全文共3657字，预计学习时长7分钟
由AI、DLT和全球社区共同构筑
在我们这个互联互通的世界，假新闻是一大问题。虽然虚假信息和过度宣传早就已经存在，但“假新闻”正在成为人类真正的威胁，部分原因在于在网络上捏造、散播和消费信息已经十分简单。假新闻顽固存在的原因是人们很难识别、跟踪和控制不可靠信息，即使早就有迹象证明有假新闻在网上流传，想要删除或者阻止网友阅读，也可能被视为人为干预和信息审查。
人、网站、博客、以及社交媒体，这些或多或少都是问题的来源——无论是有意或无意。只需点几下鼠标，人们就可以通过全球网络轻易编造和传播假新闻或误导性的信息，而且在很多情况下，这会潜移默化地影响公众舆论。由于存在所谓的“深度伪造”，现在人们已经很难判断信息是否真实。最新技术能够以非常逼真的方式篡改原本存在的真实视频或者生成新的假视频，比如说视频里某个人在讲话，但实际上他从来没有说过这样的话。此外，将合成的一段语音与某个名人的声音进行匹配，也可以伪造出他从未说过的话。在电视、照片或视频里看到就将其视为真实存在，这样的时代已经结束了。
假新闻可以影响甚至塑造公众舆论，也可以设置（或重塑）议程，它们可以通过各种平台和用户有意或无意地进行传播。“无意识分享”的存在主要是因为人们对假新闻普遍缺乏认知：他们不知道自己在多么频繁地接触假新闻；也不知道自己其实已经受到了假新闻的误导；更不知道他们时常在无意中成为假新闻的传播者。
新闻公司和社交媒体正在努力缓解这一问题，其中有一些举措确实卓有成效，但这一问题仍在发酵——它已经超越了公司能够控制的界限。
本文将要描述一个全球性、不可变的注册表，用于对“假新闻”进行标注，该表构建于新闻机构、社交媒体和搜索引擎之上，可以作为在全球范围内解决假新闻问题的方案。自然语言借助于区块链、IPFS等技术，能够对目标平台进行处理，并在全球范围内构建起一个评估人员网络，对全球网络中的代表性随机样本进行持续的反馈、标注和评估。这一系统的目标是通过对已经过人类评估和标记的假新闻进行快照记录，从而对问题进行量化，并引发全球范围的关注。此外，该平台还可以提供特殊API，可以从分析的内容中提取出相关模式和信息，以帮助第三方在“发布时间”或“分享时间”预测新内容的可信度。
假新闻：病毒式设计
虚假内容是一种病毒式设计，其创造者希望它有机且迅速地传播。假新闻旨在吸引用户的注意力、触发情绪反应，以便他们能够在社交账号中迅速分享这些所谓的“新闻”。只要技巧到位、时机正确，一个假新闻不到几个小时就可以传播开来。“假新闻行业”所利用的网络现实有以下两个“缺点”：
1. 人类建立网络是为了获得“关注度和即时共享”
全球“新闻传播网络”包括社交媒体、新闻公司、意见领袖和有影响力的人物，他们的表现是通过“关注度”和“用户投入”来衡量的，而这一指标经常过度简单化地通过CTR（点击率）和共享数据来衡量。高CTR的内容更有可能在社交订阅列表的顶部或者在新闻网站的主页上停留更久——无论它是否包含很大的信息量、是否可靠有用。因此，花哨的图片和“过分夸张的标题”很容易引起用户的注意力——无论它背后的故事（如果有的话）是否具有高质量。
对一篇文章来说，一个令人印象深刻的标题就像一张花哨的“促销卡”，足以让人们在社交媒体上和朋友们进行分享，而这一行为可以导致无实质内容，甚至是包含错误和误导性信息的新闻进行病毒式传播。在社交媒体上，吸引用户注意力、推动信息分享的并不是内容的质量和可信度，而是“预期绩效”。
网站和其他在线经营商乐于复制那些具有潜在病毒性的故事，通过推广赢得更多流量，吸引更多广告，以实现他们野心勃勃的赚钱目的。内容质量只是KPI很小的一部分——至少不是重要因素，热门网站往往将点击率、页面浏览量、社交分享量及其他相似指标作为业绩目标，如果有用户对劣质内容进行投诉，他们只会将其重新编辑或直接删除。
2. 网络用户偏爱“轻松地分享大量信息”
假新闻问题的另一个方面在于大规模的网络用户作为网络信息的主要传播者（或分享者），并没有必要去理解甚至也没有必要对他们所分享的内容真的感兴趣。可悲的是，在这个世界知识随时可获取的时代，网上的绝大多数用户都是“被动的转发者”，他们不会原创，只是回收利用一些流行或讨人喜欢的东西，他们几乎没有判断力和批判性思维。这一类用户是假新闻及其他劣质内容的潜在消费者和传播者，并无意识地成为假新闻传播机制的一部分。
量化问题和意识问题
