AI工具检测新闻源准确性与政治偏见
- 新机器学习算法关注新闻源而非单个声明，检测假新闻和偏见新闻。
- 对新新闻文章实现高达70%准确率。
- 仅需150篇内容即可判断来源可信度。
社交媒体平台让任何人极易在互联网分享传播信息，催生假新闻泛滥。假新闻通常为改变民众情绪影响重大事件（如政治选举），或通过展示广告引流牟利。
许多科技巨头投入大量资源构建自有假新闻检测系统，但MIT和卡塔尔计算研究院研究人员认为，检测假新闻最佳策略是关注新闻源而非仅分析个别声明。
基于此方法，他们开发新机器学习方法判断来源是否可信。基本表征整个新闻媒体，预测报道真实性。
如何判断偏见新闻？
系统核心思想：若网站曾发布错误事实，再次犯错概率较大。分析此类网站其他内容有助于系统预判哪些网站可能率先造假。
为可靠识别假新闻，可寻找文章常见语言特征：结构、复杂度、情感。例如多数假新闻使用情绪化、主观和夸张语言。
研究中尝试从以下来源衍生特征：
- 目标新闻源内容
- 其Twitter账号和维基百科页面
- 其URL结构
- 访问量
从Media Bias/Fact Check网站收集数据。在人工审核员帮助下，该网站审查近两千新闻网站的真实性和偏见，含主流媒体和薄内容农场。
参考：arXiv:1810.01765 | MIT
数据输入机器学习模型，模型按人工审核网站方式分类来源。模型产生显著结果：对新新闻文章，判断真实性水平（低/中/高）准确率65%，判断政治倾向（右倾/左倾/中立）准确率70%。
图片来源：MIT
研究人员称系统仅需150篇内容即可准确判断来源网站可信度。因此可在假新闻广泛传播前过滤。
下一步？
研究人员正改进系统提高准确度，使其与传统事实分析器协同工作。若系统对特定主题输出“怪异或困惑”结果，人工审核平台可快速核查并确定不同观点效度。
作者还生成近千家标注准确性和偏见分数的开源新闻网站数据集。计划推出移动应用帮助人们跳出政治回声室。并尝试训练系统支持其他语言。想超越左右偏见，建模其他地区更相关的偏见形式。
延伸阅读：检测社交网站假身份的新通用算法
此类算法可帮助人们了解虚假网站长相及其倾向发布的文章类型。
工业技术