近期，HBO出品的臺(tái)劇《我們與惡的距離》熱播，在感慨劇情深度的同時(shí)，也引發(fā)了對(duì)于媒體行業(yè)生存現(xiàn)狀的反思。

《我們與惡的距離》劇照

一方面，人們希望媒體能夠堅(jiān)持所謂“新聞理想”，另一方面，在信息爆炸訊息光速傳遞的今天，媒體人要堅(jiān)守“客觀真實(shí)”的報(bào)道，實(shí)屬難得。

作為一位媒體從業(yè)者，文摘菌對(duì)于女主角新聞臺(tái)副總監(jiān)“宋喬安“印象深刻。

賈靜雯飾演宋喬安，演技炸裂

影片一開始，我們就目睹了一起搶熱點(diǎn)的假新聞事件。多家媒體同一時(shí)間播報(bào)了一條泰國(guó)發(fā)生爆炸的消息，令宋喬安和同事感到措手不及。這條消息沒(méi)有得到前方記者的證實(shí)，也缺乏官方認(rèn)證，用媒體術(shù)語(yǔ)來(lái)說(shuō)，就是不具有權(quán)威信源。但是，該爆炸性新聞自帶流量，若證實(shí)有中國(guó)游客身亡，更會(huì)讓它成為一條名副其實(shí)的爆款新聞。

競(jìng)爭(zhēng)對(duì)手們爭(zhēng)相播報(bào)，宋喬安壓力頗大，盡管沒(méi)有拿到真的信源，依然硬著頭皮播了這條新聞，但最終，它被證實(shí)是一條假消息。

機(jī)器學(xué)習(xí)假新聞判別

宋喬安的尷尬處境也恰恰是當(dāng)代媒體真實(shí)寫照。突發(fā)新熱點(diǎn)多，真假難以被證實(shí)?；蛟S，我們可以在算法的幫助下，打破這一困境。

《我們與惡的距離》劇照

AI謠言粉碎機(jī)

今年愚人節(jié)當(dāng)天，阿里宣布了一項(xiàng)新技術(shù)被稱為“AI謠言粉碎機(jī)”。這項(xiàng)技術(shù)的算法模型通過(guò)深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)，設(shè)計(jì)了包括發(fā)布信息、社交畫像、回復(fù)者立場(chǎng)、回復(fù)信息、傳播路徑在內(nèi)的判斷系統(tǒng)，將謠言識(shí)別和社交用戶觀點(diǎn)識(shí)別打通，最快1秒內(nèi)判定結(jié)果。在特定場(chǎng)景中的準(zhǔn)確率可達(dá)到81%。

阿里希望幫助社交平臺(tái)和新聞網(wǎng)站在假新聞尚未造成大面積傷害時(shí)就快速識(shí)別出來(lái)，遏制其傳播。在信息被證實(shí)為謠言后，AI還可通過(guò)虛假信息的傳播路徑，定向給閱讀過(guò)此信息的用戶進(jìn)行辟謠。

SemEval語(yǔ)義測(cè)試大賽中，根據(jù)主辦方提供的過(guò)去兩年社交媒體Twitter和Reddit上的近500個(gè)真實(shí)言論和1萬(wàn)多條相關(guān)反饋數(shù)據(jù)，阿里巴巴的人工智能技術(shù)對(duì)假新聞識(shí)別的準(zhǔn)確率創(chuàng)造了新的紀(jì)錄。達(dá)摩院語(yǔ)言技術(shù)實(shí)驗(yàn)室首席科學(xué)家司羅表示，“AI謠言粉碎機(jī)”未來(lái)有望幫助社交媒體的審核機(jī)構(gòu)承擔(dān)60%的工作量。

Breaking Data

英國(guó)有一家體育媒體GiveMeSport，是一個(gè)主要基Faceboook發(fā)布體育相關(guān)的新聞，最后被人工智能公司Breaking Data 收購(gòu)，目前在新聞?lì)l道的兩個(gè)終端應(yīng)用了AI技術(shù)，可以分析和反應(yīng)片段及重大新聞報(bào)道。

Breaking Data運(yùn)用自然語(yǔ)言處理技術(shù)掃描Twitter，通過(guò)相關(guān)推文篩選預(yù)定關(guān)鍵詞，如運(yùn)動(dòng)隊(duì)、球員姓名、球隊(duì)名稱、俱樂(lè)部、聯(lián)賽或運(yùn)動(dòng)場(chǎng)。經(jīng)過(guò)篩選和驗(yàn)證關(guān)鍵詞，將其分為“重大事件”，“相關(guān)新聞”或“大幕新聞”等類別;并在BreakingSports Slack頻道中作為警報(bào)發(fā)送給記者。GiveMeSport正在使用Breaking Data的技術(shù)將其他公開可用的數(shù)據(jù)源（如Facebook，Reddit和Wikipedia）整合在一起。

這個(gè)平臺(tái)通過(guò)識(shí)別可靠的信息來(lái)源來(lái)判斷推文是否可靠，例如，歐冠中當(dāng)巴薩以3：0戰(zhàn)勝利物浦時(shí)，人工智能平臺(tái)可以跟蹤Twitter上的內(nèi)容何時(shí)首次出現(xiàn)，并將該帳戶標(biāo)記為可靠的權(quán)限。