显而易见的是，有些机构会故意生产假新闻，以实现其政治、商业或其他目的。如前文所述，有一大群网络用户（可能是个人，也可能代表某一公司）会在无意中推动假新闻的指数传播。事实上，由于对问题缺乏了解，许多用户永远也不会发现他们已然置身于“假新闻系统”之中。
想要尝试解决假新闻问题，提高全球范围内用户的问题意识在每一个环节中都很关键。我们必须系统地衡量全球假新闻的流通程度，及社交网站和网络用户的无意识参与程度，而不是在发现假新闻时默默删除或者将相关账号冻结。我们需要对网络世界的代表性样本进行持续分析，以了解其中的模式，再选择是否进行信息分享。这就需要建立一个由人和AI共同参与分析和标注的、内容丰富的全球注册表，以及一个AI驱动的全球社区，这一社区将建立在不可变的统一内容存储库的基础上。这将是一个基于人类合作精神而建立起来的平台，并由人类最先进的智能技术加以辅助。
解决之道：在全球范围内对假新闻进行标注
本文所提议的“假新闻评估网络”所用的方法不同于以往，它很少对新内容进行实时分类，而更重视对已有“假新闻”进行大规模分析，为的是量化假新闻问题，从中建立模型，并分享所得发现。它可以通过衡量相关方的责任水平，以达到教育群众、提高全球意识并影响网络企业社会责任策略的目的。
想象一下每天都会运行的“内容抽样”过程，即对全球范围内发布和分享的内容进行抽样，这一过程得益于特殊的抓取工具，它可以在一组代表性网站、社交媒体和流行博客中“听取”各种故事和“新闻”，并将这些“新鲜内容”和“新内容索引”建构成一个统一的、不可复制且不可变的内容存储库，这一存储库专门用于处理各种故事、事实及其关联信息。新识别的内容被整合并关联至其“母本”、相关的“故事”及其他事实信息，然后与已标注内容进行比较，目的在于用“同一故事的真实版本”和已知模式来对该新闻“与现实的偏离程度”进行评估。
AI在这一过程中也很重要，它能够识别新闻中的故事（包括命名实体、时间、场合、时间线等）并在大量五花八门的信息来源及质量参差不齐的新闻中进行匹配，创建需要评估的新闻列表，并通过智能建议和推荐（特别是每个故事中需要检查的内容）简化评估过程。然后，全球专业人士和“活跃网络公民”社区再出于适当的理由，通过串联式的索引和注释对这些故事的某些方面进行评估，给出正确与否的投票。
一旦某个新闻获得足够的投票和检查，AI就会将这些调查结果广泛应用至该新闻已知的所有版本——这一过程也可以包括对核心故事及其他版本的可靠性的量化。AI能够识别模型，并持续监控每个核心故事，以确认需要检查的新事实和事件。所有这些——包括标注过的内容、评估结果、发布者得分和元数据——都是不可变存储库的一部分，并且会永久存储为世界历史的一部分，不会被删除，也不会再出现“虚幻的”假新闻。
社交媒体，新闻公司，博客和其他网络实体能够使用此平台的API进行自我评估，在此基础上朝着“为世界提供更好的信息”的目标继续前进。当网络内容接受可靠性评估的时候，那些生产、推广或传播信息的相关方的可信赖度也会受到影响。“发布者评估系统”能够量化网站A、社交媒体B或新闻公司C是如何推动全球假新闻问题发酵的。有了这些信息，媒体可以对相关方传播假新闻的责任水平进行了解和衡量，也可以及时告知用户该平台发布的一些新闻是错误的、存在误导性的。他们可以对用户进行教育，展示出真正的社会责任感，做有意义的事，以推动建立一个信息交流更加畅通且真实的世界。
公司还可以将特殊的API进行整合，以便在“共享时间”对内容进行交叉检查，及时提示用户该信息是否已被标记为不可信信息或是其可信度是否存疑，但对于是否分享，选择权仍在用户手中。社交媒体也可以告知那些已经参与假新闻传播（比如点赞、分享、评论或只是浏览）的用户，并向他们解释如何在以后避免再犯类似错误。
有趣的应用案例数不胜数——比如对内容质量其他方面的衡量、全球趋势分析及对现象动态过程的阐释。
这可以以建立在IPFS或Swarm基础上的统一内容库为基础，这是一个不可变的系统库，能够存储全世界网络信息的样本，对其可信度及其他质量指标进行整合、标注和评分。
留言 点赞 关注
我们一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”
（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）
转载：https://blog.csdn.net/duxinshuxiaobian/article/details/102477796