Как распознать фейковую информацию в Интернете

Специально для mixstuff – Светлана Бодрик

Наверное, каждому знакома ситуация, когда вы прочитали что-нибудь в Интернете, поделились этим в своих социальных сетях, а потом вдруг узнали, что информация была недостоверной.

Для тех, кто проводит много времени перед экраном компьютера, важно знать, насколько надежным источником новостей является Интернет.

Исследование, проведенное в Соединенном Королевстве, показало, что около двух третей опрошенных взрослых регулярно читают новости в Facebook и что половина из них попадали в ситуацию, когда они верили информации, которая впоследствии оказывалась ложной. Еще одно исследование, проведенное учеными Массачусетского технологического института, было сосредоточено на проблемах влияния фальшивых новостей. Оно показало, что в среднем читатели верят лживым новостям под броскими заголовками по крайней мере в 20% случаев.

Сейчас фальшивая информация распространяются в 10 раз быстрее, чем правдивые новости, и проблема фейковых новостей серьезно угрожает нашему обществу.

Например, во время выборов 2016 года в США огромное количество американских граждан поверили и поделились в соцсетях заведомо ложной информацией о том, что Хилари Клинтон была связана с преступной группировкой, занимавшейся торговлей людьми, через владельца популярной пиццерии. Хозяину ресторана угрожали расправой, в ресторане появился мужчина с пистолетом, который поверил в фейковую новость и решил разобраться со «злодеями» по-своему. Лишь чудом никто не пострадал в тот раз. Эта и ряд других фальшивых новостей, распространявшихся в период выборов, оказали неоспоримое влияние на результаты голосования населения.

Часто бывает трудно найти источник происхождения ложной информации после того, как социальные медиа-боты и друзья друзей тысячи раз поделились ею. Технологии, лежащие в основе Интернета и социальных сетей, способствуют распространению такой дезинформации. Возможно, пришло время спросить, что эта самая технология может предложить для решения этой проблемы.

Современные достижения позволяют компьютерам мгновенно выполнять задачи, на которые у человека ушло бы гораздо больше времени. Например, существуют компьютерные программы, которые помогают полиции в считанные секунды распознать лица преступников. Эти программы знакомы с алгоритмами классификации, обнаружения и принятия решений.

За последние несколько лет ученые, занимающиеся изучением стилей речи, стали более активно разрабатывать алгоритмы обнаружения дезинформации и создавать технологии, способные помочь нам распознавать фальшивую информацию.

Один из подходов заключается в поиске соответствующих источников информации, присвоении каждому источнику оценки достоверности и последующем их объединении для подтверждения или опровержения того или иного сообщения. Такой подход в значительной степени зависит от отслеживания первоисточника новостей и оценки их достоверности на основе целого ряда факторов.

Второй подход исследует стиль написания новостей, а не их происхождение. Лингвистические особенности написанного материала могут многое рассказать нам об авторах и их мотивах.

Анализ большого количества проверенных на практике новостных статей на различные темы показывает, что в среднем в поддельных новостях используется больше агрессивных высказываний, а также слов, относящихся к сексу, смерти и страху. Правдивая новость, с другой стороны, содержит большую долю слов, относящихся к работе (бизнесу) и деньгам (экономике).

Это говорит о том, что стилистический подход в сочетании с алгоритмами машинного обучения может быть полезным для выявления подозрительных новостей.

Детектор фальшивых новостей создан на основе лингвистических характеристик, взятых из большого количества новостных статей. Он выбирает фрагмент текста и анализирует, насколько он похож на фейковые новости и реальные новости, с которыми ему приходилось сталкиваться раньше.

Основная проблема, однако, заключается в создании системы, способной обрабатывать самые разнообразные новостные темы и быструю смену заголовков в Интернете, поскольку компьютерные алгоритмы учатся на примерах, и если эти примеры недостаточно наглядны, то возможны ошибки в распознавании ложных новостей в Интернете.

Нужны специалисты для сбора и маркировки большого количества фейковых и реальных новостей. Данные, собранные ими, позволят алгоритму машинного обучения находить общие черты, что позволит с уверенностью отличать правдивые новости от фейковых.

.

Источник