用AI打假AI合成圖片

除了假新聞，AI合成的視頻和照片也越來(lái)越多，利用算法實(shí)現(xiàn)AI換臉技術(shù)已經(jīng)很成熟。針對(duì)此種情況，成立于2017年的舊金山初創(chuàng)企業(yè)人工智能基金會(huì)(AI Foundation)，他們正在開發(fā)的Reality Defender將幫助人們識(shí)別由人工智能算法生成的內(nèi)容，以檢測(cè)潛在的虛假媒體。

與病毒防護(hù)類似，他們的工具掃描每一幅圖像、視頻和其他媒體，尋找已知的假象，允許你報(bào)告可疑的假新聞，并使用各種人工智能驅(qū)動(dòng)的分析技術(shù)，以檢測(cè)變化或人為生成的跡象。

虛假、合成的照片和視頻在網(wǎng)絡(luò)的傳播，也會(huì)造成品牌和個(gè)人造成不可挽回的名譽(yù)損毀。但試圖監(jiān)管全球媒體數(shù)據(jù)將是一項(xiàng)艱巨的任務(wù)，使用AI技術(shù)任何人都可以炮制出數(shù)百萬(wàn)張看起來(lái)逼真的假照片。鑒于虛假圖像和視頻的改善速度之快，或許驗(yàn)證“什么是真實(shí)的”的商業(yè)模式可能更有效，也許媒體和個(gè)人很快應(yīng)該擁有自己的數(shù)字指紋，可AI合成的底線又在哪？

假新聞?dòng)?xùn)練模型及數(shù)據(jù)集

在某種程度上假新聞的是一個(gè)微觀領(lǐng)域問(wèn)題，它和謠言分類、事實(shí)判斷、標(biāo)題黨檢測(cè)、垃圾內(nèi)容挖掘等都比較類似，在宏觀上說(shuō)都屬于內(nèi)容質(zhì)量的領(lǐng)域，所以很多方法其實(shí)是通用的框架。騰訊科技高級(jí)研究員孫子荀將假消息辨別模型分為兩類：

基于內(nèi)容的建模；

基于社交網(wǎng)絡(luò)的模型。

后者可以通過(guò)對(duì)虛假新聞的傳播游走軌跡跟蹤，以及通過(guò)圖模型和演化模型中針對(duì)特定假新聞的進(jìn)一步調(diào)查；其次，識(shí)別虛假新聞的關(guān)鍵傳播者，對(duì)于減輕社交媒體的傳播范圍至關(guān)重要。

在2017年，Kai Shu等人的論文中將假新聞的研究主要分為三個(gè)方向：

數(shù)據(jù)方面的研究：目前還沒(méi)有標(biāo)準(zhǔn)的測(cè)評(píng)數(shù)據(jù)集，需要去建立的?？梢酝ㄟ^(guò)傳播特性提前檢測(cè)假新聞。

模型特征方面的研究：通過(guò)使用用戶的畫像特征，內(nèi)容特征（NLP、CV）結(jié)合深度學(xué)習(xí)，還有傳播網(wǎng)絡(luò)特征，比如用戶和內(nèi)容之間的關(guān)系構(gòu)造出來(lái)的網(wǎng)絡(luò)特征，網(wǎng)絡(luò)本身的embedding表現(xiàn)。

模型方面的研究：這方面的工作可分為特征之間的組合、預(yù)測(cè)目標(biāo)的變化、對(duì)內(nèi)容源、內(nèi)容反饋和文章風(fēng)格的限制，組合這些模型，也可通過(guò)空間變換，把特征變換到另外的latent語(yǔ)義空間嘗試解決。

鑒定假新聞是一件任重而道遠(yuǎn)的事，對(duì)假新聞機(jī)器學(xué)習(xí)模型感興趣的同學(xué)也可以通過(guò)以下開放的數(shù)據(jù)集進(jìn)行嘗試。

1. FakeNewsNet

BuzzFeed和PolitiFact兩個(gè)平臺(tái)的數(shù)據(jù)集，包括新聞內(nèi)容本身（作者，標(biāo)題，正文，圖片視頻）和社交上下文內(nèi)容（用戶畫像，收聽，關(guān)注等）。

數(shù)據(jù)集獲取方式：

https://github.com/KaiDMML/FakeNewsNet

2.LIAR

該數(shù)據(jù)集也是來(lái)自PolitiFact，包括內(nèi)容本身和內(nèi)容的基礎(chǔ)屬性數(shù)據(jù)，比如來(lái)源，正文等。

數(shù)據(jù)集獲取方式：

http://www.cs.ucsb.edu/~william/data/liar_dataset.zip

3. Twitter and Weibo DataSet

一個(gè)比較全的數(shù)據(jù)集包括帖子ID，發(fā)帖用戶ID，正文，回復(fù)等數(shù)據(jù)。

數(shù)據(jù)集獲取方式：

http://alt.qcri.org/~wgao/data/rumdect.zip

4. Twitter15 Twitter16

來(lái)自 Twitter 15、16 年的帖子，包括了帖子之間的樹狀收聽，關(guān)注關(guān)系和帖子正文等。

數(shù)據(jù)集獲取方式：

https://www.dropbox.com/s/7ewzdrbelpmrnxu/rumdetect2017.zip?dl=0

5. Buzzfeed Election Dataset & Political News Dataset

Buzzfeed’s 2016 收集的選舉假新聞，以及作者收集的 75個(gè)新聞故事。包括假新聞，真新聞和諷刺新聞。

數(shù)據(jù)集獲取方式：

https://github.com/rpitrust/fakenewsdata1

相關(guān)鏈接：

http://www.sohu.com/a/311856780_99928473?sec=wd

https://zhuanlan.zhihu.com/p/57124028