路透社开发了一款可以识别推特上真实新闻的机器人

本拉登突袭、波士顿马拉松爆炸案、史考利在哈德逊河上救命的举动。新闻往往在主流媒体赶上之前就出现在推特上。事实上，根据路透社的内部研究，大约 20% 的新闻首先在推特上曝光。但正如今年的选举周期所证明的那样，假新闻的曝光（和传播）速度与真新闻一样快。

路透社针对这一问题推出了一个名为“新闻追踪”的新系统，该系统是一种算法，可以筛选每条推文（每天发布 5 亿条推文），从垃圾信息、无稽之谈、广告和噪音中筛选出真正的新闻。这样一来，记者就可以摆脱社交媒体的干扰，花更多时间深入挖掘新闻。

据《哥伦比亚新​​闻评论》报道，News Tracer 自 2014 年开始开发，其工作首先是识别主题相似的推文集群。政治与政治相关；体育与体育相关；等等。然后，系统使用语言处理为每个集群生成连贯的摘要。

News Tracer 与其他流行监测工具的不同之处在于，它被设计为像记者一样思考。路透社数据和创新执行编辑 Reg Chua 告诉《新闻评论》：“当你开始转向机器时，有趣的练习是你必须开始将其编码化。”

据哈佛大学尼曼实验室称，这种虚拟思维模式考虑了 40 个因素。它使用原始发帖人的位置和状态（例如，她是否经过核实？）以及新闻传播方式等信息来为相关新闻建立“可信度”评级。该系统还会对记者认为可靠的消息来源进行交叉检查，并使用该初始网络来识别其他可能可靠的消息来源。新闻追踪器还可以区分热门标签和真实新闻。

News Tracer 综合考虑了多种数据点，这意味着它最适合用于实际的物理事件（碰撞、抗议、爆炸），而不是那些主导新闻周期的“他说”和“她说”的报道。

不过，我们正处于一个有趣的时刻，即人工智能可以（或应该）如何应用于新闻。今天，Facebook 推出了一项关于其人工智能工作的大型公关/教育活动，试图揭开机器学习和神经网络等抽象概念的神秘面纱。这些工具决定了你的时间线上会出现什么，不会出现什么，并将继续影响你未来体验 Facebook 的方式。

通过监控、学习和迎合用户的点击、阅读和点赞习惯，这家社交媒体巨头招致了众多批评。通过迎合用户想要看到的内容，系统也会压低他们本该看到的内容。批评者称这种现象为“过滤泡沫”。

这些泡沫最严重的后果之一就是网站上虚假新闻的传播。虚假新闻（教皇弗朗西斯支持特朗普、比尔·克林顿强奸一名 13 岁女孩）在过滤泡沫的回音室中回荡。

人工智能研究主管 Yann LeCun 在最近的新闻发布会上表示，Facebook 强大的人工智能可能能够过滤掉这些虚假新闻。但首席执行官马克·扎克伯格对这个想法有些疑虑，他在 11 月中旬的一篇帖子中指出，“识别‘真相’很复杂”，即使是主流媒体也无法 100% 地准确报道事实。

在下周的后续帖子中，扎克伯格列出了识别明显恶作剧的七点计划。该计划中的项目包括评估特定新闻相关文章质量的工具、要求第三方验证以及方便用户的举报机制。

同样，法国报纸《世界报》也宣布了帮助读者识别网络上虚假新闻的计划。该报计划开发适用于 Chrome 和 Firefox 浏览器的扩展程序。最初，它将使用可信来源数据库，并在读者偶然发现可疑内容时发出红旗。中间来源将获得黄旗，而可信来源将获得绿旗。

当然，Facebook 和路透社的使命并不相同。前者是社交网络新闻聚合器，而后者是新闻制作者。但从本质上讲，它们都肩负着向公众提供信息的责任，无论是从构思还是发展的角度。路透社过去两年在 News Tracer 上所做的工作有助于证明，如果开发和实施得当，人工智能可以提高我们所消费新闻的标准。