研究& Innovation

人类制作的AI是最擅长识别假新闻,史蒂文斯研究说

新的AI可解释方法借鉴了以前的假新闻的研究,考察因素,如源的语言使用和信誉

Computer keys that say

一个史蒂文斯团队已经开发出一种新的解释的AI(赛)的框架,可以检测出假新闻高精度 - 这一定程度上取决于人的专业知识。

与博士生铭瑄陈和汪宁,史蒂文斯教授和成立工作 人工智能研究中心 导演K.P. “SUBA” subbalakshmi 提出的新发现 在计算机械的著名的KDD(知识发现和数据挖掘)夏季truefact车间的关联。

“这里最重要的是模块化的,”笔记 subbalakshmi,E教授lectrical和计算机工程。 “对这项工作,我们结合‘手工’的特点,在这方面的定性研究指出,以及潜在的功能。不同的群组独立研究的这些手工制作的功能的子集,但我们的方法提出了整合了所有这些新的赛模式模块化的方式不同的特点,因此,它们检测从真正的新闻假新闻的相对重要性来衡量。

“我们的方法的关键是,它是模块化的,这意味着,如果研究人员想测试新功能,手工制作,他们应该能够将其插入这种模式以最小的重新设计。”

的确,测试几个版本的大型数据集社交媒体帖子的艾后,球队找到了自己的最佳混合预测模型从谎言中分离真理表现好于11现有的假新闻的检测系统。

“基本上,我们发现,最佳的两个,世界接近,允许添加的手动调整功能,其实最好的工作做了,说:” subbalakshmi。

三个步骤来检测假新闻

球队的第一组分简单地人工智能扫描和编码所有写入的内容到一个512维矩阵的各个位置,使用的词语作为指导非常基本的特性。这是使用由谷歌的这样做的主要工具之一,创建的开源万能句子编码器(使用)来完成。

这个矩阵可单独用于检测假新闻,但他们发现,这种“潜功能只”的做法没有奏效,以及混合方法,其中包括“手工制作的”特色为好。

史蒂文斯教授K.P. “SUBA” subbalakshmi

该球队的AI的第二部分涉及包括手工的功能,比如“concretenessscore”和“VBG”的动词使用该测量频率,描述性和写入的其他方面的丰富性。艾相关因素与潜在的真实性的那些频率。

重要的是,这些变量的数目可以单独由研究者根据需要调整。 subbalakshmi的研究小组发现的这个所谓的“手工制作”部分ai的证明是三个主要组成部分的最有价值和最准确的从谎言帮助独立的真理。

“总有一个争论,在人工智能,关于系统是否应完全自动和人工,或人类专家是否应该被允许去影响因素,混合物”笔记subbalakshmi。 “这项研究取得了相当强的情况下,人的影响是必要和有益的。”

掺入的第三类的特征涉及到提取,分类和细节分析 关于 具体的人或帐户共享信息。 (除了极少数甚至没有跟随者的推特账户可能是不太可能是真实的,例如。)

“这是一个全新的社交媒体帐户,或已等待了很长一段时间?是用户的身份验证?有多少朋友它有多少‘收藏夹’有它做?”问subbalakshmi。

“那是什么的这部分艾的样子,因为这是研究人员先前已确定为潜在有用的一些数据点中检测假新闻。”

较好的透明度,加强改进

作为系统生成的预测,也分享到透明的决策,在某种程度上大多数AI系统没有。 subbalakshmi说,这是至关重要的,因为它可以帮助研究人员改进他们的方法。

“什么是我们的AI很好的地方在于它可以告诉你 哪一个 因素让您在检测道理对于任何输入例如最佳的性能,“她解释说,”例如,它可能会告诉你,从检查,所有这些手工制作的特点,语言的丰富性和通信的音调或情绪均作出决定,这鸣叫是假的两个最有意义的因素。

“所以,如果你发现一些一贯表现不佳的功能,它们可以在你的下一次迭代删除的人工智能,以提高其准确性。”

在工作的下一个阶段,团队将开始合并图像分析到它的假新闻系统 - 此举将加强在复杂的AI,并作出预测所需的计算资源,同时也可能会增加动力和准确性。

“没有灵丹妙药检测真理,你永远不会获得最后的胜利,因为骗子一直在努力学习如何游戏正在构建的检测系统,”总结subbalakshmi。 “它始终是一个猫捉老鼠的游戏。

“但我们已经制定和这里解释的系统在该领域的良好未来前进,我们相信,而且我们非常高兴接下来要添加图像的组合。”