새로운 AI가 뉴스 소스가 정확한지 또는 정치적으로 편향되었는지 감지할 수 있음

• 새로운 머신러닝 알고리즘은 가짜 뉴스와 편향 뉴스를 감지하기 위해 개별 주장을 스크랩하는 것이 아니라 뉴스 소스에 중점을 둡니다.
• 새로운 뉴스 기사의 경우 최대 70%의 정확도를 달성했습니다.
• 소스를 신뢰할 수 있는지 여부를 결정하는 데는 150개의 콘텐츠만 있으면 됩니다.

소셜 미디어 플랫폼은 누구나 인터넷에서 정보를 공유하고 퍼뜨리는 것을 매우 쉽게 만들었습니다. 이로 인해 사람들의 감정을 변화시키고 정치 선거와 같은 큰 행사에 영향을 미치거나 광고를 게재하여 트래픽을 유도하고 수입을 올리기 위해 일반적으로 생성되는 가짜 뉴스가 확산되었습니다.

많은 기술 대기업이 자체 가짜 뉴스 감지 시스템을 구축하는 데 상당한 자원을 투입하고 있지만 MIT와 카타르 컴퓨팅 연구소의 연구원은 가짜 뉴스를 감지하는 가장 좋은 전략은 개별 주장을 분석하는 것보다 뉴스 소스에 집중하는 것이라고 믿습니다.

이 접근 방식을 사용하여 출처가 신뢰할 수 있는지 여부를 결정하는 새로운 기계 학습 기반 방법을 개발했습니다. 기본적으로 전체 뉴스 미디어를 특성화하여 보고의 사실성을 예측합니다.

편향된 뉴스를 어떻게 결정합니까?

시스템의 이면에 있는 아이디어는 사이트가 이전에 잘못된 사실을 게시한 경우 다시 게시할 가능성이 있다는 것입니다. 이러한 웹사이트의 다른 콘텐츠를 분석하면 시스템이 처음에 어떤 사이트에서 이를 수행할 가능성이 있는지 판단하는 데 도움이 될 수 있습니다.

가짜 뉴스를 확실하게 식별하기 위해 기사에서 구조, 복잡성 및 감정과 같은 일반적인 언어적 특징을 찾을 수 있습니다. 예를 들어, 대부분의 가짜 뉴스는 감정적이고 주관적이며 과장된 언어를 사용합니다.

이 연구에서 그들은

에서 파생된 여러 기능을 실험합니다. <올>

대상 뉴스 매체의 콘텐츠

트위터 계정 및 Wikipedia 페이지

URL 구조

방문자 수

그들은 웹사이트 Media Bias/Fact Check에서 데이터를 수집했습니다. 검토자의 도움을 받아 이 웹사이트는 인기 미디어 소스와 씬 콘텐츠 팜을 포함하여 거의 2,000개에 달하는 뉴스 사이트의 사실성과 편견을 조사합니다.

참조:arXiv:1810.01765 | MIT

이 데이터는 인간 검토 웹사이트와 동일한 방식으로 소스를 분류하도록 개발된 기계 학습 모델에 제공되었습니다. 모델은 인상적인 결과를 보여주었습니다. 새로운 뉴스 기사의 경우 기사의 사실성 수준이 낮음, 중간 또는 높음인지 여부를 판단할 때 65%의 정확도를 달성했으며 내용이 우경적인지 판단할 때 70%의 정확도를 달성했습니다. 좌파 또는 온건합니다.

이미지 제공:MIT

연구원들은 시스템이 소스 웹사이트가 신뢰할 수 있는지 여부를 정확하게 판단하기 위해 150개의 콘텐츠만 필요로 한다고 주장합니다. 따라서 가짜 뉴스가 인터넷에 너무 널리 퍼지기 전에 걸러낼 수 있습니다.

다음은 무엇입니까?

연구원들은 현재 시스템의 정확성을 개선하고 기존의 사실 분석기와 함께 작동하도록 하기 위해 노력하고 있습니다. 시스템이 특정 주제에 대해 '이상하거나 혼란스러운' 출력을 제공하는 경우 수동 검토 플랫폼은 해당 결과를 신속하게 확인하고 다른 관점에 어떤 타당성을 부여해야 하는지 결정할 수 있습니다.

저자는 또한 정확도와 편향 점수가 태그된 거의 1,000개에 달하는 뉴스 웹사이트의 오픈 소스 데이터 세트를 생성했습니다. 그들은 또한 사람들이 정치적 거품을 제거하는 데 도움이 되는 모바일 앱을 출시할 계획입니다. 또한 다른 언어에서도 작동하도록 시스템을 훈련시키려고 노력할 것입니다. 그들은 오른쪽/왼쪽 편향을 넘어서 다른 지역과 더 관련이 있는 다른 형태의 편향을 모델링하기를 원합니다.

읽기:소셜 네트워킹 사이트에서 가짜 ID를 감지하는 새로운 일반 알고리즘

이러한 유형의 알고리즘은 사람들이 가짜 사이트의 모양과 게시하려는 기사 유형을 이해하는 데 도움이 될 수 있습니다.