识谣言、辨假货 人工智能已活跃在打假一线

　　识谣言、辨假货 人工智能已活跃在打假一线

　　“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。

　　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。

　　曹娟介绍，目前，中科院计算所开发的辟谣平台已积累数万条假新闻信息，累计认证数十万次。通过平台积累的数据，目前可从新闻质量的角度把杜撰的新闻文本大致分为三类：一完全杜撰，往往是在真实存在的实体上编造情节；二半真半假，可能描述的前半段是真，后半段就展开不可靠的想像，或者一部分是真，但在关键情节上添油加醋；三旧闻新传、移花接木，事件本身可能存在，但发布者故意模糊化甚至篡改原事件中的时间、地点，让人误以为事情刚刚发生在当地被。

　　除去文字造假，图片视频造假也越来越多。“我们将虚假新闻配图分为复用的过时图片、能引起歧义的误导性图片及篡改图片。假新闻通常呈现出新闻要素缺失、图像质量低、内容包含色情敏感广告等低俗信息，以及图文不匹配等特点。例如，有些假新闻中的配图会出现满屏弥漫冲天大火、公路凹陷深坑、被弃男童在垃圾废墟前嚎啕等画面。”曹娟描述道，“谣言更易形成病毒式扩散的趋势，而真实新闻的扩散速度和爆发度要温和许多。”