, AI. 技术的出现,和一个明显的 降低标准 通过政治领导和参与者,其持续存在的存在威胁要压倒基于事实的辩论。如果要减少假新闻,那么在获得太多牵引力之前必须识别它。

阅读更多信息
关于
乔佛罗文
乔佛罗文
乔佛罗文是一个计划经理,涵盖Meritalk.com的现代化,网络和政府IT政策。
标签