阿里巴巴達摩院科學(xué)家造了一個識別謠言的神器
　　AI謠言粉碎機，謠言識別準確率達81%


　　達摩院NLP團隊成員李泉志


　　昨天，一篇《為拯救爸媽朋友圈，達摩院造了“謠言粉碎機”》的文章，在朋友圈刷屏，引來一片鼓掌叫好：“這下終于不用費勁勸導(dǎo)爸媽了！”
　　文章說的是，阿里巴巴達摩院的科學(xué)家，造了一個謠言粉碎機，這是一個算法模型，可以識別真假新聞，未來也能應(yīng)用在各大領(lǐng)域。
　　這是怎樣一種算法？準確率高嗎？真的可以終結(jié)謠言？記者聯(lián)系到了正在大洋彼岸的“謠言粉碎機”的創(chuàng)造者李泉志。
　　“粉碎機”的前生功能
　　是為記者提供可靠線索
　　《速轉(zhuǎn)！科學(xué)家發(fā)現(xiàn)：一味中藥48小時可殺死60%癌細胞!》《晚上喝白開水的朋友，再不看就晚了！》《專家說了，這樣?xùn)|西千萬別吃！》……
　　你有沒有收到過父母發(fā)來的這些“關(guān)懷”？又有多少次是抱著“算了算了，你開心就好”的心態(tài)結(jié)束話題？
　　“不能保證百分之百準確，但基本可以判斷是否為謠言?！崩钊荆_摩院NLP團隊的核心成員之一，畢業(yè)于清華大學(xué)，后在美國獲得自然語言理解方向的博士學(xué)位，目前在達摩院的西雅圖辦公室工作。
　　在加入達摩院前，他曾是路透社重要的“情報官”：通過機器篩選成千上萬的網(wǎng)絡(luò)信息，為數(shù)千位一線記者提供可靠線索。
　　“AI謠言粉碎機”就是借助自然語言實現(xiàn)的。在剛剛結(jié)束的SemEval（自然語言處理領(lǐng)域的國際權(quán)威比賽，由國際計算語言學(xué)學(xué)會舉辦）全球語義測試中，“AI謠言粉碎機”創(chuàng)造了假新聞識別準確率的新紀錄，達到了前所未有的81%。
　　判斷一個新聞?wù)婕?br>　　要分三個步驟
　　“AI謠言粉碎機”要怎么去判斷是否為謠言呢？李泉志說，分三步——
　　首先，該模型會找到最初的信息源，分析用戶畫像，包括：專業(yè)領(lǐng)域，此前傳播或轉(zhuǎn)發(fā)過什么，是個人還是機構(gòu)，注冊時間，活躍規(guī)律等，來判斷發(fā)布者是否“可靠”。最后根據(jù)不同態(tài)度的人群比例、各自的信譽度等信息，計算出此新聞的可信度。
　　第二步，尋找網(wǎng)上所有的信息源，看看鏈接的域名，是否來自可信網(wǎng)站，比如新華社、政府醫(yī)藥管理局等。
　　第三步，將正文里關(guān)鍵的論證提煉為知識點，與知識圖譜里的權(quán)威知識庫做匹配驗證。如果毫無聯(lián)系、自相矛盾，減分。
　　李泉志解釋，“AI謠言粉碎機”會考慮一部分人類的想法，更多的則是 AI的運用。人工智能有很多人類比不了的地方，比如當一個流言在社交網(wǎng)站上傳播很快的時候，我們很難去判斷真假，不知道誰接收到了，是出于什么原因轉(zhuǎn)發(fā)，不同的人對此的評價是什么，而這些AI可以做到?！凹偃鐏硪粋€流言，人可以通過網(wǎng)站去查證，但是AI可以快速把科學(xué)研究、新聞拉出來，加上后臺知識庫的對比，做一個驗證。人腦中有基本判斷，但是沒有大型的知識庫?！崩钊菊f。
　　就拿“AI謠言粉碎機”的訓(xùn)練樣本來說，就要分至少兩個層面：首先拿底層的2億條信息，幾百萬條新聞，訓(xùn)練語言樣本；再將模型進行謠言的真實性訓(xùn)練。“是一個復(fù)雜且費時的過程?！崩钊颈硎?。
　　誰制造謠言，論文是否抄襲
　　未來粉碎機還有更多功能
　　其實，要建這樣一個數(shù)據(jù)模型，并不容易。李泉志坦言，他在前一家公司就開始研究，到如今，也還需繼續(xù)完善。他們有一個小團隊專門在研究這一技術(shù)，因為，總體來說這不是一個單獨能列出來的技術(shù)，是自然語言所有技術(shù)的綜合。
　　目前，該模型也并未應(yīng)用于阿里巴巴的任何業(yè)務(wù)中，李泉志坦言，數(shù)據(jù)模型需要不斷被“訓(xùn)練”，也需要得到社會的認同，而這些，都不是短時間內(nèi)能解決的。
　　可以想象的是，“AI謠言粉碎機”未來將被應(yīng)用的多個場合。
　　比如，可以識別論文是否為抄襲，用技術(shù)從個人的寫作風格、方法論、主題等多維度去判斷是否為抄襲。過去有人說某年輕作家后期的作品由人代筆，以后用AI就能分析得出結(jié)論。
　　另一方面，可以協(xié)助警方找到真正謠言的制造者。通過AI去追蹤傳播路徑，從傳播路徑中，將傳播分解，可以發(fā)現(xiàn)規(guī)律，比如傳播了哪些用戶，用戶是什么反應(yīng)，是簡單的轉(zhuǎn)發(fā)，還是贊成、反對，還是進行了二次加工？
　　“當然，該模型也還是需要更多的語言訓(xùn)練。比如有些用戶轉(zhuǎn)發(fā)時，說的是反話、諷刺，有些是隱喻，不知是否是真實的情緒表達，這些作為機器很難對此做出判斷，但是通過大量的訓(xùn)練，是可以實現(xiàn)的?！崩钊颈硎荆蛨F隊會繼續(xù)研究該模型。（朱銀玲）
　　【編輯：彭向東】