不久前，微軟和亞利桑那州立大學(xué)的研究人員在預(yù)印本平臺 arxiv.org 上發(fā)表了一項研究論文，他們提出了一種人工智能框架： Multiple sources of Weak Social Supervision（MWSS），利用參與度和社交媒體信號來檢測假新聞。他們聲稱，經(jīng)過在真實數(shù)據(jù)集上訓(xùn)練和測試，該模型在假新聞早期檢測方面的表現(xiàn)優(yōu)于一些最先進的基準(zhǔn)。

　　如果該系統(tǒng)的正確率真的如作者聲稱的那樣，并投入生產(chǎn)，它將有助于阻斷虛假和誤導(dǎo)性信息的傳播，這些信息涉及美國總統(tǒng)候選人和其他有爭議的話題。布魯金斯學(xué)會（Brookings Institute）在 2018 年進行的一項調(diào)查發(fā)現(xiàn)，57% 的美國成年人在 2018 年大選期間曾遇到假新聞，19% 的人認為假新聞影響了他們的投票決定。

　　該論文的共同作者解釋說，學(xué)術(shù)文獻中的許多假新聞分類器依賴的信號需要很長時間才能聚合，這使得它們不適用于假新聞的早期檢測。此外，有些分類器僅僅依賴于信號，而這些信號容易受到有偏見或不真實的用戶反饋的影響。

　　相比之下，他們的新系統(tǒng)從多個來源進行監(jiān)督，包括用戶和他們各自的社交活動。具體來說，它利用少量手動標(biāo)簽的數(shù)據(jù)和大量弱標(biāo)簽的數(shù)據(jù)（即帶有大量噪聲的數(shù)據(jù)），用于元學(xué)習(xí)人工智能框架中的聯(lián)合訓(xùn)練。

　　一個名為 Label Weighting Network（LWN）的模塊，對調(diào)節(jié)假新聞分類學(xué)習(xí)過程的弱標(biāo)簽的權(quán)重進行建模，將研究人員所指的內(nèi)容作為一個實例——例如 (新聞片段）以及標(biāo)簽作為“輸入”。它為“表示對”輸出一個代表重要性權(quán)重的值，該值決定了該實例在訓(xùn)練假新聞分類器時的影響。為了在不同的弱信號之間共享信息，共享特征提取器與 LWN 一起工作，來學(xué)習(xí)共同的表示方法，并使用函數(shù)將特征映射到不同的弱標(biāo)簽源。

微軟人工智能框架與各種基準(zhǔn)模型的性能對比圖

　　微軟研究人員利用開源的 FakeNewsNet 數(shù)據(jù)集對他們的系統(tǒng)進行了基準(zhǔn)測試，該數(shù)據(jù)集包含新聞內(nèi)容（包括正文等元屬性），并帶有來自事實核查網(wǎng)站 GossipCop 和 PolitiFact 的專家注釋的標(biāo)簽，同時還包含了社交背景信息，如有關(guān)該新聞文章的推文。他們使用 13 個來源的語料庫對系統(tǒng)進行增強，其中包括英國主流新聞媒體，如英國廣播公司（BBC）和天空新聞（Sky News），以及俄羅斯新聞媒體的英文版，如 RT 和 Sputnik，內(nèi)容大多與政治有關(guān)。

　　為了生成弱標(biāo)簽，研究人員測量了分享新聞的用戶的情感評分，然后確定這些得分之間的差異，這樣，情緒差異很大的文章就會被注釋為假新聞。他們還生成了一組具有已知公眾偏見的人群的數(shù)據(jù)，并根據(jù)用戶的興趣與這些人群的匹配程度來計算得分，其背后的理論是，有偏見的用戶分享的新聞更有可能是假新聞。最后，他們根據(jù)社交媒體上的元信息對用戶進行聚類，以此來衡量用戶的可信度。這樣一來，那些形成大型聚類的用戶（這可能表明是僵尸網(wǎng)絡(luò)或惡意活動）的用戶就被認為可信度較低。

　　在測試中，研究人員表示，性能最好的模型結(jié)合了 Facebook 和RoBERTA自然語言處理算法，并針對干凈和弱數(shù)據(jù)的組合進行了訓(xùn)練，在 GossipCop 和 PolitiFact 中檢測出假新聞的正確率分別為 80% 和 82% 。

　　該團隊計劃在未來的工作中探索其他技術(shù)，如獲得高質(zhì)量的弱標(biāo)簽的標(biāo)簽校正方法。他們還希望對這個框架進行擴展，以考慮來自社交網(wǎng)絡(luò)的其他類型的弱監(jiān)督信號，利用參與的時間戳。

　　當(dāng)然，這些研究人員并非唯一試圖利用人工智能來阻斷假新聞傳播的人。

　　在最近的一項研究中，麻省理工學(xué)院計算機科學(xué)與人工智能實驗室開發(fā)了一種人工智能系統(tǒng)，可以識別誤導(dǎo)性的新聞文章。去年年底，Jigsaw 發(fā)布了Assembler，這是一款為媒體機構(gòu)提供的人工智能假新聞識別工具套件。AdVerif.ai 是一個軟件即服務(wù)的平臺，去年推出了 Beta 測試版，它分析文章中的錯誤信息、成人內(nèi)容、惡意軟件和其他有問題的內(nèi)容，并交叉引用一個定期更新的數(shù)據(jù)庫，其中包含數(shù)千條假新聞和合法新聞。就 Facebook 而言，它已經(jīng)試驗了部署人工智能工具來“識別賬戶和假新聞”。

　　作者簡介：

　　Kyle Wiggers，技術(shù)記者，現(xiàn)居美國紐約市，為 VentureBeat 撰寫有關(guān)人工智能的文章。

　　原文鏈接：

　　https://venturebeat.com/2020/04/10/ai-training-helps-remote-controlled-buggy-negotiate-rugged-terrain/

總結(jié)

以上是生活随笔為你收集整理的微软提出新AI框架MWSS，假新闻识别率优于最先进的基准的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。